[go: up one dir, main page]

CN113868807A - 三维环境分析方法和设备、计算机存储介质以及无线传感器系统 - Google Patents

三维环境分析方法和设备、计算机存储介质以及无线传感器系统 Download PDF

Info

Publication number
CN113868807A
CN113868807A CN202010610963.9A CN202010610963A CN113868807A CN 113868807 A CN113868807 A CN 113868807A CN 202010610963 A CN202010610963 A CN 202010610963A CN 113868807 A CN113868807 A CN 113868807A
Authority
CN
China
Prior art keywords
wall
direct
ground
analysis
wall surface
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010610963.9A
Other languages
English (en)
Inventor
M.P.扎普夫
王炜
孙昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to CN202010610963.9A priority Critical patent/CN113868807A/zh
Priority to DE102021205428.5A priority patent/DE102021205428A1/de
Priority to US17/359,589 priority patent/US11704916B2/en
Publication of CN113868807A publication Critical patent/CN113868807A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/19007—Matching; Proximity measures
    • G06V30/19093—Proximity measures, i.e. similarity or distance measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Remote Sensing (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Architecture (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种三维环境分析方法。所述方法包括：接收工作环境的原始点云数据；对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地‑墙配对组；以及对所述一个或多个相邻地‑墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。本发明还涉及一种三维环境分析设备、计算机存储介质以及无线传感器系统。

