留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于转动式二维激光扫描仪和多传感器的三维重建方法

张新荣 王鑫 王瑶 向高峰

张新荣, 王鑫, 王瑶, 向高峰. 基于转动式二维激光扫描仪和多传感器的三维重建方法[J]. 中国光学(中英文), 2023, 16(3): 663-672. doi: 10.37188/CO.2022-0159
引用本文: 张新荣, 王鑫, 王瑶, 向高峰. 基于转动式二维激光扫描仪和多传感器的三维重建方法[J]. 中国光学(中英文), 2023, 16(3): 663-672. doi: 10.37188/CO.2022-0159
ZHANG Xin-rong, WANG Xin, WANG Yao, XIANG Gao-feng. 3D reconstruction method based on a rotating 2D laser scanner and multi-sensor[J]. Chinese Optics, 2023, 16(3): 663-672. doi: 10.37188/CO.2022-0159
Citation: ZHANG Xin-rong, WANG Xin, WANG Yao, XIANG Gao-feng. 3D reconstruction method based on a rotating 2D laser scanner and multi-sensor[J]. Chinese Optics, 2023, 16(3): 663-672. doi: 10.37188/CO.2022-0159

基于转动式二维激光扫描仪和多传感器的三维重建方法

doi: 10.37188/CO.2022-0159
基金项目: 陕西省重点研发计划国际科技合作计划项目(No. 2019KW-015);中央高校基本科研业务费专项资金资助项目(No. 300102259306)
详细信息
    作者简介:

    张新荣(1968—),男,陕西三原人,博士,教授,1990年于吉林工业大学获得学士学位,1993年于西安公路学院获得硕士学位,2000年于西安公路交通大学获得博士学位,主要从事机械系统动力学与控制。E-mail:zxrong@chd.edu.cn

    王 鑫(1998—),男,湖北十堰人,硕士研究生,2021年于湖北汽车工业学院获得学士学位,研究方向为机械系统动力学及其控制。E-mail:2021225022@chd.edu.cn

  • 中图分类号: TP394.1;TH691.9

3D reconstruction method based on a rotating 2D laser scanner and multi-sensor

Funds: Supported by Shaanxi International Science and Technology Cooperation Project (No. 2019KW-015); the Fundamental Research Funds for the Central Universities (No. 300102259306)
More Information
  • 摘要:

    三维重建技术是机器视觉中最热门的研究方向之一,在无人驾驶和数字化加工与生产等领域得到了广泛的应用。传统的三维重建方法包括深度相机和多线激光扫描仪,但是通过深度相机获得的点云存在着信息不完整和不精确的问题,而多线激光扫描仪成本高,阻碍了该项技术的应用和研究。为解决上述问题,提出了一种基于转动式二维激光扫描仪的三维重建方法。首先,用步进电机带动二维激光扫描仪旋转运动来获取三维点云数据。然后,用多传感器融合的方法对激光扫描仪的位置进行标定,采用坐标系变换完成点云数据的匹配。最后,对采集得到的点云数据进行了滤波和精简处理。实验结果表明:相较于深度相机/IMU数据融合的重建方法,平均误差降低了0.93 mm,为4.24 mm;精度达到了毫米级别,误差率也控制在了2%以内;整套设备的成本相较于多线激光扫描仪大大降低。本文方法基本满足保留物体的外形特征、高精度和成本低的要求。

     

