一种直道场景线段型雷达数据处理及位姿获取方法技术

本发明专利技术公开了直道场景线段型雷达数据处理及位姿获取方法，包括以下步骤：s1.通过基于数据特征的分组策略，将雷达数据初步分组，获得机器人左侧雷达数据和右侧雷达数据；s2.通过基于分组的匹配筛选策略，将左侧雷达数据逐一和右侧雷达数据比较斜率，得到左侧最优雷达数据和右侧最优雷达数据；s3.使用几何学方法根据当前所述左侧最优雷达数据和右侧最优雷达数据得到描述机器人在环境中的三个位姿参数；s4.基于优选数据的平滑降噪策略，将三个位置参数分别存入各自平滑数组中，替换过期数据，抑制当前数据的剧烈变化，取得准确的位姿信息；本方法对于复杂雷达数据段具有鲁棒性，经过简单的判断策略能获取准确的相对环境位姿信息，进而转换为机器人位姿。

【技术实现步骤摘要】
一种直道场景线段型雷达数据处理及位姿获取方法
本专利技术涉及一种传感数据处理领域的雷达数据处理及姿态信息获取方法。具体的，本专利技术涉及一种平行直道条件下，机器人使用空间分组、配对选取、平滑处理策略对初级雷达数据进行处理并获取机器人相对于环境位姿信息的方法。
技术介绍
移动机器人由于具有替代人进行大范围高速度空间运动的能力，也能在许多极端环境下工作，因而在机器人领域占有很大比重。随着自动驾驶、水下机器人控制等机器人技术的兴起，视觉识别、雷达监测等外部传感器及相关数据处理的策略都被广泛的应用。机器人操作系统(ROS)及数量逐年增加的功能包为机器人的运动控制开发、传感数据的应用带来很多便利，但其也有许多不完善的地方，其中，obstacle_detect等处理二维雷达数据的功能包能够通过最小二乘法获得结构性的障碍物描述数据，如用以描述平面的线段型雷达数据和用以描述多边形的圆形雷达数据，然而该类初级数据具有数据数量不定，坐标特征不统一等问题，难以直接运用于机器人的位姿识别当中用以上层路径规划。现有雷达数据处理程序中，处理方法往往不能直接用于机器人的位姿控制：申请号为201810675818.1的专利公开了在FC总线仿真平台上雷达数据的处理方法并未对雷达数据进行有效筛选，不能获得具有强鲁棒性的参考；申请号为201910782080.3的专利公开了一种雷达数据处理装置及雷达数据处理方法通过目标数据包获得位置信息，却不能表征雷达(或装载雷达的小车)相对障碍物/目标的几何位置关系；申请号为201811120033.4的专利公开了一维雷达数据处理方法及系统分析了雷达数据的幅度特性，但只能获取一维距离数据，更无法获得二维位姿信息；申请号为201910330735.3的专利公开了一种雷达数据处理方法使用环形和扇形两种波门对雷达数据进行从粗到精筛选，然而未充分考虑被检测物体相对雷达的空间位置进行综合比较从而获得更准确的雷达数据。综上，有必要提出一种针对直道场景中利用线段型雷达数据获得准确平滑的机器人相对环境位姿信息的获取方法，直接用于机器人的空间运动控制。
技术实现思路
本专利技术的目的是针对线段型雷达原始数据具有的数据段数多，数据受环境影响大的特点，对原始雷达数据进行空间分组、匹配筛选、平滑降噪等策略处理，进而获取机器人相对于直道型可通过路径的准确位姿信息。该方法对于复杂雷达数据段具有鲁棒性，经过简单有效的判断策略能获取较准确的路径信息，进而得到为机器人位姿，可为机器人后续的路径规划和自动避障提供参考。为实现上述技术目的，本专利技术采用的技术方案如下：一种直道场景线段型雷达数据处理及机器人位姿获取方法，包括以下步骤：s1.通过基于数据特征的分组策略，将雷达数据初步分组，获得机器人左侧雷达数据和机器人右侧雷达数据；s2.通过基于分组的匹配筛选策略，将左侧雷达数据逐一和右侧雷达数据比较斜率，得到左侧最优雷达数据和右侧最优雷达数据；s3.使用几何学方法根据当前所述左侧最优雷达数据和右侧最优雷达数据得到描述机器人在环境中的三个位置参数：距右边界线距离、相对运动夹角、边界线宽度；s4.基于优选数据的平滑降噪策略，将所述距右边界线距离、相对运动夹角、边界线宽度分别存入各自平滑数组中，替换过期数据，抑制当前数据的剧烈变化，从而取得稳定准确的位姿信息。其中，步骤s1具体包括:s11.对机器人和可通过环境路径分别建立固连在机器人与环境中固定点上的坐标系；s12.固定在机器人上的雷达点云数据经过最小二乘法拟合后获得线段数据；所述线段数据通过基于所述固连在机器人上的坐标系中的坐标点表征；s13.通过对线段数据坐标综合处理，将线段数据初步分为左、右两组表征左边界和右边界。其中，步骤s2具体包括:s21.通过逐一比较左边界各线段/右边界各线段与右边界各线段/左边界各线段求解斜率差值，得到斜率差矩阵；s22.从所述斜率差矩阵找出最小元素，所述最小元素对应左边界线段斜率与右边界线段斜率均值即为当前最优斜率值；s23.选取斜率最优的左、右侧数据。其中，步骤s3中，利用数据处理策略得到的优选距离值、夹角值数据进行转换计算，从而获得移动机器人相对于直道环境的坐标值。其中，步骤s4具体包括：s41.利用计算得到的距离值、夹角值进行平滑数组处理；所述平滑数组记录从当前最优数据到之前某一段时间内的最优数据；s42.对所述平滑数组元素求均值，即为平滑后的当前优选斜率。其中，在线段型雷达数据处理前,应对线段斜率、坐标值进行检查，避免当前雷达数据异常或机器人位姿异常导致机器人进行不可控运动；对任意选定的边界坐标系与机器人坐标系，设置以机器人坐标系为基准的线段型雷达数据坐标、线段斜率设置允许区间；所述允许区间内的数据可继续处理，对所述允许区间外的数据视为异常数据，并标记当前数据异常，提示机器人上层控制系统进行后续处理。本专利技术的有益效果为:1.专利技术采用的基于数据特征的分组策略，仅利用坐标特征即可对线段型数据快速分组，确定左右边界线。2.专利技术采用的基于分组的匹配筛选策略，将左右边界线数据进行组合对比作为当前策略结果，误差最小，可信度最高。3.专利技术采用的基于优选数据的平滑降噪策略，同时考虑当前数据及前一阶段数据，抑制振荡从而使机器人运行更加平稳。4.专利技术考虑数据合理性的位姿信息获取方法，能有效去除极端情况下的不合理数据，防止因传感数据异常而导致事故。附图说明本专利技术可以通过附图给出的非限定性实施例进一步说明；图1是本专利技术中雷达数据处理策略流程图。图2是本专利技术中环境坐标系与机器人坐标系相对关系图。图3是本专利技术中雷达数据几种示例情况。图4是本专利技术中不同雷达数据数目所进行的处理流程图。图5是本专利技术中基于分组的匹配筛选策略示意图。具体实施方式为了使本领域的技术人员可以更好地理解本专利技术，下面结合附图和实施例对本专利技术技术方案进一步说明。图1所示为雷达数据处理及机器人位姿获取方法流程图。对于线段型雷达数据，通过基于数据特征的分组策略，将雷达数据初步分组，获得左侧雷达数据和右侧雷达数据；通过基于分组的匹配筛选策略，将左侧雷达数据逐一和右侧雷达数据比较斜率，得到左侧最优雷达数据和右侧最优雷达数据；所述位姿获取方法，使用几何学方法根据当前最优雷达数据和右侧最优雷达数据得到描述机器人在环境中的三个位姿参数：距右边界线距离、相对运动夹角、边界间距宽度；基于优选数据的平滑降噪策略，将距右边界线距离、相对运动夹角、边界间距宽度分别存入各自平滑数组中，替换过期数据，抑制当前数据的剧烈变化，从而取得稳定准确的位姿信息。图2所示，本专利技术描述的环境坐标系与机器人坐标系相对关系的一种方式。在所述方式当中，边界由平行的左边界线与右边界线组成，环境坐标系原点O环固定在左右边界线所形成矩形区域的中心，若采用二维坐标，优选的可将环境坐标系的X环轴和Y环轴进行如图所示布置。所述机本文档来自技高网...

