一种移动机器人基于激光测距仪的线特征地图创建方法

1.一种移动机器人基于激光测距仪的线特征地图创建方法，其特征在于，包括以下步骤：
步骤(1)，首先启动激光测距仪对外部环境进行扫描，再对扫描的激光数据进行预处理滤除噪声点后得到激光测量数据点集；
步骤(2)，通过动态阈值法对激光测量数据点集进行区域分割，激光测量数据点集经过区域分割后分为N个区域块，其中N为大于1的自然数；
步骤(3)，对各区域块内的数据点采用构建激光数据的后验指数分布，以黄金分割的方法进行数据的迭代进行拟合；具体步骤为：
步骤(31):取出一帧数据中的一个区域，对该区域中的n个数据点进行编号：X1X2…Xn-1Xn；
步骤(32):连接点X1,Xn建立线段L1,假设数据点X2…Xn满足指数分布，则点Xi的概-λd(i-1)
率为pi＝1-e ，i＝2...n，n代表数据点的个数，λ为分布参数，d为相邻点之间的距离；
步骤(33):根据 计算点X2…Xn-1Xn的不确定度H，取出当前环境中的一
条已知线段，通过激光测距仪扫描后计算出直线上的数据点数m，利用公式计算出此时的不确定度阈值h，以此时的阈值h作为标准值，当Hh时，直线拟合失败，转到步骤(34)；
步骤(34):对线段L1进行黄金分割，截取线段L1的0.618长度时，找出离此时线段L1末端点最近的点Xi，连接点X1和Xi建立直线L2完成区域线段拟合；
步骤(35):循环步骤(32)-步骤(34)，直至分割的所有区域块内的数据点完成拟合；
步骤(4)，通过对特征墙角进行提取实现从图像空间到参数空间的转换，建立局部环境地图，通过匹配把局部环境地图融合到全局地图中以构建全局环境地图。
2.根据权利要求1所述的一种移动机器人基于激光测距仪的线特征地图创建方法，其特征在于：步骤(1)所述对扫描的激光数据进行预处理滤除噪声点是采用均值滤波的方法。
3.根据权利要求1所述的一种移动机器人基于激光测距仪的线特征地图创建方法，其特征在于：步骤(4)所述特征墙角的提取采用Hough变换结合面积阈值的方法，所述方法在Hough空间中将连接拐角的两条线段作为判定线段，通过延长判定线段以其交点作为原点构建Hough空间。
4.根据权利要求1所述的一种移动机器人基于激光测距仪的线特征地图创建方法，其特征在于：步骤(4)所述通过匹配把局部环境地图融合到全局地图中以构建全局环境地图是采用扇形匹配方法，具体步骤为：
步骤(41):从全局地图中取出经步骤(3)拟合好的线段L1，以线段L1为角平分线构建角度为2θ的扇形区域R，扇形区域R的两条半径分别为L2、L3；
步骤(42):取出局部地图中经过扇形区域R的线段L'，延长线段L'，当线段L'的延长线同时经过线段L2、L3时，判定此线段与全局地图不匹配，把线段L'直接加入到全局地图中；
步骤(43):依据步骤(42)，局部地图中的线段最多和扇形的半径有一个交点，当局部地图中的线段与L1没有交点，则此时与线段L1重合或部分重合，将重合部分更新全局地图，不重合部分则直接加入到全局地图中；当局部地图中的线段与线段L1只有一个交点，设此时局部地图中的线段为L4，计算出线段L4所有的激光数据点数n1，且计算出落入区域R中的数据点数为m1，则令线段L4的权重为ω＝m1/n1，进入下一步；
步骤(44):判定此时线段L4的匹配度 d1为线段L4的中点到L1的距
离，α为线段L1L4之间的夹角，η为比例系数，通过给定匹配度的阈值ξ进行如下判断：
当γ＞ξ时，判定线段L1L4之间匹配，此时以线段L1L4的角平分线L5来更新原地图中的线段L1；
当γ＜ξ时，线段不匹配，把线段L4依次加入到匹配队列中，等待下次局部地图中的线段的匹配。