Description

三维环境分析方法和设备、计算机存储介质以及无线传感器 系统
技术领域
本发明涉及三维环境分析方案，更具体地，涉及一种三维环境分析方法和设备、计算机存储介质以及无线传感器系统。
背景技术
在复杂环境中设置无线信号传播系统时，锚定点与连接的设备（例如，连接到UWB系统中的锚（anchor）的本地标签（localized tag），连接到WiFi锚的移动计算机等）之间在无线连接期间会出现非直视（NLOS）情况。这通常会导致系统性能下降，甚至无法正常运行。例如，在UWB（Ultra Wide Band，超宽带）系统中，在本地化标签和安装在墙上的UWB锚之间存在NLOS情形时，该系统无法准确跟踪UWB标签的位置。
不仅在UWB无线传感器系统中，而且在其他要求传感器或锚与被跟踪器件之间具有直视（LOS）以实现最佳功能的系统中，NLOS情形也被尽可能避免。例如，在安装多个监视摄像机以最大程度地覆盖环境、WiFi系统等的情形下，NLOS会导致系统的性能受损。
在最初设置无线传感器系统时，需要进行大量的手动测量并仔细选择锚（或传感器）安装点，以最大程度地减少在系统使用过程中发生NLOS。在复杂的异构环境中，预先判断最佳安装点非常困难，
因此，期望一种改进的三维环境分析方案，以协助用户更方便地设置无线传感器系统。
发明内容
根据本发明的一方面，提供了一种三维环境分析方法，所述方法包括：接收工作环境的原始点云数据；对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
可选地，在上述方法中，接收工作环境的原始点云数据包括：接收激光探测及测距系统或者深度相机所产生的原始点云数据。
可选地，在上述方法中，对基于所述原始点云数据所构建的地图进行处理包括：使用SLAM技术处理原始点云数据来构建所述工作环境的3D地图；对所述地图进行预处理，以便去除噪声和/或异常值；以及对经过预处理的地图进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。
可选地，在上述方法中，对所述一个或多个相邻地-墙配对组执行光线跟踪分析包括：对于每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。
可选地，在上述方法中，对所述一个或多个相邻地-墙配对组执行光线跟踪分析还包括：对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
可选地，上述方法还可包括：在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。
可选地，上述方法还可包括：对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
可选地，上述方法还可包括：基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。
可选地，上述方法还可包括：基于所述光线跟踪分析，提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置之间的关系的统计分析。
可选地，在上述方法中，基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
根据本发明的另一个方面，提供了一种三维环境分析设备，所述设备包括：接收模块，用于接收工作环境的原始点云数据；处理模块，用于对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；配对模块，用于根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及分析模块，用于对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
可选地，在上述设备中，所述接收模块配置成接收激光探测及测距系统或者深度相机所产生的原始点云数据。
可选地，在上述设备中，所述处理模块包括：构建模块，用于使用SLAM技术处理原始点云数据来构建所述工作环境的3D地图；预处理模块，用于对所述原始点云数据进行预处理，以便去除噪声和/或异常值；以及点云分割模块，用于对经过预处理的点云数据进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。
可选地，在上述设备中，所述分析模块配置成对于所述每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。
可选地，在上述设备中，所述分析模块还配置成对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
可选地，上述设备还可包括：第一图形显示模块，用于在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。
可选地，上述设备还可包括：第二图像显示模块，用于对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
可选地，上述设备还可包括：计算模块，用于基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。
可选地，上述设备还可包括：统计分析模块，用于基于所述光线跟踪分析，提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置之间的关系的统计分析。
可选地，在上述设备中，所述计算模块配置成基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
根据本发明的又一个方面，提供了一种计算机存储介质，所述介质包括指令，所述指令在运行时执行如上所述的三维环境分析方法。
根据本发明的又一个方面，提供了一种无线传感器系统，其包括如上所述的三维环境分析设备。
综上，本发明的三维环境分析方案可协助用户更快、更方便地设置无线传感器系统。
附图说明
从结合附图的以下详细说明中，将会使本发明的上述和其他目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。
图1示出了根据本发明的一个实施例的三维环境分析方法的流程示意图；以及
图2示出了根据本发明的一个实施例的三维环境分析设备的结构示意图。
