Leiterplatte Blog - Analyse der 3D-Modellierung von Lidar basierend auf ZYNQ

In 3D Rekonstruktion, Es gibt zwei Hauptmethoden: Vision und Laser Radar. Die Distanzmessmethode der Vision Technologie basiert auf Triangulation. Die maximale Reichweite beträgt 5-8m, das nicht für große Räume geeignet ist, und diese Methode wird stark durch Licht beeinflusst. Im Gegensatz dazu, Lidar kann in einem größeren Spektrum von Szenen verwendet werden. in 3D Rekonstruktion

1.2 Anwendungsbereich

Die Anwendung der 3D-Modellierung ist sehr umfangreich, wie die Echtzeit-Hindernisvermeidung und Wegeplanung von unbemannten Luftfahrzeugen und fahrerlosen Fahrzeugen. Gleichzeitig kann es auch in Bildverarbeitung, 3D-Druck und andere Technologien integriert werden. Es ist auch eine sehr sinnvolle Anwendung in der Reproduktion und Rekonstruktion kultureller Relikte. Das Laser-Radar-3D-Modellierungssystem basierend auf ZYNQ, das dieses Mal entworfen wurde, kann tief in die Zielumgebung gehen, Punktwolken sammeln, 3D-Raummodelle rekonstruieren, messen und andere Machine Vision-Anwendungen.

1.3 Wesentliche technische Merkmale

Zunächst verwendet das System den icp-Algorithmus in der pcl-Punktwolkendatenbank, der die vom Lidar zurückgegebenen Daten für viele Male iterieren kann, um eine genaue Registrierung zu erreichen.

Zweitens, das System trägt die Laser Radar PCB auf dem Weizenradwagen, Übertragung der Position und Geschwindigkeit des Wagens in Echtzeit durch das Trolleygyroskop und den Motorencoder, und erhält die Echtzeit-genaue Positionierung des Laserradars durch Koordinatensystem Transformation.

Dieser Entwurf kann Echtzeit-3D-Rekonstruktion für Innenobjekte mit einem Abstand von 1~5m und weniger blinden Bereichen durchführen und wird nicht leicht durch Licht beeinflusst. Das Lidar ist an einem ferngesteuerten Auto montiert und kann zur Vermessung der für Menschen unzugänglichen Umgebung verwendet werden.

1.4 Leistungskennzahlen

1.5 Wichtigste Innovationspunkte

(1) Der Wagen kann durch mobile App ferngesteuert werden;

(2) Der Algorithmus basiert auf der PCL Punktwolkenbibliothek;

(3) Echtzeitdatenregistrierung kann durch Icp-Algorithmus erreicht werden;

(4) Verwenden Sie das PL-Modul von pynq, um den ICP-Algorithmus mit HLS zu beschleunigen.

Teil II Systemzusammensetzung und Funktionsbeschreibung

2.1 Allgemeine Einführung

Das System besteht aus Laserradar, STM32-basiertem Weizenradwagen und Xilinx PYNQ-Z2. Das Laserradar überträgt die gesammelten Punktwolkendaten über den Internetanschluss an PYNQ-Z2, und der McLun-Wagen ist mit Motorencoder, Gyroskop und Bluetooth-Modul ausgestattet. Lenkung und Bewegung können über das Bluetooth-Programm des Mobiltelefons gesteuert werden. Während der Bewegung werden die Verschiebungs- und Lageinformationen an den STM32-Mikrocontroller übertragen, und diese Informationen werden über das UART-Protokoll STM32 an PYNQ-Z2 übertragen. ZYNQ berechnet die Verschiebung und den Lageversatz des Laserradars entsprechend der Verschiebungs- und Lageinformationen. ZYNQ spleißt die Punktwolkendaten mit ICP-Algorithmus entsprechend dem Versatz von Lagen- und Positionsinformationen und überträgt die Daten dann durch den Netzwerkport.

In diesem Design verwenden wir ein kleines Auto, das mit einem Laserradar ausgestattet ist, um mobile Scans durchzuführen und sammeln die linken, rechten und oberen Informationen für die Rekonstruktion.

