一种声纳数据的图像化处理方法技术

本发明专利技术公开了一种声纳数据的图像化处理方法，能够有效地应用于移动机器人定位、地图创建及路径规划过程中。首先，对声纳数据进行降噪处理，提取数据中包含的角点信息，并基于误差椭圆、最大误差圆对角点范围加以扩展建立局部拓展地图；然后，将局部拓展地图映射至二值图像空间，建立二值图像空间中的局部拓展地图，通过旋转不变性匹配法，二维扫描匹配法以及SIFT特征匹配的方式实现当前和历史局部拓展地图的匹配。本发明专利技术提供了一种新的声纳距离数据处理方式，相对传统直接处理声纳数据的方法，声纳数据的图像化处理能够充分挖掘声纳数据包含的信息，丰富了声纳数据处理的方式，提高了声纳数据处理的精度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种声纳距离数据的处理方法，通过将距离数据映射至图像空间的方式，实现了声纳数据的图像化处理。属于移动机器人导航领域。
技术介绍
随着导航技术的发展进步，移动机器人被广泛地使用以辅助人类完成未知环境探测等任务，我国的“玉兔”登月车即为典型的例子。为完成未知环境探测的相关任务，机器人需具备自主导航的功能。一般，自主导航包括三个子问题:1.我在那？ 2.我要去哪？ 3.我如何去哪？分别对应机器人定位、地图创建及路径规划。机器人自身位姿及环境特征位置信息的感知是解决上述问题的前提。目前，移动机器人主要使用视觉传感器、激光传感器以及超声波传感器等获取自身及环境特征的位置信息。其中，视觉传感器获取的信息丰富，但要求机器人具备快速的数据处理能力，另外，视觉传感器对光线、遮挡等干扰敏感，限制了其应用范围。激光传感器和超声波传感器均为距离传感器，通过测量机器人与环境特征间的距离，提供机器人导航所需的信息。激光传感器响应快，获取的信息精度高，但是，激光传感器安装精度要求高，价格昂贵。相对的，超声波传感器安装简单，价格相对较低，能够获取精度相对较高的信息，因此，超声波传感器仍被广泛使用。但是，由于波束角较大，超声波传感器获取的信息存在不确定性。概率理论、模糊理论及灰色系统理论等均被用来表达、处理超声波信息，并最终实现机器人地图创建、定位及路径规划。综观目前的声纳信息处理方法，一般是直接处理声纳获取的距离数据，并通过计算距离数据的统计信息，建立环境特征的形式化描述。典型的例子如环境的栅格化描述方法及特征地图创建方法。受波束角影响，声纳获取的距离信息不可避免的带有误差。目前的声纳距离数据处理方法最大限度的利用了数据包含的统计信息，并在移动机器人自主导航中取得了成功应用。但是，当误差较大时，统计信息的准确度会受到影响，同时，现存方法也很难进一步从原始数据中挖掘有用信息。为此，本文将声纳距离数据从距离空间映射至图像空间，利用图像处理的相关技术方法实现声纳距离信息的处理。该方法可有效应用于移动机器人定位、地图创建及路径规划过程中.
技术实现思路
本专利技术的目的是将声纳的距离数据映射至图像空间，利用图像处理技术实现声纳距离数据的处理，通过图像化的处理，最大限度的挖掘声纳数据包含的环境信息，本专利技术一方面提供了声纳数据处理的新思路，另一方面，通过多重声纳数据的图像化匹配技术，提高了声纳数据处理的精度及鲁棒性。本专利技术提供，通过将声纳距离信息映射至图像空间，利用图像处理的方法，实现声纳距离信息的处理，主要包括以下步骤:步骤1、过滤由于测量盲区或超出声纳测量范围而产生的测量值(若记声纳数据为(x，y，Θ，ra)，其中(x，y)表示目标的坐标，Θ为目标相对机器人的方位，ra为目标到机器人的距离。不符合要求的数据标记为ra = R，其中R为声纳传感器的最大测量距离，本专利技术中R = 5000mm)，记过滤后的数据集为S。步骤2、过滤奇异值。本专利技术中，奇异值指不代表任何实际存在特征的、相对稀疏的测量值。给定数据集S，分别计算S中所有点两两之间的欧式距离，并根据坐标和距离的大小对S中的点进行分类。统计每个分类包含点的个数，当分类中点的个数小于阈值Num时，去掉相应类中的所有点，Num为事先设定的阈值。记过滤奇异值后的数据集为Stl，本专利技术称S0为距离数据空间，简称为距离空间。步骤3、提取角点。定义长度为N，滑动步长为S，滑动方向为P的滑动窗口。沿厂方向，从S。中依次取N个点,记其横纵坐标分别为Xt = [X1, X2,, xN]和Yt = Ly1, J2,..., yN]，则Xt、Yt的协方差矩阵为:本文档来自技高网...

