基于激光雷达的空间物体三维建模与体积计算

求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。     

基于激光雷达及特征匹配的室内场景设计重建

针对当前采集到的场景出现缺损导致场景设计重建效率较低、准确性较差的问题,提出基于激光雷达扫描及关键点特征匹配的室内场景设计重建。通过Deleta 2B型激光雷达传感器直接采集室内场景图像,利用最小二乘拟合滤波算法曲线拟合室内场景图像的灰度值,根据图像特征向量匹配室内场景图像的关键点特征,通过德洛内三角化算法串联室内场景点云数据,构造三维网格模型,通过wallis滤波器提升重建辨识度,实现室内场景的重建。实验结果表明,该方法重建后的室内图像可辨识度较高,信噪比最高可达到498dB,室内场景图像覆盖率均在90以上,重建场景的结构相似度接近1,次卧室场景重建时间为592 h。     

基于三维激光雷达的无人船障碍物自适应栅格表达方法

针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数关系,自适应确定适中的地图分辨率,构建栅格地图;对三维激光雷达点云数据进行降维处理,将三维激光雷达点云投影到栅格地图,减小数据量,提高障碍物检测效率。利用三维激光雷达开展方法验证性实验,获取了三种不同障碍物场景的激光雷达点云数据。处理结果显示:环境中障碍物数量越多,获得的期望栅格地图分辨率越高,障碍物表达更精细;反之,障碍物数量越少,获得的期望栅格地图分辨率越低,障碍物表达更快速,可实现障碍物自适应栅格表达。所建立的方法可为后续USV局部避碰路径规划研究提供支撑。     

基于单线激光雷达的三维形貌重建方法研究

现有三维扫描激光雷达存在成本高、扫描范围有限等缺点,为解决这些问题,本文提出一种基于单线激光雷达的三维形貌重建系统,并对系统进行误差补偿以提高系统的准确度.该系统采用可编程逻辑控制器控制的步进电机旋转单线激光雷达的扫描平面,实现对实际空间场景的扫描.通过上位机控制扫描装置的工作过程同时获取原始点云数据,进而针对原始点云...     

基于虚拟现实的移动机器人真实环境三维建模系统

传统的虚拟现实（VR）技术通过人为建模的方式生成室内三维地图模型，存在速度慢、模型与现实物体尺度之间存在偏差的问题。鉴于此，提出基于VR的移动机器人的真实环境三维建模系统。首先通过视觉同时定位与建图（SLAM）技术快速地获取室内的高精度稠密三维点云地图；其次将三维点云通过曲面重建算法重建为室内三维模型并导入到unity 3D中；然后借助VR设备将室内三维模型置于三维立体的虚拟环境中；最后通过视觉SLAM技术实现移动机器人在室内环境的重定位，实时映射机器人在模型中的位姿，完成交互。利用视觉SLAM技术构建三维地图模型不仅快速，解决了场景尺度偏差的问题，且实现地图的重复使用。同时VR技术也使操作人员可以获得强烈的沉浸感，从而更好地理解机器人的工作环境。     

基于图优化的三维激光雷达SLAM算法研究

为了提高三维激光雷达SLAM算法的定位精度和解决其z轴偏移的问题，在图优化的基础上提出了一种增加边约束和地面约束来改善闭环检测的方法。首先，使用MLESAC算法对点云数据进行滤波，去除外点；其次，采用随机采样法对点云数据进行下采样，提高点云配准算法的速度和准确性；然后，基于3D-NDT配准算法得到点云变换关系；最后，在图优化的基础上将边约束和地面约束加入优化求解器，获得优化后的位姿和点云地图；使用Velodyne激光雷达扫描的地下车库数据进行评估，结果表明所提出的方法能够改善激光SLAM的回环检测，提高定位准确度，x、 y和z方向精度分别可达0.074 1、0.388 95、 0.001 5 m，特别是z轴精度从1.68 m提升到了0.001 5 m。     

基于激光雷达和特征地图的车辆智能定位研究

针对激光雷达采集行驶车辆的三维点云数据中包含过多畸变数据，影响车辆定位效果的问题，本文研究一种基于激光雷达和特征地图的车辆智能定位方法。激光雷达利用基于飞行时间的激光测距法，采集车辆及其行驶环境的三维激光点云数据，去除激光点云数据中的畸变数据。利用正态分布变换方法，优化删除畸变数据的点云集的正态分布概率值，配准三维激光点云数据。从完成配准后的三维激光点云数据中，提取柱状物体的圆形特征，构建车辆行驶的自然柱状特征地图。利用卡尔曼滤波算法，结合自然柱状特征地图信息，实现高精度的车辆智能定位。实验结果证明：该方法可以精准定位车辆目标，车辆智能定位精度较高，最高可达到97%,定位效率较好，最短可在5 s时间内完成定位，具有一定应用价值。     

基于无人机机载激光雷达的三维地图构建研究

本文研究了基于无人机机载激光雷达的三维地图构建。随着科技水平的发展,无人机在诸多领域中均得到了广泛应用,但也提出了更多关于飞行控制、环境感知方面的要求。在室内环境中,若使用GPS进行定位会导致定位结果误差问题出现,需要额外搭载传感器实现无人机的自主定位和地图构建。基于此,为了提高无人机的建图能力,在无人机中搭载了激光雷达,以更好探讨其三维地图构建情况,提高其三维地图构建能力。并通过实验的方式对搭载了激光雷达的无人机三维地图构建情况进行了检验,结果得到了无明显重影的点云地图,而后借助CloudCompare软件进行处理,得到了优质点云地图,肯定了机载激光雷达进行三维地图构建的可行性。     

基于机载激光雷达数据的复杂建筑物三维自动重建方法

为了解决复杂建筑物三维模型重建存在的边缘像素清晰度低和重建效率低的不足，提出基于机载激光雷达数据的复杂建筑物三维自动重建方法。首先通过机载激光雷达快速采集复杂建筑的三维点云数据，并剔出异常点云数据；其次采用SIFT算法提取点云数据特征点，通过梯度特征提取匹配特征点，根据特征点进行平移与旋转，完成复杂建筑点云数据配准；然后对建筑边缘三维阈值提取，获得高精度重建阈值；最后通过三维轮廓交边拼接优化，复杂建筑物三维自动重建。通过对比测试证明了本方法重建建筑物三维模型的边缘像素的灰度值为25～215,灰度值跨度较大，边缘像素清晰度较高，三维模型的重组时间为60 min～145 min,耗时较少，重建效率较高，说明了本方法对复杂建筑物三维自动重建的应用效果较好。     

基于16线激光雷达和相机融合的三维目标检测

针对16线激光雷达点云过于稀疏而无法进行三维目标检测的问题,设计了一种基于激光雷达和相机融合的三维目标检测方法。首先,对激光雷达和相机进行联合标定,统一两者坐标系,并利用ROS进行时间同步,确保雷达和相机在相同的时间感知到相同的环境。然后,将相机采集的图像作为输入,送入YOLOv5算法中进行二维的目标检测,得到目标在图像中的二维检测框和类别。最后,利用联合标定过的激光雷达获取目标二维像素点对应的三维点云,通过这些雷达点云算出目标的三维坐标和三维边界框,从而得到三维目标检测结果。实验验证：通过搭建硬件平台并在实验场地测试后证明了该方法的可行性。