Магістерські роботи (КЕОА)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21992

Переглянути

Перегляд Магістерські роботи (КЕОА) за Ключові слова "004.051"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Методи фільтрації хмари точок отриманої з Lidar сенсору
    (КПІ ім. Ігоря Сікорського, 2022-12) Мушта Ілля Андрійович, Ілля Андрійович; Лебедев, Денис Юрійович
    Магістерська дисертація складається з 106 сторінок, в якій міститься 59 рисунків, 23 таблиць, використано 36 джерел. Актуальність. Сьогодні з розвитком технологій автомобільна промисловість також зазнає змін. Вважається, що майже всі автомобільні зіткнення відбуваються з вини людини. Щоб подолати це, введено нові системи допомоги водієві (ADAS). Ці системи можуть взяти на себе керування автомобілем під час виявлення небезпеки, виконання простих завдань (як-от круїз-контроль) або складних маневрів (як-от обгін і паркування). Функції ADAS покладаються або на одну передню камеру, або на фронтальну стереокамеру. У більшості сучасних систем ADAS дані камери доповнюються інформацією з інших пристроїв, таких як виявлення світла та дальності (LIDAR) або радіовиявлення та дальності (RADAR). Для повністю автоматизованих транспортних засобів життєво важливо збирати інформацію про навколишнє середовище з різних датчиків. Удосконалена система допомоги водієві (ADAS) на основі LIDAR є найсучаснішою та найефективнішою технологією для безпілотних автомобілів. Технології LIDAR забезпечують велику точність виявлення та розпізнавання об’єктів в ADAS. Карти, створені цими пристроями, мають вирішальне значення для функцій автономного керування. Однак вимірювання, отримані датчиком LIDAR, завжди містять шум. Походження цього шуму різне. Більшість систем LIDAR страждають від несприятливих умов навколишнього середовища. Фотодетектор лідарної системи виявляє світло від сонця та навколишнього середовища, і це світло створює шум, який перешкоджає ефективній роботі системи. Також несприятливі погодні умови, такі як сніг, пил, сильний дощ або туман, спотворюють зображення хмари точок, отримане датчиками LIDAR. Тому для отримання високоякісної хмари точок LIDAR використовуються методи фільтрації. Традиційні алгоритми фільтрації часто обмежуються ізольованими викидами, не можуть ідентифікувати групи викидів або, іншим чином, видаляють багато корисних елементів середовища. Більше того, деякі з них надто складні, щоб мати прийнятну продуктивність у реальному часі. Все це визначає актуальність розв'язуваної задачі. Метою дисертаційної роботи є підвищення ефективності фільтрації хмар точок (у термінах кількості правильно виявлених шумових та нешумових точок, а також часової складності фільтрації) шляхом застосування підходящого алгоритму побудованого з врахуванням кращих існуючих підходів фільтрації та їх програмних реалізацій. Досягнення мети вирішувалося наступними задачами: - проаналізовано типи шумів, які містяться в отриманих LIDAR сенсором 3D- знімках, а також джерела їх виникнення. - досліджено існуючі підходи фільтрації хмари точок, виявлено їх переваги та недоліки. Обрано базові алгоритми фільтрації для подальшої побудови нового методу фільтрації. - проведено побудову методу фільрації на основі обраних базових алгоритмів, а також з урахуванням кращих існуючих підходів; проведено оцінку отриманих результатів. - виконано розроблення стартап-проєкту. Об’єктом дослідження є процес отримання якісного 3D - знімку середовища LIDAR сенсором у автомобільних системах. Предметом дослідження є методи фільтрації хмари точок отриманої з LIDAR сенсору та алгоритмічні рішення їх реалізації. Методи дослідження: методи фільтрації statistical outlier removal filter (SOR), fast statistical outlier removal filter (FCSOR), radius outlier removal filter (ROR), spatial frequency outlier removal filter (SF), cell histogram filter (CH), difference of normals method (DON), filtering algorithm based on RGB-D information, dynamic statistical outlier removal filter (DSOR), dynamic radius outlier removal filter (DROR), PCA-based denoising algorithm, DBSCAN clusterization algorithm, OPTICS clusterization algorithm, OPTICS-OF filtering algorithm, KD-tree. Наукова новизна отриманих результатів визначається побудованим методом фільтрації шляхом застосування вокселізації і початкового видалення щільних вокселів; можливості виявлення викидів, спричинених погодними умовами та їх ефективного видалення; використання алгоритму кластеризації DBSCAN для пошуку кластерів викидів, застосування спеціальної структури даних для зберігання точок і зменшення кількості математичних обрахунків, використання KD-tree структури даних і числової характеристики Local Outlier Factor (LOF) для визначення шумових точок у задачі фільтрації точок 3D-знімку LIDAR, а також використання динамічного порогового значення LOF та динамічних глобільних параметрів DBSCAN алгоритму для врахування зміни щільності точок залежно від відстані до сенсора. Практичне значення отриманих результатів визначається створеними алгоритмічними та програмними засобами реалізації побудованого методу фільтрації. Проведено порівняльне моделювання алгоритмів фільтрації. Апробація результатів дослідження. Результати дисертаційних досліджень представлені в 73 Міжнародній науковій конференції «Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення» (8-9 грудня 2022р.). Публікації. За матеріалами досліджень опубліковано 1 друковану статтю [37].