基于同步定位成图的便携式激光感知系统研究
这是一篇关于三维激光扫描,同步定位成图,地图创建,轨迹跟踪的论文, 主要内容为三维环境感知技术一直是移动机器人、自主驾驶车辆、灾害应急救援等应用中的重要研究领域之一,是识别、避障、成图和定位的关键技术。目前,可用于三维环境感知的传感器种类繁多,如雷达、超声、视频、声呐、激光等,每种传感器均具有其特定的优缺点和适应条件。激光扫描因其距离远、精度高、成本低、非接触等优点,已经成为三维空间感知的首选技术。然而,国内外大多数三维空间感知产品均为一站式三维激光扫描系统,即通过在已知点或可获得姿态的未知点设站,进行三维激光扫描并在通视范围内获得三维空间点云。在大场景扫描中,虽然此类产品可通过多站拼接等技术,从不同的角度对待测场景进行多角度多次扫描,再拼接形成连续三维点云地图,但这个过程中需要复杂全站仪等设备辅助,效率低下、实施复杂、价格昂贵。同时,通过机载三维激光雷达可实现三维空间的连续测量,但其成本高、结构复杂、体积大,根本无法在日常的建筑扫描、街道测绘、路面避障、野外测绘等方面应用,目前国内外在对未知区域的便携式三维激光感知设备方面尚处于研究阶段,迫切需要研究开发相关快速三维激光感知技术与装备。针对上述需求,本文研究开发了一种新型的可同时完成周围三维空间实时探测与高精度自身运动路径跟踪的便携式三维激光感知系统,该系统主要包括扫描基座和扫描手柄,在扫描基座上安装线扫描激光传感器和惯性导航单元,再通过主动连接部件与手柄连接,其可架设于车辆上或由行人手持使用,通过车辆或行人本身的摇晃,带动线扫描激光传感器和惯导单元往复晃动,使二维的线扫描激光传感器将其扫描平面进行空间拼接,形成三维空间扫描点云,并估计出自身路径。同时,本文还重点对三维激光感知系统进行激光扫描时采集的点云数据的处理方法、同步定位成图(SLAM)算法和全局配准方法进行了详细阐述,并确保其在相邻两次传感器采样之间的很短的时间间隔内完成计算,实现在线处理。为了验证整个三维激光感知系统的精度、稳定性和实时性,本文分别开展了室内、室外工业试验。首先,在实验室、楼梯间等进行了室内复杂场景的扫描试验,之后,在户外森林中的小路上进行了大区域闭合路线的扫描试验,并采用实验室原有的基于德国SICK传感器的高精度旋转型三维激光扫描系统和德国进口的高精度ART三维运动跟踪系统对本文所研发的三维激光感知系统样机的性能进行了长时间对比验证。现场试验结果表明,本系统可以在不需要外界传感器或信号支撑的前提下,基于同步定位成图(SLAM)技术,进行在线的高精度的6自由度移动轨迹测量,同时基于扫描得到的三维点云数据,同步地实现高精度三维空间连续扫描成图。该系统结构简单、重量轻、成本低,在交通、军事、建筑、航空、工业等领域均具有良好的技术优势和市场推广价值。
舜过山边坡信息化/自动化监测技术研究及其稳定性分析
这是一篇关于信息化/自动化监测,三维激光扫描,降雨入渗,数值模拟,稳定性分析的论文, 主要内容为本论文以常州舜过山山体为研究对象,采用了常规工程监测、基于振弦式传感器(锚杆应力)智能采集系统的锚杆应力监测和基于三维激光扫描技术的边坡变形监测,对降雨环境下的常州舜过山边坡灾害机理及多种自动化/信息化监测手段进行了测试分析研究。并针对该边坡进行了极端降雨条件下的稳定性分析。主要工作内容和研究成果如下:(1)自滑坡治理以来,对边坡进行了大量常规工程监测,通过裂缝观测、岩土体位移监测和锚杆应力监测等,初步对治理后边坡坡体位移变形做出了判断。结果表明:施工安全期和运营防治期所有常规工程监测数据均未超出预警设计控制值,符合预警设计要求,边坡整体处于稳定状态。对于岩土体变形监测,雨季4~9月期间波动较为明显,雨季后10~12月期间变形发展较快。应加强该阶段边坡变形监测和预警工作。(2)振弦式传感器(锚杆应力)智能采集系统在舜过山边坡的成功应用,实现锚杆应力的自动化连续监测。微信小程序和Web端信息化平台的成功应用,可以有效的采集锚杆应力数据,同步实时上传数据,使得监测信息成果部署更简单、查看更方便。通过模块化管理数据,业务推送也更加简易方便。报警阀值设置和报警推送方便,使用者可以随时随地对现场监测工作进行管控。