基于二维激光测距仪的三维模型配准研究
基于二维激光测距仪的三维模型配准研究
作者:梅强;吴怀宇
在移动机器人领域,环境建模与运动规划都是机器人实现智能性的具体表现。 其中环境建模是一个非常复杂和耗时的问题。 因为这项研究涉及一些基本的科学问题。 而本文将介绍自主移动机器人的控制和二维激光测距仪结合电机云台生成三维点云,然后通过多方位的三维点云在同一个坐标系统中建立一个大致的场景。
激光测距仪雷达以其精度高、测距速度、快获取信息直观等优点在军事、 民用和航空等领域得到了越来越多的应用。 有些团队用二维激光测距仪建立三维环境。 如 zhao[1]等人使用了两个二维测距仪来获取三维数据。 一个激光扫描仪水平安装,另一个垂直安装。 通过当前的机器人机器人位姿将其转换为一个三维点。
在三维重建过程中,数据配准自动化程度决定了三维重建过程的自动化程度,数据配准结果也在很大程度上决定了三维模型重建精度。 数据配准过程分为:粗配准、精度配准和全局配准[4]。 最常见的粗配准方法是基于物体的球谐函数、高阶矩不变量。 基于随机采样的几何哈希技术的配准方法也十分常见。 将这种算法应用于三维数据配准中,并考虑到了误差的对速度影响。 利用了仿射不变量来约束候选样本数量,极大地加快了配准的速度。
1 三维点云信息获取
在测量距离时,通过测量激光从发出到接受所经历的时间来计算出物体到激光测距仪的距离。 本文采用二维激光配合旋转电机的方法获取三维空间点云数据,实现三维场景构建。 通过 10 s 左右的时间内完成一次从下到上,从右到左的完整扫描,获取竖直方向 100°区域、平面方向 180°区域内的一组大约 361×500 的三维激光点云数据。
为三维激光测距系统的参数坐标关系图,ρ作为激光发射点到被测物体的距离;θ 为扫描方向的水平偏向角度;φ 为云台旋转角度,从而得到以云台旋转轴为坐标中心的三维激光参数(ρ,θ,φ)。 再通过参数标定获取平台参数(a,b,z)然后计算机器人当前位姿场景数据(x,y,z)通过里程计获取当前位姿 Px,Py,Pθ,计算得到三维场景的全(X,Y,Z)。
2 多平面特征提取
机抽样一致性 RANSAC 算法并不是用所有的初始值去估计模型参数的算法,而是满足可行条件的尽量少的初始数据。 并使用一致数据集去扩大它,这是一种寻找模型去拟合数据的思想。
2.1 拟合直线段端点的定权算法
本文提出的算法直接拟合平面所属的拟合直线段集合中每个拟合直线段的端点数据进行拟合平面参数。 可将拟合直线段端点的定权问题转化到二维空间中进行讨论。 并认为同一条扫描线中共面的扫描点的精度相同且相互独立,根据间接平差法的原理并考虑本文所采用的直线拟合公式,可知拟合直线方程公式中两系数的协因数阵为。
2.2 利用拟合直线段端点计算拟合平面
一个三维平面通过两种方式就可模拟出来。 第一种可以用不共线的 3 个三维点(p1,p2,p3.R3)计算出穿过这 3 个点的平面 ax+by+cz+d=0 的参数;第 2 种是通过一个三维点和通过这个点的平面法向量(p1,n 且/n/=1,p1,n.R3)也可以计算出这个平面的参数。 通过以下步骤来提取平面:
1)在初始点云中随机选择 3 个点,直接计算平面 ax+by+ cz=0,然后再计算点云至生成平面的距离 di=|axi+byi+czi+d|。
2)选择阈值 t,若 di0ε 则认为是内点,统计得出此平面内点的个数。
3)如果这个平面的内点数超过了一个作者设计的极致数(比如 50 个点),那么就确定这个平面是存在的且记录下来。 再用同样的方法迭代其他的平面。 如果这个平面内点不能超过极致数,这个平面就不存在且不记录下来。 同样再重复第一步骤迭代提取平面。
阈值的选择很重要,在判断内点的时候如果选择过小的阈值会放弃选择的内点,而选择过大的阈值则可能将异常点误判为内点。
3 ICP 算法配准
Besl 和 Mikay 所介绍的迭代最近点法 ICP 是从测量点集中确认对应的最近点点集后,运用和所提出的严密解算过程重新计算最近点点集; 迭代计算直到目标函数值不变化,停止迭代过程。
4 四点算法配准
在 ICP 算法的基础之上加入限制约束条件。 对 ICP 算法计算前随机提取有规律的四点进行迭代。 使全局配准具有较好的鲁棒性,在原始数据有外点,噪声较大时也能获得较好的初值。
5 实验结果与分析
本文开发了配准软件的图形界面, 基于 OpenGL 技术进行三维点云数据的人机交互显示,使用 C++开发语言。 选择使用的 VCGlibrary 开源函数库,提供了大量的三维数据处理的函数模块,给算法实现减少了很多编码工作量,使得研究工作能更多地专注于算法思想上。本文将四点算法和传统进行比较分析。 随着高斯噪音和异常点比例的加强,评估误差(马尔科夫误差) 会有明显不一样。 在低高斯噪音和低异常点比例的良好条件下二者算法的配准精确度相差不多。 而在高噪音和高异常点比例的不利条件下时四点算法精确度明显好于RANSAC。
6 结束语
通过三维激光和转动云台得到三维点阵,并用四点算法进行粗配准。 经实验验证,该算法计算量小且能正确的配准三维模型。 完全满足移动机器人实时性和准确性的要求。
本文只考虑了两视角间三维点云数据的配准问题,并没有考虑多视角间的全局数据配准。 而后续工作将可以基于这个方向发展。 可以加入 ICP 算法精确配准加以完善。 可以根据文献[6-7]实现根据不同的数据集,自动选择采样方法,以增加配准的自动化程度和鲁棒性。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除