信息通信
INFORMATION & COMMUNICATIONS
2019年第6期(总第198期)
2019
(Sum. No 198)
陈浩
(北方工业大学信息学院，北京100144)
摘要：针对激光雷达在室内地图重建过程中，担描不到透明玻璃的问题，文章提出了 一种玻璃检测三维重建算法，实现了 三维地图中玻璃的重建。该方法将三维激光雷达担描的点云经过点云滤波、分割、聚类以及运动匹配，提取出感兴趣的 时彩族透明玻璃上的点云，从而识别出室内场景中的透明玻璃。实验结果显示，该算法能有效地使用激光雷达
数播检测玻璃并
中图分类号：TP391 文献标识码:A 文章编号:1673-1131(2019)06-0044-03
The Indoor Glass 3D Reconstruction Technology Based on Laser Radar
Chen Hao
(North China University ofTechnology, School of Ioformation, Bering 100144, China)
Abstract: Aiming at the problem that the transparent glass can not be scanned by laser radar in the process of indoor map re construction, a 3D reconstruction algorithm of glass detection is proposed and realize the reconstruction of the glass in the 3d map. This method extracts the point clouds on the interested transparent glass through point cloud 五ltering, segmentation, clustering and motion matching. The experimental results show that the algorithm can detect the glass effectively and reconstruct the 3D map.
Key words: 3D Map Construction; Laser Radaq Transparent Glass; Detection 0引言
在人工智能技术飞速发展的今天，机器人学作为一门理
论性和实践性都非常重要的交叉型复合学科，渗透到人们衣
食住行各个方面，而机器人的定位和地图构建技术是其中的
技术叫移动机器人同时定位与地图构建(Simultaneous Loc
alization and Mapping) SLAM 技术自其诞生以来一直是机器
人研究领域的关注点和重点。它为移动机器人提供了实现避
障、自我定位、路径规划和任务完成等问题的解决方案。激光约翰穆勒
雷达以其精度高和扫描范围广的特点成为移动机器人中被普 遍使用的传感器叫
目前激光雷达能够比较精确的测量周围环境中物体的距
离，并且能够获得环境信息，建出环境地图。但是由于激光雷 达是通过反射的激光信号来测量到物体的距离，所以它在遇
到透明玻璃时，不能得到可靠的信息，大多数激光雷达发出的
激光信号透过透明玻璃而不会反射回传感器。当激光雷达扫
描含有透明玻璃的环境时，其构建出来的结果是除玻璃之外
的物体信息都能够构建出来，而透明玻璃不能被检测出来，这 就会给移动机器人的在室内进行自主定位、避障等行为带来
很大的困扰，甚至会出现意想不到的危险。Foster 等人提出了 一种占用栅格算法，用来区分物体表面发生镜面反射还是漫 反射，能够有效区分出镜子和其它物体，但是对于玻璃来说,
其检测结果较差叫W Mao 等人则是提出一种传感器融合算
法，将超声波传感器数据与Kinect 相机的数据信息进行融合, 进行了透明物体的检测，但是并没有实现三维地图的构建叫
Xun Wang 等人提出根据反射光的强度来识别透明玻璃和其 它物体，并与现有二维SLAM 结合，能够有效检测玻璃，但是
其缺点是仅仅实现了二维地图的重建叭
针对上述提出的激光雷达检测不到透明玻璃的问题，本
文提出了一种基于运动匹配的玻璃检测算法，该算法将点云
数据进行滤波、分割、聚类提取等步骤，将玻璃上的离散点云 团提取出来，并进行运动匹配，识别出透明玻璃，最后加入到
