基于激光雷达的巡检机器人控制与定位

某工厂的地沟电缆承担生产供电任务,为保证安全,需要经常巡查电缆温度.设计了基于激光雷达(LiDAR)的巡检机器人导航系统,研究了自主建图和定位导航算法.机器人使用激光雷达扫描周边环境生成点云数据,通过Hough变换算法和最小二乘法算法将雷达点云数据拟合成直线,建立环境地图模型.应用扩展卡尔曼滤波(EKF)算法结合点云数...     

茂密植被区域LiDAR点云数据滤波方法研究

点云数据的滤波和分类是激光雷达数据应用处理重要环节,是当前研究的热点问题。本文针对茂密植被区域点云数据的特点,提出了以移动窗口和坡度算法为基础的改进的点云数据滤波算法。试验结果表明,改进的滤波算法对地形变化复杂、植被郁闭度较高覆盖、地面激光脚点比少的点云数据有良好的效果。     

基于地形认知的布料模拟滤波算法

数字高程模型(Digital Elevation Model, DEM)可以反映一个地区的地形特征,具有广泛的科研应用。对激光雷达点云数据进行点云滤波以提取地面点,并对地面点进行插值是构建DEM的常用步骤,其中在点云滤波过程中使用的滤波算法直接影响到最终构建的DEM的精度。布料模拟滤波(Cloth Simulation Filtering, CSF)算法作为一种点云滤波算法,具有模型简单、滤波效率高等优点,其针对平坦地区的滤波精度较高,但在处理复杂地形时会因布料模型的内部弹力以及重力惯性等因素,导致滤波结果的精度较差。为了提升CSF算法在处理复杂地形时的滤波精度和地形适应性,提高其构建DEM的精度,提出了基于地形认知的布料模拟滤波算法(Cloth Simulation Filtering Algorithm with Topography Cognition, CSFTC)。该算法提出了地形认知模型,基于点云数据点的局部分布特征构建认知模型,并将其扩展为粗精度数字高程模型(Rough Digital Elevation Mo-del, R-DEM);通过点云地形归一化实现宏观地形趋势与...     

激光雷达点云数据的滤波算法述评

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。主要对数学形态学的滤波算法、基于坡度的滤波法、基于TIN的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法等几种较为重要且实用的激光雷达点云数据滤波算法进行介绍和讨论,评价对比了各自算法的优势和不足,初步探讨了每种算法缺陷及其改进方向。     

基于二维激光雷达多车道车辆检测与分车算法的研究

为解决汽车动态称重多车道车辆检测与分车问题,提出了一种基于二维激光雷达的多车道车辆检测与分车算法。基于所建立的平面直角坐标系,将二维激光雷达对车道扫描得到的极坐标值转换为直角坐标系下的坐标点,对所拾取数据点进行中值滤波处理后,采用车辆边缘信息点提取算法对所有点数据进行分类截取,用凝聚层次聚类算法和最小二乘法曲线拟合,提取出车辆的左右边缘信息。以车辆左右边缘为多车道分车标志特征,确定各车辆的位置信息,从而实现对多车道的横向分车。以车道有无车辆的特征标志位来实现车辆的前后分车。试验结果表明,该方法能实现对多车道车辆的检测和车辆分车,对今后的车辆检测和分车具有一定的参考。     

最小二乘法分段直线拟合

曲线拟合是图像分析中非常重要的描述符号。最常用的曲线拟合方法是最小二乘法,然而一般的最小二乘法有一定的局限性,已经有不少学者对其进行了一些改进。进一步对最小二乘法进行改进,提出一种新的分段直线拟合算法来代替多项式曲线拟合,以达到简化数学模型的建立和减少计算的目的,使其能够更好地对点序列进行拟合。     

