面向高帧频Flash LiDAR的数据实时配准方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41901415
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    29.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0115.测量与地图学
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Most of Flash LiDAR data registration algorithms, which are derived from the registration algorithms of point cloud or depth image, could hardly meet the requirements of high-frame-rate data processing, and this limits the application of Flash LiDAR in interactive topographic mapping, the guidance of missiles, autonomous landing of aircraft, as well as other scenarios requiring real-time response. To solve this problem, a feature descriptor of Flash LiDAR has been proposed in this project, which will take into account the feature of image depth, the symbol surface variability and the density distribution of the point cloud. By using this descriptor and the adaptive data partitioning strategy, inter-frame homonymous features will be extracted in parallel. Based on the improved parallel SURF algorithm and Markovian distance based ICP algorithm, a real-time registration model, which considers the influence of parallax and elevation on the registration, will be constructed to process high frame rate Flash LiDAR data. In addition, the point cloud flow will be grouped adaptively, by considering frame rate, parallax, feature distribution of target, as well as other factors. Besides, the intra-group registration based on key frame and the improved inter-group sequence registration method based on aggregating adjacent groups will be used to register the multi-frame data in real time. The real-time data registration scheme proposed in this project are suitable for processing the high frame rate Flash LiDAR system, and it will provide theoretical support for the demonstration of the Flash LiDAR equipment performance and the development of domestic Flash LiDAR real-time processing software.
目前已公布的Flash LiDAR数据配准方法通常由点云或深度图像的配准算法衍生而来,其性能往往难以满足高帧频的数据处理要求,因此限制了Flash LiDAR技术在交互式地形测绘、导弹制导和飞行器自主着陆等需要实时响应的场景的应用。针对此问题,本项目提出一种顾及图像深度特征、符号曲面变化度和密度分布的Flash LiDAR数据特征描述子,并结合数据自适应分块策略并行地提取帧间同名特征;通过改进并融合并行SURF和基于马氏距离的ICP算法,构建兼顾视差和高程影响的高帧频Flash LiDAR数据实时配准模型;结合帧频、视差和特征分布等因素,对点云流进行自适应分组,利用基于关键帧的组内配准和合并相邻组的改进序列配准方法对多帧数据进行实时拼接。本项目拟设计一套适用于高帧频Flash LiDAR系统的实时数据配准方案,为Flash LiDAR的设备性能论证和国产化实时数据处理软件开发提供理论支持。

结项摘要

本项目主要工作是面向Flash LiDAR数据配准过程中特征提取、帧间点云配准、多视角点云配准等重要数据处理环节开展研究。.针对现有大部分点云特征提取算法在时间效率、可重复性、鲁棒性等方面存在的问题,提出了一种基于点云符号曲面变化度的局部坐标系(LRF)快速构建方法和一种基于球形网格划分的二值化点云特征描述子(SGB)。利用公共数据集对所提LRF和SGB描述子的性能进行验证,结果表明所提LRF构建方法在兼具可重复性和鲁棒性的基础上,可有效提高特征描述子的特征匹配能力,而且具有极高的时间效率;SGB描述子对高质量模拟数据和低质量实测点云都具有较好的描述性和极小的时间、内存开销。.为提高帧间点云粗配准和细配准环节的时间效率和配准精度,提出一种基于LRF的最大一致性统计(LRF-MCS)转换估计算法的点云粗配准方法和一种基于双向最小距离对应点对的改进ICP算法的点云精配准方法。通过对大量标准数据集的实验表明,所提出的LRF-MCS粗配准算法通过判断对应点对中是否包含足够内点来选择使用内点集或配准点云对去评价转换矩阵的准确性,以此来实现兼具高的效率和准确性,该算法配准一对点云平均消耗约0.05s。所提的改进ICP算法在传统ICP算法基础上增加了错误对应点对的粗略和精细排除环节,相较于固定阀值的传统ICP算法,较小距离的对应点对具有较高的准确性。通过在三个标准数据集和一个构造数据集上的大量实验,验证了所提算法(包括LRF技术、LRF-MCS转换估计算法和改进ICP算法)的有效性。.针对多视角点云配准环节,提出一种基于DLFS特征成对配准的多视角配准方法,利用该方法配准一片点云所消耗的平均时间只有2s左右,且其时间效率和配准精度明显优于其他经典算法。.此外,本项目还拓展性地研究了三维点云插帧任务,提出一种自监督三维点云时间序列插帧算法,以解决在训练过程中插帧网络进行预测的序列帧率上限仅为激光雷达的原始采样频率,与网络仅在线性运动的假设下进行插帧、导致插帧能力受限,以及对非线性运动场景下插帧的效果不佳的问题。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(1)
双模态信息融合的飞行目标位姿估计方法
  • DOI:
    10.3788/irla20220618
  • 发表时间:
    2023
  • 期刊:
    红外与激光工程
  • 影响因子:
    --
  • 作者:
    李荣华;王蒙;周唯;付佳茹
  • 通讯作者:
    付佳茹
Detection of Key Points in Cervical CBCT Image based on Deep Learning
基于深度学习的宫颈CBCT图像关键点检测
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    electronics
  • 影响因子:
    2.9
  • 作者:
    Yan Lyu;Monan Zhang;Wenbin Yu;Wei Zhou
  • 通讯作者:
    Wei Zhou
A Local Reference Frame Construction Method Based on the Signed Surface Variation
一种基于有符号曲面变化的局部参考系构建方法
  • DOI:
    10.11947/j.jggs.2021.0303
  • 发表时间:
    2021-10
  • 期刊:
    Journal of Geodesy and Geoinformation Science
  • 影响因子:
    --
  • 作者:
    Yan Xiaopeng;Zhou Wei;Peng Rencan;Pan Wenliang;Wang Lei;Hu Guoxin
  • 通讯作者:
    Hu Guoxin
基于球形网格划分的二值化点云特征描述子
  • DOI:
    10.11990/jheu.202110001
  • 发表时间:
    2022
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    周唯;杨东永;胡国欣;张国强;张钰如
  • 通讯作者:
    张钰如
亚音速飞行目标气动噪声方位角估计技术
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    国防科技大学学报
  • 影响因子:
    --
  • 作者:
    王磊;陈昭男;张君;周唯;佟健飞
  • 通讯作者:
    佟健飞

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

三种新型可聚合抗菌单体对口腔病原菌的抗菌活性研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    实用口腔医学杂志
  • 影响因子:
    --
  • 作者:
    周唯;唐立辉;黄萍;黄鹂;李芳;方明;陈吉华
  • 通讯作者:
    陈吉华
高压喷涂偶联剂对氧化锆表面微观形貌及粘接效果的影响
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    粘接
  • 影响因子:
    --
  • 作者:
    王迎捷;周唯;刘;陈吉华
  • 通讯作者:
    陈吉华
一种针对滩涂LiDAR强度信息的条带噪声修正方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    海洋测绘
  • 影响因子:
    --
  • 作者:
    周唯;彭认灿;董箭;王利伟
  • 通讯作者:
    王利伟
牙体组织粘接界面观察分析方法的研究进展
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    口腔疾病防治
  • 影响因子:
    --
  • 作者:
    马超群;刘猛;仇珺;廖紫璇;周唯;陈吉华
  • 通讯作者:
    陈吉华
基于移动云计算的高校教学资源整合系统
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机应用
  • 影响因子:
    --
  • 作者:
    周唯;邹东升;牛宝君
  • 通讯作者:
    牛宝君

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码