针对卫星拒止环境下无人车在未知区域自主定位难题,提出一种从航空图像到地面点云的跨模态地点识别方法,并设计相应的网络架构(Aerial-to-Ground Position Recognition Network, AG-PRNet)。该方法通过数据预处理将点云投影到鸟瞰视图(B...针对卫星拒止环境下无人车在未知区域自主定位难题,提出一种从航空图像到地面点云的跨模态地点识别方法,并设计相应的网络架构(Aerial-to-Ground Position Recognition Network, AG-PRNet)。该方法通过数据预处理将点云投影到鸟瞰视图(Bird's Eye View, BEV)空间,减小其与航空图像的模态差异;设计旋转平移不变特征编码模块(Rotation And Translation Invariant CNN,RATI-CNN),提取跨模态数据的旋转平移不变特征;利用交叉注意力模块融合学习跨模态数据的共享特征,提升特征匹配的鲁棒性。在自建跨网域地点识别(Cross-Domain Place Recognition, CDPR)数据集上的实验表明,所提方法的Top-1和Top-5召回率分别达60.08%和76%,显著优于基线方法,验证了其在跨模态地点识别中的有效性。展开更多
同时定位与建图(Simultaneous localization and mapping,SLAM)能够在未知环境中构建地图并为机器人提供定位信息,是移动机器人领域重要研究方向之一.当前,大多数SLAM算法在静态环境中有较好的表现,但是在车辆和行人等运动物体较多的环...同时定位与建图(Simultaneous localization and mapping,SLAM)能够在未知环境中构建地图并为机器人提供定位信息,是移动机器人领域重要研究方向之一.当前,大多数SLAM算法在静态环境中有较好的表现,但是在车辆和行人等运动物体较多的环境中,广泛存在的动态点使激光点云前后帧的配准精度不高,降低了动态场景下定位和建图的准确性.针对激光点云中存在动态点的问题,本文对SLAM的前端特征提取及后端回环检测模块分别进行改进,以去除动态点,提升SLAM在动态环境下的性能.针对SLAM前端,提出了一种分步的地面分割方法,依据点云高度信息完成地面点粗提取以矫正点云,再使用随机采样一致性方法对矫正后的点云进行精细的地面分割,最后根据高度阈值采用种子生长聚类方法提取非地面动态点,并进行特征提取与配准;针对SLAM后端,使用点云描述子替代传统方法中基于空间位置关系的回环检测方法,以减小累计误差、提高回环检测灵敏度.实验结果显示,本方法在M2DGR street_08序列数据集上较现有方法均方根误差最大降低29.8%,在KITTI04序列数据集上均方根误差最大降幅达42.7%,说明本方法能有效增强动态环境下SLAM系统的全局一致性与定位精度.展开更多
机载激光雷达(Light Detection and Ranging,LiDAR)技术为矿区面状沉陷监测提供了高精度的三维空间数据支持。然而,在矿区复杂场景中,地物空间分布密集、地形梯度突变以及地物与地面点高程特征相似性高等问题,导致现有点云滤波方法精度...机载激光雷达(Light Detection and Ranging,LiDAR)技术为矿区面状沉陷监测提供了高精度的三维空间数据支持。然而,在矿区复杂场景中,地物空间分布密集、地形梯度突变以及地物与地面点高程特征相似性高等问题,导致现有点云滤波方法精度显著降低,严重制约了地面点云的提取精度与沉陷监测可靠性。为此,提出了一种基于弯曲能量优化的矿区机载LiDAR点云自适应滤波方法,实现了复杂矿区场景下地面点的精确提取,为矿区面状沉陷监测提供高精度的三维空间数据支持。首先,采用一维离散平滑样条法提取潜在种子地面点,并基于多尺度形态学开运算剔除潜在种子地面点中残留的非地面点;其次,基于地形弯曲能量与回弹比之间的定量关系,构建一种自适应复杂地形的布料刚度调节方法,动态生成高精度参考地形;最后,通过点至参考地形的高差阈值判定,完成地面点与非地面点的分离。为验证方法的有效性,在复杂矿区开展了多场景试验,结果表明:在Ⅰ类误差和Ⅱ类误差指标上,所提出的方法较现有方法的误差显著降低,平均总误差为6.08%,较现有方法降低了49.04%。该方法成功解决了复杂矿区场景下地面点云的高精度提取难题,为矿区面状沉陷监测、边坡稳定性分析等安全监测任务提供了可靠的数据支持,并为空天地一体化的矿山安全智能监测体系的构建提供了技术支撑。展开更多
因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Grou...因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Ground-based Tomographic Arc-scanning Synthetic Aperture Radar,GB-TomoArcSAR)通过双轴转台控制天线在不同俯仰角度的水平面内进行圆周扫描来获取高度向合成孔径,实现三维层析成像。本文提出了GB-TomoArcSAR的三维点云生成方法,首先构建了适用于高度向弧形采样条件的层析成像几何模型。其次利用基于巴特沃斯滤波器的奇异值分解(Singular Value Decomposition,SVD)方法进行谱估计,找出层析谱中的峰值及其对应的峰值位置,构成层析向目标候选集。随后利用自对消顺序广义似然比(Sequential Generalized Likelihood Ratio Test with Cancellation,SGLRTC)检测器估计散射体的数目与位置,通过设置检测门限将真实目标的峰值及对应的峰值位置从候选集中筛选出来。最后采用基于空间几何分布的点云优化方法剔除误差点,生成点云图像。文章通过点目标和面目标的仿真实验,验证了所提方法适用于GB-TomoArcSAR,能够有效解决高度向多散射体目标的叠掩问题;进一步开展了实测数据验证,基于所提方法获取了北京市一处建筑基坑的层析点云,其与实际场景几何特征一致。展开更多
