Технология
<<  Лингвистическая онтология тезаурус РуТез и приложения автоматической обработки текстов Apple 4 октября  >>
Обработка данных лазерного сканирования (LIDAR) для создания модели
Обработка данных лазерного сканирования (LIDAR) для создания модели
Что такое LIDAR
Что такое LIDAR
Достоинства и недостатки LIDAR
Достоинства и недостатки LIDAR
Где можно применить LIDAR
Где можно применить LIDAR
Данные для исследований
Данные для исследований
Дополнительные наборы данных
Дополнительные наборы данных
Сбор данных KITTI dataset
Сбор данных KITTI dataset
Как выглядят данные
Как выглядят данные
Как выглядят данные
Как выглядят данные
Разрешение
Разрешение
Разрешение
Разрешение
Обработка
Обработка
Рисунок из статьи R.Mohan [3]
Рисунок из статьи R.Mohan [3]
Point Cloud Library (PCL)
Point Cloud Library (PCL)
Модели представления 3D данных для машинного обучения
Модели представления 3D данных для машинного обучения
[4] – R.Socher
[4] – R.Socher
3D shapes network
3D shapes network
Autoencoder for 3D Shape
Autoencoder for 3D Shape
Рисунок – PCL[6]
Рисунок – PCL[6]
Рисунок – PCL[7]
Рисунок – PCL[7]
Спасибо за внимание
Спасибо за внимание

Презентация на тему: «Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги». Автор: Admin. Файл: «Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги.ppt». Размер zip-архива: 2351 КБ.

Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги

содержание презентации «Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги.ppt»
СлайдТекст
1 Обработка данных лазерного сканирования (LIDAR) для создания модели

Обработка данных лазерного сканирования (LIDAR) для создания модели

автомобильной дороги

Бабий А.С. - apratster@gmail.com

2 Что такое LIDAR

Что такое LIDAR

LIDAR англ. Light identification detection and ranging

(Световое обнаружение и определение дальности)

Устройство: - неподвижный излучатель + вращающееся зеркало - неподвижный массив с фиксированным углом обзора

3 Достоинства и недостатки LIDAR

Достоинства и недостатки LIDAR

Достоинства: 3D карта как результат измерения Не зависит от уровня освещенности, неравномерной освещенности (т.к. сам излучает свет. Дешевые модели – зависят от уровня освеещенности) более стоек к помехам чем радар, имеет большее разрешение

Недостатки: Цена все еще высока, но появляются прототипы с ценой ниже $1000 Дальность ~ 70m Большая дальность влечет значительное увеличение стоимости, > 20000$ (аэро-LIDAR) Движущиеся части на самом приборе* «Медленная» скорость обновления на приборах с вращающимися частями. Либо высокая цена. На медленных системах скорость движения отчасти искажает результаты сканирования

4 Где можно применить LIDAR

Где можно применить LIDAR

1. Автомобили. - Системы ассистирования водителю - Адаптивный круиз-контроль - Адаптивные системы подвески - Автоматизация вождения автомобиля

*Разные виды лазерного излучения: Airborne Laser Mine Detection System (ALMDS) аэро-миноискатель от Aret? Associates[2]

2. Сельское хозяйство - Использование микрорельефа местности при посадке растений - Повышение точности работы автономной сельхоз техники

3. Археология Идентификация микрорельефа местности скрытого растительным покровом(-аэро, инфракрасный спектр)

5 Данные для исследований

Данные для исследований

http://www.cvlibs.net/datasets/kitti/raw_data.php - KITTI dataset, Karlsruhe Institute of Technology

Raw (unsynced+unrectified) and processed (synced+rectified) grayscale stereo sequences (0.5 Megapixels, stored in png format) Raw (unsynced+unrectified) and processed (synced+rectified) color stereo sequences (0.5 Megapixels, stored in png format) 3D Velodyne point clouds (100k points per frame, stored as binary float matrix) 3D GPS/IMU data (location, speed, acceleration, meta information, stored as text file) Calibration (Camera, Camera-to-GPS/IMU, Camera-to-Velodyne, stored as text file) 3D object tracklet labels (cars, trucks, trams, pedestrians, cyclists, stored as xml file)

6 Дополнительные наборы данных

Дополнительные наборы данных

http://3dvis.ri.cmu.edu/data-sets/localization/

http://cs.nyu.edu/~silberman/datasets/

http://vision.in.tum.de/data/datasets/rgbd-dataset

http://www.robots.ox.ac.uk/NewCollegeData/

http://www.rawseeds.org/home/

http://www-personal.acfr.usyd.edu.au/nebot/victoria_park.htm

http://www.mrpt.org/malaga_dataset_2009

http://robots.engin.umich.edu/SoftwareData/Ford

http://www.mrpt.org/MalagaUrbanDataset

7 Сбор данных KITTI dataset

Сбор данных KITTI dataset

http://www.cvlibs.net/datasets/kitti/setup.php

8 Как выглядят данные

Как выглядят данные

9 Как выглядят данные

Как выглядят данные

10 Разрешение

Разрешение

11 Разрешение

Разрешение

12 Обработка

Обработка

13 Рисунок из статьи R.Mohan [3]

Рисунок из статьи R.Mohan [3]

Задачи связанные с построением модели дороги

- Scene Flow

- Visual Odometry / SLAM Evaluation

- Object Detection

- Object Tracking

- Semantic Segmentation

- Road/Lane Detection

14 Point Cloud Library (PCL)

Point Cloud Library (PCL)

http://pointclouds.org/

15 Модели представления 3D данных для машинного обучения

Модели представления 3D данных для машинного обучения

Проецирование на плоскости Векторизация, обобщение Набор секущих плоскостей

16 [4] – R.Socher

[4] – R.Socher

DNN for 3D

17 3D shapes network

3D shapes network

Zhirong Wu[5]

18 Autoencoder for 3D Shape

Autoencoder for 3D Shape

Zhuotun Zhu[6]

19 Рисунок – PCL[6]

Рисунок – PCL[6]

Point Cloud Library usage

Фильтрация

pcl::PassThrough

pcl::StatisticalOutlierRemoval

20 Рисунок – PCL[7]

Рисунок – PCL[7]

Point Cloud Library usage

pcl::NormalEstimation

Вычисление нормалей и их анализ

Быстрый поиск ближайших соседей с использованием KDTree

pcl::KdTreeFLANN

21 Спасибо за внимание

Спасибо за внимание

Список литературы

1. http://www.cvlibs.net/datasets/kitti/

2.http://www.northropgrumman.com/Capabilities/AirborneLaserMineDetectionSystem/ Pages/default.aspx

3.http://arxiv.org/pdf/1411.4101.pdf

4. R. Socher - Convolutional-Recursive Deep Learning for 3D Object Classification

5. Zhirong Wu. 3D ShapeNets: A Deep Representation for Volumetric Shapes

6. Zhuotun Zhu. Deep Learning Representation using Autoencoder for 3D Shape Retrieval

7. Vinod Nair and Geoffrey E. Hinton 3D Object Recognition with Deep Belief Nets

8. M.Bellone Road Surface Analysis for Driving Assistance

9. http://www.pointclouds.org/

«Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги»
http://900igr.net/prezentacija/tekhnologija/obrabotka-dannykh-lazernogo-skanirovanija-lidar-dlja-sozdanija-modeli-avtomobilnoj-dorogi-177909.html
cсылка на страницу
Урок

Технология

35 тем
Слайды
900igr.net > Презентации по технологии > Технология > Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги