Upraszczanie map trójwymiarowych z użyciem metody rozszerzania obszaru

• Autorzy: Szynkiewicz, W. , Przedniczek, K.

Warianty tytułu

EN

3D maps simplification using growing region method

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono algorytm budowy j upraszczania map trójwymiarowych środowisk zamkniętych - wnętrz budynków - na podstawie pomiarów z dalmierza laserowego. Z pierwotnej reprezentacji środowiska w postaci chmury punktów jest tworzona mapa w postaci siatki trójkątów. Do upraszczania mapy polegającego na wyszukiwaniu powierzchni płaskich zastosowano technikę rozszerzania obszaru wykorzystującą metodę najmniejszej sumy kwadratów. Przedstawiono wyniki kolejnych etapów budowy i upraszczania mapy dla przykładowego środowiska. Omówiono wpływ sposobu określania sąsiedztwa punktu na szybkość działania algorytmów i jakość upraszczanych map.

EN

This paper presents an algorithm of simplification and improving quality of 3D maps. The growing region technique is used to obtain an approximation of planes (flat surfaces) included in the scene. The method is based on local least square fitting for estimating the normals at all sample points of a point cloud data. The effects of neighborhood size determined by using k-nearest neighbors of the point or within a ball of certain radius r are analyzed. Experiments using a mobile robot with 3D laser scanner in indoor environment show the usefulness of the proposed approach.

Słowa kluczowe

PL

mapa trójwymiarowa; budowa mapy; upraszczanie mapy; metoda rozszerzania obszaru

EN

3D map; simplification map; growing region method

• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2008
• Tom: z. 166, t. 1
• Strony: 111-120
• Opis fizyczny: Bibliogr. 21 poz., rys., tab.

Twórcy

autor

Szynkiewicz, W.

autor

Przedniczek, K.

• Instytut Automatyki i Informatyki Stosowanej, Wydział Elektroniki i Techniki Informacyjnych, Politechnika Warszawska, ul. Nowowiejska 15/19, 00-665 Warszawa,

Bibliografia

• [1] D. Borrmann et al. Globally consistent 3d mapping with scan matching. Journal of Robotics and Autonomous Systems, 2008, Vol. 56, No. 2, s. 130-142.
• [2] M. Garland, P. Heckbert. Surface simplification using quadric error metrics. In: International Conference on Computer Graphics and Interactive Techniques, SIGGRAPH 97. Proceedings, 1997.
• [3] B.P. Gerkey, R.T. Vaughan, A. Howard. Player, user manual ver. 1.5. Robotics Research Laboratory University of Southern California, 2004.
• [4] D. Hähnel, W. Burgard, S. Thrun. Learning compact 3d models of indoor and outdoor environments with a mobile robot. Robotics and Autonomous Systems, 2003, Vol. 44, No. 1, s. 15-27.
• [5] W. Kasprzak, W. Szynkiewicz, M. Karolczak. Global colour image features for discrete self-localization of an indoor vehicle. In: Computer Analysis of Images and Patterns, Lecture Notes in Computer Science 3691, s. 620-627. Berlin, Heidelberg, Springer 2005.
• [6] D. Kincaid, W. Cheney. Analiza numeryczna. Warszawa, WNT 2006.
• [7] J. Mitra, A. Nguyen, L. Guibas. Estimating surface normals in noisy point cloud data. 2004, Vol. 14, No. 4-5, s. 261-276.
• [8] D. M. Mount. ANN Programming Manual. Department of Computer Science and Institute for Advanced Computer Studies University of Maryland, College Park, Maryland, 2006.
• [9] M.M. Nevado, J.G. García-Bermejo, E.Z. Casanova. Obtaining 3D models of indoor environments with a mobile robot by estimating local surface directions. Robotics and Autonomous Systems, 2004, Vol. 48, No. 2-3, s. 131-143.
• [10] K. Niewiarowski. Budowanie map 3d przez roboty mobilne oraz ich wizualizacja. Praca dyplomowa magisterska, Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska, Warszawa, 2006.
• [11] A. Nüchter et al. 6D SLAM for 3D mapping outdoor environments. Journal of Field Robotics, Special Issue on Quantitative Performance Evaluation of Robotic and Intelligent Systems, 2007, Vol. 24, No. 8/9, s. 699-722.
• [12] K. Pervölz et al. Automatic reconstruction of colored 3D models. In: Robotik 2004. Proceedings, Munich, Germany, 2004, VDI-Berichte 1841, s. 215-222.
• [13] B. Siemiątkowska, M. Gnatowski, A. Zychewicz. Fast method of 3d map building based on laser range data. Journal of Automation, Mobile Robotics and Inteligent Systems, 2007, Vol. 1, No. 2, s. 35-40.
• [14] P. Skrzypczyński. Spatial uncertainty management for simultaneous localization and mapping. In: IEEE International Conference on Robotics and Automation. Proceedings, Roma, Italy, 2007, s. 4050-4055.
• [15] M. Soucy, D. Laurendeau. Multiresolution surface modeling based on hierarchical triangulation. Computer Vision and Image Understanding, 1996, Vol. 63, No. 1, s. 1-14.
• [16] H. Surmann, A. Nüchter, J. Hertzberg. An autonomous mobile robot with a 3d laser range finder for 3d exploration and digitalization of indoor environments. Robotics and Autonomous Systems, 2003, Vol. 45, No. 3-4, s. 181-198.
• [17] W. Szynkiewicz et al. Modułowy robot mobilny Elektron. In: Postępy Robotyki: Sterowanie, percepcja i komunikacja Red. K. Tchoń, wolumen 1, s. 265-274. WKiŁ Warszawa, 2006.
• [18] J.W. Tangelder, R.C. Veltkamp. A survey of content based 3D shape retrieval methods. In: Shape Modeling International SMI'04, IEEE Computer Society. Proceedings, 2004, s. 145-156.
• [19] S. Thrun. Robotic mapping: A survey. In: Exploring Artificial Intelligence in the New Millenium Red. G. Lakemeyer, B. Nebel. Morgan Kaufmann 2002.
• [20] S. Thrun, W. Burgard, D. Fox. Probabilistic Robotics. The MIT Press 2005.
• [21] J. Weingarten, G. Gruener, R. Siegwart. Probabilistic plane fitting in 3d and an application to robotic mapping. In: IEEE International Conference on Robotics and Automation. Proceedings, 2004, s. 927-932.