三维地图构建算法中，实现了室内透明玻璃的三维地图重建。
1三维点云数据预处理
1.1点云数据体素网格滤波官媒
在机器人移动过程中，由于激光雷达每个时刻获取的点
云数据量较大，后面的点云处理以及地图构建较为耗时，因此
本文对激光雷达获取的点云数据进行了下采样处理。体素网
格滤波算法就是将激光雷达扫描的周围环境根据其体积将其 分为若干个小立方体网格，在网格创建之后，确定每个小网格 内是否包含有点云数据，如果网格里面没有点云，就把这个小
网格直接删除；如果小网格内包含有点云就计算出这个网格 的中心点，并且根据需要设定阈值来保留离中心点比较近的
图1点云数据下采样结果
1.2点云分割和聚类
点云数据经过滤波之后，因为室内的墙壁、地板、天花板
以及门等物体都是平面和竖直面，具有一致的法向量以及较
好的几何性质，本文采用了基于区域增长的分割算法对滤波
后的点云进行平面分割，将室内环境中的平面区域分割出来,
44
信息通信陈浩：基于激光雷达的室内玻璃三维重建算法
区域增长算法的核心是基于曲率和法线的比较，将满足平滑约束的相邻点合并在一起叫点云曲率越小代表这个点所在的表面越平坦，将计算的曲率从小到大进行排序，选取最小曲率值的点作为种子点，从种子点扩散开来，根据需求的距离约束查相应的近邻点，然后根据这些近邻点的法线来判断它们是否属于同一子集。倘若这两者法线之间的角度小于预先设置的角度阈值the，那么这个近邻点就加入种子点所在的子集中，并且这个近邻点将作为新的种子点，继续扩散开来，直到将所有点云分为不同的子集，完成区域生长的分割叫其实验结果如图2所示，点云中的平面区域部分被较好地分割出来，实现了对点云平面的分割。
图2点云平面分割结果
但是，在玻璃环境中，因为激光雷达发出的光绝大部分透过玻璃而无法返回被接收，所以尽管透明玻璃是平面的，在激光雷达扫描的点云图中显示的却只是很小的一团点云，其特性和周围的噪声点云类似。本文对透明玻璃的检测正是对空间离散点云团的运动匹配来判断玻璃的位置的。因此，为了提取玻璃上的点云团，需要将分割之后的无关平面区域去掉，以留下感兴趣的玻璃上的离散目标点云，接下来对去除平面之外的离散点云团进行欧式聚类提取，根据其空间距离的远近分为各个类。
欧式聚类提取算法是一种比较容易理解的聚类算法，就是将距离在一定阈值内的点归为一类叫点与点
之间的亲疏性根据欧式______________________
d=J(X”_入)2+(y”一儿)2+(z”一ZJ2(1)式中，(X”，儿,Z”),(x“儿，乙“毎别为空间中两点的点云坐标，d为这两点之间的欧式距离，假设一个三维点云集合P，其中总共包含有m个数据点，则其欧式聚类提取算法步骤为晌：
(1)对点云数据集合P的所有元素，创建kd树。
(2)创建一个空的聚类集合C和一个缓存队列Q。
(3)对集合P中的任意一个点p“先把P：放入缓存队列Q 中，以r«U为搜索半径来查n的最近邻的点云集合厅，然后对每一个耳中的元素p：e幷，判断是否已经被处理过，如果没有被处理过，就加入到Q中。直到Q中的点云都被处理过，就将Q中的点放入聚类集C，并且清空缓存队列Q。
(4)当P中的所有点云都遍历完，在C中会形成各种聚类。2基于运动匹配的玻璃检测算法
在室内地图构建过程中，透明玻璃不容易检测到的难点在于，激光射向其它物体时，大部分情况是发生漫反射，射向物体的激光仍有一部分返回被激光雷达检测到，而当激光以一定角度射向透明玻璃时，物体绝大部分激光透过玻璃，并没有返回被激光雷达接收，也就不能准确获取玻璃距离机器人的位置，从而造成构建过程中的缺失。但是当激光垂直射向玻璃时，有部分光线能返回激光雷达，在激
光雷达垂直射向玻璃的地方会出现类似于"障碍物”的一团点云，而激光以其他角度射向玻璃的地方，则显示为空的。并且随着机器人的移动，在玻璃上的那团点云也跟着不断移动。因此根据机器人每一帧的点云数据匹配情况来判断玻璃的位置。
激光扫描匹配的目标就是寻一组平移和旋转参数，使
得前后两帧点云对齐之后重合区域最多何。ICP作为激光雷达扫描匹配应用最广、研究最多的一种算法，该算法的基本模型
为：激光雷达扫描的当前帧的点云数据P={ft=(x”X,zJ}和
前一帧的参考点云数据0={q产(齐,R\求解刚体变换矩阵使得：
T*=argmin工⑵其中,R为三维旋转矩阵,t为平移向量,C为对应点的集合，点P’对应点企ICP匹配比较直接，容易实现，其关键步骤首先是根据两个点云集合的欧氏距离来建立各个点间的对应关系C，然后求解新的相对变换来使对应点欧氏距离平方和最小。对于给定的初值T；，通过不断迭代上述过程直到满足设定的迭代终止条件，此时得到的最优估计变换T•就是位姿变换问。本文将提出的玻璃检测算法与三维SLAM算法进行融合，其具体流程图如下所示。
