留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

激光雷达场景三维姿态点法向量估计方法

张楠 孙剑峰 姜鹏 刘迪 王鹏辉

张楠, 孙剑峰, 姜鹏, 刘迪, 王鹏辉. 激光雷达场景三维姿态点法向量估计方法[J]. 红外与激光工程, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004
引用本文: 张楠, 孙剑峰, 姜鹏, 刘迪, 王鹏辉. 激光雷达场景三维姿态点法向量估计方法[J]. 红外与激光工程, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004
Zhang Nan, Sun Jianfeng, Jiang Peng, Liu Di, Wang Penghui. Pose estimation algorithms for lidar scene based on point normal vector[J]. Infrared and Laser Engineering, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004
Citation: Zhang Nan, Sun Jianfeng, Jiang Peng, Liu Di, Wang Penghui. Pose estimation algorithms for lidar scene based on point normal vector[J]. Infrared and Laser Engineering, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004

激光雷达场景三维姿态点法向量估计方法

doi: 10.3788/IRLA202049.0105004
详细信息
    作者简介:

    张楠(1995-),女,硕士生,主要从事激光图像处理方面的研究。Email:zhangnan4629@163.com

  • 中图分类号: TN29

Pose estimation algorithms for lidar scene based on point normal vector

  • 摘要: 激光成像雷达能够获取反映目标三维空间位置的点云数据,可直接估计目标三维姿态角,是完成特征提取、目标配准等工作的重要参数。实现场景的三维姿态估计,借鉴基于点法向量的三维姿态估计算法(PDVA),针对真实场景中表征场景坐标系(SCS)坐标轴的正方向向量偏差较大的问题,提出了一种优化的三维姿态估计算法(OPDVA)。该方法利用场景点云存在大面积近似平面区域的特点,通过随机抽样一致算法(RANdom SAmple Consensus,RANSAC)的平面模型对聚类中其他方向的点法向量进行滤除,得到最优拟合平面对应的法向量即为修正后的SCS坐标轴。利用旋转变换和重采样等技术手段,分别采用矩形包围盒法、PDVA和OPDVA对3组真实场景距离像进行实验。实验结果表明:OPDVA方法对场景的姿态估计明显优于其他两种方法,姿态估计误差不超过4°,对存在遮挡的场景也同样适用。
  • [1] Kechagias-Stamatis O, Aouf N, Richardson M A. 3D automatic target recognition for future LIDAR missiles[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(6):2662-2675.
    [2] Jung-Un K, Hang-Bong K. A new 3D object pose detection method using LIDAR shape set[J]. Sensors, 2018, 18(3):882.
    [3] Biasutti P, Aujol J F, Brédif M, et al. Range-image:Incorporating sensor topology for lidar point cloud processing[J]. Photogrammetric Engineering & Remote Sensing, 2018, 84(6):367-375.
    [4] Chen X, Ma J, Zhao H, et al. Survey of automatic target recognition technology for LADAR[C]//International Symposium on Photoelectronic Detection & Imaging:Laser Sensing & Imaging, 2009.
    [5] Paquet E, Rioux M, Murching A, et al. Description of shape information for 2-D and 3-D objects[J]. Signal Processing:Image Communication, 2000, 16(1-2):103-122.
    [6] Qingji G, Deyu Y, Qijun L, et al. Minimum elastic bounding box algorithm for dimension detection of 3D objects:a case of airline baggage measurement[J]. IET Image Processing, 2018, 12(8):1313-1321.
    [7] Grabner A, Roth P M, Lepetit V. 3D pose estimation and 3D model retrieval for objects in the wild[J]. Verlag der Technischen Universitat Graz, 2018, 10(2):3022-3031.
    [8] Lv D, Sun J F, Li Q, et al. 3D pose estimation of ground rigid target based on ladar range image[J]. Applied Optics, 2013, 52(33):8073-8081.
    [9] Yuan Xuhua. Image multi-target detection and segmentation algorithm based on regional proposed fast intelligent network[J]. Cluster Computing, 2018, 22(2):3385-3393.
  • [1] 刘敬, 金伟其, 阙开良.  一种基于重叠因子的同轴警戒激光雷达动态范围压缩方法 . 红外与激光工程, 2023, 52(10): 20230027-1-20230027-10. doi: 10.3788/IRLA20230027
    [2] 冯杰, 冯扬, 刘翔, 邓陈进, 喻忠军.  远距离监视激光雷达动目标快速检测 . 红外与激光工程, 2023, 52(4): 20220506-1-20220506-9. doi: 10.3788/IRLA20220506
    [3] 田鹤, 毛宏霞, 刘铮, 曾铮.  机载逆合成孔径激光雷达微动目标稀疏成像 . 红外与激光工程, 2020, 49(S2): 20200190-20200190. doi: 10.3788/IRLA20200190
    [4] 张欣, 李思宁, 孙剑峰, 姜鹏, 刘迪, 王鹏辉.  基于Mean Shift点法向量分类的目标三维姿态估计 . 红外与激光工程, 2020, 49(S2): 20200109-20200109. doi: 10.3788/IRLA20200109
    [5] 沈振民, 赵彤, 王云才, 郑永超, 尚卫东, 王冰洁, 李静霞.  混沌脉冲激光雷达水下目标探测 . 红外与激光工程, 2019, 48(4): 406004-0406004(7). doi: 10.3788/IRLA201948.0406004
    [6] 罗敏, 石岩, 周辉, 李松, 马跃, 张文豪, 张颖.  基于可变分量的参数随机抽样的激光雷达脉冲波形分解 . 红外与激光工程, 2019, 48(10): 1005009-1005009(8). doi: 10.3788/IRLA201948.1005009
    [7] 韩义波, 杨新锋, 滕书华, 庄祉昀.  激光与红外融合目标检测 . 红外与激光工程, 2018, 47(8): 804005-0804005(7). doi: 10.3788/IRLA201847.0804005
    [8] 张宇飞, 贺岩, 刘梦庚, 陈卫标.  基于伪随机码调制的测距通信一体化激光雷达 . 红外与激光工程, 2018, 47(9): 930003-0930003(6). doi: 10.3788/IRLA201847.0930003
    [9] 高健, 周安然, 孙东松, 郑俊, 李梓霂, 韩於利.  多普勒激光雷达中种子激光注入的一种鉴别方法 . 红外与激光工程, 2018, 47(2): 230001-0230001(7). doi: 10.3788/IRLA201847.0230001
    [10] 郭力仁, 胡以华, 王云鹏.  相干激光探测中微动参数估计的克拉美-罗界 . 红外与激光工程, 2017, 46(7): 706002-0706002(7). doi: 10.3788/IRLA201746.0706002
    [11] 熊兴隆, 韩永安, 蒋立辉, 陈柏纬, 陈星.  基于速度结构函数的多普勒激光雷达低空湍流预警算法 . 红外与激光工程, 2017, 46(10): 1030005-1030005(7). doi: 10.3788/IRLA201768.1030005
    [12] 蒋立辉, 闫妍, 熊兴隆, 陈柏纬, 陈星, 章典.  基于斜坡检测的多普勒激光雷达低空风切变预警算法 . 红外与激光工程, 2016, 45(1): 106001-0106001(7). doi: 10.3788/IRLA201645.0106001
    [13] 夏文泽, 韩绍坤, 曹京亚, 王亮, 翟倩.  激光雷达距离估计技术 . 红外与激光工程, 2016, 45(9): 906005-0906005(6). doi: 10.3788/IRLA201645.0906005
    [14] 马辰昊, 付跃刚, 宫平, 欧阳名钊, 张书瀚.  一种激光雷达复合式扫描方法及试验 . 红外与激光工程, 2015, 44(11): 3270-3275.
    [15] 冯春, 吴洪涛, 陈柏.  基于多传感器融合的航天器间位姿参数估计 . 红外与激光工程, 2015, 44(5): 1616-1622.
    [16] 徐超, 高敏, 杨耀.  自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
    [17] 吕丹, 孙剑峰, 李琦, 王骐.  基于激光雷达距离像的目标3D姿态估计 . 红外与激光工程, 2015, 44(4): 1115-1120.
    [18] 陈骁, 石志广, 杨卫平, 凌建国.  利用三维点云的圆锥状弹头目标参数估计 . 红外与激光工程, 2014, 43(10): 3480-3485.
    [19] 李小珍, 吴玉峰, 郭亮, 曾晓东.  合成孔径激光雷达下视三维成像构型及算法 . 红外与激光工程, 2014, 43(10): 3276-3281.
    [20] 杨文秀, 付文兴, 周志伟, 余巍, 马杰.  基于投影降维的激光雷达快速目标识别 . 红外与激光工程, 2014, 43(S1): 1-7.
  • 加载中
计量
  • 文章访问数:  793
  • HTML全文浏览量:  179
  • PDF下载量:  75
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-05
  • 修回日期:  2019-11-15
  • 刊出日期:  2020-01-28

