基于重力约束正态分布变换的室内3维地图重建方法

doi:DOI: 10.16183/j.cnki.jsjtu.2018.01.005

摘要/Abstract

摘要： 提出一种基于改进正态分布变换的室内3维地图离线重建方法.通过加入重力方向约束来矫正地图形变，采用循环梯度配准方法提高配准成功率，并结合图优化的后端优化算法对所建地图进行优化.同时，采用摆动单线激光获取室内点云原始数据并进行实验，以验证所提方法的正确性.结果表明，利用该地图重建方法能够建立高精度的室内3维地图.

关键词: 室内3维地图；重建；重力约束；正态分布变换；循环梯度配准；图优化

Abstract: A method for offline reconstruction of indoor 3D map is proposed based on an improved normal distribution transform (NDT) algorithm. First, a constraint in the gravity direction is incorporated into a 3D NDT, so that map deformation in extra dimensions is rectified. Then a cyclic gradient matching scheme is proposed to deal with the matching error resulted from scarce overlap between consecutive frames. Finally, a graph optimization is adopted in the back-end map construction. By using a swinging laser, experiments validate its performance and high accuracy.

Key words: indoor 3D map; reconstruction; gravity constraint; normal distributions transform (NDT); cyclic gradient matching; graph optimization

中图分类号:

TP 391.41

戚明旭a,b，杨明a,b，王春香c，王冰a,b. 基于重力约束正态分布变换的室内3维地图重建方法[J]. 上海交通大学学报, 2018, 52(1): 26-32.

QI Mingxua,b,YANG Minga,b,WANG Chunxiangc,WANG Binga,b. 3D Map Reconstruction in Indoor Environment Based on Normal Distribution Transformation Under Gravity Constraint[J]. Journal of Shanghai Jiao Tong University, 2018, 52(1): 26-32.

参考文献

［1］MADDERN W, PASCOE G, NEWMAN P. Leveraging experience for large-scale LIDAR localisation in changing cities［C］∥IEEE International Conference on Robotics and Automation (ICRA). Washington, USA: IEEE, 2015: 1684-1691. ［2］YONEDA K, TEHRANI H, OGAWA T, et al. Lidar scan feature for localization with highly precise 3-D map［C］∥IEEE Intelligent Vehicles Symposium Proceedings. Dearborn, USA: IEEE, 2014: 1345-1350. ［3］肖已达, 王冰, 杨明, 等. 基于激光雷达的道路可通行区域检测［J］. 机电一体化, 2013, 19(2): 62-66. XIAO Yida, WANG Bing, YANG Ming, et al. The detection of road traffic zone based on laser radar［J］. Mechatronics, 2013, 19 (2): 62-66. ［4］BUONOCORE L, SANTOS S R B D, NETO A A, et al. FastSLAM filter implementation for indoor autonomous robot［C］∥IEEE Intelligent Vehicles Symposium (IV). Gothenburg, Sweden: IEEE, 2016: 484-489. ［5］REDONDO E L, MARTINEZ-MARIN T. A compact representation of the environment and its frontiers for autonomous vehicle navigation［C］∥IEEE Intelligent Vehicles Symposium (IV). Gothenburg, Sweden: IEEE, 2016: 851-857. ［6］WULF O, WAGNER B. Fast 3D scanning methods for laser measurement systems［C］∥International Conference on Control Systems & Computer Science, 2003: 1-6. ［7］YOSHIDA T, IRIE K, KOYANAGI E, et al. 3D laser scanner with gazing ability［C］∥IEEE International Conference on Robotics and Automation. Shanghai, China: IEEE, 2011, 47(10): 3098-3103. ［8］谷晓杰,卜春光,陈成,等. 三维激光测距系统设计与标定方法研究［J］. 沈阳理工大学学报, 2014, 33(5): 10-14. GU Xiaojie, BU Chunguang, CHEN Cheng, et al. Design, implementation and calibration of 3-D LIDAR scanning system［J］. Journal of Shenyang Ligong University, 2014, 33(5): 10-14. ［9］ROHDE J, JATZKOWSKI I, MIELENZ H, et al. Vehicle pose estimation in cluttered urban environments using multilayer adaptive Monte Carlo localization［C］∥International Conference on Information Fusion. Heidelberg, Germany: IEEE, 2016. ［10］POMERLEAU F, COLAS F, SIEGWART R, et al. Comparing ICP variants on real-world data sets［J］. Autonomous Robots, 2013, 34(3):133-148. ［11］MAGNUSSON M, LILIENTHAL J A, DUCKETT T. Scan registration for autonomous mining vehicles using 3D-NDT［J］. Journal of Field Robotics, 2007, 24(10):803-827. ［12］MAGNUSSON M, NCHTER A, LRKEN C, et al. Evaluation of 3D registration reliability and speed—A comparison of ICP and NDT［C］∥IEEE International Conference on Robotics and Automation. Kobe, Japan: IEEE, 2009: 3907-3912. ［13］DRYANOVSKI I, VALENTI R G, XIAO J Z. Fast visual odometry and mapping from RGB-D data［C］∥IEEE International Conference on Robotics and Automation. Karlsruhe, Germany: IEEE, 2013: 2305-2310. ［14］KMMERLE R, GRISETTI G, STRASDAT H, et al. g2o: A general framework for graph optimization［C］∥IEEE International Conference on Robotics and Automation. Shanghai, China: IEEE, 2011: 3607-3613.

