一种基于激光测距的机器人地图创建方法3
一种基于激光测距的机器人地图创建方法3
刘洞波 , 刘国荣 , 喻妙华
1 引 言
结构化环境的共同特征是平整的地板、垂直的墙壁、规则的办公用具以及规范的门厅和走廊等 ,结构化环境下自主移动机器人的自定位问题一直受到关注。基于环境特征定位方法是利用先验环境的地图信息和传感器测量数据等信息确定其在工作环境中所处位置的过程 ,利用激光测距数据提取直线或者点特征的简单方法已经广泛地使用在机器人定位中[1 ,2] 。但是 ,这些算法只寻找一种特征 ,定位的鲁棒性不强。为此 ,本文提出一种基于自适应曲率计算[3] 的地图构建方法 ,首先 ,利用自适应曲率估计函数从激光扫描数据中同步分割直线段、曲线段和角点三种特征 ,然后对分割特征进行提取和描述 ,最后构建环境特征地图[4~6] 。仿真实验表明 ,本文提出的算法能准确快速地提取环境特征 ,很好地表征整个实验环境。
2 自适应离散曲率计算
2. 1 激光测距点邻域窗口自适应选择
首先 ,为环境特征分类进行预处理 ,使用自适应断点检测器[2] 进行扫描数据点集分割 ,断点间的连续扫描数据形成彼此隔离的连通区 ,连通区内可能包含不止一种典型类型的特征 ,如直线特征 ,曲线特征和角点特征的一种或多种。
2. 2 自适应曲率计算
自适应曲率估计方法对连通区内各激光扫描点进行曲率估计 ,获得激光连续扫描点的曲率函数。
2. 3 环境特征分割
一旦获得激光扫描点集的曲率函数 ,则可根据环境特征的曲率特性进行特征分割[3] 。
直线段源自扫描平面表面。因此 ,直线段对应曲率小于阈值曲率 kmin且曲率平均值接近 0 的连续激光扫描点集。
曲线段来自曲面扫描。与直线段相关的曲率相反 ,曲线相关的曲率在曲率函数上体现为连续局部峰值 ,曲率函数值绝对值大于阈值曲率 kmin ,即曲线段是那些没有定义成直线段且曲率平均值大于 0 的连续扫描集。如果曲率值接近一常数 ,则当前点集对应的是圆或圆弧特征类[5 ,6] 。
曲率函数用来描述每个扫描点的弯曲程度 ,曲率函数的峰值则对应曲线的角点 ,而峰值大小和该扫描点转角大小相关。
3 环境特征提取与地图创建
特征地图提供了一种较为紧凑的地图描述方法 ,同时也为机器人自定位提供了更为直接的参照物。从环境中提取特征并使用这些特征表示环境 ,特征地图将环境表示为特征元素的集合。
3. 1 直线段特征提取
斜率截距式的直线参数使用线性回归等式可以确定。
3. 3 角点特征提取
转角主要是由于扫描的表面变化或者扫描表面的角度变化而产生 ,采用自适应曲率函数检测转角。转角总是对应自适应曲率函数中两个激光测距点之间的一局部峰值。
4 实验结果及分析
为了验证本文所提出方法的有效性 , 建立仿真实验平台。激光扫描仪型号为 SICK LMS200 ,扫描范围为 180°,扫描精度为 0. 5°,距离范围是 0. 05~20 m。仿真实验环境是普通室内环境 ,结构化环境包括墙壁、简单办公桌椅、圆柱和拐角等 ,与之对应的抽取环境特征为直线、曲线和角点。
首先对一组激光数据进行预处理和环境特征的分割 ,然后进行特征提取和描述 ,再创建局部地图。
对激光扫描原始数据进行预处理和初步分割 ,生成连通区及与之对应的断点。图中 ,粗圆点标记为机器人位置 ,实线表示存在 5 个连通区。
室内环境激光扫描数据的自适应曲率计算结果 ,双竖实线间为连通区。分析可得:传统的曲率计算方法如果固定窗口取得过小 ,曲率函数受噪声影响过大 ,导致角点的错误检测;如果固定窗口取得过大 ,大部分激光扫描点的有效信息被过滤掉 ,扫描信息的细节严重丢失 ,显然自然特征的分割不准确。本文提出的算法能准确的进行环境特征的分割 ,并有效的抑制了噪声的影响 ,有良好的鲁棒性。
对预处理后的环境特征进行了准确的分割 ,其中序号 1、3、5、6、7 和 11 的为直线段特征 ,序号 2、9 的为曲线段特征 ,序号为 4、8 和 10 为角点特征。
根据本文提出的室内环境提取与描述算法构建了局部地图 ,由图可见 ,对环境进行了很好地描述和表征。
5 结 论
研究了基于激光扫描的自适应曲率计算的局部环境特征地图构建方法。首先提出一种离散数据的自适应曲率估计算法 ,然后对激光扫描数据进行连通区分割的预处理 ,并根据环境特征的曲率特性进行特征分割 ,再对3 种主要的环境特征进行提取和描述 ,并构建了局部特征地图。仿真实验结果验证了该方法简单有效 ,能很好地表征实验环境特征。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除