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

环境特征自适应激光雷达数据分割方法

杜玉红,  王鹏,  史屹君,  王璐瑶,  赵地

downloadPDF
文章导航 > 红外与激光工程  > 2018 >  47(8): 830001-0830001(8)
杜玉红, 王鹏, 史屹君, 王璐瑶, 赵地. 环境特征自适应激光雷达数据分割方法[J]. 红外与激光工程, 2018, 47(8): 830001-0830001(8). doi: 10.3788/IRLA201847.0830001
引用本文: 杜玉红, 王鹏, 史屹君, 王璐瑶, 赵地. 环境特征自适应激光雷达数据分割方法[J]. 红外与激光工程, 2018, 47(8): 830001-0830001(8). doi: 10.3788/IRLA201847.0830001
shu
Du Yuhong, Wang Peng, Shi Yijun, Wang Luyao, Zhao Di. LIDAR data segmentation method adapting to environmental characteristics[J]. Infrared and Laser Engineering, 2018, 47(8): 830001-0830001(8). doi: 10.3788/IRLA201847.0830001
Citation: Du Yuhong, Wang Peng, Shi Yijun, Wang Luyao, Zhao Di. LIDAR data segmentation method adapting to environmental characteristics[J]. Infrared and Laser Engineering, 2018, 47(8): 830001-0830001(8). doi: 10.3788/IRLA201847.0830001
shu

环境特征自适应激光雷达数据分割方法

doi: 10.3788/IRLA201847.0830001
  • 1.

    天津工业大学 机械工程学院,天津 300387;

  • 2.

    天津市现代机电装备重点实验室,天津 300387;

  • 3.

    天津市中环电子计算机公司技术中心,天津 300190

基金项目: 

国家自然科学基金青年科学基金（51205288）;天津市自然科学基金（16JCYBJC18400）;天津市科技支撑计划重点项目（16YFZCSY00860）;国家大学生创新创业训练项目（201710058013）

详细信息
    作者简介:

    杜玉红(1974-),女,教授,博士,主要从事图像处理及模式识别、异纤检测方面的研究。Email:DYH202@163.com

  • 中图分类号: TP242.6

LIDAR data segmentation method adapting to environmental characteristics

  • 1.

    School of Mechanical Engineering,Tianjin Polytechnic University,Tianjin 300387,China;

  • 2.

    Tianjin Key Laboratory of Modern Mechanical and Electrical Equipment Technology,Tianjin 300387,China;

  • 3.

    The Technology Center of Tianjin Zhonghuan Creative Technology Limited,Tianjin 300190,China