一种移动机器人基于激光测距仪的线特征地图创建方法\n技术领域\n[0001] 本发明涉及一种移动机器人基于激光测距仪进行地图创建的方法，特别涉及一种基于激光测距仪的线特征地图创建方法，属于移动机器人地图创建技术领域。\n背景技术\n[0002] 移动机器人通常是基于环境地图才能够实现定位和导航，所以地图创建是研究移动机器人的一个基本问题。通常环境地图的表示方法有：栅格地图，拓扑地图，以及特征地图。栅格地图易于创建和理解，但是当环境空间比较大时，地图的存储量将会增大，这样带来时间和空间复杂度的增加；机器人处于非结构化的环境中时，拓扑地图会带来机器人定位困难的问题，譬如在物理环境相似的地方通过拓扑地图很难判定是否为同一个节点。而特征地图的创建是以几何线段来拟合结构化的环境特征。\n[0003] 而针对激光测距仪扫描的数据点进行预处理时，由于量程及外部噪声的限制，一般实验中给出的是直接滤除噪声点，虽然可以达到减少计算量的要求，但是当环境比较复杂时，实验中移动机器人车轮之间滑动会给测量数据带来累积误差，这样地图中噪声点的个数会逐渐增多，直接滤除会给之后的线段拟合带来误差，导致地图的不精确。其中对于线段拟合Deriche等人提出的最小二乘线段拟合算法来完成这个任务。最小二乘法原理简单，使用直观但是计算比较复杂。针对特征墙角的提取引入Hough变换，它实现了从图像空间到参数空间的转换，与一般通过线段之间的斜率判定墙角相比，对于边界间断的问题有很好的容错性与鲁棒性，但是Hough空间中随着参数增加计算量较大。针对线段匹配目前给出了三个测试条件，只有当三个条件全部满足时认为线段匹配，限制条件较多。\n发明内容\n[0004] 本发明所要解决的技术问题在于克服现有技术的不足，提供一种线特征地图创建的方法，能够有效提高线特征地图的准确性。\n[0005] 本发明为了解决上述技术问题具体采用以下技术方案：\n[0006] 一种移动机器人基于激光测距仪的线特征地图创建方法，包括以下步骤：\n[0007] 步骤（1），首先启动激光测距仪对外部环境进行扫描，再对扫描的激光数据进行预处理滤除噪声点后得到激光测量数据点集；\n[0008] 步骤（2），通过动态阈值法对激光测量数据点集进行区域分割，激光测量数据点集经过区域分割后分为N个区域块，其中N为大于1的自然数；\n[0009] 步骤（3），对各区域块内的数据点采用构建激光数据的后验指数分布，以黄金分割的方法进行数据的迭代进行拟合；\n[0010] 步骤（4），通过对特征墙角进行提取实现从图像空间到参数空间的转换，建立局部环境地图，通过匹配把局部环境地图融合到全局地图中以构建全局环境地图。\n[0011] 作为本发明的一种优选技术方案：步骤（1）所述对扫描的激光数据进行预处理滤除噪声点是采用均值滤波的方法。\n[0012] 作为本发明的一种优选技术方案：步骤（3）所述激光数据的后验指数分布，是以黄金分割的方法进行数据的迭代进行拟合，具体步骤为：\n[0013] 步骤（31）:取出一帧数据中的一个区域，对该区域中的n个数据点进行编号：\nX1X2…Xn-1Xn；\n[0014] 步骤（32）:连接点X1,Xn建立线段L1,假设数据点X2…Xn满足指数分布，则点Xi-λd i-1\n的概率为pi=1-e ( )，i=2...n，n代表数据点的个数，λ为分布参数，d为相邻点之间的距离；\n[0015] 步骤（33）: 计算点X2…Xn-1Xn的不确定度H，取出当前\n环境中的一条已知线段，通过激光测距仪扫描后计算出直线上的数据点数m，利用公式计算出此时的不确定度阈值h，以此时的阈值h作为标准值，当Hh时，直线拟合失败，转到步骤（34）；\n[0016] 步骤（34）:对线段L1进行黄金分割，截取线段L1的0.618长度时，找出离此时线段L1末端点最近的点Xi，连接点X1和Xi建立直线L2完成区域线段拟合；\n[0017] 步骤（35）：循环步骤(32)-步骤(34)，直至分割的所有区域块内的数据点完成拟合。\n[0018] 作为本发明的一种优选技术方案：步骤（4）所述特征墙角的提取采用Hough变换结合面积阈值的方法，通过延长判定线段以其交点作为原点构建Hough空间。