结果表明:该系统较市场上自动化设备,有价格低、兼容性好的优势;较传统监测手段,有监测连续性强、成本价格低、自动化/信息化的优势。自动化锚杆监测数据显示,4-9月份雨季阶段监测数据波动较大,发展较快,应加强该阶段监测预警工作。(3)基于三维激光扫描技术监测远距离高陡边坡,获取边坡的表面位移,制成边坡点云数据图,从而判断边坡的稳定性。并与全站仪所测变形数据对比,实现与传统监测方式的互补。通过点云数据分析为边坡分析、危害评估(边坡变形测量与危害分析)和滑坡预警提供大数据支撑。该技术在常州舜过山边坡变形监测中的成功应用,进一步论证了三维激光扫描技术的可行性,未来可广泛应用于地质灾害预警和工程建设项目。结果表明:基于点云数据拼接下的边坡竖向和水平位移变形图分析,整体边坡变形量均不超过±1.5 mm,舜过山边坡经历雨季,边坡处于稳定状态。(4)基于数值模拟对降雨环境下的舜过山边坡进行稳定性分析,具体分析了强降雨环境、实际连续降雨环境和治理后边坡暴雨环境下的边坡稳定性。以8-8剖面边坡为例,边坡稳定性分析数值模拟计算结果表明:(1)强降雨环境会显著增大岩土体孔隙水压力,降低边坡稳定性安全系数;随着降雨量的增大,软弱夹层(粉砂质泥岩)抗剪强度降低越明显,边坡山体滑坡的可能性也就越大。(2)舜过山区域累计100 mm的实际连续降雨环境对边坡稳定性影响不大。(3)治理后的舜过山边坡,8-8剖面滑动面1和滑动面2边坡稳定性安全系数分别提高了0.464和0.293,达到了1.469和1.203,边坡处于稳定状态,进一步证明了削坡、挂网和加锚杆等边坡治理方法的可行性和有效性。
基于多层感知机的大场景点云分类方法研究
这是一篇关于深度学习,三维激光扫描,点云分类,多层感知机,RS-ShellNet的论文, 主要内容为城市实景的三维化是数字城市的空间定位框架和分析基础。在数字城市的实践中,点云数据是三维几何信息的重要表现形式之一,是实现实景三维建模和分析的关键,其实际应用也在不断扩展和深化。在智能驾驶、电力线路检测和森林监测等领域,点云应用逐渐成熟,并且在深度学习的辅助下,数据处理的准确率和效率不断提升。点云具有数据量大、类型复杂等特点,传统方法分类效率较低,因此基于深度学习方法的点云自动化分类是重要的研究点。在复杂环境下的点云自动化分类中,仍然存在一些挑战。在采集点云数据时,受到遮挡、噪声和稀疏性等因素的影响,采集到的样本数据通常不够完整,这会导致训练模型性能无法达到预期。此外,当点数在亿级以上时自动化分类难度较大,会出现分类效率较低的问题。针对以上问题,本文进行了相关的研究与分析,主要内容如下:(1)针对目前三维点云分类研究缺少大型城市场景数据集的问题,构建南京奥林匹克体育中心和苏州创投工业坊两个城市场景的点云数据集。利用背包式三维激光扫描仪获取原始点云数据,经过点云配准、点云分块、点云滤波、点云标注等数据预处理,最终得到完整的大场景数据集,包括训练样本和验证样本。(2)为了验证构建数据集的正确性与可靠性,选择Point Net++、Shell Net、Rand LA-Net三个基于多层感知机的网络模型进行训练,并与传统的SVM方法进行对比。结果表明,在苏州市创投工业坊数据集上对建筑的分类准确率分别为98.41%、98.61%、92.60%,对杆状物的分类准确率为73.02%、75.31%、74.25%,说明本文所构建的大场景数据集在三维城市场景中具有良好的点云分类效果。(3)为了提高自动化分类的时间效率,本文提出了一种RS-Shell Net网络模型,在原始Shell Net模型中融合随机采样技术,实现对原始点云的高效采样。在保证精度的前提下,该模型对原始点云数据进行简化,使得网络模型处理的数据更少。结果表明,在苏州市创投工业坊数据集上,该模型对建筑的分类准确率为93.55%,训练时间比原模型减少24.57%,提高了网络训练效率。
基于三维激光扫描的石窟寺病害建模及可视化研究
