摘要：智能化無人武器裝備在現(xiàn)代化作戰(zhàn)中發(fā)揮日益重要的作用，已成為替代和輔助士兵作戰(zhàn)的必要裝備。在無人化戰(zhàn)場中，后方指揮人員通過通信對戰(zhàn)場環(huán)境保持關(guān)注。鑒于軍用通信設(shè)備帶寬有限，設(shè)計并實現(xiàn)了一種低帶寬條件下的點云傳輸和地圖遠程呈現(xiàn)方法。方法通過FAST-LIO算法估計實時位姿，利用Draco算法對三維點云（關(guān)鍵幀）進行壓縮，并基于Protobuf-UDP完成位姿和點云的實時傳輸，采用SC-PGO算法優(yōu)化并產(chǎn)生全局地圖，是首個基于ROS平臺實現(xiàn)點云實時壓縮和傳輸?shù)墓こ獭嶒灲Y(jié)果表明，所提方法對于實時點云表現(xiàn)出較好的壓縮效果和穩(wěn)定的傳輸質(zhì)量，解決了無線低帶寬條件下點云傳輸和地圖遠程呈現(xiàn)的問題，實現(xiàn)了指揮人員對戰(zhàn)場環(huán)境的實時感知。

關(guān)鍵詞：地圖遠程呈現(xiàn)；點云傳輸；FAST-LIO；Draco；點云壓縮

DOI：10.3969/j.issn.1009-086x.2025.01.018

中圖分類號：E917；TP751；TJ76 文獻標志碼：A 文章編號：1009-086X（2025）-01-0164-09

引用格式：劉欣宇，申海艇，郭睿，等，無線低帶寬條件下點云傳輸和地圖遠程呈現(xiàn)方法[J]，現(xiàn)代防御技術(shù)，2025，53（1）：164-172，

Reference format：LIU Xinyu，SHEN Haiting，CUO Rui，et al.Method for Transmission of Point Cloud and Tele-presenc.e ofMap Under Wireless and Low Bandwidth Condition[J].Modern Defence Technology，2025，53（1）：164-172.

0 引言

以信息技術(shù)為核心的軍事高科技日新月異，武器裝備遠程智能化、無人化趨勢更加明顯，智能無人系統(tǒng)逐漸成為信息化戰(zhàn)爭和智能化戰(zhàn)爭的主要作戰(zhàn)力量。例如，在現(xiàn)代城市戰(zhàn)中，士兵到達現(xiàn)場后，若不了解內(nèi)部情況貿(mào)然進入戰(zhàn)場，不僅不能完成作戰(zhàn)任務(wù)，還容易造成嚴重的人員傷亡和經(jīng)濟損失。而基于智能無人系統(tǒng)的武器裝備以其全天候、多維度、非接觸、零傷亡等優(yōu)勢，可在城市戰(zhàn)、巷戰(zhàn)中發(fā)揮多維偵察、立體打擊等作用［1］。未知空間定位與建圖是無人系統(tǒng)控制與導(dǎo)航的關(guān)鍵，是自主完成各種智能任務(wù)的前提。其中，基于三維激光的同步定位與建圖（simultaneouslocalization and mapping，SLAM）技術(shù)利用激光雷達傳感器采集海量點云數(shù)據(jù)，具有深度感知準確、對光照變化具有適應(yīng)性等優(yōu)勢［2?4］，成為目前無人系統(tǒng)自主導(dǎo)航定位的主流技術(shù)。但在有限的存儲資源和網(wǎng)絡(luò)帶寬條件下，激光SLAM 龐大的數(shù)據(jù)量難以快速穩(wěn)定地傳輸，導(dǎo)致指揮作戰(zhàn)人員無法掌握無人系統(tǒng)周圍的環(huán)境和態(tài)勢［5］。因此，急需一種可用于無線低帶寬環(huán)境下的點云壓縮和地圖遠程呈現(xiàn)方法。

在點云壓縮領(lǐng)域方面，目前已出現(xiàn)一些優(yōu)秀的點云壓縮算法。例如，RENTE 等［6］在其提出的基于圖結(jié)構(gòu)的點云壓縮方法中，通過將點云中的空間點當作圖結(jié)構(gòu)的節(jié)點來為點云構(gòu)建相應(yīng)的圖結(jié)構(gòu)，對點云的幾何信息進行圖變換來去除點云數(shù)據(jù)的空間冗余。然而，基于圖結(jié)構(gòu)的點云壓縮方法由于需進行特征值分解，因此該方法的時間復(fù)雜度較高，壓縮效率較低；此外，對于激光雷達點云數(shù)據(jù)這種大規(guī)模稀疏性點云而言，圖變換會隱藏大量的空間冗余，此類壓縮方法并不適用。SCHNABEL等［7］提出使用八叉樹結(jié)構(gòu)來表示和壓縮三維點云，且被MPEG 推出的G-PCC 點云編解碼器所采用。然而，這類方法的不足之處在于，當八叉樹的劃分深度增大時，點云幾何信息編碼所需的比特數(shù)會隨之劇增。為緩解這一情況，KATHARIYA 等［8］提出了基于K-d 樹的點云壓縮方法，例如，Google 公司在其提供的Draco［9］點云壓縮平臺中就采用了這類方法編碼。

綜上，相比其他壓縮算法，Draco 表現(xiàn)出較高的實時性和壓縮率，但尚未在點云實時傳輸上得到有效的應(yīng)用。因此，本文基于Draco 提出了一種無線低帶寬條件下的三維點云傳輸和地圖遠程呈現(xiàn)方法。

1 無線低帶寬條件下點云傳輸和地圖遠程呈現(xiàn)方法

本方法中，F(xiàn)AST-LIO［10］作為前端算法估計無人系統(tǒng)的實時位姿，Draco 算法對FAST-LIO 產(chǎn)生的點云關(guān)鍵幀數(shù)據(jù)進行壓縮，Protobuf-UDP 作為傳輸工具實時傳輸位姿和壓縮點云數(shù)據(jù)至后臺；后臺通過解析通信協(xié)議接收數(shù)據(jù)，并利用Draco 算法解壓出點云和位姿，最后利用SC-PGO［11］算法優(yōu)化并建立全局點云地圖，從而實現(xiàn)了低帶寬下的地圖遠程呈現(xiàn)。

1. 1 FAST-LIO 算法

FAST-LIO 是一種快速、穩(wěn)健的激光慣性里程計框架，有3個關(guān)鍵的創(chuàng)新之處。首先，為應(yīng)對發(fā)生退化的快速運動、噪聲或雜亂環(huán)境，采用緊耦合迭代卡爾曼濾波器來融合激光雷達特征點和IMU 數(shù)據(jù)；其次，為了降低大量激光雷達特征點帶來的巨大計算量，提出了一種新的卡爾曼增益計算公式，并證明了它與傳統(tǒng)卡爾曼增益公式的等價性；最后，提出了一個反向傳播過程來補償激光雷達采樣時帶來的運動失真。如圖1 所示，F(xiàn)AST-LIO 以激光點云、IMU數(shù)據(jù)和里程計數(shù)據(jù)為輸入，輸出移動機器人的實時位姿和點云關(guān)鍵幀。