移动机器人基于三维激光测距的物体检测

论文摘要

工作在室内环境中的服务机器人需要对场景中的物体进行检测,来实现对客观场景的理解。激光传感器具有抗干扰能力强、受光线影响小等特点,适于三维空间信息的获取。本文通过对激光传感器采集的三维激光数据进行处理,可以使机器人有效地对场景中的物体进行检测。本文研究了移动机器人在室内三维环境中的场景认知问题。室内场景框架具有结构化特性,而室内多样化的物体则难以进行模型化表述。为了借鉴图像处理领域的物体识别方法,本文采用一种基于bearing angle (BA)模型的激光测距数据表述方法,从而将三维点云数据转换为二维BA图。同一类物体中的个体形态具有多样性,同时观测视角也导致激光测距数据的显著差异。针对这些问题,利用物体碎片及其相对于物体中心的位置作为特征,采用一种基于boosting算法的有监督学习方法来训练分类器,从而完成室内场景中的物体检测。本文利用区域扩张算法进行平面特征的提取,并根据平面属性及其相互间的空间关系,完成室内场景框架的辨识。利用室内场景框架辨识结果在BA图中进行天棚、地面、墙壁等区域的标记,并利用所产生的语义信息去除错误的检测结果,从而有助于提高物体检测的正确率。对三维激光数据相对应的BA图进行分割,并根据激光点云数据到激光扫描仪光心的距离来确定分割图像的缩放比例。对缩放后的图像进行物体检测,可以有效地提高物体检测的正确率和召回率。利用实际机器人平台所获得的实验结果验证了所提方法的有效性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 研究现状与发展趋势
• 1.3 本文的主要工作及创新点
• 2 三维激光数据的获取及表述
• 2.1 三维激光测距系统
• 2.2 三维激光信息的BA图表述
• 3 基于boosting分类器的物体检测
• 3.1 Boosting算法原理
• 3.2 基于碎片特征的boosting分类器
• 3.2.1 弱分类器
• 3.2.2 创建碎片字典
• 3.2.3 计算特征向量
• 3.2.4 训练弱分类器
• 3.3 基于boosting分类器的物体检测
• 4 基于三维激光测距的物体检测
• 4.1 BA图场景框架的标记
• 4.2 BA图场景的空间分割
• 4.3 激光场景的物体检测
• 4.4 物体检测实验结果与分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