基于图像检测的三维激光点云聚类方法研究与应用

针对移动机器人对周围环境障碍物感知的需求,特别是针对激光雷达点云数据的的语义检测和尺寸识别问题,提出基于图像处理和点云数据处理相融合的方法。首先,对3D激光雷达和双目相机进行外参标定;然后,使用YOLOv4深度神经网络将检测出的二维图像实例通过双目相机恢复像素深度,将其检测目标定位到激光点云中;在对点云进行滤波、几何约束后,采取基于KD树的搜索方法对点云欧式聚类分割,最终将识别出的语义信息输出到点云聚类结果中。实验结果表明,设计的方法可以准确、快速地识别并分割聚类出点云,可以应用于移动机器人导航避障。

多区域分割的三维激光点云障碍物检测与应用

针对三维激光点云障碍物检测存在地面分割效果差及聚类距离阈值局限性问题,提出一种基于多区域分割的障碍物检测方法。该方法主要利用多区域地面分割及分割聚类方法实现精准避障;前者根据周围环境设计合理的地面分割区域及相应坡度阈值,提高地面分割的准确性;后者设计合理聚类分割区域及自适应聚类参数,降低因距离带来的聚类误差,提高障碍物的识别精度。通过自研的三维激光雷达测试平台采集实际场景进行性能测试,结果表明该方法地面分割处理一帧数据耗时低于5 ms,满足实时性要求,且在实际场景中的地面分割精度及聚类鲁棒性较高,具有较高的工程应用价值。