  • 图 1  二维扫描原理

    Figure 1.  Scanning principle of 2D laser scanner

    图 2  三维扫描原理

    Figure 2.  Scanning principle of 3D laser scanner

    图 3  多视角扫描方法

    Figure 3.  Multi-view scanning method

    图 4  位姿估测

    Figure 4.  Position and attitude estimation

    图 5  三维重建系统组成示意图

    Figure 5.  Diagram of 3D reconstruction system

    图 6  激光扫描仪运动装置结构图

    Figure 6.  Structure diagram of laser scanner motion device

    图 7  扫描实验电路图

    Figure 7.  Scanning experimental circuit diagram

    图 8  软件程序处理流程

    Figure 8.  Software program processing flow

    图 9  半径滤波原理

    Figure 9.  Principle of radius filter algorithm

    图 10  实验装置

    Figure 10.  Experimental device

    图 11  (a)原始物体及其(b)点云图像

    Figure 11.  (a) Original object and (b) it's point cloud image

    图 12  点云数据滤波结果

    Figure 12.  Filter results of point cloud data

    图 13  点云数据精简结果

    Figure 13.  Point cloud data reduction results

    图 14  误差修正前后相对误差对比图

    Figure 14.  Comparison of measurement error rates before and after error correction

    图 15  深度相机/IMU的物体重建结果

    Figure 15.  Object reconstruction results of depth camera/IMU

    表  1  根据V′对点云进行分类

    Table  1.   Categorizion of the point cloud according to V

    分类类别V′的取值区间
    1[0,0.003)
    2[0.003,0.004)
    3[0.004,0.008)
    4[0.008,0.016)
    5[0.016,0.032)
    6[0.032,0.064)
    7[0.064,1]
    下载: 导出CSV

    表  2  实验测量结果

    Table  2.   Experimental measurement results

    测量次数实际距离(mm)误差修正前(mm)误差修正后(mm)
    1374389.6377.2
    2377396.5383.4
    3452471.8457.1
    4397414.4399.9
    5445465.5449.2
    6421439.5424.6
    7385404.2389.3
    下载: 导出CSV

    表  3  实验结果对比

    Table  3.   Comparison of experimental results

    测量次数实际距离
    (mm)
    本文方法
    (mm)
    深度相机的重建方法
    (mm)
    1374377.2379.5
    2377383.4383.1
    3452457.1447.3
    4397399.9402.6
    5445449.2440.5
    6421424.6417.4
    7385389.3391.2
    下载: 导出CSV
  • [1] 姚程, 马彩文. 基于平面补丁的自适应八叉树三维图像重建[J]. 光学 精密工程,2022,30(9):1113-1122. doi: 10.37188/OPE.20223009.1113

    YAO CH, MA C W. Adaptive octree 3D image reconstruction based on plane patch[J]. Optics and Precision Engineering, 2022, 30(9): 1113-1122. (in Chinese) doi: 10.37188/OPE.20223009.1113
    [2] PULITI M, MONTAGGIOLI G, SABATO A. Automated subsurface defects' detection using point cloud reconstruction from infrared images[J]. Automation in Construction, 2021, 129: 103829. doi: 10.1016/j.autcon.2021.103829
    [3] 赵杰, 陈小梅, 侯玮旻, 等. 基于城市遥感卫星影像对的立体匹配[J]. 光学 精密工程,2022,30(7):830-839. doi: 10.37188/OPE.20223007.0830

    ZHAO J, CHEN X M, HOU W M, et al. Stereo matching based on urban satellite remote sensing image pair[J]. Optics and Precision Engineering, 2022, 30(7): 830-839. (in Chinese) doi: 10.37188/OPE.20223007.0830
    [4] 孙艺洋, 许金凯, 于占江, 等. 微细铣刀位姿同轴全息重建方法[J]. 中国光学,2022,15(2):355-363. doi: 10.37188/CO.2021-0089

    SUN Y Y, XU J K, YU ZH J, et al. Coaxial holographic reconstruction method of micro-milling tool pose[J]. Chinese Optics, 2022, 15(2): 355-363. (in Chinese) doi: 10.37188/CO.2021-0089
    [5] SHUANG Y C, WANG Z Z. Active stereo vision three-dimensional reconstruction by RGB dot pattern projection and ray intersection[J]. Measurement, 2021, 167: 108195. doi: 10.1016/j.measurement.2020.108195
    [6] WANG C W, PENG C C. 3D face point cloud reconstruction and recognition using depth sensor[J]. Sensors, 2021, 21(8): 2587. doi: 10.3390/s21082587
    [7] WANG B Y, WANG Q, CHENG J C P, et al. Vision-assisted BIM reconstruction from 3D LiDAR point clouds for MEP scenes[J]. Automation in Construction, 2022, 133: 103997. doi: 10.1016/j.autcon.2021.103997
    [8] 蔡军, 赵原, 李宇豪, 等. 一种三维激光扫描系统的设计及参数标定[J]. 北京航空航天大学学报,2018,44(10):2208-2216. doi: 10.13700/j.bh.1001-5965.2018.0029