激光雷达场景三维姿态点法向量估计方法

doi: 10.3788/IRLA202049.0105004
    作者简介:

    张楠(1995-),女,硕士生,主要从事激光图像处理方面的研究。Email:zhangnan4629@163.com

  • 中图分类号: TN29

摘要: 激光成像雷达能够获取反映目标三维空间位置的点云数据,可直接估计目标三维姿态角,是完成特征提取、目标配准等工作的重要参数。实现场景的三维姿态估计,借鉴基于点法向量的三维姿态估计算法(PDVA),针对真实场景中表征场景坐标系(SCS)坐标轴的正方向向量偏差较大的问题,提出了一种优化的三维姿态估计算法(OPDVA)。该方法利用场景点云存在大面积近似平面区域的特点,通过随机抽样一致算法(RANdom SAmple Consensus,RANSAC)的平面模型对聚类中其他方向的点法向量进行滤除,得到最优拟合平面对应的法向量即为修正后的SCS坐标轴。利用旋转变换和重采样等技术手段,分别采用矩形包围盒法、PDVA和OPDVA对3组真实场景距离像进行实验。实验结果表明:OPDVA方法对场景的姿态估计明显优于其他两种方法,姿态估计误差不超过4°,对存在遮挡的场景也同样适用。

English Abstract

参考文献 (9)

目录

    /

    返回文章
    返回