面向移动机器人的三维点云数据建模系统

摘要

移动机器人是当前多学科交叉领域中炙手可热的研究方向之一，在军事领域和商业领域中都具有十分巨大的价值。其中对于无人车的研究更因为汽车数量的增长、交通事故的频繁发生等原因越来越受到人们的重视，更加智能安全的无人车也应运而生。移动机器人通过多种传感器获取周围信息，经数据融合过程后构建出准确细致的环境模型，进而选择合适的行驶策略。
　　然而目前的移动机器人主要以高速公路环境作为研究重点，对于城市内部交通环境以及野外交通环境的研究内容较少。同时由于非高速公路环境中大量存在的障碍物和起伏路面，适用于平坦高速公路环境的算法在这些场景中也受到了很大的限制，对于复杂环境的建模能力较弱。
　　本文正是基于这一问题，通过将传统的三维雷达建模方法进行创新，并与机器学习理论相结合，设计实现了一个三维点云数据建模系统。本文首先从栅格地图的建模方案入手，分析了多种建模方案的优劣，并在最大最小高度图的基础上进行了改进，添加额外的参数项，增强了其建模效果和对于悬挂结构的处理能力。其次，本文在基于直线的地面分割模型的基础上，由机器学习算法获得启发，将支持向量回归模型应用到地面分割曲线的拟合过程中，增强了线性地面分割对于起伏路面的处理能力。最后，本文综合全文方法，对于各个功能模块进行了详细的分析与阐述，并利用C++语言设计与实现了三维点云数据建模系统。该系统可以对三维点云数据进行高效准确的处理，同时兼顾三维点云数据的灵活显示，为三维激光雷达点云数据的观察研究与后续分析奠定了坚实的基础。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 移动机器人研究现状

1.3 环境感知技术研究现状

1.4 本文主要工作

2 相关理论与技术基础

2.1 三维激光雷达的参数模型

2.2 支持向量机简介

2.3 第三方库支持

2.4 本章小结

3 三维点云数据栅格化地图建模

3.1 几种常见的高程栅格地图

3.2 拓展的最大最小高度图

3.3 实验结果与分析

3.4 本章小结

4 三维点云数据地面分割与目标聚类

4.1 几种常见的地面分割方法

4.2 基于支持向量回归的地面分割

4.3 三维点云数据目标聚类

4.4 实验结果与分析

4.5 本章小结

5 三维点云数据建模系统的实现

5.1 三维点云数据建模系统分析

5.2 功能模块的设计与实现

5.3 用户交互模块

5.4 本章小结

结论

参考文献

附录A Velodyne HDL-32网络数据包格式

附录B 拓展的最大最小高度图建模算法

致谢