基于自适应形态学滤波的目标检测方法

本文针对三维激光雷达进行目标检测过程中,激光雷达点云的稀疏性、数量非固定性、分布的任意性,会带来点云空洞引起分割错误的问题,提出了一种点云自适应形态学滤波方法。不同于传统的形态学滤波对所有的像素点统一进行二值化、开闭运算等进行矫正,本方法能够根据像素点与周边像素点信息,决定是否对该像素点采取运算以及采取何种运算,补充缺失的点云信息的同时避免了传统形态学滤波带来的边界和形态改变问题。实验结果表明,该方法用于稀疏激光点云的障碍物检测中具有更强的鲁棒性。     

复杂环境下基于多层激光雷达的障碍检测

为了完成复杂环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了一种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括候选障碍点的提取、干扰点的滤除及障碍点的聚类分割三个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

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,...     

一种使用激光雷达数据检测路边的方法

算法通过计算三维激光点云相邻点之间的相似度,将三维点云转化为二维相似度图像。在此基础上,采用迭代阈值分割可通行区域,最后使用Canny算子和霍夫变换检测道路边缘。实验表明该方法可以有效检测结构化道路的路边。     

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%。     

用于汽车实时障碍检测的光学传感系统

介绍了几种用于汽车障碍物探测的光学系统。对于三维照相机系统、三维扫描激光雷达成像系统、一维扫描激光雷达系统及非扫描激光雷达成像系统的优缺点进行了分析比较。目前,最具实用价值的是一维扫描激光雷达系统。     

基于三维激光雷达技术的输电线路廊道障碍物检测研究

传统的输电线路人工巡检方式存在效率低、代价高等问题,文中基于三维激光雷达技术,利用无人机设计并开发了一套具有较高自动化程度的输电线路廊道障碍物检测方案。该方案能够借助点云数据的预处理、分类提取和测量距离的阈值比较,检测与判断输电线路及周边障碍物的安全距离。测试和分析结果表明,该方案能够较为准确地测量和判断障碍物与输电线路的距离,并能够减少传统人工巡检的损耗,为输电线路廊道障碍物的检测提供帮助。     

基于车载激光点云的高速铁路边坡形变检测

为保障高速铁路运行安全,必须定期地检测沿线边坡的形态变化,及时发现潜在的山体滑坡风险,为铁路安全管理部门提供检测数据支撑.首先利用车载激光雷达获取高速铁路沿线边坡三维点云数据,并将当期点云和基准点云进行配准;采用点云体素化方法降低离散空间点坐标的随机误差,并利用区域生长算法拟合生成多个区域平面.最后,提出边坡形变量计算...     

基于体素化图卷积网络的三维点云目标检测方法

针对激光雷达点云的稀疏性和空间离散分布的特点,通过结合体素划分和图表示方法设计了新的图卷积特征提取模块,提出一种基于体素化图卷积神经网络的激光雷达三维点云目标检测算法。该方法通过消除传统3D卷积神经网络的计算冗余性,不仅提升了网络的目标检测能力,并且提高了点云拓扑信息的分析能力。文中设计的方法在KITTI公开数据集的车辆、行人、骑行者的3D目标检测和鸟瞰图目标检测任务的检测性能相比基准网络均有了有效提升,尤其在车辆3D目标检测任务上最高提升了13.75%。实验表明:该方法采用图卷积特征提取模块有效提高了网络整体检测性能和数据拓扑关系的学习能力,为三维点云目标检测任务提供了新的方法。     

基于三维激光扫描的施工建筑平整度检测方法

针对传统施工建筑平整度检测方法效率低、检测结果受人为主观因素影响较大等问题,提出一种基于三维激光扫描的平整度检测方法。首先,利用三维激光扫描仪对目标建筑进行数据采集、处理和拼接,获得高精度三维点云数据;其次,结合建筑平整度检测特点设计了一种非均匀抽稀方法,用于无损保留墙面凹凸特征;然后,利用随机抽样一致性算法结合特征值法,对建筑点云数据进行自动化特征提取与平面拟合,获得待检测墙面几何参数;最后,依据平整度检测原理,利用拟合平面与点云数据拓扑空间关系,设计了一种基于三维激光扫描的施工建筑平整度检测方法。实验结果表明：所提非均匀抽稀方法能够有效完成点云数据抽稀工作,抽稀比达55.4%,且能够无损保留墙面凹凸特征;基于三维激光扫描的平整度检测方法理论可行,精度可靠,较传统检测方法,效率提高了23.33%,且更加全面。     