文摘针对卫星拒止环境下无人车在未知区域自主定位难题,提出一种从航空图像到地面点云的跨模态地点识别方法,并设计相应的网络架构(Aerial-to-Ground Position Recognition Network, AG-PRNet)。该方法通过数据预处理将点云投影到鸟瞰视图(Bird's Eye View, BEV)空间,减小其与航空图像的模态差异;设计旋转平移不变特征编码模块(Rotation And Translation Invariant CNN,RATI-CNN),提取跨模态数据的旋转平移不变特征;利用交叉注意力模块融合学习跨模态数据的共享特征,提升特征匹配的鲁棒性。在自建跨网域地点识别(Cross-Domain Place Recognition, CDPR)数据集上的实验表明,所提方法的Top-1和Top-5召回率分别达60.08%和76%,显著优于基线方法,验证了其在跨模态地点识别中的有效性。
文摘同时定位与建图(Simultaneous localization and mapping,SLAM)能够在未知环境中构建地图并为机器人提供定位信息,是移动机器人领域重要研究方向之一.当前,大多数SLAM算法在静态环境中有较好的表现,但是在车辆和行人等运动物体较多的环境中,广泛存在的动态点使激光点云前后帧的配准精度不高,降低了动态场景下定位和建图的准确性.针对激光点云中存在动态点的问题,本文对SLAM的前端特征提取及后端回环检测模块分别进行改进,以去除动态点,提升SLAM在动态环境下的性能.针对SLAM前端,提出了一种分步的地面分割方法,依据点云高度信息完成地面点粗提取以矫正点云,再使用随机采样一致性方法对矫正后的点云进行精细的地面分割,最后根据高度阈值采用种子生长聚类方法提取非地面动态点,并进行特征提取与配准;针对SLAM后端,使用点云描述子替代传统方法中基于空间位置关系的回环检测方法,以减小累计误差、提高回环检测灵敏度.实验结果显示,本方法在M2DGR street_08序列数据集上较现有方法均方根误差最大降低29.8%,在KITTI04序列数据集上均方根误差最大降幅达42.7%,说明本方法能有效增强动态环境下SLAM系统的全局一致性与定位精度.
文摘机载激光雷达(Light Detection and Ranging,LiDAR)技术为矿区面状沉陷监测提供了高精度的三维空间数据支持。然而,在矿区复杂场景中,地物空间分布密集、地形梯度突变以及地物与地面点高程特征相似性高等问题,导致现有点云滤波方法精度显著降低,严重制约了地面点云的提取精度与沉陷监测可靠性。为此,提出了一种基于弯曲能量优化的矿区机载LiDAR点云自适应滤波方法,实现了复杂矿区场景下地面点的精确提取,为矿区面状沉陷监测提供高精度的三维空间数据支持。首先,采用一维离散平滑样条法提取潜在种子地面点,并基于多尺度形态学开运算剔除潜在种子地面点中残留的非地面点;其次,基于地形弯曲能量与回弹比之间的定量关系,构建一种自适应复杂地形的布料刚度调节方法,动态生成高精度参考地形;最后,通过点至参考地形的高差阈值判定,完成地面点与非地面点的分离。为验证方法的有效性,在复杂矿区开展了多场景试验,结果表明:在Ⅰ类误差和Ⅱ类误差指标上,所提出的方法较现有方法的误差显著降低,平均总误差为6.08%,较现有方法降低了49.04%。该方法成功解决了复杂矿区场景下地面点云的高精度提取难题,为矿区面状沉陷监测、边坡稳定性分析等安全监测任务提供了可靠的数据支持,并为空天地一体化的矿山安全智能监测体系的构建提供了技术支撑。
文摘因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Ground-based Tomographic Arc-scanning Synthetic Aperture Radar,GB-TomoArcSAR)通过双轴转台控制天线在不同俯仰角度的水平面内进行圆周扫描来获取高度向合成孔径,实现三维层析成像。本文提出了GB-TomoArcSAR的三维点云生成方法,首先构建了适用于高度向弧形采样条件的层析成像几何模型。其次利用基于巴特沃斯滤波器的奇异值分解(Singular Value Decomposition,SVD)方法进行谱估计,找出层析谱中的峰值及其对应的峰值位置,构成层析向目标候选集。随后利用自对消顺序广义似然比(Sequential Generalized Likelihood Ratio Test with Cancellation,SGLRTC)检测器估计散射体的数目与位置,通过设置检测门限将真实目标的峰值及对应的峰值位置从候选集中筛选出来。最后采用基于空间几何分布的点云优化方法剔除误差点,生成点云图像。文章通过点目标和面目标的仿真实验,验证了所提方法适用于GB-TomoArcSAR,能够有效解决高度向多散射体目标的叠掩问题;进一步开展了实测数据验证,基于所提方法获取了北京市一处建筑基坑的层析点云,其与实际场景几何特征一致。
