Objekterkennung mit LiDAR

Autor: Peng

Aufgabenstellung

1. Einarbeitung in dier bestehende Software
2. Softwareentwurf in MATLAB
   1. Meilenstein 1:
   2. Ansteuerung des Hokuyo LiDAR
   3. Koordinatentransformation polar- zu karthesisch
   4. Testdokumentation der KOS-Trafo
   5. Objektbildung (z.B. Sukzessiv Edge Following)
   6. Testdokumentation der Objektbildung
   7. Meilenstein 2:
   8. Objekttracking (mit Kalman-Filter)
   9. Testdokumentation des Objekttrackings
   10. Attribute schätzen: v, a, B, T, Güte (s. Schnittstellendokument)
   11. Testdokumentation der Attribute mit Referenz
   12. Dokumentation im Wiki
3. Softwareentwurf in C
   1. Meilenstein 3:
   2. Ansteuerung des LiDAR
   3. Koordinatentransformation polar- zu karthesisch
   4. Testdokumentation der KOS-Trafo
   5. Objektbildung (z.B. Sukzessiv Edge Following)
   6. Testdokumentation der Objektbildung
   7. Meilenstein 4:
   8. Objekttracking (mit Kalman-Filter)
   9. Testdokumentation des Objekttrackings
   10. Attribute schätzen: v, a, B, T, Güte (s. Schnittstellendokument)
   11. Testdokumentation der Attribute mit Referenz
   12. Testoberfläche in Control Desk
   13. Dokumentation im Wiki

Softwareentwurf in MATLAB

Ansteuerung des LiDAR Hokuyo URG-04LX

Der VerbindungsCode in Matlab wird in SVN schon gefunden. Aber wird es beachtet, dass die Nummer des verwendeten seriellen COM Ports angepasst werden muss, damit dieses funktioniert.

% Stelle Verbindung mit LiDAR her
stComport='COM6';
SetupLidar;

Durch das Anrufsprogramm "LidarScan" wird der Radius erhalten.

% Das Resultat von LidarScan
[rangescan]=LidarScan(lidar);

Koordinatentransformation polar- zu kartesisch

Da der Laserscanner nur Polarkoordinaten ausgibt, ist es notwendig, diese in Kartesische Koordinaten zu transformieren, um die Figur darzustellen. Die folgend mathmatische Funktion wird im Programm verwendet.

$x=radius*cos(\vartheta )$

$y=radius*sin(\vartheta )$

Wegen des Einheit in Meter wird die Einheit im Programm umgerechnet.

% Das Koordinatenparameter in m
x(cnt)=rangescan(cnt)*sin(phi_rad(cnt))/1000;
y(cnt)=rangescan(cnt)*cos(phi_rad(cnt))/1000;

Koordinatentransformation LiDARfest zu Fahrzeugfest

Um das Hindernis zu vermeiden, wird LiDARfest in Fahrzeugfest transformiert.

LiDARfest KOS:

• Index: L (LiDARfest)
• Einheit/Skalierung: m
• Ursprung: Mitte
• x-Achse: nach links/rechts
• y-Achse: nach oben/unten
• z-Achse: keine vorhanden

Fahrzeugfestes KOS:

• Index: K (körperfest, karosseriefest)
• Einheit/Skalierung: mm
• Ursprung: Mitte Vorderkante des vorderen Stoßfängers des Fahrzeugs (z = 0)
• x-Achse: nach vorne (im Sinne der Hauptfahrtrichtung)
• y-Achse: nach links
• z-Achse: nach oben

Im Vergleich zueinander wird der Urspruch verschoben und die Achsen gewechelt.

• Die Verschiebung von X-Achse: 0,08m.
• Die Verschiebung von Y-Achse: 0,145m.

%Definition
distY=0,08;
distX=0,145;
[···]
%LiDARfest zu Fahrzeugfest KOS
for (cnt=1:length(Segment))    
x=[Segment(cnt).LeftCartesian(1)- distX  Segment(cnt).NearbyCartesian(1)- distX Segment(cnt).RightCartesian(1)- distX];
y=[-(Segment(cnt).LeftCartesian(2)- distY)  -(Segment(cnt).NearbyCartesian(2)- distY) -(Segment(cnt).RightCartesian(2)- distY)];
plot(y,x,'r')   
hold on

Softwareentwurf in C++

Getting started

• MATLAB Beispiel

---

→ zurück zum Hauptartikel: SDE Praktikum Autonomes Fahren