CN109903386A - 一种室内点云地图自动生成*** - Google Patents
一种室内点云地图自动生成*** Download PDFInfo
- Publication number
- CN109903386A CN109903386A CN201711300727.1A CN201711300727A CN109903386A CN 109903386 A CN109903386 A CN 109903386A CN 201711300727 A CN201711300727 A CN 201711300727A CN 109903386 A CN109903386 A CN 109903386A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- module
- cloud map
- automatic creation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种室内点云地图自动生成***,所述***包括:数据采集模块,用激光传感器收集点云数据;数据过滤模块,用滤波器过滤噪声点和孤立点;数据配准模块,采用图像配准方法对局部点云数据进行配准,组成完成的三维点云地图;数据分割模块,采用数据分割方法对三维点云地图进行分割,得到不同平面和不同物体的点云集合数据。
Description
技术领域
本发明涉及地图生成技术,具体涉及室内点云地图自动生成***。
背景技术
随着各项性能的提高,服务机器人可以在人们日常生活中完成越来越多的任务,比如打扫卫生、移动物体等等。为了使任务完成得更加流畅,机器人必须对周围的环境进行更详细和准确的感知和认识。
现在一般机器人大多利用双目视觉或者二维激光点云地图来认知环境。双目视觉非常不稳定,在多种常见情况下都会导致失效,而二维地图只考虑了某一高度平面的环境信息,太高或者太低的障碍物都不能避免,因此也不能在复杂环境中使用。相比传统方法而言,三维点云能够更加真实和精确地对环境加以描述,处理很多二维图像数据不能解决的问题,适用于包含有各种高度障碍物的复杂室内环境。
发明内容
本发明目的在于克服现有技术的不足,尤其解决现有的二维点云地图和相机视觉地图稳定性差,无法得知周围环境的准确三维结构,且不能在环境光源发生变化时工作的问题。
为解决上述技术问题,本发明提供一种室内点云地图自动生成***,其中,所述***包括:数据采集模块,用激光传感器收集点云数据;数据过滤模块,用滤波器过滤噪声点和孤立点;数据配准模块,采用图像配准方法对局部点云数据进行配准,组成完成的三维点云地图;数据分割模块,采用数据分割方法对三维点云地图进行分割,得到不同平面和不同物体的点云集合数据。
该发明方案的有益效果在于,经过过滤,拼接,降噪、匹配、分割等操作,将离散的点云数据转换成为完整的三维点云地图,具有创建准确、完备三维结构的室内环境地图的特点,为机器人后续的导航和定位提供了准确、完整的地图依据,故具有很好的可拓展性和稳定性。
附图说明
图1是本发明的实施例的室内点云地图自动生成***示意图。
具体实施方式
下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。
图1是根据本发明的实施例的室内点云地图自动生成***示意图。
参照图1,所述***包括:数据采集模块10,用激光传感器收集点云数据;数据过滤模块20,用滤波器过滤噪声点和孤立点;数据配准模块30,采用图像配准方法对局部点云数据进行配准,组成完成的三维点云地图;数据分割模块40,采用数据分割方法对三维点云地图进行分割,得到不同平面和不同物体的点云集合数据。
在本实施例中,点云数据提取后,进行点云数据滤波,滤波操作可使用中值滤波、高斯滤波或其他适合的滤波方法;数据滤波后,进行点云数据配准,配准操作可使用ICP匹配算法或其他适合的点云匹配方法;数据配准后,进行点云数据分割,分割操作可使用kmeans聚类、模糊C均值聚类或其他合适的图像聚类分割方法。下面以高斯滤波、ICP匹配算法、kmeans聚类为例对本发明进行说明。其中高斯滤波是一种线性平滑滤波方法,适用于消除高斯噪声和孤立点。ICP匹配算法将三个平移量和三个旋转量为参数,是以几何结构为主要考量对象的拼接方法。Kmeans聚类是一种典型的聚类方法,采用距离相似度作为评价指标,两个对象距离越近,认为相似度越大,可用于图像分割。
数据过滤模块20描述如下:
对点云数据中每个点的邻域进行统计分析,修剪掉那些不符合设定标准的孤立点。这种孤立点的移除是通过对输入数据中点到临近点距离分布的计算实现的。对于每一个点,计算该点到周围所有临近点的平均距离,从而得到一个满足高斯分布的结果,分布的形状则由数据的均值和标准差所决定,如果平均距离在设定标准范围(由全部点的距离平均值以及方差决定)之外,则被定义为孤立点并从点云集中去除掉。
数据配准模块30是点云匹配操作,首先需要计算待拼接点云集合和原始点云集合的对应点,并通过反复的迭代计算以缩小两个点云集合在某种意义下的距离,从而逐步减小位姿差距,找出具有某种意义下距离最小的三维变换矩阵,使两组点云拼接到一起。
数据分割模块40是点云图像分割,将不同物体所生成的点云信息分开,使得物体识别和后续规划更加流畅。具体为:
(1)将点云数据集P作为输入,建立一系列的空聚簇C,以及一个需要进行检测的点的队列Q;
(2)对于所有P中的点Pi执行如下步骤:
1)将Pi加入到当前队列Q;
2)对于每个属于Q的Pi,搜索P中的最近相邻点集合,判断该中的每一个点是否已经被检测过,没有的话加入Q;
3)当Q中的所有点都被检测之后,将Q加入聚簇C中,清空Q;
(3)直到P中的所有数据都为聚簇C的一部分时终止。
Claims (1)
1.一种室内点云地图自动生成***,其特征在于,所述***包括:
数据采集模块,用激光传感器收集点云数据;
数据过滤模块,用滤波器过滤噪声点和孤立点;
数据配准模块,采用图像配准方法对局部点云数据进行配准,组成完成的三维点云地图;
