一种基于激光点云分布特性的拓扑地图节点生成方法技术

本发明专利技术提出了一种基于激光点云分布特性的拓扑地图节点生成方法，属于机器人技术领域。本发明专利技术利用三维激光传感器获取场景的三维点云数据，将三维点云数据分成地面点云和非地面点云两部分，对于非地面点云数据，进行离群点剔除以及聚类处理，从而获得点云类别数目；对于地面点云进行可行区域提取，对提取出来的可行区域边界进行直线拟合，从而判断当前所在位置是否为弯角处或者为路口。依据获取的三维点云数据所描述的环境范围的大小、非地面点云类别数目、当前位置是否为弯角处或路口、与上一个节点的距离这几个因素来构建代价函数，同时依据代价值判断目前机器人所在位置是否可以生成拓扑节点。以生成拓扑节点。以生成拓扑节点。

【技术实现步骤摘要】
一种基于激光点云分布特性的拓扑地图节点生成方法


[0001]本专利技术属于机器人
，特别涉及到一种基于三维激光点云分布特性的拓扑地图节点生成方法。

技术介绍

[0002]在移动机器人领域中常用的传感器有三维激光、相机、IMU等，相较于相机而言，三维激光不易受到光照的影响，测量结果准确且可靠，因此被广泛应用于机器人领域。由于三维激光有较高的扫描分辨率和扫描频率，使得移动机器人累积获取的激光点云的数据量越来越大，具有较大的计算负担。
[0003]在移动机器人地图构建任务中，常用的地图表述形式有度量地图和拓扑地图，度量地图中使用原始数据和边线等几何特征描述环境，但是随着表述环境范围的增大，度量地图存储量也快速增长，需要消耗大量的计算资源和存储资源。拓扑地图利用拓扑结构来表述环境，将环境抽象为拓扑节点，并利用相连的拓扑节点的位置关系构建出相连拓扑节点之间的边，进而描述出整个环境，且移动机器人可以直接利用拓扑结构实现路径规划任务，同时拓扑地图存储量小，计算效率高。在拓扑地图构建过程中，拓扑节点的选择至关重要，现有的拓扑节点选择方法中，大多适用于室内环境，在室外环境下生成的拓扑结构效果较差且效率较低。
[0004]在文献(Churchill W,Newman P.Experience-based navigation for long-term localisation[J].International Journal of Robotics Research,2013,32(14):1645-1661.)提出在一种基于视觉传感器的移动机器人运行轨迹上等间距生成拓扑节点的方法。由于采用的是固定间距拓扑节点生成方法，这就导致在非重要区域(例如直道)拓扑节点分布冗余，在重要区域(例如弯角处、路口)拓扑节点分布稀疏，因此造成该方法生成的拓扑节点对环境的适应性差。
[0005]在文献(Brice R,Ouiddad L,Labbabi L and Gilles M.Hybrid map mosaicking:A novel approach for large area mapping[C].2018IEEE International Conference on Simulation,Modeling,and Programming for Autonomous Robots(SIMPAR).2018:23-28)中提出了一种基于视觉的拓扑节点生成方法，该方法采用基于颜色的分割方法提取道路和人行横道，然后将提取出来的图形使用骨骼提取算法提取出骨架图像，将骨架交点设定为拓扑节点。虽然该方法能够将环境中弯角处、路口等重要位置设置为拓扑节点，但该方案采用的视觉传感器受光照影响较大且无法在夜间工作，此外测量范围有限，无法满足面向室外大范围场景拓扑地图构建的需求。

