Publikace detail

Pokročilé metody pro zpracování a zjednodušení cloudu bodů

Autoři: Chmelař Pavel | Rejfek Luboš | Nguyen Tan N | Ha Duy-Hung

Rok: 2020

Druh publikace: článek v odborném periodiku

Název zdroje: Applied Science - Basel

Název nakladatele: MDPI

Místo vydání: BASEL

Strana od-do: nestránkováno

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte