留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于激光雷达距离像的目标3D姿态估计

吕丹,  孙剑峰,  李琦,  王骐

downloadPDF
文章导航 > 红外与激光工程  > 2015 >  44(4): 1115-1120
吕丹, 孙剑峰, 李琦, 王骐. 基于激光雷达距离像的目标3D姿态估计[J]. 红外与激光工程, 2015, 44(4): 1115-1120.
引用本文: 吕丹, 孙剑峰, 李琦, 王骐. 基于激光雷达距离像的目标3D姿态估计[J]. 红外与激光工程, 2015, 44(4): 1115-1120.
shu
Lv Dan, Sun Jianfeng, Li Qi, Wang Qi. 3D pose estimation of target based on ladar range image[J]. Infrared and Laser Engineering, 2015, 44(4): 1115-1120.
Citation: Lv Dan, Sun Jianfeng, Li Qi, Wang Qi. 3D pose estimation of target based on ladar range image[J]. Infrared and Laser Engineering, 2015, 44(4): 1115-1120.
shu

基于激光雷达距离像的目标3D姿态估计

  • 1.

    哈尔滨工业大学 光电子技术研究所 可调谐激光技术国家级重点实验室,黑龙江 哈尔滨 150080;

  • 2.

    齐齐哈尔大学 应用技术学院,黑龙江 齐齐哈尔 161006

详细信息
    作者简介:

    吕丹(1981-),女,博士生,主要从事激光主动成像和目标识别等方面的研究.Email:lvdan123001@163.com

  • 中图分类号: TN958.98

3D pose estimation of target based on ladar range image

  • 1.

    National Key Laboratory of Science and Technology on Tunable Laser,Institute of Opto-Electronic,Harbin Institute of Technology,Harbin 150080,China;

  • 2.

