长春理工大学 电子信息工程学院, 吉林 长春 130022
考虑到ROS SLAM构建的地图只能描述环境的二维信息, 三维点云图像只能描述物体独立的三维信息等特点, 本文融合了ROS SLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息, 提出了一种复合坐标定位系统。首先对不同室内进行分类, 进行一维坐标的标定, 其次通过对Gmapping算法构建好的地图等进行二三维坐标标定, 再结合空间信息构成外部坐标系φ, 最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标, 结合一维坐标, 对物体进行复合四维坐标定位。整个定位实验数据表明, 物体室内的位置平均测量误差只有4.2 cm, 其定位精度比起常见的超声波与红外线定位系统提高6.7%, 比基于蓝牙角度测量的定位系统定位精度提高20%, 比超宽带定位系统提高72%。物体定位误差小, 定位精准。
激光雷达 三维点云图像 物体定位 ROS SLAM ROS SLAM lidar 3D point cloud image gmapping Gmapping object location
1 上海微系统与信息技术研究所 中科院太赫兹固态技术重点实验室, 上海 200050
2 中国科学院大学, 北京 100049
3 上海科技大学, 上海 201210
随着毫米波器件的成熟, 毫米波成像雷达已经应用于人体安检.但毫米波图像中违禁物体的定位仍然是一个艰巨的任务, 这极大地限制了毫米波成像雷达的应用.文章将卷积神经网络(Convolutional Neural Network, CNN)应用于毫米波图像, 自动定位毫米波图像中的违禁物体, 如枪、刀等.利用滑动窗口在输入图像上滑动, 并通过CNN得到各个子图块存在违禁物体的概率.图像块是相互交叠的, 将各子图块的概率值累积起来, 得到概率累积图.概率累计图反映了违禁物体的位置.由于CNN和概率累积图的应用, 在实验中, 该方法获得了很高的定位准确率, 验证了该方法的有效性.
毫米波图像 卷积神经网络 物体定位 概率累积图 millimeter-wave image convolution neural network(CNN) object localization probability accumulation map
