摘要详情

ID / 提交时间

65 / 2024-08-15 19:02:05

标题

A Study on a Data-Driven Deflection Angle Measurement Method for Single-Line LiDAR

关键字

LiDAR, deflection angle, 3D mapping, CNN, tunnel analysis

主题及专题

lNovel Sensing Principles and Multi-modal Sensing

状态

全文被拒

作者

yangjinbao / Anhui University Of Science & Technology

姜阔胜 / 安徽理工大学

寇子明 / 太原理工大学

摘要

在构建三维图像的过程中，单线激光雷达因其高精度和便携性而被广泛使用。然而，在手持操作过程中，激光雷达可能会因操作员的移动或姿势变化而偏转，从而导致扫描数据的准确性降低，并影响隧道中 3D 图像拼接的质量。针对这一问题，该文提出一种基于单线LiDAR扫描数据的偏转角度测量方法。该方法利用每帧的雷达扫描轮廓数据，分析连续帧之间的几何关系，计算出激光雷达的偏转角度。本文介绍了一种基于单线LiDAR扫描的隧道断面数据分析方法。首先，利用角度和距离信息生成多样化的旋转数据集，以增强数据多样性和模型鲁棒性;其次，坚持数据连续性原则，有效利用隧道的几何特征，为特征提取奠定了坚实的基础。三个物理量（梯度、半径和欧几里得距离）被定义为系统模型的输入特征。采用卷积神经网络（CNN）进行特征学习，训练模型处理这些输入特征并输出单线激光雷达的偏转角度。仿真结果表明，该模型在测量精度和可解释性方面表现出优异的性能，为隧道三维测绘和分析提供了有效的解决方案。