目前主要的地圖成圖形式可以總結(jié)為兩大種類,分別是手動成圖以及自動成圖。手動成圖主要依靠Auto CAD、Arcgis等相關(guān)軟件繪制,主要缺點是耗時耗力,工作效率低下。自動成圖方法主要是基于特征制圖、基于影像強度和陰影制圖以及基于SLAM的制圖方法等。該類成圖方法的缺點是,地圖冗余復(fù)雜。針對上文提及的問題,本文利用室內(nèi)點云數(shù)據(jù)通過自動成圖的方法來構(gòu)建內(nèi)容簡潔,且可以高效的用于室內(nèi)導(dǎo)航的障礙物要素圖,且該圖主要包含四部分:墻體、門、影響通行障礙物(IMO)以及非影響通行障礙物(N-IMO)。本文所使用數(shù)據(jù)為S3DIS和Matterport3D數(shù)據(jù)集,主要針對寫字樓、餐廳、居所以及醫(yī)院進行實驗,生成該障礙圖的方法主要包括四部分內(nèi)容:基于點云室內(nèi)場景識別,實驗場景自動分類,先驗規(guī)則總結(jié)及自定義評判指標(biāo)選取,障礙物要素圖生成。具體研究內(nèi)容如下:a)室內(nèi)主要活動場景總結(jié)。我們將室場景大致分為七類,分別是醫(yī)院、居所、學(xué)校教室、寫字樓、車站、餐廳、商場,涵蓋了人們室內(nèi)生活的大部分場景。b)基于點云室內(nèi)場景識別。本文利用PointNet融合馬爾科夫隨機場(MRF)的方法,對點云數(shù)據(jù)進行識別。我們將Poi...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
        1.3.1 研究內(nèi)容與方法
        1.3.2 技術(shù)路線和文章結(jié)構(gòu)
2 室內(nèi)場景識別
    2.1 實驗數(shù)據(jù)簡介
    2.2 主流場景識別方法
        2.2.1 基于對象的場景識別
        2.2.2 基于區(qū)域的場景識別
        2.2.3 基于上下文的場景識別
    2.3 PointNet-MRF室內(nèi)場景識別
        2.3.1 PointNet模型結(jié)構(gòu)原理
        2.3.2 基于PointNet融合MRF室內(nèi)場景識別
3 室內(nèi)場景自動分類
    3.1 實驗數(shù)據(jù)介紹
        3.1.1 訓(xùn)練數(shù)據(jù)
        3.1.2 測試數(shù)據(jù)
    3.2 ResNet模型結(jié)構(gòu)原理介紹
    3.3 實驗結(jié)果分析
4 先驗規(guī)則及自定義指標(biāo)
    4.1 先驗規(guī)則
        4.1.1 餐廳先驗規(guī)則
        4.1.2 學(xué)校教室先驗規(guī)則
        4.1.3 交通樞紐站先驗規(guī)則
        4.1.4 商場場景先驗規(guī)則
        4.1.5 醫(yī)院先驗規(guī)則
        4.1.6 居所先驗規(guī)則
        4.1.7 寫字樓先驗規(guī)則
    4.2 自定義指標(biāo)
        4.2.1 障礙物移動性
        4.2.2 點云數(shù)據(jù)特性
5 障礙物要素圖制作
    5.1 獲取制圖要素
    5.2 制圖概述及障礙圖表達
        5.2.1 歐式聚類算法簡述
        5.2.2 RANSAC擬合算法簡述
        5.2.3 障礙物要素圖表達
6 實驗結(jié)果與解析
    6.1 基于點云室內(nèi)場景識別
        6.1.1 寫字樓內(nèi)部場景
        6.1.2 餐廳內(nèi)部場景
        6.1.3 居所內(nèi)部場景識別
        6.1.4 醫(yī)院內(nèi)部場景識別
    6.2 障礙物要素圖繪制
        6.2.1 障礙物要素圖
7 總結(jié)與展望
    7.1 研究工作總結(jié)
    7.2 研究展望
致謝
參考文獻
附錄



本文編號：3814311