为提高高精度道路地图的制作效率,提出采用融合多源数据的方式构建高精度地图。根据道路特征及类型,选用车载激光雷达(Light Detection and Ranging,LiDAR)、无人机摄影测量以及人工采集3种技术获取数据源,分别进行点云、图像以及矢量...为提高高精度道路地图的制作效率,提出采用融合多源数据的方式构建高精度地图。根据道路特征及类型,选用车载激光雷达(Light Detection and Ranging,LiDAR)、无人机摄影测量以及人工采集3种技术获取数据源,分别进行点云、图像以及矢量数据处理,构建高精度道路地图并进行精度评定。试验结果表明,多源数据可实现不同道路场景下的数据采集,为高精度地图快速构建和更新提供参考。展开更多
A fundamental task for mobile robots is simultaneous localization and mapping(SLAM).Moreover,long-term robustness is an important property for SLAM.When vehicles or robots steer fast or steer in certain scenarios,such...A fundamental task for mobile robots is simultaneous localization and mapping(SLAM).Moreover,long-term robustness is an important property for SLAM.When vehicles or robots steer fast or steer in certain scenarios,such as low-texture environments,long corridors,tunnels,or other duplicated structural environments,most SLAM systems might fail.In this paper,we propose a novel robust visual inertial light detection and ranging(Li Da R)navigation(VILN)SLAM system,including stereo visual-inertial Li Da R odometry and visual-Li Da R loop closure.The proposed VILN SLAM system can perform well with low drift after long-term experiments,even when the Li Da R or visual measurements are degraded occasionally in complex scenes.Extensive experimental results show that the robustness has been greatly improved in various scenarios compared to state-of-the-art SLAM systems.展开更多
提出了一种新颖的、无需先验知识的、广泛适用于各种环境的激光雷达数据特征提取方法来解决同步定位与地图创建(SLAM)中的特征提取问题.这种方法采用经典的图像特征提取方法——Harris角点探测器,具体来说,是多尺度Kanade-Tomasi角点探...提出了一种新颖的、无需先验知识的、广泛适用于各种环境的激光雷达数据特征提取方法来解决同步定位与地图创建(SLAM)中的特征提取问题.这种方法采用经典的图像特征提取方法——Harris角点探测器,具体来说,是多尺度Kanade-Tomasi角点探测器,来提取特征.这种方法可以从各种尺度的测量数据中提取稳定、精确的特征点,并同时可以得到特征点描述器和不确定性信息.文章将这种方法应用在了软件仿真环境及经典数据集上,包括:2维的维多利亚公园数据集、英特尔研究中心数据集(Intel Research Center dataset)以及3维的麻省理工学院美国国防部高级研究计划局城市竞赛数据集(MIT DARPA Urban Challenge dataset).实验结果表明这种方法可以从各种环境中提取高精度、高重复性的稳定特征.展开更多
针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分...针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分割条件,分别建立道路、建筑物、树和路灯等附属设施的三维模型,并利用车载以及航空图像的纹理信息辅助建筑物的立面和顶面三维建模;最后以真实街景为实验区,基于拓普康IP-S2车载LiDAR点云数据,完成该街景的分割与建模。实验结果表明,该文提出的点云数据分割与街景地物重建方法比较简单,可实现道路和建筑物的半自动化分割;利用成熟的建模软件和方法,实现了建模的完整性和较强的可靠性。展开更多
文摘为提高高精度道路地图的制作效率,提出采用融合多源数据的方式构建高精度地图。根据道路特征及类型,选用车载激光雷达(Light Detection and Ranging,LiDAR)、无人机摄影测量以及人工采集3种技术获取数据源,分别进行点云、图像以及矢量数据处理,构建高精度道路地图并进行精度评定。试验结果表明,多源数据可实现不同道路场景下的数据采集,为高精度地图快速构建和更新提供参考。
基金Project supported by the National Key R&D Program of China(No.2018YFB1305500)the National Natural Science Foundation of China(No.U1813219)。
文摘A fundamental task for mobile robots is simultaneous localization and mapping(SLAM).Moreover,long-term robustness is an important property for SLAM.When vehicles or robots steer fast or steer in certain scenarios,such as low-texture environments,long corridors,tunnels,or other duplicated structural environments,most SLAM systems might fail.In this paper,we propose a novel robust visual inertial light detection and ranging(Li Da R)navigation(VILN)SLAM system,including stereo visual-inertial Li Da R odometry and visual-Li Da R loop closure.The proposed VILN SLAM system can perform well with low drift after long-term experiments,even when the Li Da R or visual measurements are degraded occasionally in complex scenes.Extensive experimental results show that the robustness has been greatly improved in various scenarios compared to state-of-the-art SLAM systems.
文摘提出了一种新颖的、无需先验知识的、广泛适用于各种环境的激光雷达数据特征提取方法来解决同步定位与地图创建(SLAM)中的特征提取问题.这种方法采用经典的图像特征提取方法——Harris角点探测器,具体来说,是多尺度Kanade-Tomasi角点探测器,来提取特征.这种方法可以从各种尺度的测量数据中提取稳定、精确的特征点,并同时可以得到特征点描述器和不确定性信息.文章将这种方法应用在了软件仿真环境及经典数据集上,包括:2维的维多利亚公园数据集、英特尔研究中心数据集(Intel Research Center dataset)以及3维的麻省理工学院美国国防部高级研究计划局城市竞赛数据集(MIT DARPA Urban Challenge dataset).实验结果表明这种方法可以从各种环境中提取高精度、高重复性的稳定特征.
文摘针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分割条件,分别建立道路、建筑物、树和路灯等附属设施的三维模型,并利用车载以及航空图像的纹理信息辅助建筑物的立面和顶面三维建模;最后以真实街景为实验区,基于拓普康IP-S2车载LiDAR点云数据,完成该街景的分割与建模。实验结果表明,该文提出的点云数据分割与街景地物重建方法比较简单,可实现道路和建筑物的半自动化分割;利用成熟的建模软件和方法,实现了建模的完整性和较强的可靠性。
