线段，防止过分割。
[0103] 采用这种方法克服了当线段与X轴接近垂直时A1值过大，导致线段合并误差较大 的缺点。因此，基于此，本实施例提供的线段拟合算法既保证了传统算法的快速性，又在一 定程度上提高了适应性和准确性。
[0104] 3)对（L1, Iv"Ln)中的干扰线段进行处理，舍弃干扰线段；即对线段集合（L1, Iv" Ln)中的L1，若L中所含的（xn，yn)的坐标数小于3,视为干扰线段，将其舍弃。
[0105] 其中，Dni指区域，是线段的集合，L1指区域里面的线段，是坐标（x，y)的集 合；D m. length指该区域中含有的线段条数，初始条件下只含有一条L1; (X k, yk)指点到 (X1, Y1), (xn, yn)连接直线最远距离的点，Max_Dis指该点到直线的最远距离，theta指分割 自适应阈值，若满足分割条件，则以k为分割点，将L i分割成L tf；mptl、Ltf3mpt2，其中用!^^^替 换 Li, Dm. Insert (i, Ltempt2)指将 Ltempt2插入到区域 D j L ;的后面。
[0106] 实施例4
[0107] 如图4所示，图4为本发明实施例提供的线段合并流程图，本发明提供的线段合并 方法，具体步骤如下：
[0108] 对分割出来的线段（L1, Iv"Ln)相邻的线段按照一定的特征进行合并，防止过度分 害J，主要包括以4个步骤：
[0109] 1)分别对Li中包含的坐标数据（X D Y1)，（x2, y2)…（xk, yk)进行直线拟合，因为变 量X，Y都含有随机误差，为了避免普通最小二乘法（OLS)在自变量和因变量都存在误差情 况下拟合存在较大的误差，所以拟合的方法采用整体最小二乘法（TLS)。
[0110] 2)根据拟合后L1的直线方程y = kjx+bi山以中的第一个数据点（X1J1)和最后 一个数据点（xk，y k)分别对直线方程作垂线，通过在直线方程上确定起始坐标和结束坐标， 最终确定线段，交点即为该线段的起始坐标和结束坐标。
[0111] 3)将1^的模型y = kjx+bi转换成（Θ i, Pi)模型，过原点作对应直线的垂线，其中 PjI点到直线的距离，Θ i对应交点与X轴形成的角度，-180° < Θ iSiscr。
[0112] 4)根据区域D中的（L11IvLn)的直线模型（θ 1>Ρι)，（θ2，ρ2)…（θη，Ρη)，对区域 集合中相邻的线段进行合并，当相邻线段角度之差的绝对值小于固定阈值并且距离之差的 绝对值小于固定阈值，则将两段线段进行合并，并更新区域D。同样采用迭代的方法，直至所 有相邻的线段均满足。
[0113] 其中，图4中Dni指一个区域，是线段的集合，L i指区域里面的线段，D length指该 区域中含有的线段条数。（Θ ^pi)是直线Li的直线模型，ang_theta为角度阈值，dis_theta 为距离阈值，其均为合并时的阈值。若满足合并条件，则将1^与L i i合并成L ，替换L1 i， 同时移除L1, Dni. remove (L1)指移除Dni区域中的L 1〇
[0114] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参 照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可 以在形式上和细节上对其做出各种各样的改变，而不偏离本发明所限定的精神和范围。
【主权项】
1. 一种2D激光雷达距离图像中线段特征精确拟合方法，其特征在于：包括以下步骤： 51 :获取激光雷达距离图像数据进行数据预处理； 52 :将数据预处理后距离图像数据转化为极坐标模型数据； 53 :对极坐标模型数据采用自适应阈值区域分割形成区域数据； 54 :对各区域数据进行线段分割形成分割线段数据； 55 :对分割线段数据中的线段数据进行线段合并； 56 :直至所有分割线段数据合并完毕并输出合并线段数据，所述合并线段数据作为激 光雷达距离图像的提取线段数据。2. 