考虑法向离群的自适应双边滤波点云平滑及IMLS评价方法

针对目前在点云双边滤波平滑算法中,人工输入不合理参数导致的点云平滑效果不佳,且易导致体积收缩及现有去噪后点云质量评价方法存在表达局限性等问题,提出一种自适应参数的点云双边滤波算法和基于隐性移动最小二乘(IMLS)的质量评价方法。首先构建KD-tree数据结构用于点云拓扑,之后搜索各点邻域,利用奇异值分解法计算法向量信息,并在双边滤波公式中引入法向离群因子以剔除邻域内离群点,然后通过扩展高斯核函数的权值计算式,在点云邻域内自适应获取空间与法向特征参数,最后应用改进模型进行点云平滑并引入IMLS方法评价点云质量。实验结果表明,考虑法向离群的自适应双边滤波点云平滑算法具有良好的去噪效果,相比其他算法体积收缩更小,且IMLS评价方法客观有效。     

基于正交投影约束的点模型去噪

传统点云消噪算法会削弱曲面特征.为此,提出一种基于正交投影约束的点模型去噪算法.利用移动最小二乘曲面投影的思想,根据采样点与其在MLS曲面上正交投影点之间的关系构建移动距离权重函数,为防止模型收缩,给出曲率权重函数,通过双边滤波器确定滤波方向,结合移动距离权因子与曲率权因子确定采样点滤波距离.实验结果表明,该算法在消除点云噪声的同时,能保持点云高频结构特征,避免模型的收缩和顶点漂移.     

基于激光雷达距离图像的道路边缘检测与跟踪

论述了将激光雷达的距离图像信息用于道路检测和跟踪。首先将扫描点进行聚类分析对道路边缘进行检测和对所检测的边缘进行最小二乘直线拟合,在成功检测道路边缘后,利用Kalman滤波对道路边缘进行跟踪。实验证明该算法具有检测准确且鲁棒性好的特点。     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.     

基于噪声分类的双边滤波点云去噪算法

针对三维点云数据模型在去噪光顺中存在不同尺度噪声的问题,提出一种基于噪声分类的双边滤波点云去噪算法。该算法首先将噪声细分为大尺度和小尺度噪声,并使用统计滤波结合半径滤波对大尺度噪声进行去除;然后对三维点云数据进行曲率估计,并对现有点云双边滤波进行改进,增强其鲁棒性和保特征性;最后使用改进的双边滤波对小尺度噪声进行光顺,实现三维点云数据模型的去噪、光顺。与单独使用双边滤波、Fleishman双边滤波相比,改进算法在三维点云数据模型光顺平均误差指标上分别降低了50.53%和21.67%。实验结果表明,该改进算法对噪声进行尺度的细分既提高了计算效率,又避免了过光顺和细节失真,较好地保持模型中的几何特征。     

应用于三维点云数据去噪的改进C均值算法

针对三维激光扫描仪采集到的点云数据中离群点不易区分和去噪难度大的问题,提出了一种改进的C均值算法。通过分析三维点云数据特征,在传统C均值算法中引入模糊聚类权重因子,降低类内距离和拉大类间距离,有效增强了离群点特征以降低识别难度。进而将识别出的噪声分类别处理,利用改进的C均值算法去除大尺度噪声,构造双边滤波算法去除小尺度噪声数据。与密度聚类算法、正交整体最小二乘平面拟合和基于特征选择的双边滤波点云去噪等算法相比,去噪准确度分别提升了7.3%、6.5%和6.0%,实验结果表明该算法可以有效去除大尺度噪声并能较好地保留有效数据。     

基于扫描线自适应角度限差法的地面点云滤波

针对野外地形逆向工程中树木、建筑物或其他地物的滤波问题,通过分析传统方法中相邻两点限差阈值单一不能满足地形变化的需要,以及相邻三点限差误差积累等缺点,提出了一种基于扫描线的自适应角度限差法。该方法对扫描中心、基准点(已知地面点)和待判断点之间的角度进行限差,该角度随着宏观坡度的变化而变化,从而实现角度对地形的自适应。再通过移动窗口曲面拟合,对结果进一步优化。实验证明,所提出的方法能宏观把握地形坡度变化,较好地解决了起伏较大地形点云的滤波问题。     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

