扫描机

人工智能IARTIFICIALINTELLIGENCE

摘要：首先，以Arduino芯片控制激光雷达扫描样地，获得样地的三維点云数据。其次，设计服务于林业碳汇、森林调查、生态

系统研究等领域，为林分参数的获取提供新的技术支持。最后，设计中智能车通过对坏境信息的采集和智能车的定位实现自

主导航，采用视觉摄像头可以解决环境的物体定位，通过单目视觉图像处理和超声波测距协同完成避障任务，从而使智能车

能够高效地在未知林地内进行扫描作业。

关键词:stm32芯片：激光雷达；自主导航：单目视觉图懞

基于林分样地内三维扫描机器人组的研究

■文/于惠缨姜懿辰刘国洋滕蔚杨世博宋佳音（通讯作者)

近年来，林业参数的测量对林业资源的保护至关重要。

本设计采用智能车搭载激光雷达对样地内的信息进行采集，

提出了未知环境下单目视觉导航，包括障碍物检测、单目视

觉测距和局部路径规划；通过处理得到三维点云数据，获取

精准的林业参数，其采集的信息对林业资源的保护具有重要

的意义。目前，国内外应用激光雷达获取林业基础数据的主

要途径有陆地激光扫描和移动激光扫描，主要分为地基式激

光雷达、机载式激光雷达以及背包式激光雷达3种手段。基

于地基式激光雷达测量精度差、机载式激光雷达测量范围有

局限性、背包式激光雷达测量效率低等缺点，本设计采用智

能车搭载激光雷达对样地进行扫描，在功能和技术上进一步

优化。

1.总体设计与图像采集

林分样地内三维扫描机器人组的整体设计以STM32为

主控核心，连接其他的驱动和功能模块外接电路。通过硬件

和硬件驱动的结合，来实现整体系统各功能部件的运作。摄

像头组采集环境信息和提取标志物信息，并传输给主机设备。

通过PC端数据库对比标志物信息，获得小车“转向”“停

车采集数据”的指令，结合STM32和超声波测距的配合，

完成自主导航和避障等功能。激光雷达和Arduino芯片构成

的数据采集系统，对采样点进行采集并存储数据。轮式里程

计和IMU模块获得智能车的位置信息，在数据拼接时为坐

标变换提供依据。单片机STM32为核心的主控芯片，其分

别连接USB摄像头组进行环境信息采集；与L298N驱动板

连接控制智能车行进：与Arduino控制的扫描部分连接并采

集数据。由此实现识别控制、行走控制以及扫描控制的功能，

同时收集样地内的三维数据，并进行信息处理。图像采集

模块主要应用SONYCCD摄像头和WiFi模块。SONYCCD

摄像头采集的视频通过USB接口传输，在视频编码后通过

WiFi模块传入工控机上，从而能够实时获取机器人的视频。

WiFi模块与单片机由TTL串口连接，通过在无线路由中安

装的串口通信软件r2net,把来自WiFi模块的指令转到串

口输出，从而使得SONYCCD摄像头能实时显示和识别。

图像识别分为两个方面，分别是编码坐标的设置和标志的识

别。本项目通过OpenCV机器视觉库技术和Python开发平

台对标志进行识别，从而实现树木与标志的区分和标志的寻

找。其主要由图像预处理标志定

位、图像识别等部分组成，具体

流程如图1所示。

高斯滤波在消除高斯噪声上

有很好的效果，在去噪的过程中

也不会对图像的边缘部分造成明

显的模糊，因此其在图像预处理

中应用广泛。由于林地内环境因

素较为复杂，所以选择超声波测

距模块及视觉系统两部分协同作

用实现小车避障。超声波测距模

块对近距离障碍进行距离测定，

当智能车与障碍物之间距离超过

设定值时驱动电机改变转速进行

躲避。视觉系统由SONYCCD

摄像头信号发射芯片以及主机设

备组成。

图1识别流程

2.导航定位与扫描控制

该系统根据所采集到的图像信息自主进行图像识别，经

过算法匹配，能够使机器人在预定的轨道上快速、稳定地行

驶。智能车在接收到任务后，通过视觉传感器获取规划场景

信息，相机采集图像，对目标物体进行视觉检测，获得“停

车测数据”“转向”等指令信息。当智能车摄像机识别到设

定特殊标志物，测出与特殊标志物的位置；当接近标志到指

定距离范围内时，小车停车，进行扫描操作，雷达扫描结束

后继续前进。当智能车摄像机识别到转角标志，转相应的角

度并继续前行。通过视觉标定建立的相机-智能车-目标物

体三维坐标模型，将物体三维位置坐标发送给智能车，智能

车在接收到信息后进行轨迹规划处理。移动机器人研宂中

最基础且关键的是定位问题。本项目所设计的智能车进入林

间作业时，需要在一定精度范围内快速确定智能车的位置，

用于后期点云数据拼接。本设计采用轮式里程计和惯性导航

IMU模块来确定智能车的位置及姿态。

轮式里程计存在车轮打滑、快速转弯地面不平整等问题。

采取一种对传统的UMBmark系统误差校核进行改进的方法,

(下转第97页）

82*中国高新科技2021年第5期

MANAGEMENTSCIENCE|菅理科学

方式进行风险管理，将热力工程项目的风险防控明确建立系

统，在系统性的风险识别、风险定级、风险评估、风险缓解

层面上进行风险防御，避免杂乱无章的风险防控方式，而实

现对热力工程项目各类风险的精准覆盖和防御。

