基于点云室内场景语义识别的室内障碍物要素图构建

发布时间：2023-05-11 06:02

　　目前主要的地图成图形式可以总结为两大种类,分别是手动成图以及自动成图。手动成图主要依靠Auto CAD、Arcgis等相关软件绘制,主要缺点是耗时耗力,工作效率低下。自动成图方法主要是基于特征制图、基于影像强度和阴影制图以及基于SLAM的制图方法等。该类成图方法的缺点是,地图冗余复杂。针对上文提及的问题,本文利用室内点云数据通过自动成图的方法来构建内容简洁,且可以高效的用于室内导航的障碍物要素图,且该图主要包含四部分:墙体、门、影响通行障碍物(IMO)以及非影响通行障碍物(N-IMO)。本文所使用数据为S3DIS和Matterport3D数据集,主要针对写字楼、餐厅、居所以及医院进行实验,生成该障碍图的方法主要包括四部分内容:基于点云室内场景识别,实验场景自动分类,先验规则总结及自定义评判指标选取,障碍物要素图生成。具体研究内容如下:a)室内主要活动场景总结。我们将室场景大致分为七类,分别是医院、居所、学校教室、写字楼、车站、餐厅、商场,涵盖了人们室内生活的大部分场景。b)基于点云室内场景识别。本文利用PointNet融合马尔科夫随机场(MRF)的方法,对点云数据进行识别。我们将Poi...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究内容
        1.3.1 研究内容与方法
        1.3.2 技术路线和文章结构
2 室内场景识别
    2.1 实验数据简介
    2.2 主流场景识别方法
        2.2.1 基于对象的场景识别
        2.2.2 基于区域的场景识别
        2.2.3 基于上下文的场景识别
    2.3 PointNet-MRF室内场景识别
        2.3.1 PointNet模型结构原理
        2.3.2 基于PointNet融合MRF室内场景识别
3 室内场景自动分类
    3.1 实验数据介绍
        3.1.1 训练数据
        3.1.2 测试数据
    3.2 ResNet模型结构原理介绍
    3.3 实验结果分析
4 先验规则及自定义指标
    4.1 先验规则
        4.1.1 餐厅先验规则
        4.1.2 学校教室先验规则
        4.1.3 交通枢纽站先验规则
        4.1.4 商场场景先验规则
        4.1.5 医院先验规则
        4.1.6 居所先验规则
        4.1.7 写字楼先验规则
    4.2 自定义指标
        4.2.1 障碍物移动性
        4.2.2 点云数据特性
5 障碍物要素图制作
    5.1 获取制图要素
    5.2 制图概述及障碍图表达
        5.2.1 欧式聚类算法简述
        5.2.2 RANSAC拟合算法简述
        5.2.3 障碍物要素图表达
6 实验结果与解析
    6.1 基于点云室内场景识别
        6.1.1 写字楼内部场景
        6.1.2 餐厅内部场景
        6.1.3 居所内部场景识别
        6.1.4 医院内部场景识别
    6.2 障碍物要素图绘制
        6.2.1 障碍物要素图
7 总结与展望
    7.1 研究工作总结
    7.2 研究展望
致谢
参考文献
附录



本文编号：3814311