Objekterkennung in 3D-Lidardaten

Abstract

In dieser Arbeit wird mit einem 3D-LiDAR Sensor in einem Raum Entfernungsdaten aufgenommen. Es wird gezeigt, welche Verarbeitungsschritte notwendig sind, um in den lückenhaften Daten Objekte wiederzuerkennen und welche Hindernisse in jedem Schritt überwältigt werden müssen. Es werden erforderliche Segmentationsverfahren gezeigt, welche die Daten in kleinere Gruppen von Punkten einteilen und wertlose Punkte entfernen. Weiterhin werden Merkmalsvektoren aus den Daten extrahiert, die Informationen über die Oberfläche der zu erkennenden Objekte codieren und damit eine kompakte Beschreibung der Objekte in den Daten sind. Die Merkmalsvektoren werden dann von einer Support-Vector-Machine klassifiziert und es wird untersucht, welche Merkmalsvektoren sich besser und welche schlechter eignen.

In this bachelor thesis a 3D-LiDAR sensor is used to record range data in a room. It is shown which preprocessing steps are necessary to recognize objects in the occluded data and which obstacles have to be overcome in each step. Required segmentation procedures are shown, which divide the data into smaller groups of points and remove uninteresting points from the cloud. In addition, feature vectors are extracted from the data, which encode information about the surface of the objects and are therefore a compact description of the objects in the data. The feature vectors are then classified by a support vector machine and it is examined which feature vectors are recognized better and which are recognized worse.