低成本二维激光传感器室内移动建图方法研究

随着机器人设备的广泛应用,室内自主建图作为设备行动的基础条件,也成为研究的热点。基于低成本的二维激光传感器,该文提出一种室内移动自主建图的方法。该方法通过在移动平台上安装低成本激光传感器获取单帧二维点云数据,采用DBSCAN方法对原始点云数据进行降噪预处理,结合点云近邻聚类并用线性最小二乘法拟合场景结构线段,经RMSE阈值验证确认后,再结合室内结构特点调整线段,最终实现室内自主建图。试验地点选择北京林业大学的四处室内场景,采用该方法采集和处理点云数据获得建图结果,同时手动测量进行比对。分析结果表明,室内自主建图所获得的室内结构线段长度平均绝对误差为3.69厘米,楼道宽度平均绝对误差为2.39厘米。该方法能够低成本实现室内移动建图,建图完整度较好,具有一定的可行性。

基于实际和模型树木的TreeQSM建模估计树木参数性能分析

树木的量化模型对分析树木拓扑结构和生物量等信息非常重要。树木定量结构模型(TreeQSM)作为主流建模方法,被广泛使用,但在估计树高、胸径和体积的精度上缺少全面分析。实验中用地面激光雷达多扫描角分辨率多站点扫描2棵模型树和5棵真实杏树,通过TreeQSM建模单站和多站融合数据估计得到较精确的树高、胸径和体积参数,同时分析不同角度分辨率、不同站点数量对估计树高、胸径和体积的影响。实验结果表明:树高和胸径的平均估计精度均在90%以上;对树木体积而言,结构较为简单的模型树平均估计精度为92.00%,结构较为复杂的真实杏树平均估计精度71.32%。由实验数据可知,扫描角分辨率和融合站数对精度有一定的影响,且不同参数最优估计结果的配置存在差别,同时TreeQSM也会受到点云数据基础、数据完整性和噪声等多因素影响,特别是针对复杂分枝结构和体积进行建模时仍存在一定的偏差,所提模型的改进空间巨大。