一种基于区域分割的激光雷达探索与建图方法及系统技术方案

本申请公开了一种基于区域分割的激光雷达探索与建图方法及系统，首先使用快速探索随机树算法检测边界点得到边界点集合，然后将轴对齐边界框均匀划分为多个子区域，对包含边界点的子区域进行采样得到多个采样点，在采样点的比例超过预设阈值的情况下确定子区域集合，再采用自适应模拟退火算法对子区域集合中的子区域进行排序确定子区域的顺序最优解，最后按照子区域的顺序最优解，选择全局兼容性

【技术实现步骤摘要】
一种基于区域分割的激光雷达探索与建图方法及系统


[0001]本申请涉及雷达探索
，具体而言，涉及一种基于区域分割的激光雷达探索与建图方法及系统
。

技术介绍

[0002]配备
2D
激光雷达的移动机器人在室内清洁
、
仓储物流
、
餐饮配送等多种场景中得到了广泛的应用
。
探索系统可以引导机器人穿越未知场景并构建环境地图
。
经过几十年的研究，已经提出了多种针对配备
2D
激光雷达的机器人的探索方法
。
[0003]应用于机器人中的传统的导航算法很大程度上依赖于预先构建的地图和手动设置的目标
。
而现有方法仍然存在一些限制，阻碍了移动机器人的实际应用，比如探索效率低
、
计算开销高或缺乏自主性
。
这些限制主要有以下两种原因：第一种
、
大多数现有方法无法在全局视角和计算效率之间取得平衡
。
有些方法采用贪婪策略，导致冗余路径
。
其他方案则使用消耗较多计算资源的方法，比如为每个候选点解决旅行推销员问题，或使用基于学习的方法获取先验信息
。
第二种
、
探索收益评估选择的指标不足
。
例如，其中许多方法使用到目标的欧氏距离或视野中未知区域作为指标，这些指标是基于当前位置的粗略估计，并且不能很好地反映实际到达目标的收益
。