\n[0019] 作为本发明的一种优选技术方案：步骤（4）所述通过匹配把局部环境地图融合到全局地图中以构建全局环境地图是采用扇形匹配方法，具体步骤为：\n[0020] 步骤（41）:从全局地图中取出经步骤（3）拟合好的线段L1，以线段L1为角平分线构建角度为2θ的扇形区域R，扇形区域R的两条半径分别为L2、L3；\n[0021] 步骤（42）:取出局部地图中经过扇形区域R的线段L'，延长线段L'，当线段L'的延长线同时经过线段L2、L3时，判定此线段与全局地图不匹配，把线段L'直接加入到全局地图中；\n[0022] 步骤（43）:依据步骤(42)，局部地图中的线段最多和扇形的半径有一个交点，当局部地图中的线段与L1没有交点，则此时与线段L1重合或部分重合，将重合部分更新全局地图，不重合部分则直接加入到全局地图中；当局部地图中的线段与线段L1只有一个交点，设此时局部地图中的线段为L4，计算出线段L4所有的激光数据点数n1，且计算出落入区域R中的数据点数为m1，则令线段L4的权重为ω=m1/n1，进入下一步；\n[0023] 步骤（44）:判定此时线段L4的匹配度 d1为线段L4的中点到\nL1的距离，α为线段L1L4之间的夹角，η为比例系数，通过给定匹配度的阈值ξ进行如下判断：\n[0024] 当γ>ξ时，判定线段L1L4之间匹配，此时以线段L1L4的角平分线L5来更新原地图中的线段L1；\n[0025] 当γ<ξ时，线段不匹配，把线段L4依次加入到匹配队列中，等待下次局部地图中的线\n[0026] 段的匹配。\n[0027] 为了进一步提高线特征地图的准确性，本发明提出基于均值滤波的方法进行数据的预处理；为了减少最小二乘法计算量大的问题，本文通过构建激光数据的后验指数分布，以黄金分割的方法进行数据的迭代，从而达到减少运算的要求；同时为了减少Hough空间中的计算量，本文采用延长相关线段以其交点作为原点的方法构建Hough空间，从而达到减少计算量的要求；为了使线段匹配达到直观化的要求，本发明通过结合扇形模型进行匹配，从而提升算法执行的快速性。本发明具有计算简单准确度高，提升算法执行的快速性的优点。\n附图说明\n[0028] 图1为本发明采用均值滤波前后产生的局部地图；其中(a)为采用均值滤波前的局部地图，(b)为采用均值滤波后的局部地图。\n[0029] 图2为本发明采用黄金分割结合指数分布的方法前后的拟合局部环境图；其中(a)为采用黄金分割结合指数分布的方法前的拟合局部环境图，(b)为采用黄金分割结合指数分布的方法后的拟合局部环境图。\n[0030] 图3为本发明采用Hough空间结合面积阈值的方法判定的角点o的示意图，其中(a)为延长线段l1和l2构成直角坐标的图，(b)为对墙角特征进行提取时采用特征信度表示的图，(c)为拐角的特征信度为1时提取拐角特征o的图。\n[0031] 图4为本发明采用的构建匹配扇形确定出匹配线段的示意图，其中(a)为以L1为角平分线构建角度为2θ的扇形区域R的图，(b)为构建匹配扇形确定出以虚线表示匹配线段的图。\n[0032] 图5为本发明移动机器人基于激光测距仪的线特征地图创建方法的工作原理图。\n具体实施方式\n[0033] 如图5所示，本发明是关于一种移动机器人基于激光测距仪的线特征地图创建方法，具体包括如下步骤：\n[0034] 激光测距仪对前方180度的范围进行扫描时，由于激光测距仪量程的限制以及外部噪声的影响，使得局部地图的创建中存在噪声点。则首先通过对激光测距仪测量数据中的噪声点先进行均值滤波，在达到滤除噪声的目的之后，对激光扫描的数据点进行区域分割。具体包括以下步骤：\n[0035] 步骤1:初始化移动机器人，启动激光测距仪对外部环境进行扫描；\n[0036] 步骤2:通过扫描的激光数据，求出相邻数据点之间的距离选出其中的噪声点；\n[0037] 步骤3:根据离噪声点最近的两点(Xi-1,Yi-1)(Xi+1,Yi+1)求其均值替代噪声点，即令X'i=(Xi-1+Xi+1)/2Y'i=(Yi-1+Yi+1)/2以点(X'i,Y'i)替代噪声点(Xi,Yi)，并在数据点中滤除噪声点，用均值滤波前后产生的局部地图对比分别如图1中（a）和（b）所示；\n[0038] 步骤4:通过动态阈值法对新的数据点集进行区域分割。\n[0039] 一帧激光测量数据点经过区域分割后分为几个区域块，由于室内环境结构化的影响，对于区域内的数据点直接采用线段进行拟合。由于室内环境的未知性，假设激光测距仪扫描的数据点服从指数分布。实验使用SICK200激光扫描室内环境，一帧的数据中包含181个点，此时可以近似同一区域内相邻两个点之间的距离相等。