2.2 Einführung in jedes Modul

2.2.1 R-Fans-16 Lidar

In diesem System wird das Navigationsradar R-Fans-16 für die Lidarerfassung verwendet, das 3D-Erkennungsbilder durch 16-Zeilen 360°-Scanning realisiert. Basierend auf der hochpräzisen Laser-Echosignal-Messtechnologie verfügt R-Fans-16 über solche technischen Eigenschaften wie einen langen Messbereich (Detektionsfähigkeit bis zu 200m), eine hohe Messgenauigkeit (Entfernungsgenauigkeit besser als 2cm), eine genaue Echointensität (Ziel reflektierte Echointensität bis zu 8 Bit) und berücksichtigt Winkelabdeckung und Winkelauflösung in Pitch-Richtung. Beim Betrieb des Lidars werden die Echtzeit-Punktwolkendaten über den Netzwerkport an PYNQ-Z2 übertragen.

2.2.2 Weizenradwagen auf Basis von STM32

Der Weizenradwagen ist mit einem STM32 Single-Chip Mikrocomputer ausgestattet. In diesem Experiment kommen Gyroskop, Encoder und Bluetooth auf dem Wagen zum Einsatz. Das Gyroskop und der Motorencoder auf dem Wagen übertragen die Daten über SPI-Protokoll an den STM32 Single-Chip-Mikrocomputer. Der Einzelchip-Mikrocomputer berechnet die Position des Trolleys und die Reifengeschwindigkeit und verwendet dann UART-Protokoll, um den Datenzyklus an ZYNQ in Echtzeit mit 115200 Baudrate zu senden. Die Bewegung und Lenkung des Autos werden per Bluetooth ferngesteuert.

2.2.3 Umrechnung des Koordinatensystems

In diesem Design kommt das Navigationsradar R-Fans-16 zum Einsatz. Die gesammelten Daten basieren auf einem eigenen Koordinatensystem. Das Wesen der 3D-Rekonstruktion besteht darin, die Daten im Laserradarkoordinatensystem in das geodätische absolute Koordinatensystem, das heißt das sphärische Koordinatensystem in das rechteckige Koordinatensystem umzuwandeln.

Sphärisches Koordinatensystem ist eine Art System, das sphärische Koordinaten verwendet (r, θ，ϭＭＭEin dreidimensionales orthogonales Koordinatensystem, das die Position eines Punktes P im dreidimensionalen Raum darstellt. zwischen der Linie vom Ursprung zum Punkt P und der positiven z-Achse ist θ， Der "Azimut" zwischen der Projektionslinie der Linie vom Ursprung zum Punkt P auf der xy-Ebene und der x-Achse ist π‚ã‚

Die Formel zwischen sphärischem Koordinatensystem und rechteckigem Koordinatensystem wird wie folgt konvertiert:

Bei diesem Entwurf werden die Koordinaten am Start des Fahrzeugs als Koordinatenherstellung des absoluten Koordinatensystems genommen. Später, während des Lidar-Datenzyklus, wird ein Unterkoordinatensystem mit dem Lidar als Koordinatenherstellung etabliert, und die Verschiebungsablenkung des Lidars unter dem ursprünglichen absoluten Koordinatensystem wird aufgezeichnet.

Die Richtungen der drei Koordinatenachsen von xyz stimmen mit denen des Laser Radar Koordinatensystems überein. Mit Hilfe des Encoders des Motors können die Bewegungsgeschwindigkeit und Richtung der horizontalen Ebene des Laserradars gemessen werden, und die Übersetzung zwischen dem Laserradarkoordinatensystem und der absoluten Koordinate kann bekannt sein; Der Neigungswinkel des Laserradars kann durch das Gyroskop gemessen werden, um die Rotation zwischen dem Laserradarkoordinatensystem und dem absoluten Koordinatensystem zu kennen. Mit Hilfe der beiden oben gemessenen Werte und der Umrechnungsformel zwischen dem sphärischen Koordinatensystem und dem rechteckigen Koordinatensystem können die Punkte im Laserradar-Koordinatensystem dem geodätischen Absolutkoordinatensystem zugeordnet werden.