数据分割模块,采用数据分割方法对三维点云地图进行分割,得到不同平面和不同物体的点云集合数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711300727.1A CN109903386A (zh) | 2017-12-10 | 2017-12-10 | 一种室内点云地图自动生成*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711300727.1A CN109903386A (zh) | 2017-12-10 | 2017-12-10 | 一种室内点云地图自动生成*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903386A true CN109903386A (zh) | 2019-06-18 |
Family
ID=66941196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711300727.1A Pending CN109903386A (zh) | 2017-12-10 | 2017-12-10 | 一种室内点云地图自动生成*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903386A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310294A (zh) * | 2019-07-08 | 2019-10-08 | 江苏易图地理信息科技股份有限公司 | 一种利用自适应分割面模糊c均值聚类的点云分割方法 |
WO2021223465A1 (zh) * | 2020-05-06 | 2021-11-11 | 北京嘀嘀无限科技发展有限公司 | 一种高精度地图构建方法及*** |
-
2017
- 2017-12-10 CN CN201711300727.1A patent/CN109903386A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310294A (zh) * | 2019-07-08 | 2019-10-08 | 江苏易图地理信息科技股份有限公司 | 一种利用自适应分割面模糊c均值聚类的点云分割方法 |
CN110310294B (zh) * | 2019-07-08 | 2022-12-09 | 江苏易图地理信息科技股份有限公司 | 一种利用自适应分割面模糊c均值聚类的点云分割方法 |
WO2021223465A1 (zh) * | 2020-05-06 | 2021-11-11 | 北京嘀嘀无限科技发展有限公司 | 一种高精度地图构建方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
Sun et al. | Aerial 3D building detection and modeling from airborne LiDAR point clouds | |
US10740606B2 (en) | Method for assigning particular classes of interest within measurement data | |
CN105866790B (zh) | 一种考虑激光发射强度的激光雷达障碍物识别方法及*** | |
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
CN108088444A (zh) | 基于三维激光的室内点云地图生成***及方法 | |
CN109949326A (zh) | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 | |
CN111640158B (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN111273305A (zh) | 基于全局与局部栅格图多传感器融合道路提取与索引方法 | |
CN110335234A (zh) | 一种基于古文物LiDAR点云的三维变化检测方法 | |
CN114279433B (zh) | 地图数据自动化生产方法、相关装置及计算机程序产品 | |
JP6781432B2 (ja) | 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム | |
CN115032648B (zh) | 一种基于激光雷达密集点云的三维目标识别与定位方法 | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
CN110370287B (zh) | 基于视觉引导的地铁列检机器人路径规划***及方法 | |
CN109903386A (zh) | 一种室内点云地图自动生成*** | |
CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
CN116573017A (zh) | 城市轨道列车行驶限界异物感知方法、***、装置和介质 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN117146841A (zh) | 一种基于激光雷达和双目视觉结合的语义地图构建方法 | |
CN113536959A (zh) | 一种基于立体视觉的动态障碍物检测方法 | |
Miyazaki et al. | Line-based planar structure extraction from a point cloud with an anisotropic distribution | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
CN115797397B (zh) | 一种机器人全天候自主跟随目标人员的方法及*** | |
CN115761265A (zh) | 一种用于提取激光雷达点云中变电站设备的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190618 |
|
WD01 | Invention patent application deemed withdrawn after publication |