从分割的3D点云中表征行人网络以进行无障碍评估：一种虚拟机器人方法 阿里·艾哈迈迪（Ali Ahmadi）、 米尔·阿博尔法兹尔·莫斯塔法维（Mir Abolfazl Mostafavi）、 埃内斯托·莫拉莱斯（Ernesto Morales）和 努里·萨博（Nouri Sabo）

《Sensors》：Characterizing Pedestrian Network from Segmented 3D Point Clouds for Accessibility Assessment: A Virtual Robotic Approach Ali Ahmadi, Mir Abolfazl Mostafavi, Ernesto Morales and Nouri Sabo

　　

摘要

本研究提出了一种新颖的虚拟机器人方法，用于从语义分割的3D激光雷达点云中自动评估行人网络的可达性。鉴于约有800万加拿大人患有残疾，因此可扩展的可达性评估方法至关重要。所提出的方法结合了“Tangent Bug”导航算法（该算法已从2D扩展到3D点云环境）以及基于ADA和IBC无障碍标准的三角形虚拟机器人。该机器人能够导航分类后的点云数据，同时提取与可达性评估相关的参数，包括坡度、横坡度、路径宽度、表面类型和台阶高度等，这些参数符合“环境可达性测量”（MEA）框架的要求。与现有方法不同，该方法不仅能够评估正式的人行道段落，还能评估建筑物入口与行人网络之间的关键过渡区域。该方法不是根据固定的二进制阈值来评估特征，而是记录连续的原始测量数据，从而实现针对个人用户需求的个性化可达性评估。定量验证表明，该方法在路径宽度评估（NRMSE = 2.71%）和坡度跟踪方面具有高精度。与传统的手动方法相比，该方法速度更快、成本更低且更加全面，其独立于数据段的架构使其非常适合未来在城市规模的应用。