具体实施方式
在下文中，将参考附图详细地描述根据本发明的各示例性实施例的三维环境分析方案。
图1示出了根据本发明的一个实施例的三维环境分析方法1000的流程示意图。如图1所示，方法1000包括如下步骤：
在步骤S110中，接收工作环境的原始点云数据；
在步骤S120中，对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；
在步骤S130中，根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及
在步骤S140中，对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
在本发明的上下文中，术语“工作环境”表示安装有或准备安装无线传感器系统或无线信号传播系统的任何环境。
术语“点云”是指在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合。在一个实施例中，“点云数据”可包括二维坐标（XY）或三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）等信息。“原始点云数据”即未经预处理的点云数据。在一个实施例中，原始点云数据可由激光探测及测距系统（LiDAR）或者深度相机（例如RGB-D相机）产生。
在本发明的上下文中，术语“障碍物”是相对于“墙面”和“地面”而言的，是指在设置无线传感器系统的工作环境中，不属于墙面或地面的任何物体。
术语“直视”也称为视距（LOS），术语“非直视”也称为非视距（NLOS）。从名称上而言，它们分别指代无线信号的视线传输和非视线传输。在实际的移动通信的网络规划中，大部分环境都可以分成LOS和NLOS。
在LOS条件下，无线信号无遮挡地在发信端与接收端之间‘直线’传播，这要求在第一菲涅尔区(First Fresnel zone)内没有对无线电波造成遮挡的物体，如果条件不满足，信号强度就会明显下降。菲涅尔区的大小取决于无线电波的频率及收发信机间距离。而在有障碍物的情况下，无线信号只能通过反射，散射和衍射方式到达接收端，我们称之为NLOS，即非直视传输/非视距传输。此时的无线信号通过多种途径被接收，而多径效应会带来时延不同步、信号衰减、极化改变、链路不稳定等一系列问题。
在本发明的上下文中，术语“直视区”表示工作环境中的特定地面区域，当移动物体在该区域内活动时，安装在墙面上的传感器或锚（例如UWB系统中的锚）与该移动物体（即被跟踪物体）之间的无线信号传播为视线传输。类似地，术语“非直视区”的含义与“直视区”相对，在被跟踪物体在非直视区内活动时，安装在墙面上的传感器或锚（例如UWB系统中的锚）与该被跟踪物体之间的无线信号传播为非视线传输。
通过上述三维环境分析方法，经由对一个或多个相邻地-墙配对组执行光线跟踪分析，可获得工作环境中的直视区以及非直视区，指出能够使非直视区最少的理想锚定点位置，从而协助用户更快、更方便地设置无线传感器系统。
在一个实施例中，步骤S110可包括：接收激光探测及测距系统（LiDAR）或者深度相机（例如RGB-D相机）所产生的原始点云数据，并将所述原始点云数据加载到数据库中。在一个实施例中，原始点云数据可通过基于激光雷达的SLAM(Simultaneous localization andmapping，即“同步定位与建图”)技术来产生。激光雷达的出现和普及使得测量更快更准，信息更丰富。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。激光雷达测距比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。同时，点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。
在一个实施例中，步骤S120可包括：使用SLAM(Simultaneous localization andmapping，即“同步定位与建图”)技术处理原始点云数据来构建所述工作环境的3D地图；对所述地图进行预处理，以便去除噪声和/或异常值；以及对经过预处理的地图进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。在一个实施例中，通过点云库（PointCloud Library，PCL）提供的功能对工作环境的3D地图进行预处理，以便去除噪声和/或异常值。在一个实施例中，使用点云库中的RANSAC以及欧式聚类（Euclidean clustering）等功能来对经过预处理的地图进行分割，以便提取工作环境中的地面、墙面以及障碍物。
RANSAC是随机一致性采样的意思，其主要解决样本中的外点问题，最多可处理50%的外点情况。RANSAC的基本思想是通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：（1）有一个模型适用于假设的局内点，即所有的未知参数都能从假设的局内点计算得出；（2）用第1步中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点；（3）如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理；（4）用所有假设的局内点去重新估计模型，因为它仅仅被初始的假设局内点估计过；（5）通过估计局内点与模型的错误率来评估模型。
上述这个过程被重复执行固定的次数，每次产生的模型要么因为局内点太少而被舍弃，要么因为它比现有的模型更好而被选用。RANSAC算法非常适合从杂乱点云中检测某些具有特殊外形的物体。
欧式聚类是一种基于欧氏距离度量的聚类算法。对于欧式聚类来说，距离判断准则为欧氏距离。对于空间某点P，通过KD-Tree近邻搜索算法找到k个离p点最近的点，这些点中距离小于设定阈值的便聚类到集合Q中。如果Q中元素的数目不在增加，整个聚类过程便结束；否则须在集合Q中选取p点以外的点，重复上述过程，直到Q中元素的数目不在增加为止。
在步骤S130中，根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组。例如，根据地面与墙面的基准平面和点之间的接近度来对各个划分的地面和墙面进行配对。换言之，当地面与墙面的接近度大于阈值S时，则将该地面与墙面进行配对。