技术实现思路
<br/>[0004]本申请的目的在于，为了克服现有的技术缺陷，提供了一种基于区域分割的激光雷达探索与建图方法，通过对区域进行划分和排序和挑选每个子区域目标点能够高效地获得全局视角进行探索，而计算收益指标能够获取与全局规划兼容且最小化冗余的目标点，而无需使用当前子区域之外的信息
。
[0005]本申请目的通过下述技术方案来实现：
[0006]第一方面，本申请提出了一种基于区域分割的激光雷达探索与建图方法，包括：
[0007]使用快速探索随机树算法检测边界点得到边界点集合；
[0008]将轴对齐边界框均匀划分为多个子区域，对包含边界点的子区域进行采样得到多个采样点，在所述采样点的比例超过预设阈值的情况下确定子区域集合；
[0009]采用自适应模拟退火算法对所述子区域集合中的子区域进行排序确定子区域的顺序最优解；
[0010]按照子区域的顺序最优解，选择全局兼容性
、
信息增益以及运动一致性作为评估指标计算收益指标
。
[0011]在一种可能的实施方式中，所述使用快速探索随机树算法检测边界点得到边界点集合的步骤，包括：
[0012]在分散区域选取多个候选点；
[0013]选取候选点周围半径内的未知网格数量高于阈值的候选点聚集多个簇
。
[0014]在一种可能的实施方式中，轴对齐边界框采用
n
l
*n
h
网格进行初始化，
n
l
为水平子
区域数量
,n
h
为垂直子区域数量，若子区域的长度或高度大于激光雷达视场直径的两倍，水平子区域数量或垂直子区域数量加一
。
[0015]在一种可能的实施方式中，采用自适应模拟退火算法对所述子区域集合中的子区域进行排序确定子区域的顺序最优解的步骤，包括：
[0016]采用自适应模拟退火算法生成全局初始路径；
[0017]对所述子区域集合中子区域的中心点中的两个元素进行交换得到多个新路径；
[0018]通过新路径与全局初始路径的相似度
、
新路径与初始网格的距离以及总长度来计算得分值；
[0019]利用所述得分值对多个新路径进行迭代，当初始温度达到预设温度阈值或迭代达到最大迭代次数，确定子区域的顺序最优解
。
[0020]在一种可能的实施方式中，利用所述得分值对多个新路径进行迭代的步骤，包括：
[0021]若新路径的相似度大于全局初始路径的相似度，将所述新路径作为全局初始路径进行下一次迭代；
[0022]若新路径的相似度不大于全局初始路径的相似度，则按照概率将所述新路径作为全局初始路径进行下一次迭代，
Δ
C
temp
为得分值，
T
为迭代温度
。
[0023]在一种可能的实施方式中，全局初始路径与新路径的相似度通过动态时间规整算法进行评估
。
[0024]在一种可能的实施方式中，收益指标
R
ev
(p
i
)
的计算公式为：
R
ev
(p
i
)
＝
λ
c
G
com
(p
i
)+
λ
i
G
inf
(p
i
)
‑
λ
m
C
mot
(
α
ori
)
，其中
G
com
(p
i
)
为全局兼容性，
λ
c
为全局兼容性的权重，
G
inf
(p
i
)
为信息增益，
λ
i
为信息增益的权重，
C
mot
(
α
ori
)
为运动一致性，
λ
m
为运动一致性的权重
。
[0025]第二方面，本申请提出了一种基于区域分割的激光雷达探索与建图系统，所述系统包括：
[0026]检测模块，用于使用快速探索随机树算法检测边界点得到边界点集合；
[0027]采样模块，用于将轴对齐边界框均匀划分为多个子区域，对包含边界点的子区域进行采样得到多个采样点，在所述采样点的比例超过预设阈值的情况下确定子区域集合；
[0028]排序模块，用于采用自适应模拟退火算法对所述子区域集合中的子区域进行排序确定子区域的顺序最优解；
[0029]计算模块，用于按照子区域的顺序最优解，选择全局兼容性
、
信息增益以及运动一致性作为评估指标计算收益指标
。
[0030]第三方面，本申请还提出了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如第一方面任一项所述的基于区域分割的激光雷达探索与建图方法
。
[0031]第四方面，本申请还提出了一种计算机可读存储介质，所述存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现如第一方面任一项所述的基于区域分割的激本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于区域分割的激光雷达探索与建图方法，其特征在于，包括：使用快速探索随机树算法检测边界点得到边界点集合；将轴对齐边界框均匀划分为多个子区域，对包含边界点的子区域进行采样得到多个采样点，在所述采样点的比例超过预设阈值的情况下确定子区域集合；采用自适应模拟退火算法对所述子区域集合中的子区域进行排序确定子区域的顺序最优解；按照子区域的顺序最优解，选择全局兼容性
、
信息增益以及运动一致性作为评估指标计算收益指标
。2.
如权利要求1所述的基于区域分割的激光雷达探索与建图方法，其特征在于，所述使用快速探索随机树算法检测边界点得到边界点集合的步骤，包括：在分散区域选取多个候选点；选取候选点周围半径内的未知网格数量高于阈值的候选点聚集多个簇
。3.
如权利要求1所述的基于区域分割的激光雷达探索与建图方法，其特征在于，轴对齐边界框采用
n
l
*n
h
网格进行初始化，
n
l
为水平子区域数量
,n
h
为垂直子区域数量，若子区域的长度或高度大于激光雷达视场直径的两倍，水平子区域数量或垂直子区域数量加一
。4.
如权利要求1所述的基于区域分割的激光雷达探索与建图方法，其特征在于，采用自适应模拟退火算法对所述子区域集合中的子区域进行排序确定子区域的顺序最优解的步骤，包括：采用自适应模拟退火算法生成全局初始路径；对所述子区域集合中子区域的中心点中的两个元素进行交换得到多个新路径；通过新路径与全局初始路径的相似度
、
新路径与初始网格的距离以及总长度来计算得分值；利用所述得分值对多个新路径进行迭代，当初始温度达到预设温度阈值或迭代达到最大迭代次数，确定子区域的顺序最优解
。5.
如权利要求4所述的基于区域分割的激光雷达探索与建图方法，其特征在于，利用所述得分值对多个新路径进行迭代的步骤，包括：若新路径的相似度大于全局初始路径的相似度，将所述新路径作为全局初始路径进行下一次迭代；若新路径的相似度不大于全局初始路径的相似度，则按照概率将所述新路径作为全局初始路径进行下一次迭代，
Δ
C
temp
为得分值，
T
为迭代温度
。6.
如权利要求5所述的基于区域分割的激光雷达探索与建图方法，其特征在于，全局初始路径与新路径的相似度通过动态时间规整算法进行评估
。7....

【专利技术属性】
技术研发人员：俞成浦，赵旭阳，刘一萱，陈杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：