基于局部和全局采样点云数据简化算法研究

3D激光扫描方法获取的点云数据存在大量冗余数据,为便于重建模型,对点云数据简化技术的关键是在简化数据的同时,最大限度地保留点云数据的原有特征,对点云数据简化技术进行了研究,提出了一种基于局部和全局点云特征相融合的简化算法,通过基于点云的网格分割的非均匀网格法来提取局部点云特征,并且通过基于空间体素化方法对点云进行全局采样,然后将二者特征融合,获取最佳的简化特征效果。实验表明,该算法能够适应各种类型曲面数据的简化要求,其点云简化最大误差为0.02812,点云简化平均误差为0.000472,并与非均匀网格算法和空间体素法做比较,其简化效率高,简化误差小。由此可见,该方法简化点云不但具有较高的简化效率,同时又很好地保留了原始数据的细节特征。     

基于三维激光雷达的道路障碍物目标位姿检测算法

提出一种基于随机采样一致(RANSAC)的道路障碍物目标位姿检测算法,利用这一算法对道路障碍物目标进行检测,构建目标障碍物的盒模型,输出盒模型的位姿信息。引入扇形盒分割方法,改进地面分割模块,使用基于激光雷达参数的自适应阈值方法改进聚类分割模块。基于三种激光雷达数据集进行实验验证,本文算法能够准确地对道路障碍物进行位姿信息检测,且具有较高的实时性。相较于最小包围矩形法及三点估计法,本文算法的准确度分别提升8.14%、6.57%,检测时间分别缩短23.81%、24.71%。     

基于激光雷达扫描的观览车摆角测量方法

针对现有的倾角仪在测量大型观览车最大摆角时存在的安装复杂、测量效率低下问题,本文提出了一种结合特征滤波与投影转换的摆角测量方法。该方法综合使用激光雷达与监控相机的数据,实现对大型观览车摆角的非接触式精确测量。首先,通过方向特征滤波器选取摆臂部分的点云;接着,利用形状特征滤波器移除不规则形状的点云;然后,将这些点云投影至二维平面,并用最小二乘法拟合边缘直线来解算摆角。最后,通过等比例模型实验得到该方法角度测量平均误差绝对值为029°,最大误差绝对值为045°。实验结果表明,该方法能有效提升大型观览车摆角的测量效率并确保测量精度。     

基于卷积神经网络的激光雷达点云目标分割

对激光雷达点云进行道路对象的语义分割,尤其是对感兴趣实例(如汽车、行人和自行车)的检测与归类.将此问题明确表达为逐点分类问题,并以卷积神经网络(Convolutional Neural Nets,CNN)为基准网络设计网络结构,对预处理过的点云数据进行语义分割.具体地,CNN将转化后的雷达点云数据作为输入,直接输出逐点...     

基于先验信息采样一致性的点云柱面分割方法北大核心CSCD

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。     

融合注意力门控机制的大场景点云语义分割

室外大场景激光点云语义分割已成为3D场景理解、环境感知的关键性技术,在自动驾驶、智能机器人和增强现实(AR)等领域应用广泛。然而大场景的激光点云具有多目标、几何结构复杂,不同地物尺度变化大等特点,使得在稀疏的小目标点云(例如行人、摩托车等)上的分割性能较低。针对上述问题,本文提出一种融合注意力门控机制的室外点云语义分割算法,设计由注意力机制和多尺度上下文特征融合组成的注意力门控单元,提高对激光点云细粒度特征的表达,降低随机降采样过程中点云几何结构特征丢失程度,从而增强了网络对弱小目标的特征获取能力;同时设计基于共享MLP的平均池化单元,进一步简化自注意力局部特征聚合模块,有效地加速网络收敛,能高效地实现大场景点云的语义分割。本文方法在自动驾驶场景室外激光点云数据集SemanticKITTI上的实验表明,与文献RandLA Net相比,收敛速度提升483,平均交并比(mIoU)由539提升至545,提高06,尤其是在小目标上交并比(IoU)均有明显提高,person类和motorcycle类的交并比分别提高08和54。     