在一个实施例中，步骤S140可包括：对于每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。在一个实施例中，步骤S140还可包括：对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
尽管图1中未示出，在一个实施例中，三维环境分析方法1000还可包括：在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。用户可以使用类似于CAD程序的测量工具来确定重建环境的几何特征之间的距离和角度，并在虚拟布局上标记3-D位置和区域以用于以后的NLOS分析，并选择锚点/传感器安装。
在一个实施例中，三维环境分析方法1000还可包括：对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
在一个实施例中，三维环境分析方法1000还可包括：基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。这提供了虚拟环境布局中的可视输出和文本输出（例如，文本文件中的3-D坐标）。
在一个实施例中，三维环境分析方法1000还可包括：基于所述光线跟踪分析（例如至少基于直视传输和非直视传输的光线数量以及光线长度），提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置等之间的关系的统计分析。
用户还可以指定多个约束条件，例如要部署的锚/传感器的数量，允许的最小/最大锚/传感器安装高度等。上述一个或多个实施例可在输出和显示中考虑这些约束条件。在一个实施例中，基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
还可在图形用户界面中允许用户根据上述分析指定最终的锚/传感器位置。指定最终位置后，向用户提供逐步的视觉指导，以在3-D布局中安装单个锚。还可显示虚拟建议和到下一个视觉界标（例如边缘和地面）的距离等。例如，建议用户“在墙1上安装锚1，该锚1安装在地面上5米，并且距离左边沿0.8米”。除此以外，还可允许以图像或文本形式导出所有可视化和分析结果，以进行共享和记录。
参考图2，图2示出了根据本发明的一个实施例的三维环境分析设备2000的结构示意图。如图2所示，三维环境分析设备2000包括接收模块210、处理模块220、配对模块230以及分析模块240。其中，接收模块210用于接收工作环境的原始点云数据；处理模块220用于对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；配对模块230用于根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及分析模块240用于对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
在本发明的上下文中，术语“工作环境”表示安装有或准备安装无线传感器系统或无线信号传播系统的任何环境。
术语“点云”是指在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合。在一个实施例中，“点云数据”可包括二维坐标（XY）或三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）等信息。“原始点云数据”即未经预处理的点云数据。在一个实施例中，原始点云数据可由激光探测及测距系统（LiDAR）或者深度相机（例如RGB-D相机）产生。
在本发明的上下文中，术语“障碍物”是相对于“墙面”和“地面”而言的，是指在设置无线传感器系统的工作环境中，不属于墙面或地面的任何物体。
术语“直视”也称为视距（LOS），术语“非直视”也称为非视距（NLOS）。从名称上而言，它们分别指代无线信号的视线传输和非视线传输。在实际的移动通信的网络规划中，大部分环境都可以分成LOS和NLOS。
在LOS条件下，无线信号无遮挡地在发信端与接收端之间‘直线’传播，这要求在第一菲涅尔区(First Fresnel zone)内没有对无线电波造成遮挡的物体，如果条件不满足，信号强度就会明显下降。菲涅尔区的大小取决于无线电波的频率及收发信机间距离。而在有障碍物的情况下，无线信号只能通过反射，散射和衍射方式到达接收端，我们称之为NLOS，即非直视传输/非视距传输。此时的无线信号通过多种途径被接收，而多径效应会带来时延不同步、信号衰减、极化改变、链路不稳定等一系列问题。
术语“直视区”表示工作环境中的特定地面区域，当移动物体在该区域内活动时，安装在墙面上的传感器或锚（例如UWB系统中的锚）与该移动物体（即被跟踪物体）之间的无线信号传播为视线传输。类似地，术语“非直视区”的含义与“直视区”相对，在被跟踪物体在非直视区内活动时，安装在墙面上的传感器或锚（例如UWB系统中的锚）与该被跟踪物体之间的无线信号传播为非视线传输。
通过上述三维环境分析设备2000，经由分析模块240对一个或多个相邻地-墙配对组执行光线跟踪分析，可获得工作环境中的直视区以及非直视区，指出能够使非直视区最少的理想锚定点位置，从而协助用户更快、更方便地设置无线传感器系统。
在一个实施例中，所述接收模块210配置成接收激光探测及测距系统（LiDAR）或者深度相机（例如RGB-D相机）所产生的原始点云数据，并将所述原始点云数据加载到数据库中。在一个实施例中，原始点云数据可通过基于激光雷达的SLAM(Simultaneouslocalization and mapping，即“同步定位与建图”)技术来产生。激光雷达的出现和普及使得测量更快更准，信息更丰富。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。激光雷达测距比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。同时，点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观。
在一个实施例中，处理模块220包括构建模块、预处理模块和点云分割模块，其中构建模块用于使用SLAM(Simultaneous localization and mapping，即“同步定位与建图”)技术处理原始点云数据来构建所述工作环境的3D地图；预处理模块用于对所述地图进行预处理，以便去除噪声和/或异常值；点云分割模块用于对经过预处理的地图进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。
