3D SLAM的室内背包移动测量系统研究

针对室内移动测图中GPS信号缺失,导致无法获取精确定位坐标与导航的问题,该文研发了一套室内背包式移动测量系统,该系统能够利用三维激光定位与测图的方法实现快速同步定位及地图创建和室内三维激光点云获取,可以应用在室内或地下的环境中进行数据采集,在不损失作业效率的前提下获取系统作业轨迹、高精度点云等多种数据结果。为了对系统的精度进行验证,使用该系统在实验室大楼走廊中进行实验获取室内三维激光点云,并将实验结果与采用常规测量手段得到的结果进行对比分析。实验表明,此系统的相对精度和绝对精度分别能够达到0.048和0.047m,在室内三维信息获取过程中相比较于传统作业方式显著提高了作业效率和数据质量,能够满足室内建模与测图要求。     

RGB-D SLAM在室内高精度三维测图中的应用

高精度三维测图是室内三维制图的重要支撑,基于三维激光雷达扫描技术的三维测图成本高,需要提前布置标靶,在室内复杂环境中易导致数据不完整;基于图像序列的三维重建建模时间长,易受多种因素影响.针对以上问题,本文将RGB-D SLAM技术应用于室内高精度三维测图中.通过将深度相机与SLAM技术相结合,计算相机位姿并恢复三维空间...     

推车SLAM室内实景三维测图及应用

以推车SLAM移动测图系统NavVis为数据采集手段,简要介绍了其工作原理,并详细介绍了室内实景三维测图的技术流程,实现了室内三维实景地图的网络发布。同时,对该地图定制了兴趣点(POI)添加查询和室内导航路径规划两种应用功能。NavVis推车SLAM系统提供的从数据采集、数据处理、网络发布到地图应用的一整套解决方案,为室内推车SLAM的发展和高精度三维实景地图的制作提供了有益的参考。     

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

融合无人机航测技术与SLAM技术的房地一体化项目实践

目前,测绘行业正在面临转型发展,以无人机航测技术和激光扫描技术为代表的各种测绘新技术应运而生。本文以房地一体化项目为依托,设计与实现了无人机航测技术与SLAM(Simultaneous Localization and Mapping)移动测量技术相融合的房地一体化测绘实践,致力于解决单一的无人机航测技术在外业数据采集时因遮挡导致的数据不完整的问题,将SLAM作为无人机航测的补充作业手段。通过SLAM技术进行外业数据采集、内业数据处理得到满足地形生产条件的点云数据,以点云数据为基础进行测图,有效解决部分因遮挡导致的内业无法判读的地物。最后对无人机航测技术融合SLAM技术制作的数字线划图成果进行精度分析,验证了该作业方案的可行性。     

基于几何约束和目标检测的室内动态SLAM

针对即时定位与地图构建(SLAM)在室内动态环境下定位精度低和地图效果差的问题,提出一种基于几何约束和目标检测的室内动态SLAM方法.使用目标检测网络获取语义信息,提出运动物体漏检的方法;根据先验知识,提出准确识别动态区域的信息判定方法;结合几何约束和深度学习方法剔除动态点,利用静态点估计相机位姿;根据存储信息构建可闭环的静态地图.在TUM数据集上进行实验,定位精度比ORB-SLAM2提高97.5%,相较于其他动态SLAM可取得更好的性能.在室内真实环境进行实验,构建的静态地图更准确,有效提高了室内动态SLAM的定位精度和地图效果.     

一种可提高室内视觉SLAM的结构线特征选择方法

室内场景由大量的平面和直线构成,且经常存在纹理单一而少的情况,这会使得产生的点特征稀少且分布不均匀,从而导致传统的以点特征为观测值的视觉同步定位与建图（simultaneous localization and mapping, SLAM）容易产生不准确的定位结果。本文针对室内场景,在基于点特征的视觉SLAM基础上,引入线特征作为额外的观测值。针对与运动方向平行的线特征对运动估计的几何约束较弱的不足,提出一种能从线特征中筛选出与运动方向不平行的线特征的方法,选择与运动方向不平行的结构线特征参与平差优化,提高室内视觉SLAM的定位精度。实验表明,在公开数据集上,使用本文的方法后,定位精度能在基本不影响实时性的条件下提高15%左右。     

基于移动LiDAR点云数据的室内全要素三维重建

精确的室内三维模型在古遗产保护、公共场所的精细化管理和室内导航等领域有着重要作用,而激光雷达正被逐步应用到室内三维重建中。文中采用移动激光雷达对室内所有附属设施进行高精度激光扫描,得到融合CCD影像色彩信息的彩色点云数据。给出室内全要素三维重建的技术流程,并利用Autodesk CAD等三维建模平台对点云数据进行有效处理,最终得到高精度且带有大地坐标的室内三维模型。实验结果表明,采用移动激光雷达能快速获取高精度的室内三维点云数据。通过文中提出的流程,可快速得到真三维、真尺寸、真纹理的室内全要素模型。     

