一种基于激光雷达的楼梯参数自主检测方法技术

本发明专利技术针对通过激光雷达对典型环境特征识别问题，提出了一种基于激光雷达的楼梯参数自主检测方法。本发明专利技术对室内环境三维点云中的楼梯点云对象进行了分析，针对其结构参数的多样性与三维激光点云获取时误差的随机性，提出了一种基于墙面检测及楼梯立面包装盒算法实现楼梯参数的测量。此外，本发明专利技术设计处理模型具有流程少，运算量小的特点，可以在工控机上达到实时检测的效果。达到实时检测的效果。达到实时检测的效果。

【技术实现步骤摘要】
一种基于激光雷达的楼梯参数自主检测方法


[0001]本专利技术属于基于激光雷达识别典型环境特征领域，用于智能机器人对环境中的各种楼梯特征进行实时检测。

技术介绍

[0002]随着信息化的普及与科技的发展，无人系统及智能机器人技术日趋成熟。在智能机器人领域，常用三维激光雷达来获取周围环境中的精确位置信息，具有分辨率高，抗干扰能力强，不受光线影响，便于集成等优点，所以基于激光雷达进行智能机器人周围环境典型特征检测对智能机器人技术的发展与完备具有积极意义。
[0003]在智能机器人失去了与人工配合的情况下，智能机器人面临的首要问题就是对于环境特征的辨识与定位。机器人对于环境的有效理解对于提升机器人的智能性具有重要作用，场景中典型的环境特征可以极大的提高机器人定位的精度与效率，也可以方便机器人提前制定对应特殊环境特征的策略，因而对于环境典型特征的识别显得尤为重要。
[0004]对于环境的特征识别具有相当长的研究历史，其中对于典型环境特征楼梯的识别如文献(Bansal M,Matei B,Southall B,et al.A LIDAR streaming architecture for mobile robotics with application to 3D structure characterization[C]//IEEE International Conference on Robotics&Automation.IEEE,2011.)Mayank Bansal等人基于三维激光构建的环境点云，在三维空间中使用模版匹配的算法实现楼梯识别，该方法对于先验目标的测定较为精准，但是相关设定参数过多，具有较大局限性。文献(Theeravithayangkura C,Takubo T,Mae Y,et al.Stair recognition with laser range scanning by limb mechanism robot“ASTERISK”[C]//Proceedings of IEEE International Conference on Robotics and Biomimetics(ROBIO
’
08).Bangkok,Thailand:IEEE,2009.)Chayooth等人对激光雷达扫描信息进行逐列提取，基于同平面内点云的分布特征，对于可能处于同一立面内的连续点云扫描线段进行归并，不同面内的点云进行分割，从而实现点云中立面结构的识别，并基于此参数建立阶梯模型，该方法的局限性在于当点云数据以非直面台阶采集时，连续线无法聚合，同时由于阶梯边缘位置依赖于所提取线段的端点，其对不规则面的识别效果较差。文献(Lu X,Manduchi R.Detection and localization of curbs and stairways using stereo vision[C]//Proceedings of the 2005IEEE International Conference on Robotics and Automation(ICRA).Barcelona,Spain:IEEE,2005.)X.Y.Lu等使用三维视觉中提取到的边缘估计点进行二维映射，将单目相机获得环境图像与之结合，可以较为准确的拟合出边缘位置，从而在一定程度上解决了基于二维图像的识别方法无法生成对应三维阶梯模型的问题，然而其从根本上解决边缘检测中的假阳性情况。上述技术诸基于先验环境模型，并且在一定参数下测得目标边缘线较为散乱且复杂，需要对误判边缘进行滤除，同时，在融合边缘线的过程中运算量较大，使得实时性差强人意。当点云数据以非直面台阶采集，即楼梯各个面不平整时，连续线无法聚合，同时由于阶梯边缘位置依赖于所提取线段的端点，其对不规则面的识别效果
较差。
[0005]利用智能机器人装配的三维激光传感器获取环境数据，检测环境中的楼梯，对于采集现场点云数据中的完整楼梯可以识别、建模，并计算楼梯参数，具体包括楼梯阶梯高度、阶梯宽度、阶梯深度、楼梯阶梯数量等，以便智能机器人改变姿态通过楼梯。