    College of Applied Technology,Qiqihar University,Qiqihar 161006,China

  • 摘要: 在激光雷达目标识别中,目标姿态的精确估计可以有效地简化识别过程.现有的PDVA算法主要是针对地面结构化目标而提出的一种3D目标姿态估计方法.该方法利用模型坐标系(MCS)各个坐标轴的正方向向量来确定目标的三维姿态角,其有效性通过实验得到了验证.但该方法在确定MCS各坐标轴的正方向向量时,所消耗的时间比较多,影响了算法的执行效率.文中提出了一种改进的PDVA算法,利用聚类中心邻域判别CCND法来加速MCS各坐标轴的正方向向量的确定过程.采用四种地面军用车模型目标进行了仿真实验,实验结果显示,改进的PDVA算法的平均运行时间约占PDVA算法的66%,极大地提高了目标3D姿态估计的执行效率.
    Abstract: In the target recognition of ladar, the accurate estimation of target pose can effectively simplify the recognition process. The existing PDVA algorithm as a method of target 3D pose estimation is mainly for ground structured targets. This method uses the planar normals of rigid targets as the vectors in the positive direction of the axes in model coordinate system(MCS) to estimate the 3D pose angles of targets, and its effectiveness has been verified by experiments. However, it is time consuming when determining the positive direction vectors of the axes in MCS and affecting the efficiency of the algorithm. In this paper, an improved PDVA algorithm was proposed and a method of clustering center neighborhood discriminant(CCND) was used for accelerating the determination process of positive direction vectors of the axes in MCS. The simulation experiments were performed with four military vehicle models. The results show that the average running time of the improved PDVA algorithm only accounts for about 66% of the PDVA algorithm, and it greatly improves the efficiency of target 3D pose estimation.
  • [1]
    [2] Xiao Xingjun, Sun Jianfeng, Liang Xiaoxue, et al. Matching method for laser radar range image with moment invariants[J]. Infrared and Laser Engineering, 2011, 40(7): 1376-1380. (in Chinese)
    [3] Yang Wenxiu, Fu Wenxing, Zhou Zhiwei, et al. Fast three dimensional LIDAR target recognition based on projection dimension reduction[J]. Infrared and Laser Engineering, 2014, 40(S): 1-7. (in Chinese)
    [4]
    [5]
    [6] Neulist J, Armbruster W. Segmentation, classification, and pose estimation of military vehicles in low resolution laser radar images[C]//Proceedings of Laser Radar Technology and Applications X, 2005, 5791: 218-225.
    [7] Grnwall C, Gustafsson F, Millnert M. Ground target recognition using rectangle estimation[J]. IEEE Transactions on Image Processing, 2006, 15: 3401-3409.
    [8]
    [9]
    [10] Tangelder J W H, Veltkamp R C. A survey of content based 3D shape retrieval methods [C]//Proceedings of Shape Modeling Application, 2004: 145-156.
    [11] Adn A, Merchn P, Salamanca S. 3D scene retrieval and recognition with depth gradient images[J]. Pattern Recognition Letters, 2011, 32: 1337-1353.
    [12]
    [13] Taati B, Greenspan M. Local shape descriptor selection for object recognition in range data[J]. Computer Vision and Image Understanding, 2011, 115: 681-694.
    [14]
    [15] Lv Dan, Sun Jianfeng, Li Qi, et al. 3D pose estimation of ground rigid target based on ladar range image[J]. Applied Optics, 2013, 52(33): 8073-8081.
    [16]
    [17]
    [18] Grimson W EL. Object Recognition by Computer[M]. America: MIT Press, 1990.
    [19]
    [20] Paul R P. Robot Manipulators Mathematics Programming and Control [M]. America: MIT Press, 1981.
    [21]
    [22] Dorai C, Jain A K. COSMOS-a representation scheme for 3D free-form objects[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19: 1115-1130.
    [23] Yang Nan, Xiao Jiangchao, Wang Minghai. Estimation of normal and curvature based on point cloud data[J]. Modern Manufacturing Engineering, 2010(7): 35-38. (in Chinese)
  • [1] 张欣, 李思宁, 孙剑峰, 姜鹏, 刘迪, 王鹏辉.  基于Mean Shift点法向量分类的目标三维姿态估计 . 红外与激光工程, 2020, 49(S2): 20200109-20200109. doi: 10.3788/IRLA20200109
    [2] 杨程, 鄢秋荣, 祝志太, 王逸凡, 王明, 戴伟辉.  基于深度学习的压缩光子计数激光雷达 . 红外与激光工程, 2020, 49(S2): 20200380-20200380. doi: 10.3788/IRLA20200380
    [3] 张楠, 孙剑峰, 姜鹏, 刘迪, 王鹏辉.  激光雷达场景三维姿态点法向量估计方法 . 红外与激光工程, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004
    [4] 龚道然, 李思宁, 姜鹏, 刘迪, 孙剑峰.  激光雷达三维距离像超分辨重构方法研究 . 红外与激光工程, 2020, 49(8): 20190511-1-20190511-7. doi: 10.3788/IRLA20190511
    [5] 沈振民, 赵彤, 王云才, 郑永超, 尚卫东, 王冰洁, 李静霞.  混沌脉冲激光雷达水下目标探测 . 红外与激光工程, 2019, 48(4): 406004-0406004(7). doi: 10.3788/IRLA201948.0406004
    [6] 赵海鹏, 杜玉红, 丁娟, 赵地, 史屹君.  移动机器人中激光雷达测距测角标定方法 . 红外与激光工程, 2019, 48(6): 630002-0630002(8). doi: 10.3788/IRLA201948.0630002
    [7] 陈剑彪, 孙华燕, 赵融生, 孔舒亚, 赵延仲, 单聪淼.  基于距离分辨的激光雷达技术研究进展 . 红外与激光工程, 2019, 48(8): 805007-0805007(14). doi: 10.3788/IRLA201948.0805007
    [8] 刘迪, 孙剑峰, 姜鹏, 高尚, 周鑫, 王鹏辉, 王骐.  GM-APD激光雷达距离像邻域KDE重构 . 红外与激光工程, 2019, 48(6): 630001-0630001(6). doi: 10.3788/IRLA201948.0630001
    [9] 叶光超, 李旭东, 董志伟, 樊荣伟, 陈德应.  用于条纹像距离提取的迭代加权质心方法 . 红外与激光工程, 2018, 47(2): 230004-0230004(6). doi: 10.3788/IRLA201847.0230004
    [10] 高健, 周安然, 孙东松, 郑俊, 李梓霂, 韩於利.  多普勒激光雷达中种子激光注入的一种鉴别方法 . 红外与激光工程, 2018, 47(2): 230001-0230001(7). doi: 10.3788/IRLA201847.0230001
    [11] 王强, 郝利丽, 唐红霞, 李贤丽, 牟海维, 韩连福, 赵远.  实际环境对量子激光雷达性能的影响 . 红外与激光工程, 2018, 47(S1): 29-35. doi: 10.3788/IRLA201847.S106006
    [12] 马跃, 张文豪, 张智宇, 马昕, 李松.  基于半解析模型的激光测高回波海水海冰波形分类方法 . 红外与激光工程, 2018, 47(5): 506005-0506005(7). doi: 10.3788/IRLA201847.0506005
    [13] 郭力仁, 胡以华, 王云鹏.  相干激光探测中微动参数估计的克拉美-罗界 . 红外与激光工程, 2017, 46(7): 706002-0706002(7). doi: 10.3788/IRLA201746.0706002
    [14] 吴超, 刘春波, 韩香娥.  光波导相控阵激光雷达接收系统设计 . 红外与激光工程, 2016, 45(10): 1030003-1030003(6). doi: 10.3788/IRLA201645.1030003
    [15] 周颖捷, 周安然, 孙东松, 强希文, 封双连.  差分像移大气湍流廓线激光雷达的研制 . 红外与激光工程, 2016, 45(11): 1130001-1130001(5). doi: 10.3788/IRLA201645.1130001
    [16] 夏文泽, 韩绍坤, 曹京亚, 王亮, 翟倩.  激光雷达距离估计技术 . 红外与激光工程, 2016, 45(9): 906005-0906005(6). doi: 10.3788/IRLA201645.0906005
    [17] 史风栋, 刘文皓, 汪鑫, 丁娟, 史屹君, 修春波.  室内激光雷达导航系统设计 . 红外与激光工程, 2015, 44(12): 3570-3575.
    [18] 曹开法, 黄见, 胡顺星.  边界层臭氧差分吸收激光雷达 . 红外与激光工程, 2015, 44(10): 2912-2917.
    [19] 姜成昊, 杨进华, 张丽娟, 李祥.  新型多普勒成像激光雷达原理设计与仿真 . 红外与激光工程, 2014, 43(2): 411-416.
    [20] 葛明达, 孙剑峰, 王天骄, 王骐.  基于对比度调制法对条纹管激光雷达距离像的去噪方法 . 红外与激光工程, 2013, 42(6): 1448-1452.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  163
  • HTML全文浏览量:  14
  • PDF下载量:  296
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-08-11
  • 修回日期:  2014-09-14
  • 刊出日期:  2015-04-25