图3基于SLAM的玻璃检测算法
3实验结果与分析
为了验证本文算法的效果，实验釆用Velodyne-16三维16线激光雷达获得室内三维点云数据，在ROS环境下使用PCL 点云库对点云数据进行处理,ROS是Willow Garage公司推出的具有完备通讯机制和完善基础功能包的机器人操作系统，其优点是工具包丰富、模块化需求、开源等阿。实验环境为1.7GHz主频,4G内存,CPU为i3-4010U,Ubuntu14.04操作系统，ROS版本为Indigo版本。在室内走廊中放置了一面透明玻璃，左图为原始SLAM算法构建出来的地图，右图为本文提出的算法构建出来的地图，紫的线为机器人的运动轨迹。
从图中可以看出，原始SLAM算法将墙体、窗户、电梯以及行人都构建出来了，但是透明玻璃并没有构建出来，透明玻
璃存在的地方显示的是空的，即机器人没有检测到玻璃的存在，因而构建出来的地图并不完整。本文提出的算法则构建出了玻璃，如图红方框所示，并显示了室内环境下的完整地图。并且本文将构建出来的玻璃大小与原始玻璃尺寸进行对比，其数据如下表所示。
表1三维点云地图中距离和实际距离值对比
重建值(m)真实值(m)相对谋差玻璃长度03120.530 3.4%玻璃和机擋人距离228623121J%
图4玻璃检测重建结果
45
2019年第6期信息通信2019
(总第198期)INFORMATION&COMMUNICATIONS(Sum.No198)基于eMMC高速U盘的研究
杨武韬陈贤香食杨维明2
(1.武汉滨湖电子有限责任公司；2.湖北大学计算机与信息工程学院，湖北武汉430000)
摘要：针对移动存储大容量、高性能的需求，研究了基于eMMC的U盘方案的架构，重点研究了eMMC管理单元SUP 流程和CHP的固件流程，在SUP流程中，介绍了USB协议处理的控制传输和批量传输；在CHP固件流程中，介绍了eMMC设备的初始化流程，读写流程。最终完成了U盘固件的设计和固件的调试,U盘的性能测试结果表明，基于eMMC 的U盘有着比普通U盘读写速度快的性能。
关键词:eMMC;USB；高速
中图分类号:TP333文献标识码:A文章编号：1673-1131(2019)06-0046-03
Research on High Speed U Disk Based on eMMC
Yang Wutao1,ChenXianxiang2,Yang Weiming2
(1.Wuhan Binhu Electronic co.,LTD,Wuhan;
2.School of Computer&[nfbrmation Engineering,Hubei University Wuhan,430000,China.)
Abstract:Aiming at the requirement of large capacity and high performance of mobile storage,this paper studies the architecture of U disk solution based on eMMC,focuses on the SUP process of eMMC management unit and the firmware process of CHP.In the process of SUI\the control transmis
sion and batch transmission ofUSB protocol processing are introduced.In the process of CHP firmware,the initialization process and the read-write process of eMMC device are introduced.Finally the firmware design and debugging of t he U disk are completed.The performance test results of t he U disk show that the U disk based on eMMC has faster read and write speed than the ordinary U disk.
