Login for students

Login for employees

Publication detail

Pokročilé metody pro zpracování a zjednodušení cloudu bodů
Authors: Chmelař Pavel | Rejfek Luboš | Nguyen Tan N | Ha Duy-Hung
Year: 2020
Type of publication: článek v odborném periodiku
Name of source: Applied Science - Basel
Publisher name: MDPI
Place: BASEL
Page from-to: nestránkováno
Titles:
Language Name Abstract Keywords
cze Pokročilé metody pro zpracování a zjednodušení cloudu bodů V dnešní době potřebuje průzkum mobilních robotů dálkoměr, aby získal velké množství měřicích bodů, aby dosáhl podrobného a přesného popisu okolní oblasti a objektů, kterému se říká mrak bodů. Skenování cloudu s jedním bodem však nepokrývá celou oblast, takže je nutné získat a porovnat skenování cloudu s více body, aby bylo možné najít správné shody mezi nimi v procesu zvaném metoda registrace. Tato metoda vyžaduje další zpracování a klade vysoké nároky na spotřebu paměti, zejména u malých vestavěných zařízení v mobilních robotech. Tento článek popisuje novou metodu ke snížení zátěže zpracování pro vícebodové cloudové skenování. Představujeme náš přístup k předzpracování mračna vstupních bodů za účelem detekce rovinných povrchů, zjednodušení popisu prostoru, vyplnění mezer v mračnech bodů a získání důležitých funkcí prostoru. Všechny tyto procesy jsou dosaženy použitím pokročilých metod zpracování obrazu v kombinaci s kvantizací bodů fyzického prostoru. Výsledky ukazují spolehlivost našeho přístupu k detekci blízkých paralelních stěn s vhodným nastavením parametrů. Ještě důležitější je, že detekce rovinného povrchu vykazuje téměř ve všech případech 99% pokles nezbytných popisných bodů. Tento navrhovaný přístup je ověřen na skutečných mračnech vnitřních bodů. Pokročilé; metody; pro; zpracování; zjednodušení; cloudu; bodů
eng Pokročilé metody pro zpracování a zjednodušení cloudu bodů Nowadays, mobile robot exploration needs a rangefinder to obtain a large number of measurement points to achieve a detailed and precise description of a surrounding area and objects, which is called the point cloud. However, a single point cloud scan does not cover the whole area, so multiple point cloud scans must be acquired and compared together to find the right matching between them in a process called registration method. This method requires further processing and places high demands on memory consumption, especially for small embedded devices in mobile robots. This paper describes a novel method to reduce the burden of processing for multiple point cloud scans. We introduce our approach to preprocess an input point cloud in order to detect planar surfaces, simplify space description, fill gaps in point clouds, and get important space features. All of these processes are achieved by applying advanced image processing methods in combination with the quantization of physical space points. The results show the reliability of our approach to detect close parallel walls with suitable parameter settings. More importantly, planar surface detection shows a 99% decrease in necessary descriptive points almost in all cases. This proposed approach is verified on the real indoor point clouds. point cloud; image processing; planar surface detection; simplification; visualization

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives