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]本专利技术的目的就是为了提供一种基于聚类的激光数据动态障碍物滤除方法，通过激光数据完成障碍物滤除，无需附加摄像头传感器，计算量小，计算速度快，方法简单高效。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]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：
[0007]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；
[0008]S2、根据激光数据进行聚类，完成对障碍物的提取；
[0009]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；
[0010]S4、获取移动机器人(即激光传感器)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；
[0011]S5、滤除激光数据中的动态障碍物对应的激光数据点。
[0012]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。
[0013]所述的步骤S2包括：
[0014]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相近的点划为同一点集，并对每个点集用线段进行近似拟合；
[0015]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；
[0016]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。
[0017]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；
[0018]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
+R
j
d，则对该点集进行拆分，其中，d
max
为初步划分的点集中的点与点集中最远两点连线之间的最大距离，d
split
为拆分距离参数，R
j
d为动态聚类距离补偿参数。
[0019]对每个点集采用最小二乘法进行线段的近似拟合。
[0020]对拟合后的线段进行合并时，考虑待合并的两条线段之间的距离并进行近似共线的判断，当待合并的两条线段之间的距离小于预配置的阈值且满足近似共线条件时，将所述的两条线段视为集中分布，将对应点集进行合并基于合并后的点集用一条线段进行近似拟合，完成合并。
[0021]在线段描述的基础上采用圆进行描述代替具体的处理方法为：
[0022]以线段为边构成等边三角形，并使三角形的中心远离激光帧原点；
[0023]构建圆使所述等边三角形内接于圆，并根据点集分布情况增大圆半径。
[0024]所述的步骤S3具体为：
[0025]S31、基于相邻两帧中的以圆描述的障碍物信息计算相邻帧中的障碍物的相似度代价：
[0026][0027]其中，c
ij
为相邻两帧中的圆i和圆j之间的相似度代价，(x0，y0)为圆心的位置，r为圆的半径；
[0028]S32、对于每一障碍物，基于相邻帧中相似度代价最小值对应的障碍物进行障碍物的关联，实现障碍物的跟踪；
[0029]S33、结合激光传感器频率信息，基于卡尔曼滤波迭代实现障碍物在激光传感器坐标系下的相对速度估计。
[0030]所述的步骤S4具体为：借助里程计及IMU的传感器信息融合对移动机器人(即激光传感器)在地图坐标系下的运动速度进行求解；结合障碍物在激光传感器坐标系下的相对速度，确定障碍物在静态环境中的动态属性，并对动态障碍物进行标记。
[0031]所述的步骤S5具体为：滤除标记为动态障碍物对应的描述圆范围内的激光数据点，实现激光数据中动态障碍物的滤除。
[0032]与现有技术相比，本专利技术具有以下有益效果：
[0033](1)在依靠激光传感器作为主要传感器的相关技术中，如激光SLAM，路径规划等应用在存在动态障碍物的环境中时，本专利技术所述方法无需附加摄像头传感器，也无需处理相对复杂的视觉信息，即可通过对激光帧数据的处理，实现对动态障碍物的提取与跟踪，并最终对激光数据进行有效滤波，减少动态障碍物对激光SLAM与路径规划等的影响。
[0034](2)本专利技术对每帧激光数据用线段及圆对动态障碍物进行拟合描述，障碍物提取方法简单、直观、高效，提取效果好，计算量小，计算速度快。
[0035](3)本专利技术中包含多个可调参数，可根据实际场景及具体需求灵活调整，以使本专利技术实现符合需求的动态障碍物滤除效果。
附图说明
[0036]图1为本专利技术的方法流程图。
具体实施方式
[0037]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0038]一种基于聚类的激光数据动态障碍物滤除方法，如图1所示，包括以下步骤：
[0039]S1、获取激光数据并进行预处理；
[0040]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：