具体包括以下步骤：\n[0040] 步骤1:取出一帧数据中的一个区域，对区域中的数据点进行编号：X1X2…Xn-1Xn；\n[0041] 步骤2:连接点X1,Xn建立线段L1,假设数据点X2…Xn满足指数分布，则点-λd i-1\nXi(i=2...n)的概率为pi=1-e ( )，λ为分布参数，d为相邻点之间的距离；\n[0042] 步骤3:根据 计算点X2…Xn-1Xn的不确定度H，取出当前环境中的\n一条已知线段，取出的线段长度必须超过1m，线段的长度小于1m时实验中的计算误差较大，通过激光测距仪扫描后计算出直线上的数据点数m，利用公式 计算出此时的阈值h，以此时的阈值h作为标准值，当Hh时，直线拟合失败，转到步骤4。\n[0043] 步骤4:对线段L1进行黄金分割，截取直线的0.618长度时，找出离此时直线末端点最近的点Xi,连接点X1和Xi建立线段L2,继续步骤2,步骤3,直至分割的所有区域块内的数据点完成拟合.\n[0044] 本发明采用黄金分割结合指数分布的方法拟合局部环境中线段的前后效果对比如图2中（a）和（b）所示。\n[0045] 室内典型的环境就是拐角特征，拐角一般由两条线段相交后构成。提出在Hough空间中对连接拐角的两条线段进行判定，实验证明此方法具有鲁棒性好的优点。室内空间中的直角墙角在经过激光测距仪进行扫描之后，扫描后的激光数据拟合成线段时，线段之间由于噪声的影响可能没有交点，通过延长判定线段，构成相应的交点，以此交点为原点构成直角坐标，可以减少在Hough空间中ρ值的判定，此外结合面积阈值的方法，给出相应的判定信度，从而来确定为室内环境的墙角。\n[0046] 直角墙角满足构成拐点的两条线段之间的夹角为90°，由于噪声的影响映射到Hough空间则满足|θ-π/2|<δ，δ的值跟参数空间的量化相关，实验中取δ值不超过3个量化间隔，即角度偏差控制在±3°以内。当线段l1、l2构成直角墙角时，还必须满足线段l1、l2的起始点(x1y1),(x2y2)以及原点o构成的三角形的面积足够的小，实验对墙角进行特征提取时采用特征信度来表示：\n[0047] \n[0048] 其中s1s2分别为虚线构成的三角形的面积和线段l1、l2构成的四边形的面积，只有当拐角的特征信度为1时，可以直接提取拐角特征点o，如图3（a）、（b）、（c）所示。\n[0049] 在经过区域分割，线段拟合和特征提取之后可以建立局部环境地图。为了能够把局部环境地图融合到全局地图中以构建全局一致的环境地图，这就带来线段匹配的问题。\n常见的线段匹配的方法是通过判定两条线段的主轴方向的夹角，计算局部地图中线段的中心点到全局地图中线段的距离，以及规定两条直线必须部分重合。现提出的扇形匹配方法能够很好的把局部环境中的线段融合到全局地图中，依据全局地图中的线段构建角度为\n2θ的扇形区域，θ为线段能够匹配时两直线之间的最大夹角，如图4（a）、（b）所示，具体步骤为：\n[0050] 步骤1:从全局地图中取出拟合好的线段L1，以线段L1为角平分线构建角度为2θ的扇形区域R，扇形区域的两条半径分别为L2,L3；\n[0051] 步骤2:取出局部地图中经过扇形区域R的线段，设此线段为L',延长线段L'，当线段L'延长线同时经过线段L2,L3时,判定此线段与全局地图不匹配，把线段L'直接加入到全局地图中；\n[0052] 步骤3:依据Step2,可以知道，局部地图中的线段最多和扇形的半径有一个交点，当局部地图中的线段与L1没有交点，则此时与线段L1重合或部分重合，重合部分可以更新全局地图，不重合部分则直接加入到全局地图中。当局部地图中的线段与L1只有一个交点，设此时局部地图中的线段为L4,计算出线段L4所有的激光数据点数n1，且计算出落入区域R中的数据点数为m1，则令线段L4的权重为ω=m1/n1；\n[0053] 步骤4:判定此时线段L4的匹配度 d1为线段L4的中点到L1的\n距离，α为线段L1L4之间的夹角，η为比例系数，通过给定匹配度的阈值ξ，当γ>ξ时，判定线段L1L4之间匹配,此时以线段L1L4的角平分线L5来更新原地图中的线段L1；相反当γ<ξ时，线段不匹配，不匹配时把线段L4依次加入到匹配队列中，等待下次局部地图中的线段的匹配。