Resumen

Para detectar el obstáculo a partir de la gran cantidad de datos LIDAR 3D en un entorno híbrido de terreno para vehículos terrestres no tripulados, se presentó un nuevo enfoque de grafos basado en el campo aleatorio de Markov. En primer lugar, se aplica un método de preprocesamiento basado en la línea máxima borrosa para segmentar la proyección de cada línea de escaneo láser en el plano. Luego, basado en el algoritmo de agrupamiento -means, se combinan las mismas propiedades de la línea. En segundo lugar, los nodos de segmento de línea se posicionan con precisión utilizando el método de detección de esquinas, y el siguiente paso es aprovechar los nodos de segmento de línea para construir un grafo no dirigido para el campo aleatorio de Markov. Por último, la función de energía se calcula mediante el análisis de las características de los segmentos de línea y se resuelve mediante corte de grafo. Dos tipos de marcas de línea se clasifican finalmente en dos categorías: suelo

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:Obstáculo; Datos lidar 3D; Campo aleatorio de Markov; Enfoque de gráficos; Nodos de segmentos de línea; Suelo
• Keywords:Obstacle; 3d lidar data; Markov random field; Graph approach; Line segment nodes; Ground