一种基于激光传感器的直线特征提取方法
【专利摘要】本发明涉及一种激光图像直线特征提取方法。在分割与合并方法的基础上，通过自适应邻近点集检测提高方法效率，利用模糊分割与合并方法进行线段分割改善方法对参数的敏感程度，最后利用最小二乘方法拟合出环境中各直线段极坐标系下的参数，方法包括：邻近点集检测、线段分割、最小二乘直线拟合、计算直线拟合误差四大步骤。方法实施结果表明当直线段所包含的点较多时，结果很准确，绝大多数直线误差都很小，极径误差都小于1mm，角度误差小于0.01rad，拟合效果较好。本发明同现有传统直线提取方法相比的优点在于：(1)方法的迭代次数减少，提高了方法效率；(2)方法的鲁棒性有很大提高；(3)线段提取的精度也明显提高。
【专利说明】一种基于激光传感器的直线特征提取方法
【技术领域】
[0001]本发明属于人工智能【技术领域】，涉及一种激光图像直线特征提取方法。
【背景技术】
[0002]随着计算机技术和人工智能技术的飞速发展，移动机器人技术也取得了巨大成就，并广泛地应用于家庭服务、太空探索、深海打捞、矿产勘探、安防医疗、军事侦察等领域。在机器人相关技术研究中，机器人同时定位与地图创建(Simultaneous Localization andMapping)问题，简称SLAM问题，是机器人技术的关键问题之一，甚至被誉为移动机器人研究领域的“圣杯”。而直线是机器人SLAM问题中最常用的特征描述之一，因为选择它作为机器人定位的环境特征拥有许多优点，如:直线在室内环境中存在的比较多；从激光测试系统LMS(Laser Measurement Systems)激光雷达检测到的原始点中提取直线较容易,直线特征在地图中存储也容易；在平面坐标系中只用两条不平行直线就可以完成对机器人定位。
[0003]目前关于直线提取的方法也比较多，其中分割与合并(Split-and-Merge)方法是综合性能是最好的。因此得到了广泛应用。但是传统的分割与合并方法存在对直线参数的鲁棒性较差，效率较低的问题。
【发明内容】
[0004]技术问题:为了解决上述问题，本发明的目的在于提供一种基于激光传感器的自适应的直线提取方法，以提高直线提取的效率和鲁棒性。
[0005]现将本发明技术解决方案叙述如下:
[0006]本发明一种基于激光传感器的直线特征提取方法在分割与合并方法的基础上，通过自适应邻近点集检测提高方法效率，利用模糊分割与合并SMF (split-and-merge fuzzy)方法进行线段分割改善方法对参数的敏感程度，最后利用最小二乘方法拟合出环境中各直线段极坐标系下的参数，包括以下步骤(参见图2):
[0007]步骤1:邻近点集检测；
[0008]步骤2:线段分割；
[0009]步骤3:最小二乘直线拟合；
[0010]步骤4:计算直线拟合误差。
[0011]本发明进一步提供一种基于激光传感器的直线特征提取方法，其特征在于:设激光雷达每次扫描的结果是以角度△ Φ为间隔的角度Φ和距离P的离散点；步骤I中所述的邻近点集检测的具体过程为:
[0012]步骤1.1:设连续激光传感器探测到连续两点为Slrl和sk，其中Slri离激光传感器的距离为P H，Δ I为其两点的距离；
[0013]步骤1.2:实验取常数m' =5，Δ1' =V p Λ φ，如果Λ I≤Λ 1'则为邻近点集，反之则不是。
[0014]本发明进一步提供一种基于激光传感器的直线特征提取方法，其特征在于:步骤2中所述的线段分割的具体过程如下(参见图3):
[0015]步骤2.1:设每一个邻近点集合gamma只含有一条直线:包含传感器观测数据ζ中所有点，初始直线个数nol=1;设定产生的迭代代数m = 1 ；
[0016]步骤2.2:更新第m代直线个数；
[0017]步骤2.3:检验每条直线lk,...n(m-1)l，在邻近点集合gamma是否满足直线参数的方差Ok≤ σ _，如果不满足则:
[0018]步骤2.3.1:利用模糊直线分割方法将Ik中的点变成两条直线1' k和1" k，同时令C = 2 ;
[0019]步骤2.3.2:用I' k和I" k替换lk，添加到gamma ;
[0020]步骤2.3.3 =N: +U
[0021]步骤2.3.4:转到步骤2.2 ;
[0022]步骤2.4:选择直线
[0023]步骤2.4.1:对于gamma中每两条相异的直线Ia和Ib都被作为合并的候选情况；
[0024]步骤2.4.2:判断两条直线的坐标重心是否很接近:接近则转步骤2.4.3，不接近则转
[0025]步骤2.4.3:用1 = 1' ~1"表示由gamma和1"合并的直线，合并后的直线If是VljDl1Tlb离差最小的，同时必须满足σf≤σmax，直到无法再合并为止；其中，唯一的极限参数Qmax由激光传感器的统计误差给出。
[0026]本发明进一步提供一种基于激光传感器的直线特征提取方法，其特征在于:步骤3中所述的最小二乘直线拟合的具体过程如下(参见图4):
[0027]步骤3.1:对于每个线段点集{P i； Φi}, i = 1,2,3...N,其中(r, α )表示直线的极坐标参数，公式为:[0028]
【权利要求】
1.一种基于激光传感器的直线特征提取方法，其特征在于:在分割与合并方法的基础上，通过自适应邻近点集检测提高方法效率，利用模糊分割与合并方法进行线段分割改善方法对参数的敏感程度，最后利用最小二乘方法拟合出环境中各直线段极坐标系下的参数，包括以下步骤: 步骤1:邻近点集检测； 步骤2:线段分割； 步骤3:最小二乘直线拟合； 步骤4:计算直线拟合误差。
2.根据权利要求1所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤I中所述的邻近点集检测的具体过程为: 步骤1.1:设连续激光传感器探测到连续两点为Slri和sk，其中Slri离激光传感器的距离为P H，Δ I为其两点的距离； 步骤1.2:设激光雷达每次扫描的结果是以角度Λ φ为间隔的角度Φ和距离P的离散点；实验取常数m' =5, ΔI' = m/ p Δ φ，如果Δ I≤Δ I'则为邻近点集,反之则不是。
3.根据权利要求1所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤2中所述的线段分割的具体过程如下: 步骤2.1:设每一个邻近点集合I'只含有一条直线:包含传感器观测数据ζ中所有点，初始直线个数JVf=I;设定产生的迭代代数m = I ； 步骤2.2:更新第m代直线个数= N^i; 步骤2.3:检验每条直线lkj-1,...，#^^，在邻近点集合I'是否满足直线参数的方差O, ≤ O ；k 、.max 9 步骤2.4:选择直线。
4.根据权利要求3所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤步骤2.3中所述的“检验每条直线lk，A = 1，...，JVf4，在邻近点集合I'是否满足直线参数的方差_，如果不满足则按以下步骤进行: 步骤2.3.1:利用模糊直线分割方法将Ik中的点变成两条直线I'k和I" k，同时令C=2 ； 步骤2.3.2:用k和I" k替换lk，添加到I' ；
步骤 2.3.3:Ν^ =Ν^+1., 步骤2.3.4:转到步骤2.2。
5.根据权利要求3所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤2.4中所述的“选择直线”的具体过程如下: 步骤2.4.1:对于I'中每两条相异的直线Ia和Ib都被作为合并的候选情况； 步骤2.4.2:判断两条直线的坐标重心是否很接近:接近则转步骤2.4.3，不接近则转步骤2.4.3:用1 = 1' ~1"表示由I'和I"合并的直线，合并后的直线込是^込和lk~lb离差最小的，同时必须满足σ_，直到无法再合并为止；其中，唯一的极限参数σ_由激光传感器的统计误差给出。
6.根据权利要求1所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤3中所述的最小二乘直线拟合的具体过程如下: 步骤3.1:对于每个线段点集{P i; Φ] , i = 1,2,3...N,其中(r, α )表示直线的极坐标参数，公式为:
7.根据权利要求1所述的一种基于激光传感器的直线特征提取方法，其特征在于:步骤4中所述的计算直线拟合误差的具体过程如下: 步骤4.1:设直线参数误差协方差矩阵为:
【文档编号】G01S7/493GK103777192SQ201210000399
【公开日】2014年5月7日 申请日期:2012年10月24日 优先权日:2012年10月24日
【发明者】张国良, 敬斌, 徐君, 王俊龙, 曾静, 孙一杰, 安雷, 陈励华 申请人:中国人民解放军第二炮兵工程学院