基于多项式拟合的扩展卡尔曼滤波算法

弹道修正弹内的弹载计算机必须实时对卫星定位接收机获取的弹丸状态数据进行滤波降噪,用于预测弹丸落点,传统滤波方法滤波时间长,滤波实时性差,提出一种基于多项式拟合的方法。通过适当降低卫星定位接收机数据更新频率,并用多项式拟合插值出的数据代替数据更新时间间隔内的弹丸状态数据。仿真实验表明,该算法在不降低滤波效果的前提下,较普通扩展卡尔曼滤波时间降低7/8,提高了滤波实时性,对于弹道修正弹关键技术的研究提供了重要参考。同时该方法可推广应用到其他滤波算法当中,具有很强的可移植性。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

Improved Iterative Closest Point(ICP) 3D point cloud registration algorithm based on point cloud filtering and adaptive fireworks for coarse registration

ABSTRACT

Aiming at the problem of long computation time and poor registration accuracy in the current three-dimensional point cloud registration problem, this paper presents a k-dimensional Tree(KD-tree) improved ICP algorithm(KD-tree_ICP) that combines point cloud filtering and adaptive fireworks algorithms for coarse registration. On the basis of the typical KD-tree improved ICP algorithm, the point cloud filtering process and adaptive firework coarse registration process are added. Firstly, the point cloud data acquired by the 3D laser scanner is filtered. And then the adaptive fireworks algorithm is used to perform coarse registration on the filtered point cloud data. Next, the KD-tree_ICP algorithm is used to perform accurate registration on the basis of coarse registration, and the obtained translation and rotation relations are applied to the original point cloud data to obtain the result after registration. Finally, 3D point clouds of physical models of five statues are used for experimental verification, including error analysis, stability analysis and comparison with other algorithms. The experimental results show that the method proposed in this paper has greatly improved the calculation speed and accuracy, and the algorithm is stable and reliable, which can also be applied to the reconstruction of 3D building models, restoration of cultural relics, precision machining and other fields.     

基于分数阶Fourier变换的云存储系统重复数据删除算法

云存储系统的重复数据作为大量冗余数据的一种,对其有效及时地删除能保证云存储系统的稳定与运行。由于云存储系统中的干扰数据较多,信噪比较低,传统的重删算法会在分数阶Fourier域出现伪峰峰值,不能有效地对重复数据进行检测滤波和删除处理,因此提出一种改进的基于分数阶Fourier变换累积量检测的云存储系统重复数据删除算法。首先分析云存储系统重复数据删除机制体系架构,定义数据存储点的适应度函数,得到云存储节点的系统子集随机概率分布;采用经验约束函数对存储节点中的校验数据块分存,通过分数阶Fourier变换对云存储系统中的幅度调制分量进行残差信号滤波预处理。采用4阶累积量切片后置算子,把每个文件分为若干个块,针对每个文件块进行重删,进行重复数据检测后置滤波处理,实现存储资源上的重复数据检测及其删除。仿真实验表明,该算法能提高集群云存储系统计算资源的利用率,重复数据准确删除率较高,有效避免了数据信息流的干扰特征造成的误删和漏删,性能优越。     

基于区域结构特征的城区LiDAR数据快速分类

机载激光雷达能够及时准确地获取大量具有精确三维位置信息的三维点云数据,在数字城市、森林防火、智能交通等领域有着广泛的应用。城市中心区域的三维点云数据往往会因为高大树木或植被的遮挡,造成建筑物等人造目标识别特别困难。本文通过直接的二次多项式拟合方式提取高大树木等植被与建筑物目标典型局部区域的区域信息,构建区域目标敏感的结构特征,进而,通过模糊逻辑即可完成三维点云数据的建筑物目标敏感的分类任务。实验结果表明,该方法能够快速有效地实现较大尺度范围内LiDAR点云数据的分类,具有较好的应用前景和推广能力。     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一。针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法。该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属性采用高斯混合模型组合分类提取道路的种子区域,并利用强度影像扩展和约束该区域;最后运用主动轮廓法和数学形态学方法进一步优化并提取道路中心线。为验证该方法的有效性,分别采取位于国外某城市的两组LiDAR点云数据进行实验。结果表明,该方法可以有效地减弱阴影遮挡对道路提取的影响,提取的道路中心线较为平滑,道路的提取质量达到85%以上。