在一个实施例中，预处理模块通过点云库（Point Cloud Library，PCL）提供的功能对工作环境的3D地图进行预处理，以便去除噪声和/或异常值。在一个实施例中，点云分割模块使用点云库中的RANSAC以及欧式聚类（Euclidean clustering）等功能来对经过预处理的地图进行分割，以便提取工作环境中的地面、墙面以及障碍物。
RANSAC是随机一致性采样的意思，其主要解决样本中的外点问题，最多可处理50%的外点情况。RANSAC的基本思想是通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：（1）有一个模型适用于假设的局内点，即所有的未知参数都能从假设的局内点计算得出；（2）用第1步中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点；（3）如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理；（4）用所有假设的局内点去重新估计模型，因为它仅仅被初始的假设局内点估计过；（5）通过估计局内点与模型的错误率来评估模型。
上述这个过程被重复执行固定的次数，每次产生的模型要么因为局内点太少而被舍弃，要么因为它比现有的模型更好而被选用。RANSAC算法非常适合从杂乱点云中检测某些具有特殊外形的物体。
欧式聚类是一种基于欧氏距离度量的聚类算法。对于欧式聚类来说，距离判断准则为欧氏距离。对于空间某点P，通过KD-Tree近邻搜索算法找到k个离p点最近的点，这些点中距离小于设定阈值的便聚类到集合Q中。如果Q中元素的数目不在增加，整个聚类过程便结束；否则须在集合Q中选取p点以外的点，重复上述过程，直到Q中元素的数目不在增加为止。
配对模块230用于根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组。例如，配置模块230根据地面与墙面的基准平面和点之间的接近度来对各个划分的地面和墙面进行配对。换言之，当地面与墙面的接近度大于阈值S时，配置模块230将该地面与墙面进行配对。
在一个实施例中，分析模块240配置成对于每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。在一个实施例中，所述分析模块240还配置成对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
尽管图2中未示出，在一个实施例中，三维环境分析设备2000还可包括第一图形显示模块，该第一图形显示模块在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。用户可以使用类似于CAD程序的测量工具来确定重建环境的几何特征之间的距离和角度，并在虚拟布局上标记3-D位置和区域以用于以后的NLOS分析，并选择锚点/传感器安装。
在一个实施例中，三维环境分析设备2000还可包括第二图形显示模块，该第二图形显示模块对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
在一个实施例中，三维环境分析设备2000还可包括计算模块，该计算模块基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。这提供了虚拟环境布局中的可视输出和文本输出（例如，文本文件中的3-D坐标）。
在一个实施例中，三维环境分析设备2000还可包括统计分析模块，所述统计分析模块基于所述光线跟踪分析（例如至少基于直视传输和非直视传输的光线数量以及光线长度），提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置等之间的关系的统计分析。
用户还可以指定多个约束条件，例如要部署的锚/传感器的数量，允许的最小/最大锚/传感器安装高度等。例如，第二图形显示模块、计算模块和/或统计分析模块可在输出和显示中考虑这些约束条件。在一个实施例中，计算模块基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
在一些实施例中，三维环境分析设备2000还可在图形用户界面中允许用户根据上述分析指定最终的锚/传感器位置。指定最终位置后，向用户提供逐步的视觉指导，以在3-D布局中安装单个锚。还可显示虚拟建议和到下一个视觉界标（例如边缘和地面）的距离等。例如，建议用户“在墙1上安装锚1，该锚1安装在地面上5米，并且距离左边沿0.8米”。除此以外，还可允许以图像或文本形式导出所有可视化和分析结果，以进行共享和记录。
本领域技术人员容易理解，本发明的一个或多个实施例提供的三维环境分析方法可通过计算机程序来实现。例如，当存有该计算机程序的计算机存储介质（例如U盘）与计算机相连时，运行该计算机程序即可执行本发明的实施例的三维环境分析方法。
综上，本发明的三维环境分析方案可利用二维或三维点云/网格自动重建环境并分割墙壁/障碍物和地面，并通过重建和分割自动生成2D和3D布局。通过工具和图形用户界面（GUI），可自动和手动测量布局尺寸（例如公制距离）并可视化布局几何图形。在所有墙壁/障碍物和地面点之间进行自动射线追踪分析，以根据不同的锚/传感器安装位置和约束条件对NLOS情况进行定性和定量分析。通过工具和GUI，还可基于光线跟踪数据对LOS /NLOS情况进行用户视觉和统计评估。还可以设置约束（例如所需的锚点/传感器位置，锚点计数等）。
在一个或多个实施例中，本发明的三维环境分析方案可实现无线传感器系统（例如包括锚（anchor）和标签（tag）的UWB定位系统）中最佳锚/传感器安装位置的计算和视觉显示。通过可视化逐步指导系统，可用于锚/传感器安装，即显示锚/传感器的位置以及安装提示（例如距地面，墙壁等的公制距离）。当有新的输入数据（点云或布局）可用时，可以自动重新运行工具，生成更新的布局，显示更新的LOS / NLOS状态，并为设备重新调整提供建议。所有这些功能可大大减少由于环境变化或系统性能不佳所引起的手动测量、设置和重新调整的时间。
以上例子主要说明了本发明的三维环境分析方案。尽管只对其中一些本发明的实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (22)

