Institute of Fundamental Technological Research

W artykule przedstawiono metodę budowy hybrydowej rastrowo-obiektowej mapy otoczenia mobilnego na podstawie wskazań skanera laserowego 3D. Chmura punktów jest zapisywana w postaci zbioru wektorów normalnych. Składowe wektora są reprezentowane jako składowe RGB. Przeprowadzana jest segmentacja obrazu, a następnie dokonuje się klasyfikacji semantycznej. W procesie klasyfikacji wykorzystuje się cechy Haara oraz systemy regułowe. Każdy wykryty obiekt jest przypisywany do pewnej komórki mapy rastrowej. Mapa utworzona w ten sposób może być następnie wykorzystana w algorytmie nawigacyjnym – ułatwia współpracę robot-człowiek oraz planowanie trasy. Metoda jest kontynuacją algorytmu opisanego w artykule pt. ”Segmentacja danych otrzymanych z dalmierza laserowego 3D”.

nawigacja, reprezentacja środowiska

Otoczenie robota – wnętrze budynku jak i obszar znajdujący się na zewnątrz może być podzielony na fragmenty, którym następnie możemy przypisać pewne znaczenie semantyczne. Przed przystąpieniem do dokonywania klasyfikacji należy jednak dokonać filtracji i segmentacji danych pomiarowych. W poniższym artykule przedstawione zostaną wyniki segmentacji chmury punktów, którą otrzymujemy na podstawie wskazań laserowego skanera 3D. Zastosowano nowatorską technikę, w której dane pomiarowe zamieniane są na postać kartezjańską, następnie obliczane są wektory normalne do powierzchni, na której punkty leżą. Składowe wektora są normalizowane i zapisywane w reprezentacji RGB. W wyniku opisanej transformacji powstaje kolorowy obraz. Dzięki temu problem segmentacji danych w przestrzeni 3D jest sprowadzony do zadania analizy kolorowych obrazów. Umożliwia to zastosowanie znanych z wizji algorytmów: usuwania szumów, rozrostu ziarna i segmentacji. Przeprowadzone eksperymenty w pomieszczeniu zamkniętym i na zewnątrz budynku potwierdziły efektywność przyjętej metody.

segmentacja, mapy 3D