激光雷达SLAM三维建图、点云算法 点云处理

激光雷达SLAM三维建图、点云算法 点云处理
自己写的算法 没用任何现成的库文件3D云台激光扫描系统
创新的结合高精度单轴云台和2维激光雷达,获取大场景下高精度点云轮廓,为自动化工业场景提供先验数据。
该方案目前已经部署多台,涉及矿业、冶金、建筑、运输等多个行业,系统支持多种雷达,可根据场景进行不同配置。
3D激光扫描平台是集成机械、电子以及软件于一体的高精密、集成化设备。
采用精密同步云台将二维激光雷达的测量数据与雷达的实时角度数据融合,利用点云处理算法还原成三维点云图像。

3D激光扫描平台:创新点云算法与工业应用

引言

随着科技的不断发展,激光雷达技术在许多领域得到了广泛的应用。尤其在自动化工业场景中,高精度的3D激光扫描平台发挥着至关重要的作用。本文将围绕一种基于激光雷达SLAM技术的3D云台激光扫描系统,阐述点云算法与点云处理的核心技术,分析其创新性,并探讨在矿业、冶金、建筑、运输等多个行业的应用。

一、3D激光扫描平台技术原理

3D激光扫描平台是一种集成了机械、电子和软件的高精密、集成化设备。其核心部件是二维激光雷达和精密同步云台。激光雷达通过测量物体表面距离和角度信息ÿ

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【资源介绍】 基于slam技术基础的点三维项目c++源码+操作说明.zip 该项目是个人毕设项目,答辩评审分达到95分,代码都经过调试测试,确保可以运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 代码内容 charuco_board(charuco板的创与识别) calibration(相机标定) segmentation(阈值分割) solvePnP(PnP求解) reconstruction(重) viz(三维可视化) --- 项目架构 ![image](image/3drecon流程.png) 1. **创charuco板** 2. **相机标定** 3. **初始化点** 4. **立世界坐标系, solvePnP解出相机位姿** 5. **阈值分割提取目标** 6. **重投影筛选出目标三维点** 7. **viz显示三维结果** --- 运行环境 ubuntu 18.04 vtk (6.0及以上) pcl (1.8及以上) opencv (3.0及以上) opencv-contrib (opencv同版本) --- 编译项目 在项目根目录下 编译后在build文件夹的bin目录里产生可执行文件 ``` mkdir build cd build cmake .. make ``` --- 运行项目 在项目根目录下 ``` cd build/bin ./recon -w=5 -d=10 -h=7 -sl=34 -ml=20 -c="camera_params.yml" -dp="detector_params.yml" -ci=1 ``` -w charuco板宽的格子数 -h charuco板长的格子数 -d 创charuco所用的dictionary -sl suqare 长度, 单位mm -ml marker 长度, 单位mm -c 标定得出的相机内参和畸变文件 -dp 识别所用的参数 -ci 调用的摄像头编号 **详细请阅读opencv-contrib aruco中的文档** --- 结果演示
前言: 说起来,该3D激光扫描测距仪(3D激光雷达)就核心设计原理来而言,应该在激光键盘(https://www.cirmall.com/circuit/2978/detail?3)设计项目之后。现在给大伙讲讲3D扫描测距仪的相关原理和制作细节。请耐心读完,方可吸收其中的精华。 在开始介绍原理前,先给出一些扫描得到的3D模型以及演示视频,给大家一个直观的认识 扫描得到的房间一角: 扫描的我 扫描仪实物 激光三角测距原理这里统一列出他们的参数: 摄像头:VGA画质的USB摄像头,30fps (市面普遍可以购买的型号)。