Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (02.2019) : TWO-DIMENSIONAL ENVIRONMENT RECONSTRUCTION BASED ON ABSOLUTE LOCAL DEFLECTION ANGLE OF LASER SCANNING DATA

TWO-DIMENSIONAL ENVIRONMENT RECONSTRUCTION BASED ON ABSOLUTE LOCAL DEFLECTION ANGLE OF LASER SCANNING DATA

© 2019    Chunyong Wang, Jiancheng Lai, Bo Tang, Wei Yan, Yunjing Ji, Zhenhua Li

Department of Information Physics and Engineering, Nanjing University of Science and Technology, Nanjing, China

E-mail: laijiancheng@njust.edu.cn

Submitted 04.07.2018

DOI:10.17586/1023-5086-2019-86-02-29-35

Successive edge following (SEF) is extensively used to extract environment characteristics from two-dimensional laser scanning data given its simplicity. Conventional SEF compares the Euclidean distance between two adjacent points to either a fixed or an adaptive threshold. However, the segmentation accuracy is low and information loss occurs during processing of planes with large deflection angle with respect to the laser sensor, because the distance estimation is sensitive to this angle. Moreover, available SEF algorithms cannot suitably determine corners in the environment. To address these problems, we propose an extended SEF algorithm based on the absolute local deflection angle of laser scanning points. The proposed algorithm determines the local deflection angle between target and reference points, and an adaptive threshold is calculated based on the range precision of the laser sensor. Furthermore, corners are efficiently estimated and noise is mitigated by using three constraints. An experiment on two-dimensional environment reconstruction of an underground parking lot verifies the accuracy and capability of the proposed algorithm to reconstruct the lines and corners representing the environment. 

Keywords: successive edge following, laser sensor, laser scanning, feature extraction, corner detection.

OCIS codes: 280.3420, 280.3400, 040.1880

 

Восстановление пространственного окружения при двумерном лазерном сканировании, использующее данные об абсолютной величине локального угла отклонения

© 2019 г. Chunyong Wang, Jiancheng Lai, Bo Tang, Wei Yan, Yunjing Ji, Zhenhua Li

Благодаря свое простоте, алгоритм последовательного отслеживания границы (Successive edge following (SEF)) широко применяется для извлечения характеристик окружения из данных двумерного лазерного сканирования. Обычно в методе SEF сравнивается эвклидово расстояние между двумя соседними точками с фиксированным или адаптивно изменяющимся пороговым значением. Однако точность сегментации оказывается небольшой, и происходит потеря информации при обработке плоскостей, отвечающих большим углам отклонения сканирующего излучения, поскольку оценка расстояния между точками чувствительна к этому углу. Помимо этого, обычные алгоритмы SEF не позволяют удовлетворительно распознавать наличие углов в окружении. Для преодоления этих недостатков предложен расширенный алгоритм SEF, использующий данные об абсолютном значении углов отклонения сканирующего лазерного излучения. В нём определяется локальный угол между объектом и референтными точками и вычисляется значение адаптивного порога на основе точностных параметров лазерного датчика. Показано, что с использованием указанного подхода успешно определяются углы, а также происходит подавление шума. Эксперимент по двумерному восстановлению обстановки в помещении подземного паркинга подтвердил соответствие полученной картины реальности и способность алгоритма к распознаванию линий и углов, представляющих окружение.

Ключевые слова: последовательное отслеживание границы, лазерный датчик, лазерное сканирование, выделение признаков, распознавание углов.

 

References

1.         He X., Cai Z. Feature extraction from 2D laser range data for indoor navigation of aerial robot // IEEE CAC. 2013. P. 306–309.

2.         Yin J., Carlone L., Rosa S., Bona B. Graph-based robust localization and mapping for autonomous mobile robotic navigation // IEEE ICMA. 2014. P. 1680–1685.

3.         An S.-Y., Kang J.-G., Lee L.-K., Oh S.-Y. SLAM with salient line feature extraction in indoor environments // IEEE ICARCV. 2011. P. 410–416.

4.         Nguyen V., Martinelli A., Tomatis N., Siegwart R. A comparison of line extraction algorithms using 2D laser rangefinder for indoor mobile robotics // IEEE/RSJ IROS. 2015. P. 1929–1934.

5.         Nguyen V., Gächter S., Martinelli A., Tomatis N., Siegwart R. A comparison of line extraction algorithms using 2D range data for indoor mobile robotics // IEEE/RSJ IROS. 2005. P. 97–111.

6.         Premebida C., Nunes U. Segmentation and geometric primitives extraction from 2D laser range data for mobile robot applications // Robotica. 2005. P. 17–25.

7.         Rasheed U., Ahmed M., Ali S., Afridi J., Kunwar F. Generic vision based algorithm for driving space detection in diverse indoor and outdoor environments // IEEE ICMA. 2010. P. 1609–1614.

8.        Victorino A.C., Rives P. Bayesian segmentation of laser range scan for indoor navigation // IEEE/RSJ IROS. 2004. P. 2731–2736.

9.         Siadat A., Kaske A., Klausmann S., Dufaut M., Husson R. An optimized segmentation method for a 2D laser-scanner applied to mobile robot navigation // Proceedings of the 3rd IFAC Symposium on Intelligent Components and Instruments for Control Applications. 2007. P. 153–158.

10.       Borges G.A., Aldon M.J. Line extraction in 2D range images for mobile robotics // Journal of Intelligent and Robotic Systems. 2004. P. 267–297.

11.       Duda R.O., Hart P.E. Pattern classification and scene analysis. New York: John Wiley, 1973. P. 183–196.

12.       Pavlidis T., Horowitz S.L. Segmentation of plane curves // IEEE Transactions on Computers. 1974. P. 860–870.

13.       Bolles R.C., Fischler M.A. A RANSAC-based approach to model fitting and its application to finding cylinders in range data // Proceedings of the 7th International Joint Conference on Artificial Intelligence. 1981. P. 637–643.

14.       Duda R.O., Hart P.E. Use of the Hough transformation to detect lines and curves in pictures // Communications of the ACM. 1972. P. 11–15.

15.       Bu Y., Zhang H., Wang H., Liu R., Wang K. Two-dimensional laser feature extraction based on improved successive edge following // Appl. Opt. 2015. P. 4273–4279.

 

 

Полный текст