项目名称: 动态环境下的实时高清大规模三维地形重建研究

项目编号: No.61503005

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 宋伟

作者单位: 北方工业大学

项目金额: 21万元

中文摘要: 三维地形重建是机器人环境感知的重要研究方向,本项目将开发一套基于多种传感器融合的实时高清大规模三维地形重建系统,利用局部三维点云、二维图像、惯性数据重建全局三维地形模型。该系统分为四大功能模块:1)多种传感器数据融合模块,基于最小二乘法估算出装载的激光雷达和摄像机间的投影矩阵,使局部的点云数据精确地映射到拍摄的视频流中;2)大规模数据加载模块,提出基于去重原理的点云和视频图像压缩技术,利用有限的内存空间加载大规模点云和高清的图像信息;3)三维前景背景分离模块,结合高度直方图、三维像素密度图、马尔科夫随机场模型和卡尔曼滤波器算法,将地形数据划分为可行走的地表、静态物体和动态移动物体三大类;4)高清三维地形重建模块,利用多种渲染方法,实现大规模地形在虚拟环境中的实时真实感展现。此外,本项目采用GPU编程方法对图形图像算法并行计算处理,以实现地形重建的实时性。

中文关键词: 多传感器信息融合;即时定位与地图构建;环境感知;三维背景建模;实时地形重建

英文摘要: 3D terrain reconstruction is an important researching area of environmental perception for mobile robots. This project develops a real-time high-resolution large-scale 3D terrain reconstruction system using multiple sensors integration. The system utilizes local 3D point clouds, 2D images, and inertial data to reconstruct a global terrain model. The system includes four functional modules: 1) Multiple Sensor Data Integration Module estimates the projection matrix between the mounted LiDAR and cameras based on least squares, so as to accurately map the local point clouds onto the captured video images. 2) Large-scale Datasets Registration Module proposes a compression method for point clouds and video images based on the redundancy removal principle. This method registers large-scale point clouds and high-resolution images using limited memory. 3) 3D Foreground/Background Segmentation Module integrates height histogram, 3D voxel dense map, Markov Random Field model, and Kalman filter algorithm to classify the terrain data into three classes, which are traversable ground, static object, and dynamic moving object. 4) High-resolution 3D terrain reconstruction Module utilizes multiple rendering techniques to realize real-time photorealistic representation of the large-scale terrain in a virtual environment. Furthermore, this project applies the GPU programming method to implements the applied graphics and image processing algorithms in parallel, which realizes real-time approach of terrain reconstruction.

英文关键词: Multiple Sensor Information Integration;SLAM;Environmental Perception;3D Background Modeling;Real-time Terrain Reconstruction

成为VIP会员查看完整内容
2

相关内容

【CVPR2022】多视图聚合的大规模三维语义分割
专知会员服务
20+阅读 · 2022年4月20日
【CVPR2022】多机器人协同主动建图算法
专知会员服务
47+阅读 · 2022年4月3日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
17+阅读 · 2021年5月23日
专知会员服务
66+阅读 · 2021年5月21日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
专知会员服务
19+阅读 · 2021年3月18日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【泡泡点云时空】Potree:基于Web浏览器的大规模点云渲染
【泡泡一分钟】利用四叉树加速的单目实时稠密建图
泡泡机器人SLAM
28+阅读 · 2019年4月26日
MaskFusion: 多运动目标实时识别、跟踪和重建
计算机视觉life
11+阅读 · 2019年4月20日
【泡泡图灵智库】基于CPU的实时6D物体姿态估计(arXiv)
泡泡机器人SLAM
12+阅读 · 2019年1月26日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
【CVPR2022】多视图聚合的大规模三维语义分割
专知会员服务
20+阅读 · 2022年4月20日
【CVPR2022】多机器人协同主动建图算法
专知会员服务
47+阅读 · 2022年4月3日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
17+阅读 · 2021年5月23日
专知会员服务
66+阅读 · 2021年5月21日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
专知会员服务
19+阅读 · 2021年3月18日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员