非广角 激光器:50mW 红外一字线激光 808nm 滤光片:10mm直径红外低通滤光片 舵机:HS-322hd 43g标准舵机 本文结构简单介绍了激光雷达产品的现状 : 线状激光进行截面测距原理 3D激光扫描仪的制作考虑 参考文献 简介-激光扫描仪/雷达: 这里所说的激光扫描测距仪的实质就是3D激光雷达。如上面视频中展现的那样,扫描仪可以获取各转角情况下目标物体扫描截面到扫描仪的距离,由于这类数据在可视化后看起来像是由很多小点组成的团,因此常被称之为:点(Point Clould)。在获得扫描的点后,可以在计算机中重现扫描物体/场景的三维信息。 这类设备往往用于如下几个方面: 机器人定位导航 目前机器人的SLAM算法中最理想的设备仍旧是激光雷达(虽然目前可以使用kinect,但他无法再室外使用且精度相对较低)。机器人通过激光扫描得到的所处环境的2D/3D点,从而可以进行诸如SLAM等定位算法。确定自身在环境当中的位置以及同时创出所处环境的地。这也是我制作他的主要目 的之一。 零部件和物体的3D模型重测绘 现状: 目前市面上单点的激光测距仪已经比较常见,并且价格也相对低廉。但是它只能测量目标上特定点的距离。当然,如果将这类测距仪安装在一个旋转平台上,旋转扫描一周,就变成了2D激光雷达 (LIDAR)。相比激光测距仪,市面上激光雷达产品的价格就要高许多: Hokuyo 2D激光雷达: 上为Hokuyo这家公司生产的2D激光雷达产品,这类产品的售价都是上万元的水平。其昂贵的原因之一在于他们往往采用了高速的光学振镜进行大角度范围(180-270)的激光扫描,并且测距使用了计算发射/反射激光束相位差的手段进行。当然他们的性能也是很强的,一般扫描的频率都在10Hz以上,精度也在几个毫米的级别。 2D激光雷达使用单束点状激光进行扫描,因此只能采集一个截面的距离信息。如果要测量3D的数据 ,就需要使用如下2种方式进行扩充: 采用线状激光器 使用一个2D激光雷达扫描,同时在另一个轴进行旋转。从而扫描出3D信息。 说明: 第一种方式是改变激光器的输出模式,由原先的一个点变成一条线型光。扫描仪通过测量这束线型光在待测目标物体上的反射从而一次性获得一个扫描截面的数据。这样做的好处是扫描速度可以很快 ,精度也比较高。但缺点是由于激光变成了一条线段,其亮度(强度)将随着距离大幅衰减,因此测距范围很有限。对于近距离(<10m)的测距扫描而言,这种方式还是很有效并且极具性价比的,本文介绍的激光雷达也使用这种方式, 对于第二种方式,优点是可以很容易用2D激光雷达进行改造,相对第一种做法来说,他在相同的激光器输出功率下扫描距离更远。当然,由于需要控制额外自由度的转轴,其误差可能较大,同时扫描速度也略低。 这类激光雷达产品目前在各类实验室、工业应用场景中出现的比较多,但对于个人爱好着或者家用 设备中,他们的价格实在是太高了。当然,目前也有了一个替代方案,那就是kinect,不过他的成像 分辨率和测距精度相比激光雷达而言低了不少,同时无法在室外使用。 低成本的方案 造成激光雷达设备高成本的因素为 使用测量激光相位差/传播时间差测距 高速振镜的高成本 矫正算法和矫正人工成本 对于个人DIY而言,第三个因素可以排除,所谓知识就是力量这里就能体现了:-) 对于前2个因素,如果要实现完全一样的精度和性能,那恐怕成本是无法降低的。但是,如果我们对精度、性能要求稍 微降低,那么成本将可以大幅的下降。 首先要明确的是投入的物料成本与能达成的性能之间并非线型比例的关系,当对性能要求下降到一 定水平后,成本将大幅下降。对于第一个因素,可以使用本文将介绍的三角测距方式来进行。而对于 扫锚用振镜,则可以使用普通的电机机构驱动激光器来替代。 本文介绍的低成本3D激光扫描仪实现了如下的成本/性能: 成本:~¥150 测量范围:最远6m 测量精度:(测量距离与实际距离的误差)最远6m出最大80mm误差,近距离(<1m),误差水平在 5mm以内 扫描范围:180度 扫描速度:30 samples/sec (比如以1度角度增量扫描180度,耗时6秒) 对于精

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值