激光SLAM精度测试场设计与实现

同时定位与地图构建（SLAM）系统在机器人、自动驾驶和移动测量等领域有广泛的应用，但目前系统精度的测试方法尚不完善。针对SLAM系统精度测试的实际需求，本文提出了一种SLAM高精度测试场的建立方法。首先建立三维控制网，然后利用三维激光扫描技术对环境信息进行采集，最终构建出用于测试SLAM系统精度的高精度三维点云特征库。试验结果表明，建立的三维点云特征库包含丰富的特征信息，具有真实地理坐标，精度达到毫米级，可以较好地满足SLAM精度测试的需求。     

利用局部几何特征与空洞邻域的点云语义分割

点云具有数据量大、无拓扑结构等特点,现有的深度学习语义分割模型难以充分挖掘大范围邻域内点云中所隐藏的几何特征。由此提出了一种基于空洞邻域并结合角度等几何特征作为模型输入的点云语义分割模型。首先,在局部邻域构建过程中,将图像处理的空洞卷积操作扩展至点云,建立空洞邻域结构,以扩大感受野;然后,在特征提取过程中,将中心点与邻域点之间相对坐标、距离、角度等基本几何特征作为模型输入,最大程度挖掘邻域内的几何特征;最后,基于所提邻域结构与特征提取算法构建了点云语义分割模型。采用Semantic3D数据集进行实验验证,结果表明,所提模型分割效果优于对比的点云语义分割算法,空洞邻域与局部几何输入特征能够有效改善点云语义模型的性能。