Objekterkennung mit LiDAR-Sensor

Autor: SDE Team 2021/2022

Betreuer: Ulrich Schneider

Auswertung der Messdaten

LiDAR Daten

Der Begriff LiDAR setz sich aus „Light Detection And Ranging“ zusammen. Dabei nutzt der LiDAR einen rotierenden Laser, über den die Entfernungen gemessen werden. In Abbildung 1 ist eine beispielhafte Visualisierung des Sensorbilds zu erkennen.

Abbildung 1: UrgBenri Visualisierungssoftware

Gut zu erkennen sind hier die jeweiligen Distanzen, die bei einem Umlauf gemessen wurden. Der hier verwendete Sensor hat einen Messbereich von 240°. In diesem Umkreis kann so die Lage von etwaigen Hindernissen bestimmt werden.

Laden der Messdaten

Mit dem Code der Datei startUBH2MAT.m werden die Messdaten geladen und in einer .mat-Datei gespeichert.

 %****************************************************************
 % Modul	          : startUBH2MAT.m                              *
 %                                                               *
 % Datum           : 24. Juni 2021                               *
 %                                                               *
 % Funktion        : Messdaten der Dateien LiDAR.ubh laden und   *
 %                   verarbeiten                                 *
 %                                                               *
 %                                                               *
 %                                                               * 
 %                                                               *
 % Implementation  : MATLAB R2020a                               *
 %                                                               *
 % Author          : SDE-Team 20/21                                *
 %                                                               *
 % Bemerkung       : -                                           *
 %                                                               *
 %                                                               *
 % Letzte Änderung : 29. Juni 2021                                *
 %                                                               *
 %****************************************************************

 %% MALTAB initisalisieren
 clear all; close all; clc
 %% Dateipfad temporär hinzufügen
 dateiPfad = ['C:\Users\svenp\Documents\SVN\HSHL\MTR_SDE_Praktikum\trunk\'...
           'Workshops\10 - Objekterkennung mit LiDAR - Schneider\Daten'];
 addpath(dateiPfad);
 dateiName = 'Lidar.ubh'; % Eingangsdatei
 nSamples = 682;            % Anzahl der Messwerte
 %% Datei öffnen
 fileID= fopen(dateiName);
 if fileID == -1
   error("Datei ist nicht vorhanden");
 end
 daten={};
 %% Winkel berechnen
 Aufloesung = (120--120)/(nSamples-1);% Winkelauflösung
 aWinkel= -120:Aufloesung:120 ;   % [-a:Aufloesung:a];
 %% Einmalige Winkelberechnung
 acosdw = cosd(aWinkel);    % Array mit nSamples Einträgen
 asindw = sind(aWinkel);    % Array mit nSamples Einträgen
 %% Schleife solange die Datei nicht abgearbeitet wurde
  % Zeile aus Datei lesen
 while ~feof(fileID)   
   daten=[daten {fgetl(fileID)}];
 end
 % Zeitstempel in s auslesen
 timestamp =  daten(32:6:end);                   %[ms]
 timestamp = cellfun(@str2num,timestamp);
 Zeit = (timestamp(1,:)-timestamp(1,1))./1000;   %[s]
 %Log Time
 logTime = daten(34:6:end);
 %%Schrägentfernungen
 range = daten(36:6:end);
 range= str2num(char(range));
 RangeScan= reshape(range,[682,336])';
 % KOS-Trafo Polar- zu kartesische Koordinaten
 xMesswerte=asindw.*RangeScan./1000;
 yMesswerte=acosdw.*RangeScan./1000;
 %% Daten speichern
 stSaveFileName = 'Messdaten.mat';
 save(stSaveFileName, "Zeit","RangeScan","xMesswerte","yMesswerte");
 disp([stSaveFileName,' wurde gespeichert...'])
 fclose(fileID);
 % .uhb Datei schließen

Darstellung der Messdaten

Über das Skript startDarstellungDerMessdaten.m können die Messdaten dargestellt werden. In Abbildung 2 sind diese Beispielhaft dargestellt.