  • 摘要: 针对目前激光雷达数据分割算法不能适应环境特征确定连续准确阈值的问题，提出一种环境特征自适应激光雷达数据分割算法。依据二维激光雷达的数据特点以及室内环境的几何特征，以激光雷达数据的邻近点拟合虚拟环境线，以虚拟环境线和邻近激光扫描射线的交点作为参考点，确定自适应阈值，完成激光雷达数据的预分割。针对用上述方法完成的数据预分割结果中存在的缺陷，提出数据预分割后伪断点的判断方法，对算法进行了优化。并将此算法与分段阈值分割算法、线性方程阈值分割算法进行比较和分析。环境特征自适应激光雷达数据分割算法对实验数据的分割成功率达到98%，具有更强的环境适应能力和更高的分割准确度。
    Abstract: In order to solve the problem that LIDAR data segmentation algorithm cannot adapt to the environmental characteristics and determine the threshold continuously and accurately, an adaptive LIDAR data segmentation algorithm based on environmental features was proposed. According to the data characteristics of the two-dimensional lidar and the geometric characteristics of the indoor environment, the virtual environment line was fitted with the adjacent point of the laser radar data. The intersection of the virtual environment line and the adjacent laser scanning ray was taken as the reference point to determine the adaptive threshold pre-segmentation of radar data. In view of the defects in the data pre segmentation results completed by the above method, a method for judging pseudo breakpoints after data pre segmentation was proposed, and the algorithm was optimized. The algorithm was compared and analyzed with piecewise threshold segmentation algorithm and linear equation threshold segmentation algorithm. The LIDAR data segmentation algorithm adapting to environmental characteristics achieves a successful segmentation rate of 98% for the experimental data, and has better environment adaptability and higher segmentation accuracy.
  • [1] An S Y, Lee L K, Oh S Y. Ceiling vision-based active SLAM framework for dynamic and wide-open environments[J]. Autonomous Robots, 2016, 40(2):291-324.
    [2] Paneru B, Basnet N, Shrestha S, et al. Autonomous navigation of a mobile robot in indoor environments[J]. Zerone Scholar, 2016, 1(1):3-8.
    [3] Torres-Gonzlez A, Martnez-de Dios J R, Ollero A. Robot-beacon distributed range-only SLAM for resource-constrained operation[J]. Sensors, 2017, 17(4):903-921.
    [4] Koch P, May S, Schmidpeter M, et al. Multi-robot localization and mapping based on signed distance functions[J]. Journal of Intelligent Robotic Systems, 2016, 83(3-4):409-428.
    [5] Schaefer A, Luft L, Burgard W. An analytical lidar sensor model based on ray path information[J]. IEEE Robotics and Automation Letters, 2017, 2(3):1405-1412.
    [6] Gallant M J, Marshall J A. Two-dimensional axis mapping using LiDAR[J]. IEEE Transactions on Robotics, 2016, 32(1):150-160.
    [7] Misu K, Miura J. Specific person tracking using 3D LIDAR and ESPAR antenna for mobile service robots[J]. Advanced Robotics, 2015, 29(22):1483-1495.
    [8] Nguyen V, Gchter S, Martinelli A, et al. A comparison of line extraction algorithms using 2D range data for indoor mobile robotics[J]. Autonomous Robots, 2007, 23(2):97-111.
    [9] Borges G A, Aldon M J. Line extraction in 2D range images for mobile robotics[J]. Journal of Intelligent Robotic Systems, 2004, 40(3):267-297.
    [10] Lee M, Hur S, Park Y. Obstacle classification method using multi feature comparison based on single 2D LiDAR[J]. Journal of Institute of Control, Robotics and Systems, 2016, 22(4):253-265.
    [11] Wang W, Sakurada K, Kawaguchi N. Incremental and enhanced scanline-based segmentation method for surface reconstruction of sparse LiDAR data[J]. Remote Sensing, 2016, 8(11):967.
    [12] Li Junze. Research on indoor robot SLAM based on LIDAR[D]. Guangzhou:South China University of Technology,2016. (in Chinese)李昀泽. 基于激光雷达的室内机器人SLAM研究[D]. 广州:华南理工大学, 2016.
    [13] Hang Yijun, Liu Jianye, Li Rongbing, et al. MEMS IMU/LADAR integrated navigation method based on mixed feature match[J]. Acta Aeronautica et Astronautica Sinica, 2014, 35(9):2583-2592. (in Chinese)杭义军, 刘建业, 李荣冰, 等. 基于混合特征匹配的微惯性/激光雷达组合导航方法[J]. 航空学报, 2014, 35(9):2583-2592.