2.2.4 Punktwolkenregistrierung (ICP-Algorithmus)

Die Registrierung des ICP-Algorithmus besteht darin, die Punktsätze unter zwei verschiedenen Koordinatensystemen mit ihren geometrischen Eigenschaften abzugleichen. Es ist notwendig, die Starrkörpertransformationsmatrix und die Translationsmatrix zwischen dem Zielpunktsatz und dem Bezugspunktsatz zu lösen und die Starrkörpertransformationsmatrix zu verwenden, um auf den Zielpunktsatz zu wirken, damit die beiden Punktsätze so weit wie möglich zusammenfallen. Für Zielpunktsatz P und Referenzpunktsatz Q lautet die Umrechnungsformel:

Die obige Gleichung ist nicht immer wahr, daher sollten wir die objektive Funktion minimieren

Die gängigen Methoden zur Lösung von R und T sind SVD und nichtlineare Optimierung. In diesem Design wird die SVD-Methode verwendet.

Das ICP-Algorithmusproblem wird normalerweise in das am wenigsten Quadrat optimale Lösungsproblem umgewandelt, und das ganze Problem wird in zwei Teile unterteilt. Der erste Teil ist Grundlage und Input des zweiten Teils. Der erste Teil wird grobe Registrierung oder globale Registrierung genannt. Die grobe Registrierung besteht darin, das ungefähre Koinzidenzergebnis zwischen Punktsätzen durch Berechnung der Position und Pose zwischen zwei Punktsätzen zu erhalten, um den entsprechenden Anfangswert für die nächste genaue Registrierung bereitzustellen. Der zweite Teil nennt sich präzise Registrierung oder lokale Registrierung. Für zwei Punktsätze, die nah genug beieinander liegen, wird eine iterative Optimierungsstrategie verwendet, um das endgültige Registrierungsergebnis zu erzielen.

Teil III Vervollständigung und Leistungsparameter

3.1 Allgemein

Dieses System hat die Punktwolkenerfassung des Laserradars, die Positionsinformationserfassung von Gyroskop und Encoder abgeschlossen. Das PS-PL-Design, das von ZYNQ, dem Steuerchip der PYNQ-Z2-Entwicklungsplatine verwendet wird, verbessert den Komfort und die Machbarkeit des Systemdesigns erheblich und reduziert die Schwierigkeit des Systemdesigns. PS-PL Master-Slave Design behält die Einfachheit des Systemdesigns bei und verbessert gleichzeitig die Laufgeschwindigkeit und Verarbeitungskapazität des Systems. Das Design des PL IP Kerns beschleunigt die Berechnung des Algorithmus erheblich. Der Punktwolkenspleißteil dieses Entwurfs wird durch den IP-Kern am PL-Ende beschleunigt, der den Spleißeffekt verbessert und die Funktion der Echtzeit-3D-Rekonstruktion erfolgreich realisiert.

3.2 Abschluss

Im Innenkorridor stellen wir eine Reihe von Tischen und einen Feuerlöscher, mit Wänden und Fenstern auf beiden Seiten.

Alle 200-Frames werden als Datengruppe gesammelt und in der pcd-Datei gespeichert. Die von jeder Datengruppe generierten Originalbilder werden in Abbildung 3.2.2 dargestellt. Die rechte Seite des Bildes ist die Seite, auf der die Tabelle platziert ist. Die Details der Tischplatte und Tischfüße sind zu sehen. Die untere Seite der linken Seite ist der Feuerlöscher platziert.

Die Icp-Registrierung wird für jede zwei benachbarte Punktwolkengruppe durchgeführt, um ein vollständiges dreidimensionales Modell des Autos zu erhalten, das durch den Korridor fährt.

Die diskrete kleine Punktwolke auf der rechten Seite des Bildes ist der Laser, der vom Fenster im Flur nach außen projiziert und zurückgegeben wird. Sind beide Seiten des Korridors Wände, kann das komplette 3D-Modell zurückgegeben werden.

3.3 Leistungsparameter

Je länger der Abstand ist, desto geringer ist die Auflösung. Der Messfehler von Objektbreite und -tiefe innerhalb des effektiven Erfassungsbereichs hängt von der Stabilität der Ausrüstung ab (hier bezieht sich auf den Jittergrad des Laserradars). Der Messfehler der Breite ist innerhalb 2cm, der Messfehler des geneigten Objekts ist 6cm, und der Fehler des geneigten Winkels ist 4 °. Der Wagen selbst wird während der Messung leicht wackeln, so dass das Ergebnis einen gewissen Fehler aufweist.