技术实现思路

[0006]针对现有拓扑地图节点生成方法的不足，本专利技术提出了一种基于三维点云分布特性的拓扑地图节点生成方法。本专利技术利用三维激光传感器获取场景的三维点云数据，将三维点云数据分成地面点云和非地面点云两部分，对于非地面点云数据，进行离群点剔除以
及聚类处理，从而获得点云类别数目；对于地面点云进行可行区域提取，对提取出来的可行区域边界进行直线拟合，从而判断当前所在位置是否为弯角处或者为路口。依据获取的三维点云数据所描述的环境范围的大小、非地面点云类别数目、当前位置是否为弯角处或路口、与上一个节点的距离这几个因素来构建代价函数，同时依据代价值判断目前机器人所在位置是否可以生成拓扑节点。
[0007]本专利技术的技术方案：
[0008]一种基于激光点云分布特性的拓扑地图节点生成方法，包括如下步骤：
[0009](1)地面点和非地面点的分割
[0010]由于三维激光传感器为水平安装方式，所以在提取地面点时只需要考虑下面的n条激光线，设定角度分割阈值为δ
θ
，计算在垂直方向上相邻两条激光线之间对应位置激光点的俯仰角θ：
[0011][0012]其中p和q代表了两个在垂直方向上相邻的三维激光点，x，y，z分别代表了激光点在三维空间中x轴，y轴，z轴上的数值。
[0013]当θ小于角度阈值δ
θ
时，该点为地面点，否则为非地面点。对于地面点进入步骤(5)处理，非地面点进入步骤(2)。
[0014](2)非地面点离群点去除与场景体积计算
[0015]设定点云分割角度阈值δ
β
，通过在相邻两个激光数据的深度差进行点云分割，激光光束与连接激光点A和B的线上有两个相交点A和B，在A、B两点，激光光束与线段产生两个夹角，利用A、B中距离扫描仪较远的点处产生的夹角代替直接计算深度值，对应的角度值其中，d1和d2分别为三维激光点A和B到传感器的距离，α为两条激光光束之间的夹角。当计算得到的角度值大于设定的分割阈值δ
β
时，激光点A、B为同一类别点云，若小于δ
β
时，激光点A、B为不同类别点云，从而实现点云分割。分割后，设定分割点云最小数目m，当分割后每个类别中三维点云数目小于m时，判定为离群点将对应的点云删除。去除离群点后，查找剩余三维点云中x轴，y轴，z轴上的最大值与最小值，计算出当前帧三维激光数据所描述环境的体积：
[0016][0017]其中分别代表了当前帧三维激光数据在x轴，y轴，z轴上的最大值和最小值。
[0018](3)非地面点聚类类别数目计算
[0019]步骤(2)中有对三维点云进行分割，但是会出现过分割现象，分割结果不能直接用来统计聚类数目，利用基于密度的自适应阈值聚类算法，对去除离群点的非地面点进行聚类，利用三维点距离传感器的距离以及传感器水平方向上角度分辨率，动态调整聚类半径D＝max(d
c
(sin(Δθ
c
)),d
th
)，其中d
c
为三维点到传感器的距离，Δθ
c
为水平方向角分辨率，d
th
为设定的最小半径。对于非地面点，以D为半径进行基于密度的聚类，可以获取三维点云中
非地面点聚类类别数目
[0020](4)代价函数构建及拓扑节点生成
[0021]对于第i帧三维激光数据，依据步骤(2)可以获得该帧数据所描述的环境的体积V
i
，依据步骤(3)可以获得该帧三维激光数据中非地面点聚类类别数目计算出当前位置距离上一个拓扑节点的距离Δd
i
。依据获得的三个数据构建代价函数其中，w1，w2，w3分别代表了上述变量V
i
、Δd
i
对应的代价值，w
i
为最终获得的代价值，与设定的w
threshold
进行比较，当大于设定的阈值时，该点所在位置被选择为拓扑节点。
[0022](5)弯角处和路口识别
[0023]获取三维点云地面点后，对每条激光线上的三维点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光点云分布特性的拓扑地图节点生成方法，其特征在于，包括如下步骤：(1)地面点和非地面点的分割提取地面点时只需要考虑下面的n条激光线，设定角度分割阈值为δ
θ
，计算在垂直方向上相邻两条激光线之间对应位置激光点的俯仰角θ：其中p和q代表了两个在垂直方向上相邻的三维激光点，x，y，z分别代表了激光点在三维空间中x轴，y轴，z轴上的数值；当θ小于角度阈值δ
θ
时，该点为地面点，否则为非地面点；对于地面点进入步骤(5)处理，非地面点进入步骤(2)；(2)非地面点离群点去除与场景体积计算设定点云分割角度阈值δ
β
，通过在相邻两个激光数据的深度差进行点云分割，激光光束与连接激光点A和B的线上有两个相交点A和B，在A、B两点，激光光束与线段产生两个夹角，利用A、B中距离扫描仪较远的点处产生的夹角代替直接计算深度值，对应的角度值其中，d1和d2分别为三维激光点A和B到传感器的距离，α为两条激光光束之间的夹角；当计算得到的角度值大于设定的分割阈值δ
β
时，激光点A、B为同一类别点云，若小于δ
β
时，激光点A、B为不同类别点云，从而实现点云分割；分割后，设定分割点云最小数目m，当分割后每个类别中三维点云数目小于m时，判定为离群点将对应的点云删除；去除离群点后，查找剩余三维点云中x轴，y轴，z轴上的最大值与最小值，计算出当前帧三维激光数据所描述环境的体积：其中分别代表了当前帧三维激光数据在x轴，y轴，z轴上的最大值和最小值；(3)非地面点聚类类别数目计算步骤(2)中有对三维点云进行分割，但是会出现过分割现象，分割结果不能直接用来统计聚类数目，利用基于密度的自适应阈值聚类算法，对去除离群点的非地面点进行聚类，利用三维点距离传感器的距离以及传感器水平方向上角度分辨率，动态调整聚类半径D＝max(d
c

【专利技术属性】
技术研发人员：袁兴达，闫飞，庄严，李卓函，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：