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。     

道路三维点云多特征卷积神经网络语义分割方法

针对道路场景下三维激光点云语义分割精度低的问题,提出了一种基于卷积神经网络并结合几何点云多特征的端到端的语义分割方法。首先,通过球面投影构造出点云距离、相邻夹角及表面曲率等特征图像,以便于应用卷积神经网络;接着,利用卷积神经网络对多特征图像进行语义分割,得到像素级的分割结果。所提方法将传统点云特征融入到卷积神经网络中,提升了语义分割效果。使用KITTI点云数据集进行测试,结果表明:所提三维点云多特征卷积神经网络语义分割方法的效果优于SqueezeSeg V2等没有结合点云特征的语义分割方法;与SqueezeSeg V2网络相比,所提方法对车辆、自行车和行人分割的精确率分别提高了0.3、21.4、14.5个百分点。     

基于邻域点位置特征的点云数据精简

海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题,提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理;寻找投影面垂直方向（正、负两个方向）,以目标点为中心,获取搜寻矩阵范围内的点;根据搜寻矩阵内点与目标点的位置关系确定其权值;根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较,并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明：所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法,与曲率采样法一致;精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法,与随机采样法基本一致,略差于均匀网格法。因此,所提算法既能较好地保留特征,同时又能使重建后的结果模型表面积和体积变化以及误差都较小,综合效果好。     

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。     

量子增强星载光子计数激光雷达阈值检测性能

星载光子计数激光雷达在遥感探测、导航测距等领域发挥着重要作用。依据光子数可分辨激光雷达的工作原理,建立了基于光量子统计理论的星载光子数可分辨激光雷达接收端的量子阈值检测模型。方案利用先进的光子数可分辨探测器件滤除未能达到最小检测信噪比的光子,并根据光量子统计规律重构信噪比检测公式,接收端的最小可检测信噪比相对经典光强检测方案进一步降低。同时分析了新型量子阈值检测方案的检测概率与虚警概率,数值仿真的结果表明,基于光子数可分辨探测的量子阈值检测方案的信噪比在少光子到达的条件下优于经典光强检测方案,且利用量子压缩态发射源可进一步增强量子阈值的检测性能。最后,进行了星载光子数可分辨激光雷达测高的仿真实验,结果表明在少量返回光子信号情形下的量子阈值检测方案的性能获得了显著增益。     

基于近红外光谱的材料粗糙度变化检测研究

为提高材料粗糙度变化检测的准确性,提出了一种基于近红外光谱的材料粗糙度变化检测方法。测量热红外偏振度,采用主成分分析方法降维处理。利用双温方程对光子照射到材料表面的条件下光子与电子及离子的能量转化情况分析,以对基体材料吸收率计算,等效处理材料表面粗糙度。通过双向分布函数构建粗糙度计算模型,完成材料粗糙度变化检测。实验将检测准确性与检测时间作为对比指标,结果表明,此次研究的检测方法有效提高了检测的准确度,平均为91%,并减少了检测的时间,平均为2.2 min。     

基于V-视差法的道路区域检测算法研究

针对当前基于双目视觉的道路环境分析实时性差、检测不准确等问题,提出了一种改进V视差法的道路区域检测算法。该算法首先对原始图片进行车道线检测确定道路消失点,从而确定图像的感兴趣区域。然后,使用极大最小值约束获取V视差图中的斜线,从而提取道路区域。实验结果表明,由于该方法在确定感兴趣区域后计算原始视差图,因此,速度提高了29.71%,且相对于传统V视差法,算法更好地实现了路面分割;同时,障碍物检测的精确率和召回率两个指标分别提高了2.165%和4.837%。基于该算法具有良好的准确性和实时性,能有效识别道路中的障碍物,因此,可以为车辆提供可行驶区域以及为驾驶员提供辅助作用。     