    [14] Cao Qiusheng. Technical discussion on imaging lidars as UAV payloads[J]. Infrared and Laser Engineering, 2016, 45(10):1003002. (in Chinese)曹秋生. 成像激光雷达的无人机载技术探讨[J]. 红外与激光工程, 2016, 45(10):1003002.
    [15] Shi Fengdong, Liu Wenhao, Wang Xin, et al. Design of indoor laser radar navigation system[J]. Infrared and Laser Engineering, 2015, 44(12):3570-3575. (in Chinese)史风栋, 刘文皓, 汪鑫, 等. 室内激光雷达导航系统设计[J]. 红外与激光工程, 2015, 44(12):3570-3575.
    [16] Liu Zhiqing, Li Pengcheng, Chen Xiaowei, et al. Classification of airborne LiDAR point cloud data based on information vector machine[J]. Optics and Precision Engineering, 2016, 24(1):210-219. (in Chinese)刘志青, 李鹏程, 陈小卫, 等. 基于信息向量机的机载激光雷达点云数据分类[J]. 光学精密工程, 2016, 24(1):210-219.
    [17] Yang Zijian, Chen Feng, Li Chao, et al. Transient effect of dead time of photon-counting in micro-pulse lidar[J]. Optics and Precision Engineering, 2015, 23(2):408-414. (in Chinese)杨子健, 陈锋, 李抄, 等. 微脉冲激光雷达中的光子计数死区时间瞬态效应[J]. 光学精密工程, 2015, 23(2):408-414.
    [18] Yan Jie, Ruan Youtian, Xue Peiyao. Active and passive optical image fusion technology[J]. Chinese Optics, 2015,8(3):378-385. (in Chinese)严洁,阮友田,薛珮瑶. 主被动光学图像融合技术研究[J]. 中国光学, 2015, 8(3):378-385.
    [19] Lv Yuanzhi, Sun Qiang, Bi Guoling. Recongnition and repairing of surface hole in three dimensional laser scanning system[J]. Chinese Optics, 2016, 9(1):114-121.. 吕源治, 孙强, 毕国玲. 三维激光扫描系统中曲面空洞的识别与修复[J]. 中国光学, 2016, 9(1):114-121.
    [20] Du Yuhong, Wei Kunpeng, Shi Yijun, et al. Infrared detection and clustering grey fusion prediction model of water quality turbidity[J]. Infrared and Laser Engineering, 2016, 45(10):1028002. (in Chinese)杜玉红, 魏坤鹏, 史屹君, 等. 水质浊度红外光检测及聚类灰色融合预测模型[J]. 红外与激光工程, 2016, 45(10):1028002.
  • [1] 张欣雨, 蒋莉莉, 宋冉, 张治军, 李冰冰, 苏娟, 吴锜.  632 nm FMCW激光雷达在水汽环境中测速与测距的应用 . 红外与激光工程, 2024, 53(3): 20240093-1-20240093-4. doi: 10.3788/IRLA20240093
    [2] 苏云征, 郝群, 曹杰, 闫雷, 武帅.  合并分割块的点云语义分割方法 . 红外与激光工程, 2021, 50(10): 20200482-1-20200482-10. doi: 10.3788/IRLA20200482
    [3] 刘汝卿, 蒋衍, 李锋, 孟柘, 郭文举, 朱精果.  实时感知型激光雷达多通道数据采集系统设计 . 红外与激光工程, 2021, 50(5): 20200291-1-20200291-7. doi: 10.3788/IRLA20200291
    [4] 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
    [5] 任文核, 宋小全, 王芳涵.  星载激光雷达观测东中国海气溶胶时空分布的统计特征 . 红外与激光工程, 2018, 47(12): 1230002-1230002(6). doi: 10.3788/IRLA201847.1230002
    [6] 郑永超, 王玉诏, 岳春宇.  天基大气环境观测激光雷达技术和应用发展研究 . 红外与激光工程, 2018, 47(3): 302002-0302002(14). doi: 10.3788/IRLA201847.0302002
    [7] 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
    [8] 孟晓辉, 王永刚, 马仙梅, 李文卿, 李昂, 张继友.  空间同轴三反相机φ520 mm次镜的加工与检测 . 红外与激光工程, 2017, 46(8): 818002-0818002(8). doi: 10.3788/IRLA201746.0818002
    [9] 李俊麟, 张黎明, 司孝龙, 黄文薪, 杜志强, 徐伟伟, 王戟翔, 许永平, 杨宝云, 朱雪梅, 汪少林, 马文佳, 杨春燕, 李阳.  光学遥感卫星杂散光扫描测试系统 . 红外与激光工程, 2017, 46(9): 913001-0913001(6). doi: 10.3788/IRLA201746.0913001
    [10] 黄勇, 孙文磊, 陈影.  激光熔覆再制造复杂轴类零件的轨迹规划 . 红外与激光工程, 2017, 46(5): 506005-0506005(7). doi: 10.3788/IRLA201746.0506005
    [11] 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
    [12] 邓潘, 张天舒, 刘建国, 刘洋, 董云升, 范广强.  532 nm和355 nm瑞利激光雷达观测中层大气的数据对比分析 . 红外与激光工程, 2016, 45(S2): 19-25. doi: 10.3788/IRLA201645.S230001
    [13] 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.
    [14] 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.
    [15] 封双连, 强希文, 宗飞, 李志朝, 常金勇, 赵军卫, 吴敏, 江钰.  湍流廓线激光雷达的数据处理方法 . 红外与激光工程, 2015, 44(S1): 220-224.
    [16] 李鹏程, 徐青, 邢帅, 刘志青, 耿迅, 侯晓芬, 张军军.  全局收敛LM 的激光雷达波形数据分解方法 . 红外与激光工程, 2015, 44(8): 2262-2267.
    [17] 李睿, 赵阳.  机器人热影响模型分析及动态精度补偿 . 红外与激光工程, 2015, 44(8): 2382-2388.
    [18] 杜亮, 张铁, 戴孝亮.  激光跟踪仪测量距离误差的机器人运动学参数补偿 . 红外与激光工程, 2015, 44(8): 2351-2357.
    [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] 孙崇利, 苏伟, 武红敢, 刘睿, 刘婷, 黄健熙, 朱德海, 张晓东, 刘峻明.  改进的多级移动曲面拟合激光雷达数据滤波方法 . 红外与激光工程, 2013, 42(2): 349-354.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  483
  • HTML全文浏览量:  61
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-03-10
  • 修回日期:  2018-04-20
  • 刊出日期:  2018-08-25