【技术保护点】
一种声纳数据的图像化处理方法，其特征在于具体包括以下步骤：(1)过滤由于声纳盲区或超出声纳测量范围而产生的测量值；(2)通过聚类的方法过滤声纳数据中的奇异值和离散点；(3)计算声纳测量值的EVR曲线，通过检测当前EVR曲线峰值的方式获取声纳数据包含的环境角点信息；(4)计算声纳数据包含的每个角点特征的误差椭圆；(5)计算每个误差椭圆的最大误差圆，构建当前局部拓展地图M；(6)建立当前局部拓展地图M与二值图像空间的映射关系；(7)将M映射至二值图像空间，构建图像空间中的局部拓展地图p_M；(8)利用旋转不变性匹配方法和二维扫描匹配方法实现局部拓展地图的匹配；(9)利用SIFT算子提取兴趣点，并进行图像匹配；(10)进行旋转不变性匹配方法、二维扫描匹配方法及图像匹配方法匹配结果的融合。

【技术特征摘要】
1.一种声纳数据的图像化处理方法，其特征在于具体包括以下步骤: (1)过滤由于声纳盲区或超出声纳测量范围而产生的测量值； (2)通过聚类的方法过滤声纳数据中的奇异值和离散点； ⑶计算声纳测量值的EVR曲线，通过检测当前EVR曲线峰值的方式获取声纳数据包含的环境角点信息； (4)计算声纳数据包含的每个角点特征的误差椭圆； (5)计算每个误差椭圆的最大误差圆，构建当前局部拓展地图M； (6)建立当前局部拓展地图M与二值图像空间的映射关系； (7)将M映射至二 值图像空间，构建图像空间中的局部拓展地图p_M； (8)利用旋转不变性匹配方法和二维扫描匹配方法实现局部拓展地图的匹配； (9)利用SIFT算子提取兴趣点，并进行图像匹配； (10)进行旋转不变性匹配方法、二维扫描匹配方法及图像匹配方法匹配结果的融合。2.如权利要求1所述的方法，其特征在于步骤(1)包括:记声纳数据为(X，y,Θ，ra)，其中(x，y)为目标坐标，Θ为目标相对机器人的方位，ra为目标到机器人的距离，由于测量盲区或超出声纳测量范围的影响，会产生不符合要求的数据，标记为ra = R，其中R为声纳传感器的最大测量距离，去除所有ra = R的点，过滤后的数据集记为S。3.如权利要求1所述的方法，其特征在于步骤(2)包括:计算声纳数据集S中所有点两两之间的欧式距离，并根据坐标及距离的大小对S中的点进行分类，统计每个分类包含点的个数，当某分类中点的个数小于阈值Num时,去掉相应类中的所有点,剩余点构成距离空间S。。4.如权利要求1所述的方法，其特征在于步骤(3)包括:定义长度为N，滑动步长为s,滑动方向为V的滑动窗口，沿^方向，从Stl中依次取N个点，其坐标分别记为Xt =[X” 乂2，...，Xn]和 Yt l_yI? Y2,...，Yn-1，通.5.如权利要求1所述的方法，其特征在于步骤(4)所述的计算误差椭圆具体包含如下内容: 假设O为其中的一个峰值，O对应的声纳数据点为(x，y)，取以(x，y)为圆心，r'为半径的圆内的η个数据点，其坐标记为X = [X1,...，χη]和Y = [Υι,...，yn]，计算X和Y的协方差阵C，C的特征值为入1和XJX1S λ 2)，相应的特征向量为Vl和V2，则误差椭圆为Vl和％组成的坐标系中以(—Τ)为圆心，λ。λ2分别为长轴和短轴的椭圆，其中? = ΣΙ?，.?7 = Σ°=ιΛ/?。6.如权利要求1所述的方法，其特征在于步骤(5)所述的构建当前局部拓展地图Μ，具体包含如下内容: 以（x.y）为圆心，X1为半径，构建误差椭...

【专利技术属性】
技术研发人员：陈宗海，王鹏，张启彬，包鹏，徐子伟，孙建，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34