根据权利要求1所述的2D激光雷达距离图像中线段特征精确拟合方法，其特征在 于：所述Sl中数据预处理是通过选取中位值滤波方法来过滤距离图像数据中的随机干扰 数据的。3. 根据权利要求1所述的2D激光雷达距离图像中线段特征精确拟合方法，其特征在 于：所述S3中自适应阈值区域分割具体步骤如下： 531 :从极坐标模型数据中选取当前数据； 532 :判断当前数据中的距离数据是否大于零，如果是，则将当前数据序号作为序号标 签 flag ; 533 :如果否，则返回步骤S31选取下一极坐标模型数据为当前数据； 534 :计算当前数据与上一数据的前后变化值；计算当前数据与上一个不为零的极坐 标模型数据之间含有的零数据个数； 535 :判断前后变化值是否大于第一阈值thetal，或零数据个数是否大于第二阈值 theta2,如果是，则将当前数据划分为第m+1个分割区域数据，并返回步骤S31选取下一极 坐标模型数据为当前数据； 536 :如果否，则将当前数据划分为第m个分割区域数据；并返回步骤S31选取下一极 坐标模型数据为当前数据； 537 :直到最后一个极坐标模型数据； 538 :计算各分割区域中所含数据的个数，将个数小于预设阈值的视为干扰区域并舍 弃。4. 根据权利要求1所述的2D激光雷达距离图像中线段特征精确拟合方法，其特征在 于：所述S4中的线段分割包括以下步骤： 541 :将各分割区域中的区域数据的极坐标数据转换成直角坐标数据； 542 :选择分割区域中的两个区域数据并根据其直角坐标数据拟合出直线； 543 :计算该区域数据内其他数据到该直线最大距离的点，并计算出最大距离； S44:判断最大距离是否大于自适应阈值，如果是，则将该数据设置于第一直线数据区 域； 如果否，则将该数据设置于第二直线数据区域； 其中，所述自适应阈值根据最大距离按照以下公式计算：其中，（xk u yk D表示第 k-1个直角坐标数据，（xk，yk)表示第k个直角坐标数据，（x k+1，yk+1)表示第k+1个直角坐标 数据； S45:循环重复对第一直线数据区域和第二直线数据区域进行分割，直至所有数据分割 完毕； S46:计算各分割区域中所含分割直线的个数，将个数小于预设阈值的视为干扰区域并 舍弃。5.根据权利要求1所述的2D激光雷达距离图像中线段特征精确拟合方法，其特征在 于：所述S5中线段合并具体包括以下步骤： 551 :采取整体最小二乘法对分割线段数据中的坐标数据进行直线拟合，形成直线方程 y = k氺 x+b ; 552 :选择线段坐标数据中的第一个坐标数据和最后一个坐标数据，并分别对直线方程 y = k*x+b作垂线，通过计算所述垂线与所述直线方程的交点得到该直线方程的起始坐标 和结束坐标； 553 :将直线方程转换成极坐标方程； 554 :计算分割线段数据中的相邻线段的角度差绝对值，及分割线段数据中的相邻线段 的距离差绝对值； 555 :判断角度差绝对值是否小于角度固定阈值，及距离差绝对值是否小于距离固定阈 值； 如果是，则将两相邻段线段进行合并形成更新线段，并以更新线段代替合并前的线 段； 如果否，则进入下一步； 556 :返回步骤S51循环重复，直至所有的分割线段数据都计算完毕。
【专利摘要】本发明公开了一种2D激光雷达距离图像中线段特征精确拟合方法，首先获取激光雷达距离图像数据进行数据预处理；转化为极坐标模型数据；然后对极坐标模型数据采用自适应阈值区域分割形成区域数据；进而再进行线段分割；最后对线段数据进行线段合并及输出合并线段数据，作为激光雷达距离图像的提取线段数据。本发明在传统的Split-and-Merge算法的基础上，先采用两级分割，再通过合并拟合得到激光雷达距离图像中的线段信息；并且分割阈值的选取采用自适应动态的方法，以及在合并的准则上进行了优化，克服了传统方法需要在不同的场景下调整参数的缺点；快速准确地提取激光雷达数据图像中的线段特征，适用于不同的室内场景，同时能够保证拟合的准确性。
【IPC分类】G01S7/48
【公开号】CN105137412
【申请号】CN201510511455
【发明人】赵敏, 孙棣华, 熊星
【申请人】重庆大学
【公开日】2015年12月9日
【申请日】2015年8月19日