环境特征自适应激光雷达数据分割方法

doi: 10.3788/IRLA201847.0830001
  • 1. 天津工业大学 机械工程学院,天津 300387;
  • 2. 天津市现代机电装备重点实验室,天津 300387;
  • 3. 天津市中环电子计算机公司技术中心,天津 300190
    • 作者简介:

    杜玉红(1974-),女,教授,博士,主要从事图像处理及模式识别、异纤检测方面的研究。Email:DYH202@163.com

  • 收稿日期: 2018-03-10
  • 修回日期: 2018-04-20
  • 刊出日期: 2018-08-25
基金项目:

国家自然科学基金青年科学基金（51205288）;天津市自然科学基金（16JCYBJC18400）;天津市科技支撑计划重点项目（16YFZCSY00860）;国家大学生创新创业训练项目（201710058013）

  • 中图分类号: TP242.6

摘要: 针对目前激光雷达数据分割算法不能适应环境特征确定连续准确阈值的问题，提出一种环境特征自适应激光雷达数据分割算法。依据二维激光雷达的数据特点以及室内环境的几何特征，以激光雷达数据的邻近点拟合虚拟环境线，以虚拟环境线和邻近激光扫描射线的交点作为参考点，确定自适应阈值，完成激光雷达数据的预分割。针对用上述方法完成的数据预分割结果中存在的缺陷，提出数据预分割后伪断点的判断方法，对算法进行了优化。并将此算法与分段阈值分割算法、线性方程阈值分割算法进行比较和分析。环境特征自适应激光雷达数据分割算法对实验数据的分割成功率达到98%，具有更强的环境适应能力和更高的分割准确度。

English Abstract

    全文HTML

参考文献 (20)

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19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计