技术实现思路

[0006]本专利技术针对通过激光雷达对典型环境特征识别问题，提出了一种激光雷达检测楼梯参数方法。本专利技术对室内外环境三维点云中的楼梯对象进行了分析，针对其结构参数的多样性与三维激光点云获取时误差的随机性，提出了一种基于墙面检测及楼梯立面包装盒算法，从而实现楼梯参数的测量。此外，本专利技术设计处理模型具有流程少、运算量小的特点，可以在工控机上达到实时检测的效果。
[0007]本专利技术的技术方案：
[0008]一种基于激光雷达的楼梯参数自主检测方法，步骤如下：
[0009]步骤一：激光点云数据预处理
[0010](1)去除无效点：从激光传感器获得的点云可能包含几种测量误差，部分点对样本的反映不准确。其中一种情况是在一些点的坐标中存在为空的情况，无效点会对点云的后续处理带来干扰，应对点云进行搜索遍历剔除无效点；
[0011](2)降采样：在获取场景的点云时，利用激光雷达得到的原始点云数据往往过于稠密且复杂，其中除了目标点云外还包括障碍物、噪声、遮挡等等，对后续处理极为不利；为了提高后续环节的运算速度与处理效率，必须对原始点云进行稀疏化，减少待处理点云的数量；同时对于环境中的噪声与障碍物进行去除，降低干扰，从而降低后续所有环节中遍历算法的时间复杂度，进一步提高效率。本方法中采用体素滤波进行点云的稀疏化，体素滤波是在空间内以一定参数模拟出连续的体素立方，在每个立方空间内对其中的点求均值，用来代替整体的状况；依据点云数据坐标，确定点云的最小外接长方体，其长宽高为l
x
,l
y
,l
z
。同时设置体素栅格边长为cell，将X，Y，Z三轴均等划分为M，N，L份，则最小外接长方体被划分成M*N*L个体素小栅格。
[0012][0013](3)区域分割：在稀疏化的点云中，一方面存在被向下采样压缩的障碍物噪声等，另一方面待检测楼梯区域由于附近多墙体平面的存在使得检测环境复杂，后续基于墙面的分析方法难以使用，故需要提前对小的浮空点云进行剔除、大的点云进行分割；当前研究中主要方法为基于法线估计的区域生长以及基于欧氏距离判定的欧氏分割，由于当前环节区域生长在时间上的消耗过大，同时欧氏分割对于当前情况的适用性较好，本方法中采用欧氏分割对点云进行处理，实现点云的区域分割；
[0014]步骤二：楼梯点云样本处理
[0015]对于预处理后的楼梯点云样本进行处理，包括对楼梯潜在区域墙壁的检测，墙壁
去除，将楼梯立面进行PCA主元分析，计算楼梯立面质心，楼梯立面包装盒参数估计等；
[0016](1)楼梯潜在区域检测：本专利技术设计提出了基于墙面的楼梯检测方法，由于设计中场景信息采集传感器扫描位置的特殊性，导致扫描台阶水平面存在部分缺失，然而墙面却可以较为完整的扫描得到，故通过先定位墙体，后定位楼梯位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的楼梯参数自主检测方法，步骤如下：步骤一：激光点云数据预处理(1)去除无效点：对点云进行搜索遍历剔除无效点；(2)降采样：对原始点云进行稀疏化，减少待处理点云的数量；同时对于环境中的噪声与障碍物进行去除，降低干扰，从而降低后续所有环节中遍历算法的时间复杂度；采用体素滤波进行点云的稀疏化，体素滤波是在空间内以一定参数模拟出连续的体素立方，在每个立方空间内对其中的点求均值，用来代替整体的状况；依据点云数据坐标，确定点云的最小外接长方体，其长宽高为l
x
,l
y
,l
z
；同时设置体素栅格边长为cell，将X，Y，Z三轴均等划分为M，N，L份，则最小外接长方体被划分成M*N*L个体素小栅格；(3)区域分割：采用欧氏分割对点云进行处理，实现点云的区域分割；步骤二：楼梯点云样本处理(1)楼梯潜在区域检测：由于设计中场景信息采集传感器扫描位置的特殊性，导致扫描台阶水平面存在部分缺失，然而墙面却可以较为完整的扫描得到，故通过先定位墙体，后定位楼梯位置的方法完成对楼梯潜在区域的检测；(2)墙壁检测：采用RanSAC算法进行拟合，该算法通过迭代原始数据点得到最优的拟合参数，估算迭代次数m，用p表示一次迭代过程中从点云数据集内随机选取出的点为均平面内点的概率，用q表示每次从点云数据集中选取一个局内点的概率，如下式所示：q＝平面内点的数目/点云数据集的数目，用n来表示拟合平面模型最少需要的点云数据个数，可知有如下关系：1
‑
p＝(1
‑
q
n
)
m
(2)对上式进行取对数等变换，得到对于迭代次数m而言在迭代过程中的标准差为：上式用于估计在整个拟合过程中所需要的迭代次数m，RANSAC算法通过反复选择数据中的一组随机子集来达成目标，被选取的子集就被设为局内点，定义迭代次数m最大M次，预设拟合平面模型最少需要的点云数据个数n为N，预设初始用于拟合平面的局内点为a个，用初始平面模型去测试所有的其它点云数据，如果某个点适用于估计的模型，认为它也是局内点，增加局内点的个数，不断进行迭代直到局内点个数>n或迭代次数>m；(3)墙壁去除：根据墙面法线方向判定楼梯侧，对另一侧点云进行删除，同时对楼梯侧进行取样，已通过RanSAC方法完成了墙面拟合过程，得到了其拟合参数coff＝[[A1,B1,C1,D1]
…
[A
n
,B
n
,C
n
,D
n
]]，其中A,B,C,D,为拟合平面的系数，下标代表拟合平面的编号；对于拟合的墙面1对应参数coff[0]＝[A1,B1,C1,D1]而言，通过遍历其对应点云簇S1＝[1p1,1p2,
…1p
...

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