Abbildung 2: Darstellung der Messdaten

Zyklisches Laden der Messdaten

Über die Funktion LadeMessdaten.m werden die Messdaten für ein Frame geladen:

 function [z,dt,aRangeScan] = LadeMessdaten(i)
 % LADEMESSDATEIN läd die Messdaten für ein Frame
 Messwerte = load("Messdaten.mat");
 dt = Messwerte.Zeit(i);
 z = [Messwerte.xMesswerte(i,:); Messwerte.yMesswerte(i,:)];
 aRangeScan = Messwerte.RangeScan;
 end

Mit dem Skript testeLadeMessdaten.m lässt sich die Funktion testen:

 %% MALTAB initisalisieren
 clear all; close all; clc
 %% Figure vorbereiten
 % ROI festlegen
 xROI = [-5; 5];
 yROI = [0; 5];
 fRange = 5.5; % m
 figure('units','normalized','outerposition',[0 0 1 1]);
 h = plot(0,0,'b.');
 %hold on
 set(gca,'XDir','reverse');
 line([-fRange fRange], [0 0])
 line([0 0], [-fRange fRange])
 xlabel('y in m');
 ylabel('x in m');
 ylim manual
 xlim manual
 hAxis = gca;
 hAxis.XLimMode = 'manual';
 hAxis.YLimMode = 'manual';
 xlim(xROI)
 ylim(yROI)
 %% Messdaten darstellen
 nStart = 1; % Startframe;
 nEnde = 336; % Anzahl der Frames
 for nFrame=nStart:nEnde % Zyklusschleife über alle Messzyklen
 %% Messwerte
 [z, dt, aRangeScan] = LadeMessdaten(nFrame);
 X = z(1,:);
 Y = z(2,:);
 set(h, "XData",X );
 set(h, "YData", Y);
 refreshdata
 title(["Frame: ",num2str(nFrame)]);
 pause(0.01);
 end

Spezifikationsübersicht des URG-04LX

Name des Produkts	Laser Entfernungsmesser
Lichtquelle	Halbleiter Laserdiode (Wellenlänge 785 nm)
Versorgungsspannung	5VDC
Maximale Reichweite	0,002 m bis 5,6 m
Messbereich	0,006 m bis 4 m
Messauflösung	0,001 m
Genauigkeit (20mm - 1000mm)	± 0,03 m
Genauigkeit (1000mm - 4000mm)	± 3 %
Horizontaler Scanwinkel	240°
Winkelauflösung	0,36°
Anzahl Scanschritte	683
Scangeschwindigkeit	100 ms/scan
Schnittstelle	RS-232 (seriell)

Segmentierung

Als weitere Aufgabe, die typisch für die Auswertung von LiDAR Messdaten ist, ist die Segmentierung. Dabei werden unterschiedliche Algorithmen verwendet. Wir haben uns im Praktikum mit dem sogenannten Succesive Edge Following beschäftigt. Dabei konnten wir auf eine fertige Funktion zurückgreifen, die aus den RangeScan Messwerten Segmentierungen bildet und diese in einem Struct mit vielen weiteren Daten ablegt.
Das Struct, das der SuccesiveEdgeFollowing Algorithmus zurückgibt besteht aus der Objekt ID, sowie den linken, den nächsten und den rechten Punkt des Segments. Zusätzlich werden diese Punkt in Polar- und Kartesischen Koordinaten angegeben.
Mithilfe des im Folgenden drárgestellten Code, konnte das Objekt aus der Funktion gelesen werden und es werden die 3 Puknt aus der Funktion miteinander verbunden. Dies dient im wesentlichen zur Datenreduktion, da dann anstatt zahlreicher Punkt des LiDARs nur noch 3 Punkt pro Segent ausgewertet werden müssen.

segment=SucessiveEdgeFollowing(RangeScan(1,:));
plot(xMesswerte(1,:), yMesswerte(1,:),'r.');
hold on
for i=1: length(segment)
   
   x=[segment(i).LeftCartesian(1) segment(i).NearbyCartesian(1) segment(i).RightCartesian(1)];
   y=[segment(i).LeftCartesian(2) segment(i).NearbyCartesian(2) segment(i).RightCartesian(2)];
   plot(y,x, '-');
   set(gca, 'XDir', 'reverse');
end

Abbildung 3: Segmentierung mit dem Succesive Edge Following Algorithmus

In der Abbildung 3 sieht man, dass bei kleineren Objekten die Reduktion auf die 3 Punkt gut funktioniert jedoch kommt diese Vereinfachung bei großen und anders gedrehten Objekten, wie dem auf der linken Seite an seine Grenzen, sodass da die blaue Linie nicht ganz zum Objekt passt.