1.一种三维环境分析方法，其特征在于，所述方法包括：
接收工作环境的原始点云数据；
对基于所述原始点云数据所构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；
根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及
对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
2.如权利要求1所述的方法，其中，接收工作环境的原始点云数据包括：
接收激光探测及测距系统或者深度相机所产生的原始点云数据。
3.如权利要求1所述的方法，其中，对基于所述原始点云数据所构建的地图进行处理包括：
使用SLAM技术处理原始点云数据来构建所述工作环境的3D地图；
对所述地图进行预处理，以便去除噪声和/或异常值；以及
对经过预处理的地图进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。
4.如权利要求1所述的方法，其中，对所述一个或多个相邻地-墙配对组执行光线跟踪分析包括：
对于每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；
若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及
若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。
5.如权利要求4所述的方法，其中，对所述一个或多个相邻地-墙配对组执行光线跟踪分析还包括：
对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
6.如权利要求1所述的方法，还包括：
在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。
7.如权利要求1所述的方法，还包括：
对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
8.如权利要求1所述的方法，还包括：
基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。
9.如权利要求1所述的方法，还包括：
基于所述光线跟踪分析，提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置之间的关系的统计分析。
10.如权利要求8所述的方法，其中，基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
11.一种三维环境分析设备，其特征在于，所述设备包括：
接收模块，用于接收工作环境的原始点云数据；
处理模块，用于对基于所述原始点云数据构建的地图进行处理，以便分离出所述工作环境中的地面、墙面以及障碍物；
配对模块，用于根据所分离出的地面与墙面之间的接近程度，将所述地面与所述墙面进行配对，以形成一个或多个相邻地-墙配对组；以及
分析模块，用于对所述一个或多个相邻地-墙配对组执行光线跟踪分析，以便获得所述工作环境中的直视区以及非直视区。
12.如权利要求11所述的设备，其中，所述接收模块配置成接收激光探测及测距系统或者深度相机所产生的原始点云数据。
13.如权利要求11所述的设备，其中，所述处理模块包括：
构建模块，用于使用SLAM技术处理原始点云数据来构建所述工作环境的3D地图；
预处理模块，用于对所述地图进行预处理，以便去除噪声和/或异常值；以及
点云分割模块，用于对经过预处理的地图进行分割，以便提取所述工作环境中的地面、墙面以及障碍物。
14.如权利要求11所述的设备，其中，所述分析模块配置成对于每一个配对组中的墙面上的n个墙点中的每一个墙点，跟踪该每一个墙点至所述每一个配对组中的地面上的m个点之间的m条光线；若所述m条光线中的第一光线的传输过程中没有遇到任何障碍物和墙面，则将所述第一光线认定为直视传输；以及若所述m条光线中的第二光线的传输过程中遇到障碍物或墙面，则将所述第二光线认定为非直视传输。
15.如权利要求14所述的设备，其中，所述分析模块还配置成对于所述n个墙点中的每一个墙点，获取分别被认定为直视传输和非直视传输的光线数量以及光线长度。
16.如权利要求11所述的设备，还包括：
第一图形显示模块，用于在图形用户界面中可视化所述地面、墙面以及障碍物以供用户浏览和标记。
17.如权利要求11所述的设备，还包括：
第二图像显示模块，用于对于由用户选定的工作环境中的三维点或三维区域，图形化显示所述直视区以及非直视区。
18.如权利要求11所述的设备，还包括：
计算模块，用于基于所述光线跟踪分析，计算并输出所述墙面上理想的锚定点位置，所述理想的锚定点位置能够使整个工作环境中预先选定区域内的非直视情况最少。
19.如权利要求11所述的设备，还包括：
统计分析模块，用于基于所述光线跟踪分析，提供非直视区域与直视区域的面积比例与所部署的所述墙面上锚定点的数量、锚定点安装位置之间的关系的统计分析。
20.如权利要求18所述的设备，其中，所述计算模块配置成基于所述光线跟踪分析并结合用户设定的限制条件，计算并输出所述墙面上理想的锚定点位置。
21.一种计算机存储介质，其特征在于，所述介质包括指令，所述指令在运行时执行如权利要求1至10中任一项所述的三维环境分析方法。
22.一种无线传感器系统，其包括如权利要求11至20中任一项所述的三维环境分析设备。
CN202010610963.9A 2020-06-30 2020-06-30 三维环境分析方法和设备、计算机存储介质以及无线传感器系统 Pending CN113868807A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010610963.9A CN113868807A (zh) 2020-06-30 2020-06-30 三维环境分析方法和设备、计算机存储介质以及无线传感器系统
DE102021205428.5A DE102021205428A1 (de) 2020-06-30 2021-05-28 Verfahren und Einrichtung zur Analyse einer dreidimensionalen Umgebung, Computerspeichermedium und drahtloses Sensorsystem
US17/359,589 US11704916B2 (en) 2020-06-30 2021-06-27 Three-dimensional environment analysis method and device, computer storage medium and wireless sensor system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010610963.9A CN113868807A (zh) 2020-06-30 2020-06-30 三维环境分析方法和设备、计算机存储介质以及无线传感器系统