    CAI J, ZHAO Y, LI Y H, et al. A 3D laser scanning system design and parameter calibration[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(10): 2208-2216. (in Chinese) doi: 10.13700/j.bh.1001-5965.2018.0029
    [9] 钱超杰, 杨明, 戚明旭, 等. 基于摆动单线激光雷达的大场景稠密点云地图创建系统[J]. 机器人,2019,41(4):464-472,492. doi: 10.13973/j.cnki.robot.180543

    QIAN CH J, YANG M, QI M X, et al. Swinging single-layer LiDAR based dense point cloud map reconstruction system for large-scale scenes[J]. Robot, 2019, 41(4): 464-472,492. (in Chinese) doi: 10.13973/j.cnki.robot.180543
    [10] 王锐, 常锴, 符国浩, 等. 单线激光雷达与GNSS/INS的空间重构[J]. 光学 精密工程,2020,28(4):851-858.

    WANG R, CHANG K, FU G H, et al. Space reconstruction using single-line LIDAR and GNSS/INS fused data[J]. Optics and Precision Engineering, 2020, 28(4): 851-858. (in Chinese)
    [11] LU H J, XU SH G, CAO SH. SGTBN: generating dense depth maps from single-line LiDAR[J]. IEEE Sensors Journal, 2021, 21(17): 19091-19100. doi: 10.1109/JSEN.2021.3088308
    [12] WEN W S, PFEIFER T, BAI X W, et al. Factor graph optimization for GNSS/INS integration: a comparison with the extended Kalman filter[J]. Journal of the Institute of Navigation, 2021, 68(2): 315-331. doi: 10.1002/navi.421
    [13] NING X J, LI F, TIAN G, et al. An efficient outlier removal method for scattered point cloud data[J]. PLoS One, 2018, 13(8): e0201280. doi: 10.1371/journal.pone.0201280
    [14] 袁小翠, 吴禄慎, 陈华伟. 特征保持点云数据精简[J]. 光学 精密工程,2015,23(9):2666-2676. doi: 10.3788/OPE.20152309.2666

    YUAN X C, WU L SH, CHEN H W. Feature preserving point cloud simplification[J]. Optics and Precision Engineering, 2015, 23(9): 2666-2676. (in Chinese) doi: 10.3788/OPE.20152309.2666
    [15] TIAN Y, XU H, GUAN F, et al. Projection and integration of connected-infrastructure LiDAR sensing data in a global coordinate[J]. Optics &Laser Technology, 2021, 144: 107421.
    [16] WELCH G F. Kalman filter[J]. Computer Vision:A Reference Guide, 2020: 1-3.
    [17] NAGUI N, ATTALLAH O, ZAGHLOUL M S, et al. Improved GPS/IMU loosely coupled integration scheme using two kalman filter-based cascaded stages[J]. Arabian Journal for Science and Engineering, 2021, 46(2): 1345-1367. doi: 10.1007/s13369-020-05144-8
  • 加载中
图(15) / 表(3)
计量
  • 文章访问数:  451
  • HTML全文浏览量:  250
  • PDF下载量:  269
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-07-14
  • 修回日期:  2022-09-06
  • 录用日期:  2022-11-11
  • 网络出版日期:  2022-11-22

目录

    /

    返回文章
    返回

    重要通知

    2024年2月16日科睿唯安通过Blog宣布,2024年将要发布的JCR2023中,229个自然科学和社会科学学科将SCI/SSCI和ESCI期刊一起进行排名!《中国光学(中英文)》作为ESCI期刊将与全球SCI期刊共同排名!