[發明專利]一種2D激光雷達距離圖像中線段特征精確擬合方法

有效

• 申請號: 201510511455.4
• 申請日: 2015-08-19
• 公開（公告）號: CN105137412B
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 趙敏;孫棣華;熊星
• 申請（專利權）人: 重慶大學
• 主分類號: G01S7/48
• 分類號: G01S7/48
• 代理公司: 北京匯澤知識產權代理有限公司11228
• 代理人: 武君

技術領域

本發明涉及傳感檢測領域，特別涉及一種2D激光雷達距離圖像中線段特征精確擬合方法，適用于室內結構化場景下對2D激光雷達距離圖像中線段特征的精確擬合。

背景技術

2D激光雷達以其精度高、探測范圍廣、抗干擾強、價格適中等極具性價比的特點成為了移動機器人在未知環境下自主導航的首要選擇。激光雷達以激光作為信號源，由激光器以一定的角度發射出的脈沖激光遇到被測物體后反射回接收器，從而根據收發的時間間隔(TOF)測量出被測物體的距離，其中2D激光雷達是從一個平面上按一定范圍探測距離信息。

在室內結構化的場景下，激光雷達感知外界環境的距離圖像往往呈現線段的特征。例如在走廊環境下，圖像呈現兩條平行線段，墻角環境下，圖像呈現出兩條相互垂直的線段。只有快速、準確地提取出圖像中的距離信息，才能對環境進行建模。

如何根據激光雷達得到的距離信息精確的擬合出線段信息，是移動機器人對未知環境下探測的關鍵，目前，現有的擬合線段方法往往采用基于2D激光雷達的線段提取方法，主要有:Split-and-Merge算法、Incremental算法、霍夫變換算法等；其中，Split-and-Merge算法速度快，但是提取的效果對閾值選取以及分割合并準則的依賴性較大，在不同的場景下需要選擇合適的參數。Incremental算法速度快，復雜度低，但是該算法主要適用于結構簡單的場景，對于復雜場景下相交直線的擬合效果不好。霍夫變換具有很好的抗噪性。但是計算量非常大，在對實時性要求較高的自主導航中不宜采用，而且閾值的選取也比較困難。

由于上述算法存在適應性不好、計算復雜度較高、精度不高、難以適應復雜場景的問題。因此，急需一種既具有良好的適應性，又能保證快速性、精確性的激光雷達線段提取方法。

發明內容

有鑒于此，本發明所要解決的技術問題是提供一種2D激光雷達距離圖像中線段特征精確擬合方法，適用于室內結構化場景下對2D激光雷達距離圖像中線段特征的精確擬合。

本發明的目的是這樣實現的：

本發明提供的一種2D激光雷達距離圖像中線段特征精確擬合方法，包括以下步驟：

S1：獲取激光雷達距離圖像數據進行數據預處理；

S2：將數據預處理后距離圖像數據轉化為極坐標模型數據；

S3：對極坐標模型數據采用自適應閾值區域分割形成區域數據；

S4：對各區域數據進行線段分割形成分割線段數據；

S5：對分割線段數據中的線段數據進行線段合并；

S6：直至所有分割線段數據合并完畢并輸出合并線段數據，所述合并線段數據作為激光雷達距離圖像的提取線段數據。

進一步，所述S1中數據預處理是通過選取中位值濾波方法來過濾距離圖像數據中的隨機干擾數據的。

進一步，所述S3中自適應閾值區域分割具體步驟如下：

S31：從極坐標模型數據中選取當前數據；

S32：判斷當前數據中的距離數據是否大于零，如果是，則將當前數據序號作為序號標簽flag；

S33：如果否，則返回步驟S31選取下一極坐標模型數據為當前數據；

S34：計算當前數據與上一數據的前后變化值；計算當前數據與上一個不為零的極坐標模型數據之間含有的零數據個數；

S35：判斷前后變化值是否大于第一閾值theta1，或零數據個數是否大于第二閾值theta2，如果是，則將當前數據劃分為第m+1個分割區域數據，并返回步驟S31選取下一極坐標模型數據為當前數據；

S36：如果否，則將當前數據劃分為第m個分割區域數據；并返回步驟S31選取下一極坐標模型數據為當前數據；

S37：直到最后一個極坐標模型數據；

S38：計算各分割區域中所含數據的個數，將個數小于預設閾值的視為干擾區域并舍棄。

進一步，所述S4中的線段分割包括以下步驟：

S41：將各分割區域中的區域數據的極坐標數據轉換成直角坐標數據；

S42：選擇分割區域中的兩個區域數據并根據其直角坐標數據擬合出直線；

S43：計算該區域數據內其他數據到該直線最大距離的點，并計算出最大距離；

S44：判斷最大距離是否大于自適應閾值，如果是，則將該數據設置于第一直線數據區域；如果否，則將該數據設置于第二直線數據區域；

其中，所述自適應閾值根據最大距離按照以下公式計算：