在如上热力工程项目风险防御原则的作用之下，进行系

统性热力工程项目风险防御应当以风险防控意识为导向、风控

步骤为边界、风险防控技术为依托，实现对风险的整体防御。

3.1强化热力工程项目系统性风险防控意识

风险防控意识作为热力工程项目的风险防控先导，强调

项目管理人员对热力工程项目的风险类型、风险损失、风险

成因等形成明确的认识。对风险可能造成的影响具有前瞻性

认识，可以针对风险进行及时性感知并采取适当策略。现代

化的风险防控意识不仅包括对热力工程项目固有风险的认

识，更包括对外部市场风险、财税及补贴政策风险、产业环

境风险等多方面风险的整体认识。梳理风险防控意识是进行

热力工程项目系统性风险防控的首要步骤。

3.2优化热力工程项目系统性风险防控步骤

热力工程项目进行系统性风险防控需要遵循风险识别、风

险定级、风险评估和风险缓解。可以尝试建立基于功效系数法

或是层次分析法的风险识别与评估模型，依据风险的损失评估

基数及风险级别，对应具体的风险防控方法。风险识别环节要

求精准认识热力工程项目的风险类型，风险评估则强调依托定

量风险评估方法进行风险水平的测算并进行出值，风险定级要

求针对风险的预估级别和可能损失区间衡量风险的级别，而风

险缓解则强调依托风险定级结果决定是否采取风险应对策略和

采取何种风险应对策略。以上步骤的良好践行一方面可以保证

结合特定的风险级别确定是否采取风险干预行为，另一方面也

可以结合风险的级别，选择以何种程度风险千预行为降低损失。

这种管理逻辑实际上在热力工程项目的风险防控和成本控制之

间谋求了均衡，既不因风险防控而盲目扩大成本，贸然采取高

水平的风险干预措施进行风险管理，也不因风险误判而影响风

险干预时机。这种热力工程项目的系统性风险防控步骤正是当

前阶段进行系统性风险防控时需要的逻辑，也是规范化热力工

程项目风险防控机制建构的构成环节。

3.3夯实热力工程项目系统性风险防控技术

数据化的风险防控是适应工业4.0进程的关键。热力工

程项目作为能源行业的重要构成部分，其进行数据化的风险

管理是提升系统性风险防控水平的关键。其应当在两方面提

升风险防控技术的发展水平，包括在数据化平台和数据库方

面谋求深度发展。热力工程项目的风险防控平台发展旨在建

立集成型风险预警平台和过程性风险管理平台，可以实现对

热力工程项目的实时性风险全追踪和追溯；而风险防控数据

库则是甄别和风险定级的基础，亦即热力工程项目在风险数

据库的约束和预警下，可以自动甄别风险并进行风险定级。

综上，双管齐下的风险防控逻辑和风险防控基础条件是

热力工程项目进行风险防控的关键。唯有在风控意识和风控

实践的作用下，才能实现风险防控的加成，这也是我国系统性

发展热力工程项目的背景下实现项目风险控制全兼顾的关键。

(作者单位：邢台市热力公司）

(上接第82页）

综合考虑3种主要系统误差来源产生的误差对移动机器人直

线运动和定点旋转运动造成的影响，同时采用正方形回路终

点的方向误差代替位置误差来校核系统参数。

惯性测量单元IMU由三轴加速度计传感器和三轴陀螺

仪两部分组成，其中，加速度传感器负责测量物体运动时在

XYZ3个方向上加速度的大小，而陀螺仪则是测量在3个轴

向上的角速率大小，从而获得当前的旋转角度。通过积分计

算出每一时刻的速度和位置，并采用互补滤波的方法完成姿

态更新。智能车搭载激光雷达，是一种移动型三维激光扫描

系统。因其具有可准确获取目标的三维信息、分辨率高、抗

干扰能力强、探测范围广，对天气依赖性小等优点，故其在

样地内进行三维扫描，感知周围环境的功能中至关重要。脉

冲式激光雷达系统由激光发射单元，接收单元和信号控制处

理单元3部分构成，其以发射激光束探测目标的有关信息，

如目标距离、方位、高度、速度、姿态、甚至形状等参数，

从而对目标进行探测、跟踪和识别，可以生成三维的位置信

息，快速确定物体的位置、大小、外貌和材质，在此同时还

能获得数据形成精确地数字模型。

通过Arduino芯片对激光雷达所扫描的信息进行处理，

获取林分样地内的树木等信息，并且存储数据。基于三维激

光扫描以点云为数据源，进行点云处理和数据拼接形成树木

的三维信息，实现样地三维数据的获取。智能车在每个数据

采集点位采集数据，获得当前坐标系的状态以及此坐标系下

的点云数据。实现数据拼接的关键在于对多个坐标系转换到

同一坐标系：通过智能车的定位分析可以得出不同坐标系原

点相对于起点的坐标，用IMU模块测出智能车当前的状态

从而得到当前时刻XYZ的偏移情况。

3.结语

本文利用搭载激光雷达的智能机器人组，采集林地内点

云数据并传输终端，经过数据拼接和软件处理形成样地的三

维图像，在MLS(移动激光扫描）基础上不仅保留了MLS

多方位采集林间内部数据的优势，更实现了采集数据一传输

数据一形成三维图像这一过程的智能化与高效化。当然，该

设计也有不足之处，智能车在未知环境中行进的稳定性，视

觉定位的精度，标志点的设定等，这些可以作为日后的研宄

方向，对此进一步优化，使其更加适用。

(作者单位：东北林业大学机电工程学院）

2021年第5期》中国高新科技9了