The invention discloses a corner feature extraction method suitable for two-dimensional laser scanner, which aims at detecting the common points such as buildings and tables in the actual environment. First, combined with the cosine distance between two points of the Euclidean distance between vectors and the corresponding method of double threshold to determine each point of the neighborhood, in particular, to determine the rough neighborhood based on Euclidean distance threshold is larger, then the cosine distance threshold smaller to determine more accurate range. At the same time, in order to extract corners from the point cloud better, a novel evaluation function is proposed, which can detect the corners accurately. This method effectively improves the accuracy of corner feature extraction of two-dimensional laser scanner, and has good robustness.
【技术实现步骤摘要】
一种针对二维激光扫描仪的角点特征提取方法
本专利技术属于激光定位与导航
,特别地涉及一种基于二维激光扫描仪的角点特征提取方法。在角点特征提取中,涉及了双阈值邻域判定方法,和针对角点的几何特征设计的评分方法。
技术介绍
在同时定位与建图(SLAM)问题中,对图像局部特征的提取已有相当多的研究工作。然而相比于成熟的视觉研究领域,2DLidar虽也是SLAM中一种常用的传感器,却缺少相关的特征提取方法。国外学者在这方面做了较多的研究。较早关注2DLidar特征提取的工作有Boss和Zlot,其对每个子地图建立每点法向量的朝向直方图以及一组加权投影直方图。Li和Olson提出将2D点云数据栅格化进而获得一幅图像,用Kanade-Tomasi角点检测出特征点,同时结合SIFT来描述特征点的邻域。栅格化的优势在于可以利用图像领域已有的特征提取方法,劣势在于栅格化过程引入了噪声。Tipaldi和Arras提出FLIRT,被认为是首个为2DLidar设计的特征提取方法,其中包括基于原始扫描数据、基于扫描数据的法向量估计以及基于扫描数据曲率估计三种特征提取方法。Kallasi等提出FALKO以及OC。FALKO根据欧式距离阈值划分对每个点划分左邻域和右邻域,同时给出评分函数分别对左右邻域进行评分,累积分数最大的点被提取出来作为特征点。OC通过对单帧扫描数据做霍夫变换,获得关于一系列角度θ的霍夫频谱HS(θ),根据其值大小获得主朝向θd,将所有点旋转-θd角度,随后对在欧式距离阈值内的邻点提出一种评分函数,评分高的点被选为特征点。
技术实现思路
本专利技术针对真实场景中大量 ...
【技术保护点】
一种针对二维激光扫描仪的角点特征提取方法,其特征在于,通过二维激光扫描仪获得二维点云数据,对二维点云数据S进行以下步骤处理:步骤1:以激光扫描的顺序逐一对S中每点做处理,首先用欧式距离阈值确定一个邻域范围,在这个邻域范围内,再用余弦距离阈值获得最终的邻域范围;步骤2:对候选点及其邻域进行评分,将最终的邻域划分为左邻域以及右邻域,对左右邻域分别用评价函数求得评分,左右邻域的评分之和作为该点的最终评分;利用非极大值抑制,筛选出窗口范围内评分最大的点作为角点。
【技术特征摘要】
1.一种针对二维激光扫描仪的角点特征提取方法,其特征在于,通过二维激光扫描仪获得二维点云数据,对二维点云数据S进行以下步骤处理:步骤1:以激光扫描的顺序逐一对S中每点做处理,首先用欧式距离阈值确定一个邻域范围,在这个邻域范围内,再用余弦距离阈值获得最终的邻域范围;步骤2:对候选点及其邻域进行评分,将最终的邻域划分为左邻域以及右邻域,对左右邻域分别用评价函数求得评分,左右邻域的评分之和作为该点的最终评分;利用非极大值抑制,筛选出窗口范围内评分最大的点作为角点。2.根据权利要求1所述的方法,其特征在于,二维点云中每点的邻域依次通过以下步骤得到:1.1)根据每个扫描点Pi到扫描原点O的距离Di来确定可能位于邻域内的点的下标范围R’;1.2)选取一个欧氏距离阈值Thb,对下标在R’内的点Pj,当其与Pi的距离在Thb内时,将其添加到邻域中,更新R’;1.3)选取一个余弦距离阈值Ths,对下标在R’内的点Pj,当其余弦距离位于Ths外时,将其剔除出邻域,更新R’;1.4)获得邻域范围后,分别对更新后的左右邻域进行直线拟合,选取一个角度阈值范围Thd,当两条拟合得到的直线之间的角度不在阈值范围Thd内时,舍弃该点,不再进行下一步处理。3.根据权利要求2所述的方法,其特征在于,邻域下标范围依次通过以下步骤得到:1.1.1)根据扫描点到扫描原点的距离确定圆形窗口半径a、b均为常数项;...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。