基于激光雷达距离像的目标3D姿态估计

  • 1. 哈尔滨工业大学 光电子技术研究所 可调谐激光技术国家级重点实验室,黑龙江 哈尔滨 150080;
  • 2. 齐齐哈尔大学 应用技术学院,黑龙江 齐齐哈尔 161006
    • 作者简介:

    吕丹(1981-),女,博士生,主要从事激光主动成像和目标识别等方面的研究.Email:lvdan123001@163.com

  • 收稿日期: 2014-08-11
  • 修回日期: 2014-09-14
  • 刊出日期: 2015-04-25

  • 中图分类号: TN958.98

摘要: 在激光雷达目标识别中,目标姿态的精确估计可以有效地简化识别过程.现有的PDVA算法主要是针对地面结构化目标而提出的一种3D目标姿态估计方法.该方法利用模型坐标系(MCS)各个坐标轴的正方向向量来确定目标的三维姿态角,其有效性通过实验得到了验证.但该方法在确定MCS各坐标轴的正方向向量时,所消耗的时间比较多,影响了算法的执行效率.文中提出了一种改进的PDVA算法,利用聚类中心邻域判别CCND法来加速MCS各坐标轴的正方向向量的确定过程.采用四种地面军用车模型目标进行了仿真实验,实验结果显示,改进的PDVA算法的平均运行时间约占PDVA算法的66%,极大地提高了目标3D姿态估计的执行效率.

English Abstract

    全文HTML

参考文献 (23)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备06007537号

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计