一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

一种基于MPEG运动矢量的行车障碍检测方法

结合已有的基于MPEG视频流的行车障碍检测算法,在原有基础上加入检测匹配模板,对易造成误判的噪声及影响正常检测的非危险区域都有较好的处理效果。通过统计分析及经验验证,分析得出在直行、转弯及上下坡3种路况及不同车速下车辆正常安全行驶时的检测阈值T。该方法能结合实际,运算量小,实验结果较好。     

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...     

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率,提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图,建立三维点云与深度图之间的投影关系,利用相邻激光雷达扫描线的角度阈值进行地物分割,再对分割后的地上物体进行分割,去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化,较好地克服了过分割问题,提高了点云分割的准确率。实验结果表明,该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。     

三维点云与可见光图像融合方法及可视化

鉴于三维点云缺少颜色信息和光学图像缺少空间信息,提出一种基于激光雷达与相机自动标定的融合方法,融合后的数据兼有点云的空间信息和光学图像的颜色纹理信息。首先利用平面标定板对激光雷达和光学相机进行分步式自动标定,其次通过共线方程建立坐标关系,将光学图像的颜色纹理信息赋予点云进行融合并进行可视化。实验结果表明：所提方法在提高自动化程度的同时也在一定程度上提高了融合精度;与基于人工匹配的标定融合方法相比,所提方法的精度提升了51.7%;与基于梯形棋盘格标定板的标定融合方法相比,所提方法的精度提升了36.4%。从多角度观测可视化结果,所提方法都能从颜色和空间效果方面更好地还原真实场景。     

车载激光雷达三维点云重构与漫游方法

针对车载激光雷达系统,建立了由激光扫描仪数据、载车GPS数据、载车姿态数据进行激光点云解算与重构的数学模型,得到道路及两侧景物的三维点云场景。根据载车行进轨迹,用OpenGL三维引擎技术,实现对道路两侧景物的三维漫游。研究将激光雷达应用于车辆和飞行器的防撞预警,此技术具有快速、主动获取障碍物的高精确度三维坐标,探测距离远,受天气影响小的优势。为能见度低、障碍物较多情况下的车辆和飞行器的防撞提供了一个可行的技术途径。     

基于激光雷达点云应用的通信勘察技术研究

文中探讨了激光雷达在通信勘察中的应用。首先,介绍了激光雷达在通信勘察中的工作原理和优势。然后,阐述了激光雷达在通信勘察中的实际应用场景,并结合国内外相关研究成果,对激光雷达在通信勘察中的应用进行了深入分析。最后,对未来激光雷达在通信勘察中的未来发展进行了展望。     

基于扫描方式与球面投影的点云修补方法

激光雷达点云数据修补是三维重建工作中的重要环节.针对现有的点云修补的插值算法无法确定空洞区域缺失点具体位置和数量的问题,提出一种简便有效的缺失点云修补方法.首先,将经过球面投影的单站激光雷达数据按照扫描方式实现结构化;然后根据旋转角和俯仰角两个方向的角度分辨率来描述缺失点云的球面位置;最后根据实际地形情况选择合理的插值...     

基于图像与点云融合的公路撒落物检测算法

公路撒落物是影响行车安全、造成交通堵塞的重要因素,及时检测并清理公路撒落物十分重要。通过总结分析撒落物的特点,利用点云处理定位精度高和图像处理分类精度高的特点,提出一种基于图像与点云融合的公路撒落物检测算法。所提算法包括路面目标提取、点云与图像信息融合和撒落物目标分类等3个步骤。首先,通过激光雷达点云进行道路边缘检测、地面点云滤波和点云聚类,提取路面上的目标点云团簇;然后,将目标点云团簇投影到时间与空间对齐的视觉图像中,获取对应的图像感兴趣区域;最后,使用优化后的ResNet-50进行目标分类。所提算法的平均检测精确率为94.84%,召回率为91.92%,具有良好的检测效果。