基于IFFT法的路面不平度时域模拟方法

路面不平度时域模拟方法存在模拟精度低下等问题。考虑到IFFT法能够精确而又简单地重构道路的时域模型,是一种普适性的方法,其具有计算量小、计算简单高效等的特点,可为后续车辆动力学仿真分析提供实时的时域模型。基于IFFT法(逆快速傅里叶变换法)进行路面不平度的时域模拟,总结了IFFT法时域模拟的五个步骤,并利用Matlab语言开发了基于该方法的时域模拟函数。通过与标准的功率谱密度曲线比较,其吻合程度高,表明该方法是正确可靠的,同时也说明了模拟参数选取的合理性。     

Bior1.5小波在路面不平度分析中的应用

文中介绍了一种基于小波变换的路面不平度分析方法.根据路面不平度样本值,运用AR（AotoRegressive）模型建立路面不平度时间序列,将路面不平度时间序列作为输入,用Bior1.5小波对路面不平度进行分析并得到各层小波功率谱.结果表明,将小波变换引入路面激励的分析中,可以清晰的了解信号的时频特性,更能充分揭示车辆的振动状况.     

基于激光雷达点云的3D目标检测技术综述

在自动驾驶场景中,需要感知周围环境中的目标类型、大小、距离及方向等信息,因此3D目标检测技术对于自动驾驶汽车而言尤为重要.为获取周围环境信息,如激光雷达等传感器被应用在自动驾驶汽车上.为此,介绍自动驾驶领域基于激光雷达的3D目标检测现有方法,涵盖最新的模型,并对现有模型进行系统的分类,详细介绍具有代表性和开创性的方法,...     

Detection system based on a novel large area hybrid detector

A system level implementation of a large area hybrid detector is presented. The detector used in this system consists of an array of hydrogenated amorphous silicon photodiodes directly connected to a CMOS readout chip, which is vertically integrated over the sensor array using flip-chip bonding. In particular, the proposed solution relies on a stack of interconnection layers, deposited on top of the photodiode array, to route each individual pixel output to a separate pre-amplifier channel. This avoids the need for a geometrical matching between the sensor array and the chip contact pads. As a consequence, conventional non-pixelated readout chip can be used and easy-scalable large area detectors can be produced. The CMOS chip is connected to an electronic board, providing the interfaces needed to read the signals as well as providing voltage references and power to the chip. The signals are collected and pre-processed by an FPGA chip, providing a very compact and flexible setup.     

基于视觉传感的动态高危区域检测与系统构建

动态高危区域的检测、决策发布是智能道路、智能基础设施研究的重要内容。为提高交通实时监控、安全预警及应急疏导,确保交通安全稳定,提出融合宽带无线接入,以拓展现有固网视频接入方式。通过视频图像处理和数据挖掘技术,实现道路灾害气象检测、通数据采集和事件检测,对高危区域的交通运行状况和短时交通流量进行预测,进而给出路网状况评测和交通路网的稳定性分析。通过在高速公路搭建系统进行实验与测试表明,系统实时性好,检测准确度高、误差小,且具有较好的鲁棒性,提高了实现高速公路的智能化管理。     

基于多核DSP激光成像雷达数据处理系统

采用多核DSP设计了一个用于地面目标检测的激光雷达实时图像处理系统。在详细分析算法各模块资源消耗量的基础上,完成了硬件电路设计,实现了以主辅拓扑结构为框架的软件并行处理系统开发。在系统实现时,先将图像进行分区,并合理地将分区后的图像分配到四个DSP核中进行处理。最后,将并行系统进一步扩展到双核和六核,并与单核系统进行性能比较。对算法运算时间的测试结果表明,系统处理一帧图像仅需50 ms达到了实时性要求。结果表明,对于固定负载的处理系统,单纯地通过增加并行的核数来提高加速比的幅度是有限的。当增加并行的核数已不能明显地提高计算效率时,在系统设计中应着重减少每个核串行运算的负载量。