CN113240713A - 一种自主移动机器人建图的动态物体过滤方法 - Google Patents
一种自主移动机器人建图的动态物体过滤方法 Download PDFInfo
- Publication number
- CN113240713A CN113240713A CN202110515904.8A CN202110515904A CN113240713A CN 113240713 A CN113240713 A CN 113240713A CN 202110515904 A CN202110515904 A CN 202110515904A CN 113240713 A CN113240713 A CN 113240713A
- Authority
- CN
- China
- Prior art keywords
- matching
- frame
- matching groups
- adopting
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 title claims abstract description 13
- 238000013507 mapping Methods 0.000 title claims description 4
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G06T5/70—
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明涉及一种自主移动机器人建图的动态物体过滤方法,包括步骤:获取自主移动机器人移动过程中每一帧雷达数据;采用点云畸变矫正算法以及去除点云中的地面点的算法对雷达数据进行预处理得出预处理点云;采用聚类算法将每一帧预处理的点云均聚集成团状的待匹配物体,并将计算其相应的质心及三维边框;采用匈牙利算法将每一帧所形成的待匹配物体与其上一帧形成的待匹配物体采用两者质心之间的距离作为匹配的指标,形成匹配组;将形成的匹配组采用两者的三维边框进行对比,若两者不一致,则将其过滤,留下未被过滤的匹配组;将留下未被过滤的匹配组计算其质心之间的位移,若两者距离大于设定阈值的点标记为动态点,并将该动态点去除。
Description
技术领域
本发明涉及一种自主移动机器人建图的动态物体过滤方法。
背景技术
巡检型轮式移动机器人多使用三维激光雷达作为主要传感器,搭配惯导进行建图。建图过程为:部署人员通过手持手柄操作机器人在场所内进行运动。建图算法会采集这段时间内的激光雷达数据,以及估算机器人的轨迹。最终生成整个场景的地图。
然而,在建图过程中,如果有人或者车等移动物体走过时,通常会导致地图中形成一段残影。
发明内容
为解决以上技术问题,本发明提供以下技术方案:
本发明提供一种自主移动机器人建图的动态物体过滤方法,包括以下步骤:
S1:获取自主移动机器人移动过程中每一帧雷达数据(即点云);
S2:采用点云畸变矫正算法以及去除点云中的地面点的算法对雷达数据进行预处理得出预处理点云;
S3:采用聚类算法将每一帧预处理的点云均聚集成团状的待匹配物体,并将计算其相应的质心及三维边框;
S4:采用匈牙利算法将每一帧所形成的待匹配物体与其上一帧形成的待匹配物体采用两者质心之间的距离作为匹配的指标,形成匹配组;
S5:将形成的匹配组采用两者的三维边框进行对比,若两者不一致,则将其过滤,留下未被过滤的匹配组;
S6:将留下未被过滤的匹配组计算其质心之间的位移,若两者距离大于设定阈值的点标记为动态点,并将该动态点去除。
本发明的有益效果是:本发明中,通过对动态物体的检测然后过滤,可以提高建图过程中的精度。同时保证了在激光雷达建图过程中不产生重影。
附图说明
图1是本发明动态巡检方法流程图。
具体实施方式
见图1,本发明提供一种自主移动机器人建图的动态物体过滤方法,包括以下步骤:
S1:获取自主移动机器人移动过程中每一帧雷达数据(即点云);
S2:采用点云畸变矫正算法以及去除点云中的地面点的算法对雷达数据进行预处理得出预处理点云;
S3:采用聚类算法将每一帧预处理的点云均聚集成团状的待匹配物体,并将计算其相应的质心及三维边框;
S4:采用匈牙利算法将每一帧所形成的待匹配物体与其上一帧形成的待匹配物体采用两者质心之间的距离作为匹配的指标,形成匹配组;
S5:将形成的匹配组采用两者的三维边框进行对比,若两者不一致,则将其过滤,留下未被过滤的匹配组;
S6:将留下未被过滤的匹配组计算其质心之间的位移,若两者距离大于设定阈值的点标记为动态点,并将该动态点去除。
本发明中,本发明中,通过对动态物体的检测然后过滤,可以提高建图过程中的精度。同时保证了在激光雷达建图过程中不产生重影。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种自主移动机器人建图的动态物体过滤方法,其特征在于,包括以下步骤:
S1:获取自主移动机器人移动过程中每一帧雷达数据;
S2:采用点云畸变矫正算法以及去除点云中的地面点的算法对雷达数据进行预处理得出预处理点云;
S3:采用聚类算法将每一帧预处理的点云均聚集成团状的待匹配物体,并将计算其相应的质心及三维边框;
S4:采用匈牙利算法将每一帧所形成的待匹配物体与其上一帧形成的待匹配物体采用两者质心之间的距离作为匹配的指标,形成匹配组;
S5:将形成的匹配组采用两者的三维边框进行对比,若两者不一致,则将其过滤,留下未被过滤的匹配组;
S6:将留下未被过滤的匹配组计算其质心之间的位移,若两者距离大于设定阈值的点标记为动态点,并将该动态点去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515904.8A CN113240713A (zh) | 2021-05-12 | 2021-05-12 | 一种自主移动机器人建图的动态物体过滤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515904.8A CN113240713A (zh) | 2021-05-12 | 2021-05-12 | 一种自主移动机器人建图的动态物体过滤方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113240713A true CN113240713A (zh) | 2021-08-10 |
