[發明專利]一種基于2D激光雷達測距的折線提取極大似然估計的方法

有效

• 申請號: 201910368726.3
• 申請日: 2019-05-05
• 公開（公告）號: CN110109134B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 匡兵;田春月;陳鳳冉;孫毛毛;曾憲鋒
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01S17/08
• 分類號: G01S17/08;G01S17/88;G01S7/48
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 楊雪梅

本發明公開了一種基于2D激光雷達測距的折線提取極大似然估計的方法，該方法選取Ros框架作為本次算法實驗的平臺，并安裝基于RoboSence3D激光雷達的接口驅動，調用驅動雷達對實驗環境進行掃描，為了便于特征線的提取，將3D點云線束進行轉換為2D的激光點云線束，獲取激光雷達的點云數據話題，同時啟動riviz可視化建圖指令，構建二維點云地圖，為下一步的折線提取和折線優化做準備，最終實現激光基于折線特征提取的較為精確的平面地圖。該方法的折線提取簡單、效率和準確性高，為后續機器人在環境地圖中進行路徑規劃和導航提供了可能。

技術領域

本發明涉及移動機器人地圖創建領域，具體是一種基于2D激光雷達測距的折線提取極大似然估計的方法。

背景技術

同時定位和構建地圖(Simultaneous Localization And Mapping，SLAM)是一種在沒有環境先驗信息的情況下，在運動過程中建立環境的模型，同時估計自己運動位姿的技術。隨著激光雷達距離探測的出現和普及，使得激光SLAM技術發展更為靈活廣泛，它具備在地圖創建這一領域更快更準，信息更豐富的特點。

激光SLAM應用場景，如家庭、辦公室或工廠車間等人造環境，通常由線性結構組成，通過折線構造的多邊形地圖可獲得自然的結構化環境。激光雷達采集到的物體信息呈現出一系列分散的，具有準確角度和距離信息的點，被稱為點云數據。傳統的激光雷達首先從傳感器采集的數據中提取特征點信息，對不同的特征模式進行區域分割后確定分割閾值，在狀態變量中進行估計和特征優化，從而獲得較精確的地圖形式，越精確的地圖會使得機器人的路徑規劃和導航變得更加直觀。如聚類算法中的分割合并算法，通過人為選擇合適的閾值對點云進行區域的劃分，在單獨的分割域中進行線性擬合，但是此方法沒有考慮點云數據隨雷達距離遠而稀疏的問題，對閾值的選用較為復雜。基于ICP的點云匹配算法在應用中也十分廣泛，但是沒有加入速度影響，其不能滿足動態環境下的機器人定位和建圖，同時計算復雜內存消耗較大。因此本文采用反向的計算模式，通過極大似然估計，在已知多邊形邊緣頂點的樣本集下，反推最有可能導致擬合多邊形概率最大的參數值，從而實現掃描區域最大的可能，同時補充面上近似線狀環境中存在的漏洞。

因此，提供一種新的概率方法，從2-D激光范圍掃描中提取折線，繪制出更加精確的地圖。

發明內容

本發明的目的在于提供一種基于2D激光雷達測距的折線提取極大似然估計的方法，該方法的折線提取簡單、效率和準確性高，為后續機器人在環境地圖中進行路徑規劃和導航提供了可能。

實現本發明目的的技術方案是：

一種基于2D激光雷達測距的折線提取極大似然估計的方法，包括如下步驟：

1)在ROS平臺中建立工作區間，在工作區間內安裝robortsence3D激光雷達驅動并與激光雷達的wifi連接，在避免強光照射下，使用3D激光雷達對周圍環境進行掃描，進行3D激光雷達數據采集，得到原始的3D點云數據包，并儲存在rosbag中，并建立三維點云地圖；

2)對步驟1)得到的原始3D點云數據進行數據轉換，轉換成二維激光數據，從而便于環境地圖的特征提取和優化；

3)根據獲得的二維激光數據，建立基于機器人的運動模型，通過平面上機器人的坐標和航向角推算從而獲得點云數據的相對位姿信息，在任意t時刻和激光雷達的觀測模型相結合，完成機器人定位，然后通過最小二乘法的優化算法建立靜態SLAM下的環境初始地圖得到二維點云地圖；

4)在環境初始地圖的基礎上，對二維激光掃描點進行最大似然估計，同時通過折線提取和折線優化兩部分，尋找使掃描測量可能性最大化的一組多段線,得到極大似然估計下的概率最大的環境地圖。

步驟1)中，所述的3D激光雷達數據采集，是在Ros框架中調用robortsence3D激光雷達的點云數據包，為環境初始地圖的建立做準備。