2013河南中招试题
Key wordszeMMC;USB;high speed
0引言
通常u盘的组成方案是一个控制器芯片加上Flash，控制器芯片用于USB接口控制和对Flash的管理，对Flash的管理主要是纠检错管理、坏块管理。Flash存储器的算法非常复杂、技术演变非常快，因此对控制器的固件要求非常高。不仅如
此，固件代码研发周期长，代码维护成本髙，这对降低U盘成
河北大学人民武装学院
4结语
移动机器人的室内环境的即时定位和三维地图构建是机器人实现自主导航和行走的前提，在这篇文章中，采用了SLAM算法以及Velodyne激光雷达釆集的数据进行结合，从而实现了移动机器人的室内定
位和三维环境的地图构建。同时针对激光雷达测量周围环境过程中对透明玻璃数据的部分缺失，提出了一种基于激光雷达的室内环境透明玻璃检测和重建算法，该算法基于移动机器人和透明玻璃的反射特性，通过点云和机器人移动的匹配性来检测玻璃，在移动机器人地图构建领域具有一定的实用价值。
参考文献：
[1]Siegwart R,Nourbakhsh IR.自主移动机器人导论[M].李
人厚译.西安：西安交通大学出版社,2006.
[2]刘怡晓.基于激光雷达的室内同步建图与定位系统研究
[D].哈尔滨工业大学,2017.
[3]Foster,P.,et al.MsAGGE:"sible angle grid for glass envi
ronments[C].IEEE International Conference on Robotics and Automation,2013:2213-2220.
[4]M.Ye,Yu Zhang,R.Yang and D.Manocha,"3D Reconstruc
tion in the presence of glasses by acoustic and stereo fusion,"2015IEEE Conference on Computer Vision and Pattern Recognition(CVPR),Boston,MA,2015:4885-4893.本是不利的。此外,Flash通常采用的是TSOP封装，坏品率较高。
基于eMMC的U盘方案可以有效解决成本高和坏品率高的问题。eMMC(embedded Multi-Media Card，嵌入式多媒体卡)是目前国内推出的新一代存储设备，釆用统一的MMC 标准接口，它是NAND Flash和MMC控制器的封装。本文对基于eMMC的U盘固件进行了设计与调试，测试结果表明，
[5]X.Wang,J.Wang."Detecting glass in Simultaneous Localization二等残废
and Mapping".Robotics and Autonomous Systems^017:97-103.
[6]李兵，闫潇，陈磊，等.一种基于激光传感器快速检测透平叶
片的方法[几光子学报,2017,46(11):205-215.
[7]Xu B,Jiang W Shan J,et al.Investigation on the weighted
RANSAC approaches for building roof plane segmentation fromLiDARpoint clouds[J].Remote Sensing,2015,8(1):5.
[8]Rabbani T,Heuvel F,Vosselman G.Segmentation of point
clouds using smoothness constraint[C].International Archives of P hotogrammetiy Remote Sensing&Spatial Information Sciences,2006.
[9]Assem I,Dupont G.Friezes and a construction of the Eu
clidean cluster variables[J].Journal of Pure and Applied Algebra,2011,215(10):2322-2340.
[10]梁明杰，闵华清，罗荣华.基于图优化的同时定位与地图创
建综述[几机器人学报,2013,35(4):500-512.
[11]顾文华，周波，戴先中•基于ICP匹配算法的室内移动机器人
定位[J].华中科技大学学报(自然科学版)，2013,41(S1): 262-266.
[12]Segal,D.Haehnel,and S.Thrun.Generalized-ICP.In Pro
ceedings of Robotics:Science and Systems,2009.
[13]安峰.基于开源操作系统ROS的机器人软件开发[J].单片
机与嵌入式系统应用,2017,17(05):27・29.
46
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议