一种基于聚类的激光数据动态障碍物滤除方法技术

本发明专利技术涉及一种基于聚类的激光数据动态障碍物滤除方法，包括以下步骤：S1、获取激光数据并进行预处理；S2、根据激光数据进行聚类，完成对障碍物的提取；S3、根据相邻帧中提取的障碍物的相似度对障碍物在时间轴上进行关联，实现障碍物的跟踪，并得到障碍物在激光传感器坐标系下的相对速度；S4、获取移动机器人在地图坐标系下的运动速度，并结合障碍物的相对速度判断障碍物在静态环境中的动态属性；S5、滤除激光数据中的动态障碍物对应的激光数据点。与现有技术相比，本发明专利技术无需借助摄像头获取视觉信息，避免了对动态障碍物额外的识别，通过相关参数的灵活调整实现激光数据中的动态障碍物的有效滤除。物的有效滤除。物的有效滤除。

【技术实现步骤摘要】
一种基于聚类的激光数据动态障碍物滤除方法


[0001]本专利技术涉及移动机器人领域，尤其是涉及一种基于聚类的激光数据动态障碍物滤除方法。

技术介绍

[0002]移动机器人是目前研究中广泛关注的领域，其中涉及到包括SLAM，路径规划，避障等多种技术。考虑到实际的应用场景，大多都存在一些动态障碍物。若将动态障碍物包含在SLAM所得的地图中，将动态障碍物在传感器检测到的瞬时位置状态信息当作固定信息在地图中进行表示，则会造成相关的环境信息不准确，从而为后续的路径规划与避障等带来不必要的麻烦。
[0003]目前现有的对环境中动态障碍物的提取与跟踪方法，大多是基于摄像头提供的视觉信息。根据视觉信息，可以对环境中的物体进行识别，得到物体种类及其在视觉范围内的位置等信息，但该技术方法普遍计算量较大。此外，对于移动机器人在一些室内场景下，可主要依靠激光数据完成建图、路径规划、避障等技术时，若为了动态障碍物的滤除需额外通过摄像头提供的视觉信息，还需要完成激光数据与视觉信息的对应与校准工作，步骤复杂。

技术实现思路

[0004]本专利技术的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类的激光数据动态障碍物滤除方法，其特征在于，包括以下步骤：S1、获取激光数据并进行预处理，所述激光数据的发送与采集设备为激光传感器，激光传感器设于移动机器人上；S2、根据激光数据进行聚类，完成对障碍物的提取；S3、根据相邻帧中提取的障碍物的相似度对障碍物在时间轴上进行关联，实现障碍物的跟踪，并得到障碍物在激光传感器坐标系下的相对速度；S4、获取移动机器人在地图坐标系下的运动速度，并结合障碍物的相对速度判断障碍物在静态环境中的动态属性；S5、滤除激光数据中的动态障碍物对应的激光数据点。2.根据权利要求1所述的一种基于聚类的激光数据动态障碍物滤除方法，其特征在于，所述预处理具体为：根据激光传感器的实际测距范围参数R
min
和R
max
以及应用场景要求，确定有效激光测距范围，并对激光数据进行滤波，将有效激光测距范围内的激光点作为后续步骤的输入。3.根据权利要求1所述的一种基于聚类的激光数据动态障碍物滤除方法，其特征在于，所述的步骤S2包括：S21、基于一帧激光数据中的激光点之间的距离，通过聚类的方式将距离小于预配置阈值的点划为同一点集，并对每个点集用线段进行近似拟合；S22、对拟合后的线段基于空间位置的集中分布情况进行合并；S23、在合并后的线段描述的基础上采用圆对障碍物进行描述代替，并对相交的两圆基于圆心连线的线段构建新圆，若新圆的半径小于预配置的阈值，则将相交的两圆替换成新圆进行描述，否则不进行替换。4.根据权利要求3所述的一种基于聚类的激光数据动态障碍物滤除方法，其特征在于，对激光点云进行聚类时，将满足d
ij
＜d
group
+R
i
d的点云归为同一点集完成初步划分，其中，d
ij
为点云中两激光点之间的距离，d
group
为物体聚类距离参数，R
i
d为动态聚类距离补偿参数，R
i
为激光传感器获取的距离信息，d为距离比例参数；为避免类内间距不合理导致一个点集包含范围过大而包含多个物体，若初步划分得到的点集满足d
max
＞d
split
...

【专利技术属性】
技术研发人员：陈启军，刘成菊，孟子煜，石文博，
申请(专利权)人：同济大学，
类型：发明
国别省市：