基于垂直切片的点云空洞补全算法

针对三维扫描设备在复杂环境物体建模时容易产生大量点云空洞的问题,提出了一种基于垂直切片的点云空洞补全算法,即对滤波处理后的点云进行垂直切片与三维信息分离处理,提取出易于处理的二维点集信息,通过二维曲线补全算法补全二维空洞,并结合三维信息分离阶段的第三维信息进行升维处理,再采用体素滤波的三维栅格大小对补全点云进行密度重建,达到与非补全点云相同的密度信息。点云测试试验结果表明,原始点云空洞能够被成功补全。与其他算法相比,其平均耗时和补全速度均最优,补全效果良好,在应对大型点云中的空洞问题时能够达到快速补全与密度重建的目的。

基于骨架地图的全覆盖路径优化方法

提出了一种基于骨架地图的全覆盖路径优化方法,旨在解决扫地机器人覆盖算法全局路径规划拐点较多、清洁率低等问题。该算法首先对激光雷达扫描得到的栅格地图进行处理,去除地图的细小噪点和离群点等干扰,接着抽取骨架生成骨架地图,再在该地图上进行路径规划。实验表明,在选用的实验环境下,路径的拐点数减少15.64%,实际清洁率提高至98%,从而降低了机器人实际工作的能耗。

基于PointNet的三维点云部件分割的抗干扰研究

三维点云部件分割的训练预测模型是复杂多样的,影响分割结果的因素有很多。针对深度神经网路设置不同的参数对分割精度的影响,提出在经典点云网络模型PointNet上选择不同的激活函数与优化器进行抗干扰研究。首先将网络中数据采样数、学习率、批量大小等参数确定,其次修改激活函数与优化器参数并在ShapeNet数据集上进行实验对比。实验结果表明,在PointNet网络模型中选择ReLU激活函数与SGD优化器测试精确度达到88.39%。