这是一篇关于文物保护,石窟寺病害,三维激光扫描,三维数字化模型,虚拟交互的论文, 主要内容为石窟寺集中体现了我国辉煌灿烂的古代文明,展示了宗教建筑、壁画和雕刻艺术的伟大成就。因此,石窟寺的保护利用是促进中华优秀传统文化长期传承的必要条件。然而,由于自然环境和人为因素等多重不利条件,许多石窟寺都出现了不同程度的病害。随着数字化技术的日新月异,三维激光扫描、逆向建模、虚拟现实等技术被广泛应用在文物保护工作中。因此,本文以庆阳北石窟寺为研究对象,研究开发了一套结合三维激光扫描和虚拟现实技术的病害信息管理平台,拓展了上述技术在石窟寺病害治理中的应用场景。首先使用三维激光扫描仪获取石窟寺的完整点云数据。随后在结合现有病害的基础上,利用数字图像处理技术,实现石窟寺顶板裂隙的特征信息提取(如长度、宽长比、角度等)。同时运用逆向建模技术创建石窟寺的三维数字化模型,并以此搭建一套适用于石窟寺病害的综合信息管理平台,实现了病害信息的可视化与虚拟交互。以上方法可有效针对传统保护手段对病害信息管理的缺失,为综合评估石窟病害发展现状提供有效依据,主要研究成果如下:(1)以三维激光扫描仪得到的石窟寺顶板点云数据为基础,利用裂隙与周围岩体高程差将顶板点云映射成二维高程深度图,结合数字图像处理和形态学技术,高效实现了石窟寺顶板裂隙特征信息的提取。(2)利用ContextCapture Center和Geomagic Studio软件对石窟寺分别进行逆向建模研究,并总结归纳了两款软件的主要工作流程。通过在软件功能、建模精度、工作效率三个方面进行对比,提出两款逆向建模软件对文物种类建模的适用性。研究发现ContextCapture Center功能简单,分工清晰,更适用大型建筑建模。Geomagic Studio功能复杂,在细节方面表现良好,适用于中小型物体建模。为文物保护采取建模软件提供参考。(3)根据病害类型完成石窟寺主体模型的区域划分,并在3D Max中为划分后的区域匹配相应的纹理图像,使用虚幻引擎完成UI界面设计及蓝图制作,从而搭建石窟寺病害信息管理平台,并进一步在该平台中实现病害信息(如裂隙等)的交互与可视化。
基于多层感知机的大场景点云分类方法研究
这是一篇关于深度学习,三维激光扫描,点云分类,多层感知机,RS-ShellNet的论文, 主要内容为城市实景的三维化是数字城市的空间定位框架和分析基础。在数字城市的实践中,点云数据是三维几何信息的重要表现形式之一,是实现实景三维建模和分析的关键,其实际应用也在不断扩展和深化。在智能驾驶、电力线路检测和森林监测等领域,点云应用逐渐成熟,并且在深度学习的辅助下,数据处理的准确率和效率不断提升。点云具有数据量大、类型复杂等特点,传统方法分类效率较低,因此基于深度学习方法的点云自动化分类是重要的研究点。在复杂环境下的点云自动化分类中,仍然存在一些挑战。在采集点云数据时,受到遮挡、噪声和稀疏性等因素的影响,采集到的样本数据通常不够完整,这会导致训练模型性能无法达到预期。此外,当点数在亿级以上时自动化分类难度较大,会出现分类效率较低的问题。针对以上问题,本文进行了相关的研究与分析,主要内容如下:(1)针对目前三维点云分类研究缺少大型城市场景数据集的问题,构建南京奥林匹克体育中心和苏州创投工业坊两个城市场景的点云数据集。利用背包式三维激光扫描仪获取原始点云数据,经过点云配准、点云分块、点云滤波、点云标注等数据预处理,最终得到完整的大场景数据集,包括训练样本和验证样本。(2)为了验证构建数据集的正确性与可靠性,选择Point Net++、Shell Net、Rand LA-Net三个基于多层感知机的网络模型进行训练,并与传统的SVM方法进行对比。结果表明,在苏州市创投工业坊数据集上对建筑的分类准确率分别为98.41%、98.61%、92.60%,对杆状物的分类准确率为73.02%、75.31%、74.25%,说明本文所构建的大场景数据集在三维城市场景中具有良好的点云分类效果。(3)为了提高自动化分类的时间效率,本文提出了一种RS-Shell Net网络模型,在原始Shell Net模型中融合随机采样技术,实现对原始点云的高效采样。在保证精度的前提下,该模型对原始点云数据进行简化,使得网络模型处理的数据更少。结果表明,在苏州市创投工业坊数据集上,该模型对建筑的分类准确率为93.55%,训练时间比原模型减少24.57%,提高了网络训练效率。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕设工坊 ,原文地址:https://m.bishedaima.com/lunwen/54454.html