在基于多線激光的移動(dòng)機(jī)器人路沿感知技術(shù)中,構(gòu)建路沿特征是目前提取路沿的一個(gè)主要方式。本課題結(jié)合室外無人清掃車路況,利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)路沿特征,進(jìn)行路沿提取,并將路沿點(diǎn)作為激光SLAM的特征點(diǎn),構(gòu)建出室外無人掃地車的3D激光SLAM系統(tǒng)。根據(jù)課題研究內(nèi)容,本文研究主要分為以下幾個(gè)部分:基于多平面迭代的路面分割算法。本課題提出一種多平面迭代的路面分割算法對(duì)三維激光點(diǎn)云進(jìn)行分割。由于原始點(diǎn)云數(shù)據(jù)量較大,很多空間點(diǎn)云冗余,而研究重心是路沿感知問題,因此需要將路面點(diǎn)云進(jìn)行分離。由于實(shí)際路面存在明顯但不絕對(duì)的平面幾何特征,因此提出一種帶有先驗(yàn)知識(shí)的平面模型估計(jì)方法去擬合路面,對(duì)路面點(diǎn)云進(jìn)行估計(jì),并且針對(duì)實(shí)際路面存在局部斜坡、凹坑等不平整問題,提出一種分段分割的思想,對(duì)每一小段的點(diǎn)云進(jìn)行平面模型估計(jì),最終拼接成一個(gè)完整路面。該算法能分離出含有直道、彎道、坡道和岔道的復(fù)雜路面,并且比傳統(tǒng)的路面分割算法更穩(wěn)定,分割速度更快�；趫D卷積的路沿提取網(wǎng)路。提出一種圖卷積網(wǎng)絡(luò)用于路沿點(diǎn)提取(Road Curb Detection Net)RCDNet,將路沿點(diǎn)提取轉(zhuǎn)化成點(diǎn)云分割問題。傳統(tǒng)人工路沿特征具有很大的局限性...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1LOAM算法建圖的軟件框架

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-3-Nuchter[12]對(duì)二維激光雷達(dá)新增加旋轉(zhuǎn)自由度，從而獲得三維激光點(diǎn)云，他們將最近迭代點(diǎn)算法(IterativeClosestPoint,ICP)應(yīng)用在六自由度的SLAM方案中，實(shí)現(xiàn)了對(duì)地下礦道的三維構(gòu)圖。ZhangJ和SanjivSing....

圖1-2Mapping過程：k+1Q和kQ配準(zhǔn)

掃描的結(jié)束時(shí)刻就把k1p+的所有點(diǎn)云映射到2tk+，完成對(duì)k1p+點(diǎn)云的運(yùn)動(dòng)補(bǔ)償，否則輸出已經(jīng)更新的k+1LT，為下一次算法迭代做準(zhǔn)備。Mapping算法以1hz運(yùn)行。算法通過將已經(jīng)消除畸變的pk點(diǎn)云轉(zhuǎn)換到全局坐標(biāo)系k+1Q，在k+1Q提取特征點(diǎn)方式也是和LidarOdometr....

圖1-3LeGO-LOAM的軟硬件框架

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-4-慣性測量單元和兩個(gè)3DLidar,實(shí)現(xiàn)了大規(guī)模自然地形的環(huán)境建模。MichielVlaminck等人[16]提出了一個(gè)基于激光掃描儀的完整環(huán)路檢測和校正系統(tǒng)，方法可以處理在很大程度上偏離方向的點(diǎn)云，同時(shí)提高現(xiàn)有技術(shù)的效率。ZhuliRen等人[....

圖1-4LeGO-LOAM算法軟件框架

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-4-慣性測量單元和兩個(gè)3DLidar,實(shí)現(xiàn)了大規(guī)模自然地形的環(huán)境建模。MichielVlaminck等人[16]提出了一個(gè)基于激光掃描儀的完整環(huán)路檢測和校正系統(tǒng)，方法可以處理在很大程度上偏離方向的點(diǎn)云，同時(shí)提高現(xiàn)有技術(shù)的效率。ZhuliRen等人[....

本文編號(hào)：4031932