室内SLAM点云的快速分割研究

建筑物内部结构和环境复杂,由此产生的噪声等影响使其无法直接运用于室外建模中已经成熟的点云分割算法。为降低噪声带来的影响,本文提出利用直方图统计法,分别对点云进行Z轴方向和X-Y轴方向上的直方图统计,从而分割出地板面,天花板面以及墙面的"候选点"。以K-D树构建空间数据索引,计算点云中各点的法向量以及曲率,将"候选点"中面与面相交处曲率"突变"的点去除,利用区域生长算法分割出建筑物的地板面、墙面以及天花板面。以NavVis公司的M3三维激光扫描车获取的室内SLAM点云数据,对本文方法检验,实验结果表明该方法能有效地降低噪声带来的影响,并且可以对平面点云数据进行分割提取。     

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.     

LiDAR与影像集成的真实感建筑物三维重建研究进展

真实感建筑物三维重建是摄影测量、计算机视觉界研究的热点和难点,一般来说包括三维几何模型重建与表面纹理恢复两个方面。本文立足于LiDAR与影像集成的三维重建技术,以三维重建过程为线索,从三维几何模型重建、表面纹理恢复两个方面,梳理归纳不同的LiDAR与影像集成方案,聚焦于数据处理的方法、算法、策略,对最新的研究成果进行总结与分析。     

激光SLAM移动机器人室内定位研究

针对目前室内移动导航定位精度低和累积误差大的问题,提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先,该方法是从LiDAR扫描测量中提取环境特征和构建地图,然后,由IMU采集的姿态信息通过卡尔曼滤波,补偿由于LiDAR扫描引起的位置和姿态输出的误差,以提高机器人移动的定位精度。试验结果表明,该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。     

3D SLAM激光影像背包测绘机器人精度验证

通过利用3D SLAM激光影像背包测绘机器人,进行了三维激光点云数据的采集,并直接对采集的点云数据进行了目标物尺寸量测,以验证其精度。试验验证表明,该仪器采集的数据精度为0.018 m。能满足1∶500地形图绘制要求,并可用于室内、室外等三维模型构建。     

顾及拓扑的室内薄壁三维模型重建方法

针对当前室内三维重建没有同时顾及内、外拓扑和建筑部件语义的问题,该文提出了一种顾及拓扑的室内三维薄壁模型重建方法。该方法在已有的二维数据基础上,利用"推拉"操作,直接生成保留语义的室内薄壁三维拓扑数据模型,并通过实验进行了验证。结果表明,该方法生成的三维模型保留了墙、门、窗等建筑部件,并顾及了内、外拓扑,能够快速生成室内薄壁三维模型,为室内导航、室内应急等应用提供了模型基础和方法借鉴。     

移动LiDAR点云室内三维结构化重建方法和关键技术研究

室内移动 LiDAR测量系统集成了IMU、激光扫描仪、数码相机等仪器设备,在无GNSS室内场景的三维空间信息快速获取方面取得了重大突破,为室内空间数据获取提供了全新的技术手段.然而,由于室内环境复杂、目标丰富、移动对象、多次反射等情况,移动LiDAR测量系统获得的点云具有遮挡严重、数据缺失、噪声较大、密度分布不均匀的特...     

Consistency grammar for 3D indoor model checking

Indoor 3D models are digital representations of building interiors reconstructed from scanned data acquired by laser scanners, digital depth (RGBD) cameras, and CAD drawings. Consequently, there is noise in the source data and a notable variety in the methods used to treat the noise and to process these data into reconstructed models. Alas, the correctness of these reconstructions and thus their suitability for a given application are uncertain. There is a lack of a robust base logic that would allow for controlling the consistency of these (automatically) generated models. Fortunately, correctness criteria are well‐defined through existing international standards. Hence, we propose a conceptual framework based on formal grammars to check the semantic, geometric, and topological consistency of a reconstructed 3D model. The proposed method proceeds in three steps to validate the model: (1) correctness checking of individual components; (2) consistency verification of instances’ interactions; and (3) model consistency check for targeted applications. Our method identifies the components in the model that violate the given rules derived from the current standards and expert knowledge. Ultimately, we propose a quantified formulation of our method that may be straightforwardly integrated into industrial‐level model checkers. The approach is independent of level of details and reconstruction method.     

Smart 3D数据的三维模型重建

针对Smart 3D生成的实景三维模型是一个三角网集合,并不能直接应用于数字城市建设、土地利用管理与城市规划的问题,该文提出了Smart 3D数据三维模型重建的方法:研究了基于分割过滤方法,提取高精度数字高程模型;基于参数化建模、纹理重建方法构建了建筑物三维模型。利用敦化市的倾斜影像进行了实验。实验结果表明:三维重建模型精度高、效果好、提高了自动化的程度,实现了城市建筑物模型的单体化。