Методи фільтрації хмари точок отриманої з Lidar сенсору

Скорочена інформація про документ
dc.contributor.advisorЛебедев, Денис Юрійович
dc.contributor.authorМушта Ілля Андрійович, Ілля Андрійович
dc.date.accessioned2023-07-03T10:33:33Z
dc.date.available2023-07-03T10:33:33Z
dc.date.issued2022-12
dc.description.abstractМагістерська 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].uk
dc.description.abstractotherThe master's thesis consists of 106 pages, 59 figures, 23 tables, 36 refs. Today, with the development of technology, the automotive industry is also undergoing changes. It is estimated that nearly all automobile collisions are caused by human error. To overcome thisthe new driver-assistance systems are introduced. These systems may take over control from humans on identifying danger, performing simple tasks (like cruise control), or challenging maneuvers (like overtaking and parking). The ADAS functions rely on either a single front camera or a front stereovision camera. On most modern ADAS systems camera data is supplemented with information from other devices, such as light detection and ranging (LIDAR) or radio detection and range (RADAR). For fully automated vehicles it is vital to gather information about environment from different sensors. LIDAR-based Advanced Driver Assistance Systems (ADAS) are the most cutting-edge and effective technology for driverless cars. LIDAR technologies offer great accuracy, precision in object detection, and recognition in ADAS. The maps created by these devices are critical for self-driving features. However, measurements obtained from LiDAR sensor always contain noise detections. The origin of this noise is different. Most LIDAR systems suffer degradation from adverse environment conditions. The photodetector of the lidar system detects transient light from the sun and the surroundings, and this light produces noise that hinders the system's effectiveness. Also adverse weather conditions, such as snow, dust, heavy rain or fog, distort the point cloud image obtained by LIDAR sensors. So to obtain high quality LIDAR point cloud filtering methods are used. Traditional filtering algorithms are often limited to isolated outliers, cannot identify outlier groupings or, otherwise, remove a lot of useful environmental features. What`s more, some of them are too complex to have acceptable real-time performance. All this determines the relevance of the task to be solved. 8 The purpose of this thesis is to improve the efficiency of point cloud filtering (in terms of the number of correctly detected noisy and non-noise points, as well as the time complexity of filtering) by applying a suitable algorithm built taking into account the best existing filtering approaches and their software implementations. The following tasks were used to achieve the goal: - analyzed the types of noise contained in the 3D images obtained by the LIDAR sensor, as well as the sources of their occurrence. - existing point cloud filtering approaches were investigated, their advantages and disadvantages were identified. A basic filtering algorithms were selected for further new filtering method construction. - the construction of the filtering method was carried out on the basis of the selected basic algorithms, as well as taking into account the best existing approaches; the obtained results were evaluated. - development of a startup project was completed. The object of research is the process of obtaining a high-quality 3D image of the environment obtained by LIDAR sensor in automotive systems. The subject of research is methods of filtering the point cloud obtained from LIDAR sensor and algorithmic solutions for their implementation. The methods of research are 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. The scientific novelty of the obtained results is determined by the obtained filtering method based the built-in filtering method by applying voxelization and initial removal of dense voxels; by opportunity to detect outliers caused by weather conditions and their effective removal; by using DBSCAN clustering algorithm for outliers clusters detection; by using a special data structure for storing points and reducing the number of mathematical calculations, using the KD-tree data structure and the numerical characteristic of Local Outlier Factor (LOF) for the determination of noisy points in the problem of filtering points of a 3D LIDAR image, as well as the use of a dynamic threshold value of LOF and dynamic global parameters of DBSCAN algorithm to take into account the change in the density of points depending on the distance to the sensor. The practical importance of the obtained results is determined by the created algorithmic and software implementations of the constructed filtering method. Comparative modeling of filtering algorithms was carried out. The results of the thesis research were published at the 73 International Scientific Conference "Information Society: Technological, Economic and Technical Aspects of Development" (December 8-9, 2022). One article was published on the materials of the research [37].uk
dc.format.extent106 с.uk
dc.identifier.citationМушта, І. А. Методи фільтрації хмари точок отриманої з Lidar сенсору : магістерська дис. : 172 Телекомунікації та радіотехніка / Мушта Ілля Андрійович. - Київ, 2022. - 106 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/57833
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectLIDARuk
dc.subjectхмара точок,uk
dc.subjectфільтраціяuk
dc.subjectprincipal component analysisuk
dc.subjectкластеризаціяuk
dc.subjectOPTICS-OFuk
dc.subjectавтомобільні системиuk
dc.subjectKD-treeuk
dc.subject.udc004.051uk
dc.titleМетоди фільтрації хмари точок отриманої з Lidar сенсоруuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Mushta_magistr.pdf
Розмір:
4.87 MB
Формат:
Adobe Portable Document Format
Опис:
.
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
3.02 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (КЕОА)
Магістерські роботи