激光雷达点云数据的三维成像处理

tb83564_11 2017-09-15 09:06:00

请教圈内各位大神，用机载激光雷达采集到的三维点云数据怎样重构其三维形态，用什么软件？有什么类似的参考书么？感谢各位的解答

...全文

3700 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

超级能量泡泡 2019-11-21

打赏
举报

回复

Geomagic Studio

本文主要描述了基于激光雷达的点云数据的滤波分类及其三维重建

激光雷达运动补偿是智能车动态背景目标检测中不可避免的过程。提出了一种基于激光雷达的运动补偿算法。首先通过四元数法求解车体在上一个扫描周期与当前扫描周期的位姿变化矩阵。其次,根据静态场景的特点及历史激光雷达数据帧生成的数据包,利用高斯混合模型对时间坐标系下的背景进行建模。考虑到高斯混合模型在动态场景下容易失效,通过运动补偿将动态背景转换为静态背景,再用高斯混合模型对时间列表中所有历史帧进行处理,得到T时刻运动目标的原点特征点,将特征点与当前帧中符合的点相匹配进一步细化点在当前帧中的新位置。经过实验验证,该方法成功地对背景运动进行了估计和补偿,适合应用于三维环境下实时运动目标的检测。

三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理...

随着国网公司大力发展“大云物移智链”进行数字化改革，输电线路的运维也从单一的人巡升级为多维巡检，无人机与可视化摄像头也随着大数据、边缘计算等新兴技术的发展，进行了迭代，实时可视化监控也逐步成为电网运维不可或缺的一部分。通过激光雷达三维点云成像技术与正摄影像地理信息数据采集技术对线路走廊、电力设备以及周围环境进行扫描，获取对应的高精度三维激光点云与可见光数据，建立电网线路通道三维数字化场景。

在汽车智能驾驶系统中，激光雷达由于其独特的三维成像能力，成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能，借鉴多光谱探测具有物性探测能力的原理，论文对适用于汽车智能驾驶的多光谱激光雷达的波段选择进行了可行性研究，利用主成分分析法对智能驾驶中典型目标进行光谱计算及分析。结合激光光源特性以及光电探测器的特性，综合多光谱激光雷达波段选择方法和智能驾驶应用场景中典型目标地物光谱特性，以及商用激光雷达的可获得性，得出了适用汽车智能驾驶的多光谱激光雷达的波长可以选择808nm、905nm、1064nm、1310nm，并通过测试验证了多光谱激光雷达所选波长的有效性。为了更好地利用激光雷达技术的环境观测能力，国内外学者针对融合单波长激光回波信号的强度信息和三维信息对数据进行分类开展了大量研究和探索，当前智能驾驶中使用的激光雷达在技术上的研究主要集中于单一波长方式工作。为提升激光回波信号的强度信息和三维信息对数据进行分类的支持，不断地提高激光雷达点云密度，但这些研究并不能从根本上解决车载激光雷达单一波长所造成的物性探测能力上的不足，点云密度的增加虽可提高基于点云几何特征的物体识别能力，但也存在递减效应，且带来诸多额外的系统要求： 1）用于场景识别的算法日益复杂化，导致计算硬件需求剧烈增加；2）激光雷达的功耗、复杂性、体积和成本大大增加，阻碍其大规模商用；3）仅依靠三维特征，不足以有效识别复杂场景。因此，虽然激光雷达在三维空间信息获取方面具有突出优点，但由于激光雷达单一波长探测能力的限制，对环境信息中的物性分类、状态等方面的探测能力仍旧有待提高。光谱成像技术不仅具有图像分辨能力，还具有光谱分辨能力，利用光谱成像技术不仅可以对待检测目标进行定性和定量分析，而且还能对其进行定位分析。针对目前智能驾驶环境观测中激光雷达的应用及其技术特点。为了更好的挖掘出激光雷达对环境感知应用的潜力，使激光雷达技术在保留空间高分辨探测能力的同时，兼具对环境中物体物性感知的能力，因此，借鉴多、高光谱测量具有物性探测能力的原理，开展多光谱激光雷达对环境物体进行探测的技术研究将具有重要的研究价值和应用前景。

OpenCL和异构编程

602

社区成员

575

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章