Family
ID=77133943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110515904.8A Pending CN113240713A (zh) | 2021-05-12 | 2021-05-12 | 一种自主移动机器人建图的动态物体过滤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240713A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320329A (zh) * | 2018-02-02 | 2018-07-24 | 维坤智能科技(上海)有限公司 | 一种基于3d激光的3d地图创建方法 |
CN110555901A (zh) * | 2019-09-05 | 2019-12-10 | 亮风台(上海)信息科技有限公司 | 动静态场景的定位和建图方法、装置、设备和存储介质 |
CN112162297A (zh) * | 2020-09-24 | 2021-01-01 | 燕山大学 | 一种剔除激光点云地图中动态障碍伪迹的方法 |
-
2021
- 2021-05-12 CN CN202110515904.8A patent/CN113240713A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320329A (zh) * | 2018-02-02 | 2018-07-24 | 维坤智能科技(上海)有限公司 | 一种基于3d激光的3d地图创建方法 |
CN110555901A (zh) * | 2019-09-05 | 2019-12-10 | 亮风台(上海)信息科技有限公司 | 动静态场景的定位和建图方法、装置、设备和存储介质 |
CN112162297A (zh) * | 2020-09-24 | 2021-01-01 | 燕山大学 | 一种剔除激光点云地图中动态障碍伪迹的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7252943B2 (ja) | 航空機のための対象物検出及び回避 | |
CN106017463B (zh) | 一种基于定位传感装置的飞行器定位方法 | |
CN110361010B (zh) | 一种基于占据栅格地图且结合imu的移动机器人定位方法 | |
CN113916242B (zh) | 车道定位方法和装置、存储介质及电子设备 | |
EP2503510A1 (en) | Wide baseline feature matching using collobrative navigation and digital terrain elevation data constraints | |
EP2738517B1 (en) | System and methods for feature selection and matching | |
CN108759826B (zh) | 一种基于手机和无人机多传感参数融合的无人机运动跟踪方法 | |
CN111006655A (zh) | 机场巡检机器人多场景自主导航定位方法 | |
CN113176585A (zh) | 一种基于三维激光雷达的路面异常检测方法 | |
CN110827353B (zh) | 一种基于单目摄像头辅助的机器人定位方法 | |
CN108106613B (zh) | 基于视觉辅助的定位方法与系统 | |
Al-Sheary et al. | Crowd monitoring system using unmanned aerial vehicle (UAV) | |
CN111160280B (zh) | 基于rgbd相机的目标物体识别与定位方法及移动机器人 | |
CN105606123A (zh) | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 | |
CN111583316B (zh) | 一种视觉自主定位系统实现方法 | |
CN113804182B (zh) | 一种基于信息融合的栅格地图创建方法 | |
CN110749308A (zh) | 使用消费级gps和2.5d建筑物模型的面向slam的室外定位方法 | |
CN113155126B (zh) | 一种基于视觉导航的多机协同目标高精度定位系统及方法 | |
CN112862818A (zh) | 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法 | |
JP2023174728A (ja) | 情報処理装置 | |
CN113240713A (zh) | 一种自主移动机器人建图的动态物体过滤方法 | |
CN113327270A (zh) | 视觉惯导方法、装置、设备及计算机可读存储介质 | |
CN116804553A (zh) | 基于事件相机/imu/自然路标的里程计系统及方法 | |
CN114820768B (zh) | 一种大地坐标系与slam坐标系对齐方法 | |
CN115950435A (zh) | 无人机巡检影像的实时定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |
|
RJ01 | Rejection of invention patent application after publication |