论文部分内容阅读
城市地下管网探测与管网地图构建是城市发展建设过程中的重要工作。探地雷达(Ground Penetrating Radar,GPR)是一种广泛使用的地下管道探测工具。通过与GPS等传感器相连接,在GPR探测的同时可以获取地下管道的位置与方向信息。在GPS信号无法被接收的高楼旁等地,可以通过使用激光测距雷达等传感器进行辅助定位。即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)是一种常见的使用激光测距雷达数据进行实时定位的方法。在采集到一个待测地区的所有采样数据后,本文提出了一种基于狄利克雷过程混合模型(Dirichlet Process Mixture Model,DPMM)的地下管网地图构建算法。本文主要内容包含三个部分:GPR数据处理、SLAM定位辅助与地下管网地图构建。GPR数据处理部分主要对GPR数据中的B-scan图像数据进行处理,识别并检测地下管道,获取其深度与半径。SLAM定位辅助部分负责在GPS信号无法被接收时提供实时的定位数据。地下管网地图构建部分使用前述算法提供的管道数据进行地下管网地图构建。在处理传感器数据及进行管网地图构建过程中,存在几个主要问题:B-scan图像数据量较大、SLAM过程存在累积误差和管网地图缺乏先验信息。为了解决上述问题,本文的主要内容及创新点包括:1.提出了只扫描一遍B-scan图像进行双曲线识别的方法。双曲线识别算法通过从上至下逐行扫描B-scan图像,检测双曲线的下开口特征进行识别。算法较低的时间复杂度使其能在GPR探测的同时进行实时检测识别。2.引入了子图分割与回环检测两种机制来减少累积误差。其中子图分割指每次只构建一个局部小地图,使得算法的累积误差只在子图内部积累。回环检测指当探测路径出现闭合回环时,算法通过构造约束问题优化子图间的相对位置,减少子图间的误差与每个子图内的累积误差。3.通过使用DPMM作为描述地下管网的概率模型,为概率计算提供了先验概率。同时,由于缺乏先验信息,无法通过采样模拟混合分布。本算法通过在输入数据集上直接采样对混合分布作近似模拟。在拟合管道方程时,使用最小二乘法和极大似然估计尽可能减少数据噪声的影响。实验结果显示,对于传感器数据的处理都取得了较好的结果,能够实时获得探测区域的地理信息数据。地下管网地图构建算法通过调整算法参数,在多种实验环境中都能构建较好的管网地图。