编辑推荐

Metrics

阅读次数

全文

110

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	2	0	108

来源	本网站	其他网站

次数	25	85
比例	23%	77%

摘要

[1]	白雄飞, 龚水成, 李雪松, 许博, 杨晓力, 王明彦. 基于泊松融合数据增强的焊缝金相组织缺陷分类研究[J]. 上海交通大学学报, 2023, 57(10): 1316-1328.
[2]	王佳婧1，2，张树生1，何卫平1. 基于多信息融合的失效DPM码识别[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1675-1680.
[3]	赵洪伟，谢永芳，曹斌芳，蒋朝辉. 基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用[J]. 上海交通大学学报（自然版）, 2014, 48(07): 942-947.
[4]	王佳婧1,2，张树生1，何卫平1. 金属零件上二维条码高光区域的恢复[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1836-1841.
[5]	王晓端1，刘书炘2，刘满华1. 基于模型分析的指纹奇异点检测[J]. 上海交通大学学报（自然版）, 2013, 47(08): 1222-1226.
[6]	李斌, 叶昊. 基于仿射几何不变量的鲁棒图像配准算法[J]. 上海交通大学学报（自然版）, 2012, 46(12): 1881-1884.
[7]	吴一全1, 2, 张晓杰1, 吴诗婳1, 张国华2, 张生伟2, 于素芬2. 二维直方图θ-划分最小误差图像阈值分割[J]. 上海交通大学学报（自然版）, 2012, 46(06): 892-899.
[8]	秦红星1, 杨杰2. 基于无网格局部彼得罗夫伽辽金方法的点采样曲面滤波[J]. 上海交通大学学报（自然版）, 2012, 46(04): 584-590.
[9]	秦红星，杨杰，郭律，唐炜. 基于图像处理器的EWA Splatting体绘制加速算法[J]. 上海交通大学学报（自然版）, 2008, 42(12): 1943-1946.
[10]	唐炜，姚莉秀，杨杰，秦红星. 基于矢量场自适应采样算法的图像体绘制技术[J]. 上海交通大学学报（自然版）, 2008, 42(10): 1650-1654.
[11]	苏赋. Curvelet感兴趣区域相关图的纹理图像检索[J]. 上海交通大学学报（自然版）, 2014, 48(05): 653-657.
[12]	李晓旭1，戴彬1，曹洁1,2. 基于多特征融合的改进UPF目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1473-1478.
[13]	曹洁a,b，李玉琴a，吴迪b. 基于改进差分进化的高精度粒子滤波算法[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1714-1720.
[14]	郭改放,何卫平,李夏霜,王健,吴振芳. 基于边缘和水平集的复杂背景金属零件二维条码精确定位方法[J]. 上海交通大学学报, 2017, 51(1): 90-.
[15]	薛梦霞,刘士荣,王坚. 基于机器视觉的动态多目标识别[J]. 上海交通大学学报, 2017, 51(6): 727-733.