【技术保护点】
1.一种直道场景线段型雷达数据处理及位姿获取方法，其特征在于，包括以下步骤：/ns1.通过基于数据特征的分组策略，将雷达数据初步分组，获得机器人左侧雷达数据和右侧雷达数据；/ns2.通过基于分组的匹配筛选策略，将左侧雷达数据逐一和右侧雷达数据比较斜率，得到左侧最优雷达数据和右侧最优雷达数据；/ns3.使用几何学方法根据当前所述左侧最优雷达数据和右侧最优雷达数据得到描述机器人在环境中的三个位姿参数：距环境右边界线距离、相对运动夹角、左右边线宽度；/ns4.基于优选数据的平滑降噪策略，将所述距右边界线距离、相对运动夹角、边界线宽度分别存入各自平滑数组中，替换过期数据，抑制当前数据的剧烈变化，从而取得稳定准确的位姿信息。/n

【技术特征摘要】
1.一种直道场景线段型雷达数据处理及位姿获取方法，其特征在于，包括以下步骤：
s1.通过基于数据特征的分组策略，将雷达数据初步分组，获得机器人左侧雷达数据和右侧雷达数据；
s2.通过基于分组的匹配筛选策略，将左侧雷达数据逐一和右侧雷达数据比较斜率，得到左侧最优雷达数据和右侧最优雷达数据；
s3.使用几何学方法根据当前所述左侧最优雷达数据和右侧最优雷达数据得到描述机器人在环境中的三个位姿参数：距环境右边界线距离、相对运动夹角、左右边线宽度；
s4.基于优选数据的平滑降噪策略，将所述距右边界线距离、相对运动夹角、边界线宽度分别存入各自平滑数组中，替换过期数据，抑制当前数据的剧烈变化，从而取得稳定准确的位姿信息。


2.根据权利要求1所述的直道场景线段型雷达数据处理及位姿获取方法，其特征在于，步骤s1具体包括:
s11.对机器人和环境分别建立固连在机器人与环境固定点上的坐标系；
s12.固定在机器人上的雷达点云数据经过最小二乘法拟合后获得线段数据；所述线段数据通过基于所述固连在机器人上的坐标系中的坐标点表征；
s13.通过对线段数据坐标综合处理，将线段数据初步分为左、右两组表征左边界和右边界。


3.根据权利要求1所述的直道场景线段型雷达数据处理及机器人位姿获取方法，其特征在于，步骤s2具体包括:
s21.通过逐一比较左边界...

【专利技术属性】
技术研发人员：柏龙，古锐，黄志鹏，陈晓红，孙园喜，彭艳，蒲华燕，罗均，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50