Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Обработка данных лазерного
сканирования (LIDAR)
для создания модели
автомобильной дороги
Бабий А.С. - apratster@gmail.com
Что такое LIDAR.
LIDAR англ. LIght Identification Detection and Ranging
(световое обнаружение и определение дальности)
Уст...
Достоинства и недостатки LIDAR
Достоинства:
- 3D карта как результат измерения
- Не зависит от уровня освещенности, неравн...
Где можно применить LIDAR?
1. Автомобили.
- Системы ассистирования водителю
- Адаптивный круиз-контроль
- Адаптивные систе...
Данные для исследований
http://www.cvlibs.net/datasets/kitti/raw_data.php - KITTI dataset,
Karlsruhe Institute of Technolo...
Дополнительные наборы данных
http://3dvis.ri.cmu.edu/data-sets/localization/
http://cs.nyu.edu/~silberman/datasets/
http:/...
http://www.cvlibs.net/datasets/kitti/setup.php
Сбор данных KITTI dataset
Как выглядят данные
Как выглядят данные
Разрешение
Разрешение
Обработка
Рисунок из статьи R.Mohan [3]
Задачи связанные с построением модели дороги
- Scene Flow
- Visual Odometry / SLAM Evaluatio...
Point Cloud Library (PCL)
http://pointclouds.org/
Модели представления 3D данных для машинного обучения
-Проецирование на плоскости
-Векторизация, обобщение
-Набор секущих ...
[4] – R.Socher
DNN for 3D
Zhirong Wu[5]
3D shapes network
Zhuotun Zhu[6]
Autoencoder for 3D Shape
Рисунок – PCL[6]
Point Cloud Library usage
Фильтрация
pcl::PassThrough
pcl::StatisticalOutlierRemoval
Рисунок – PCL[7]
Point Cloud Library usage
Вычисление нормалей и их анализ pcl::NormalEstimation
pcl::KdTreeFLANN
Быстрый ...
СПАСИБО ЗА ВНИМАНИЕ!
Список литературы
1. http://www.cvlibs.net/datasets/kitti/
2.http://www.northropgrumman.com/Capabilit...
Upcoming SlideShare
Loading in …5
×

Lidar road recognition

2,371 views

Published on

This presentation about LIDAR usage for road recognition.
Form basics through each step(PCL, ML-algorithms) to result.

Published in: Data & Analytics
  • Be the first to comment

Lidar road recognition

  1. 1. Обработка данных лазерного сканирования (LIDAR) для создания модели автомобильной дороги Бабий А.С. - apratster@gmail.com
  2. 2. 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. 3. 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. 4. Где можно применить LIDAR? 1. Автомобили. - Системы ассистирования водителю - Адаптивный круиз-контроль - Адаптивные системы подвески - Автоматизация вождения автомобиля 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) *Разные виды лазерного излучения: Airborne Laser Mine Detection System (ALMDS) аэро-миноискатель от Areté Associates[2]
  5. 5. 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. 6. 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. 7. http://www.cvlibs.net/datasets/kitti/setup.php Сбор данных KITTI dataset
  8. 8. Как выглядят данные
  9. 9. Как выглядят данные
  10. 10. Разрешение
  11. 11. Разрешение
  12. 12. Обработка
  13. 13. Рисунок из статьи R.Mohan [3] Задачи связанные с построением модели дороги - Scene Flow - Visual Odometry / SLAM Evaluation - Object Detection - Object Tracking - Road/Lane Detection - Semantic Segmentation
  14. 14. Point Cloud Library (PCL) http://pointclouds.org/
  15. 15. Модели представления 3D данных для машинного обучения -Проецирование на плоскости -Векторизация, обобщение -Набор секущих плоскостей
  16. 16. [4] – R.Socher DNN for 3D
  17. 17. Zhirong Wu[5] 3D shapes network
  18. 18. Zhuotun Zhu[6] Autoencoder for 3D Shape
  19. 19. Рисунок – PCL[6] Point Cloud Library usage Фильтрация pcl::PassThrough pcl::StatisticalOutlierRemoval
  20. 20. Рисунок – PCL[7] Point Cloud Library usage Вычисление нормалей и их анализ pcl::NormalEstimation pcl::KdTreeFLANN Быстрый поиск ближайших соседей с использованием KDTree
  21. 21. 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/

×