项目名称: 复杂环境下面向激光扫描点云的三维目标定位方法研究

项目编号: No.61503300

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: 汪霖

作者单位: 西北大学

项目金额: 22万元

中文摘要: 作为机器人系统环境感知中的一项关键技术,三维目标精确定位是机器人领域一项极富挑战的课题。受光照和阴影等因素影响,传统基于CCD图像的目标定位方法难以实现光照、目标和场景不断变化的复杂环境下三维目标的精确定位。本项目旨在利用复杂场景的激光扫描点云数据,对复杂环境下三维目标定位问题展开深入研究,进而设计出一套面向机器人复杂环境的目标特征提取和定位算法,且具有高精度、强鲁棒的优点。本项目在精确估计三维激光扫描仪测量模型参数的基础上,利用机器人复杂工作场景的扫描点云,拟将点云中三维目标特征提取和定位问题转化为鲁棒非线性优化问题,采用粒子群优化和入侵性杂草优化等智能优化算法进行优化求解,以鲁棒提取场景特征信息并精确估计三维目标位姿。本项目的实施可为机器人对复杂环境的精确感知提供可靠的技术手段和理论基础,研究成果可应用于环境感知、物体抓取、路径规划、自主导航和目标跟踪等机器人领域。

中文关键词: 激光扫描点云;三维目标定位;特征提取;环境感知

英文摘要: As one of the key techniques in envirionment perception for robot system, three-dimensional (3D) object accurate localization is a challenging issue in the field of robot. For traditional charge coupled device (CCD) image-based object localization methods, it is difficult to realize accurate localization of 3D objects in complex environment with continuously varying illumination, objects and scenes since they are strongly affected by other factors, such as light conditions and shadows. Therefore, this project will thoroughly study the problems of 3D object localization by using laser scanning point clouds of complex environment. We aim to design a set of object feature extraction and localization algorithms for robot complex environment, and these algorithms have the advantages of high precision and strong robustness. Based on accurate estimation of the measurement model parameters of 3D laser scanners, this project will convert the problems, namely the feature extraction and localization of 3D objects of point clouds, to robust optimization problems by using scanning point clouds of robot complex working environment. This project will solve these optimization problems by using swarm intelligence algorithms such as particle swarm optimization (PSO) and invasive weed optimization (IWO). And the scene features can be extracted robustly, and the 3D object pose parameters can be precisely estimated. The project will provide reliable technical methods and theoretical foundation for robot to accurately perceive the complex environment. Meanwhile, all the related research achievements can be employed in many robot domains, such as environment perception, object grasping, path planning, autonomous navigation and target tracking.

英文关键词: Laser scanning point clouds;3D object localization;Feature extraction;Environment perception

成为VIP会员查看完整内容
1

相关内容

【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
AAAI 2022 | SASA: 重新思考三维物体检测中的点云采样问题
专知会员服务
23+阅读 · 2022年3月1日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
18+阅读 · 2020年12月23日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
专知会员服务
86+阅读 · 2019年12月13日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
【泡泡图灵智库】LIMO: LiDAR-单目相机视觉里程计(arXiv)
泡泡机器人SLAM
48+阅读 · 2019年5月14日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+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 · 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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
49+阅读 · 2021年9月11日
Arxiv
35+阅读 · 2021年8月2日
Arxiv
27+阅读 · 2020年12月24日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
【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
AAAI 2022 | SASA: 重新思考三维物体检测中的点云采样问题
专知会员服务
23+阅读 · 2022年3月1日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
18+阅读 · 2020年12月23日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
专知会员服务
86+阅读 · 2019年12月13日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+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 · 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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员