赵锦杰;蒋佳芹;姚剑;

• 1:武汉大学遥感信息工程学院

摘要(Abstract)：

针对机器人端运算能力有限、难以快速进行3D点云分割的问题，提出了一种基于远程过程调用（remote procedure call,RPC）的点云远程分割框架，实现了机器人端快速获取点云分割结果的功能。首先位于机器人端采集点云数据；然后把点云序列化为Protocol Buffers的格式；服务端对点云采样、分割并把结果返回至机器人端；最后机器人端获取服务端结果并反序列化得到点云分割结果。实验表明，该方法和常用的RESTful接口相比，在保障实时性的基础上，能大幅度减少流量消耗，从而提升了机器人点云分割的作业效率。

关键词(KeyWords)： 机器人;点云分割;远程过程调用;序列化;实时性

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划（2017YFB1302400）

作者(Authors): 赵锦杰;蒋佳芹;姚剑;

DOI: 10.14188/j.2095-6045.2020073

参考文献(References)：

• [1]易柯敏，沈艳霞.激光SLAM导航移动机器人定位算法研究综述[J].机器人技术与应用，2019(5):25-28
• [2] LeCun Y,Bengio Y,Hinton G. Deep Learning[J].Nature,2015,521(7 553):436-444
• [3] Nguyen A,Le B. 3D Point Cloud Segmentation:A Survey[C]. 2013 6th IEEE conference on Robotics,Automation and Mechatronics(RAM),IEEE, Manila,Philippines,2013
• [4]高芳，赵志耘，张旭，等.全球5G发展现状概览[J].全球科技经济瞭望，2014,29(7):59-67
• [5]张颖，刘亚文，苗堃.基于空间上下文关联的车载点云聚类方法[J].测绘地理信息，2019,44(4):116-121
• [6]黄文坚，唐源. TensorFlow实战[M].北京：电子工业出版社，2017
• [7]施瓦茨.高性能MySQL[M].王小东，李军，康建勋，译.北京：电子工业出版社，2010
• [8] Qi C R,Yi L,Su H,et al. PointNet++:Deep Hierarchical Feature Learning on Point Sets in a Metric Space[J]. Advances in Neural Information Processing Systems,2017:5 099-5 108
• [9]隋心怡，王瑞刚，梁小江.基于Google Protocol Buffer的即时通讯系统设计[J].电子科技. 2017,(1):119-122
• [10] Gourley D,Totty B. HTTP权威指南[M].陈涓，赵振平，译.北京：人民邮电出版社，2012
• [11] Fielding R T,Taylor R N. Architectural Styles and the Design of Network-Based Software Architectures[D]. Irvine:University of California,2000
• [12] Nedelcu C. Nginx HTTP Server:Adopt Nginx for Your Web Applications to Make the Most of Your Infrastructure and Serve Pages Faster than Ever[M]. Birmingham,UK:Packt Publishing,2010