Publications (1)

Publication Number Publication Date
CN113868807A true CN113868807A (zh) 2021-12-31

Family

ID=78827119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010610963.9A Pending CN113868807A (zh) 2020-06-30 2020-06-30 三维环境分析方法和设备、计算机存储介质以及无线传感器系统

Country Status (3)

Country Link
US (1) US11704916B2 (zh)
CN (1) CN113868807A (zh)
DE (1) DE102021205428A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406754B (zh) * 2023-12-01 2024-02-20 湖北迈睿达供应链股份有限公司 一种物流机器人环境感知与避障方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6366242B1 (en) * 1997-01-21 2002-04-02 Wherenet Corporation Computer workstation tool for displaying performance estimate of tagged object geo-location system for proposed geometry layout of tag transmission readers
US6771932B2 (en) * 2002-05-24 2004-08-03 Omnilux, Inc. Method and system for automatically determining lines of sight between nodes
US20080122834A1 (en) * 2006-11-28 2008-05-29 Dror Ouzana 3d line of sight (los) analysis of 3d vertical barriers in 3d virtual reality environments
US8400448B1 (en) * 2007-12-05 2013-03-19 The United States Of America, As Represented By The Secretary Of The Navy Real-time lines-of-sight and viewsheds determination system
US20170142405A1 (en) * 2015-10-21 2017-05-18 Praxik, LLC. Apparatus, Systems and Methods for Ground Plane Extension
GB201621652D0 (en) * 2016-12-19 2017-02-01 Waterford Inst Of Tech Terahertz communication method and system
WO2019165194A1 (en) * 2018-02-23 2019-08-29 Kaarta, Inc. Methods and systems for processing and colorizing point clouds and meshes

Also Published As

Publication number Publication date
DE102021205428A1 (de) 2021-12-30
US11704916B2 (en) 2023-07-18
US20210406515A1 (en) 2021-12-30

Similar Documents

Publication Publication Date Title
US7995054B2 (en) Identification of edge regions from 3D point data
Singh et al. Automated structural discontinuity mapping in a rock face occluded by vegetation using mobile laser scanning
JP5181704B2 (ja) データ処理装置、姿勢推定システム、姿勢推定方法およびプログラム
US7843448B2 (en) Identification of occluded edge regions from 3D point data
US11592820B2 (en) Obstacle detection and vehicle navigation using resolution-adaptive fusion of point clouds
EP3693759B1 (en) System and method for tracking motion of target in indoor environment
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
EP2894600B1 (en) Method of processing 3D sensor data to provide terrain segmentation
JP5981886B2 (ja) 点群解析処理装置、点群解析処理方法、及びプログラム
JP7156515B2 (ja) 点群アノテーション装置、方法、及びプログラム
CN109001757A (zh) 一种基于2d激光雷达的车位智能检测方法
JP7386136B2 (ja) 雲高計測装置、計測点決定方法、および雲種類決定方法
CN113868807A (zh) 三维环境分析方法和设备、计算机存储介质以及无线传感器系统
CN117934791A (zh) 一种车间巡检机器人目标检测方法及装置
WO2022083529A1 (zh) 一种数据处理方法及装置
EP1405095A2 (en) Apparatus and method of tracking objects in flight
CN118566908A (zh) 一种监测数据的传输方法、电子设备及存储介质
Widyaningrum et al. Challenges and Opportunities: One Stop Processing of Automatic Large-Scale Base Map Production Using Airborne LIDAR Data Within GIS Environment. Case Study: Makassar City, Indonesia
Somlyai et al. Benchmark system for novel 3D SLAM algorithms
Lee et al. A real-time grid map generation and object classification for ground-based 3D LIDAR data using image analysis techniques
JP7568096B2 (ja) 深さ推定装置、深さ推定方法、及び深さ推定プログラム
CN118980358B (zh) 一种多要素无人机测流方法及系统
US11994580B2 (en) Electronic device and method for positioning, imaging, detecting, posture discrimination, and shape discrimination
Goron et al. 3D laser scanning system and 3D segmentation of urban scenes
Deibler et al. Fusing odometry and sparse uwb radar measurements for indoor slam

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination