一種基于激光傳感器的直線特征提取方法
【專利摘要】本發明涉及一種激光圖像直線特征提取方法。在分割與合并方法的基礎上，通過自適應鄰近點集檢測提高方法效率，利用模糊分割與合并方法進行線段分割改善方法對參數的敏感程度，最后利用最小二乘方法擬合出環境中各直線段極坐標系下的參數，方法包括：鄰近點集檢測、線段分割、最小二乘直線擬合、計算直線擬合誤差四大步驟。方法實施結果表明當直線段所包含的點較多時，結果很準確，絕大多數直線誤差都很小，極徑誤差都小于1mm，角度誤差小于0.01rad，擬合效果較好。本發明同現有傳統直線提取方法相比的優點在于：(1)方法的迭代次數減少，提高了方法效率；(2)方法的魯棒性有很大提高；(3)線段提取的精度也明顯提高。
【專利說明】一種基于激光傳感器的直線特征提取方法
【技術領域】
[0001]本發明屬于人工智能【技術領域】，涉及一種激光圖像直線特征提取方法。
【背景技術】
[0002]隨著計算機技術和人工智能技術的飛速發展，移動機器人技術也取得了巨大成就，并廣泛地應用于家庭服務、太空探索、深海打撈、礦產勘探、安防醫療、軍事偵察等領域。在機器人相關技術研究中，機器人同時定位與地圖創建(Simultaneous Localization andMapping)問題，簡稱SLAM問題，是機器人技術的關鍵問題之一，甚至被譽為移動機器人研究領域的“圣杯”。而直線是機器人SLAM問題中最常用的特征描述之一，因為選擇它作為機器人定位的環境特征擁有許多優點，如:直線在室內環境中存在的比較多；從激光測試系統LMS(Laser Measurement Systems)激光雷達檢測到的原始點中提取直線較容易,直線特征在地圖中存儲也容易；在平面坐標系中只用兩條不平行直線就可以完成對機器人定位。
[0003]目前關于直線提取的方法也比較多，其中分割與合并(Split-and-Merge)方法是綜合性能是最好的。因此得到了廣泛應用。但是傳統的分割與合并方法存在對直線參數的魯棒性較差，效率較低的問題。

【發明內容】

[0004]技術問題:為了解決上述問題，本發明的目的在于提供一種基于激光傳感器的自適應的直線提取方法，以提高直線提取的效率和魯棒性。
[0005]現將本發明技術解決方案敘述如下:
[0006]本發明一種基于激光傳感器的直線特征提取方法在分割與合并方法的基礎上，通過自適應鄰近點集檢測提高方法效率，利用模糊分割與合并SMF (split-and-merge fuzzy)方法進行線段分割改善方法對參數的敏感程度，最后利用最小二乘方法擬合出環境中各直線段極坐標系下的參數，包括以下步驟(參見圖2):
[0007]步驟1:鄰近點集檢測；
[0008]步驟2:線段分割；
[0009]步驟3:最小二乘直線擬合；
[0010]步驟4:計算直線擬合誤差。
[0011]本發明進一步提供一種基于激光傳感器的直線特征提取方法，其特征在于:設激光雷達每次掃描的結果是以角度△ Φ為間隔的角度Φ和距離P的離散點；步驟I中所述的鄰近點集檢測的具體過程為:
[0012]步驟1.1:設連續激光傳感器探測到連續兩點為Slrl和sk，其中Slri離激光傳感器的距離為P H，Δ I為其兩點的距離；
[0013]步驟1.2:實驗取常數m' =5，Δ1' =V p Λ φ，如果Λ I≤Λ 1'則為鄰近點集，反之則不是。
[0014]本發明進一步提供一種基于激光傳感器的直線特征提取方法，其特征在于:步驟2中所述的線段分割的具體過程如下(參見圖3):
[0015]步驟2.1:設每一個鄰近點集合gamma只含有一條直線:包含傳感器觀測數據ζ中所有點，初始直線個數nol=1;設定產生的迭代代數m = 1 ；
[0016]步驟2.2:更新第m代直線個數；
[0017]步驟2.3:檢驗每條直線lk,...n(m-1)l，在鄰近點集合gamma是否滿足直線參數的方差Ok≤ σ _，如果不滿足則:
[0018]步驟2.3.1:利用模糊直線分割方法將Ik中的點變成兩條直線1' k和1" k，同時令C = 2 ;
[0019]步驟2.3.2:用I' k和I" k替換lk，添加到gamma ;
[0020]步驟2.3.3 =N: +U
[0021]步驟2.3.4:轉到步驟2.2 ;
[0022]步驟2.4:選擇直線
[0023]步驟2.4.1:對于gamma中每兩條相異的直線Ia和Ib都被作為合并的候選情況；
[0024]步驟2.4.2:判斷兩條直線的坐標重心是否很接近:接近則轉步驟2.4.3，不接近則轉
[0025]步驟2.4.3:用1 = 1' ~1"表示由gamma和1"合并的直線，合并后的直線If是VljDl1Tlb離差最小的，同時必須滿足σf≤σmax，直到無法再合并為止；其中，唯一的極限參數Qmax由激光傳感器的統計誤差給出。
[0026]本發明進一步提供一種基于激光傳感器的直線特征提取方法，其特征在于:步驟3中所述的最小二乘直線擬合的具體過程如下(參見圖4):
[0027]步驟3.1:對于每個線段點集{P i； Φi}, i = 1,2,3...N,其中(r, α )表示直線的極坐標參數，公式為:[0028]
【權利要求】
1.一種基于激光傳感器的直線特征提取方法，其特征在于:在分割與合并方法的基礎上，通過自適應鄰近點集檢測提高方法效率，利用模糊分割與合并方法進行線段分割改善方法對參數的敏感程度，最后利用最小二乘方法擬合出環境中各直線段極坐標系下的參數，包括以下步驟: 步驟1:鄰近點集檢測； 步驟2:線段分割； 步驟3:最小二乘直線擬合； 步驟4:計算直線擬合誤差。
2.根據權利要求1所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟I中所述的鄰近點集檢測的具體過程為: 步驟1.1:設連續激光傳感器探測到連續兩點為Slri和sk，其中Slri離激光傳感器的距離為P H，Δ I為其兩點的距離； 步驟1.2:設激光雷達每次掃描的結果是以角度Λ φ為間隔的角度Φ和距離P的離散點；實驗取常數m' =5, ΔI' = m/ p Δ φ，如果Δ I≤Δ I'則為鄰近點集,反之則不是。
3.根據權利要求1所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟2中所述的線段分割的具體過程如下: 步驟2.1:設每一個鄰近點集合I'只含有一條直線:包含傳感器觀測數據ζ中所有點，初始直線個數JVf=I;設定產生的迭代代數m = I ； 步驟2.2:更新第m代直線個數= N^i; 步驟2.3:檢驗每條直線lkj-1,...，#^^，在鄰近點集合I'是否滿足直線參數的方差O, ≤ O ；k 、.max 9 步驟2.4:選擇直線。
4.根據權利要求3所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟步驟2.3中所述的“檢驗每條直線lk，A = 1，...，JVf4，在鄰近點集合I'是否滿足直線參數的方差_，如果不滿足則按以下步驟進行: 步驟2.3.1:利用模糊直線分割方法將Ik中的點變成兩條直線I'k和I" k，同時令C=2 ； 步驟2.3.2:用k和I" k替換lk，添加到I' ；
步驟 2.3.3:Ν^ =Ν^+1., 步驟2.3.4:轉到步驟2.2。
5.根據權利要求3所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟2.4中所述的“選擇直線”的具體過程如下: 步驟2.4.1:對于I'中每兩條相異的直線Ia和Ib都被作為合并的候選情況； 步驟2.4.2:判斷兩條直線的坐標重心是否很接近:接近則轉步驟2.4.3，不接近則轉步驟2.4.3:用1 = 1' ~1"表示由I'和I"合并的直線，合并后的直線込是^込和lk~lb離差最小的，同時必須滿足σ_，直到無法再合并為止；其中，唯一的極限參數σ_由激光傳感器的統計誤差給出。
6.根據權利要求1所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟3中所述的最小二乘直線擬合的具體過程如下: 步驟3.1:對于每個線段點集{P i; Φ] , i = 1,2,3...N,其中(r, α )表示直線的極坐標參數，公式為:
7.根據權利要求1所述的一種基于激光傳感器的直線特征提取方法，其特征在于:步驟4中所述的計算直線擬合誤差的具體過程如下: 步驟4.1:設直線參數誤差協方差矩陣為:
【文檔編號】G01S7/493GK103777192SQ201210000399
【公開日】2014年5月7日 申請日期:2012年10月24日 優先權日:2012年10月24日
【發明者】張國良, 敬斌, 徐君, 王俊龍, 曾靜, 孫一杰, 安雷, 陳勵華 申請人:中國人民解放軍第二炮兵工程學院