【技术实现步骤摘要】
本专利技术涉及室内定位，尤其涉及一种室内浓雾环境下的伪三维雷达数据生成方法。
技术介绍
1、随着科技的发展，越来越多的智能机器人也运用到人们的日常生活中了，而其中智能机器人能够进行空间位置的识别、避障等功能的实现，离不开其定位导轨的数据支持。目前，智能机器人在室内定位导航中主要采用激光slam，视觉slam，惯性slam，视觉激光惯性融合slam，通过获取传感器数据对环境进行感知，对环境进行建图，对自身在地图中进行定位，最终规划出一条到达终点坐标的路径。
2、而现有在环境识别中，一些特殊的浓雾环境中，现有的感知方案均存在一一些问题：激光雷达在浓雾环境中，由于浓雾中的水滴和颗粒对激光束的散射和吸收，使得返回的雷达数据不准确；相机在可见度低的环境下，难以对特征点进行提取，使其不能对环境很好地感知，达不到较好的定位效果，因此，在室内浓雾环境下，传统传感器如激光雷达、相机，功能受限，难以在室内浓雾环境下精确定位。
技术实现思路
1、本专利技术的目的在于提供一种室内浓雾环境下的伪三维雷达数据生成方法，利用二维雷达和热成像相机生成伪三维雷达数据，从而解决在室内浓雾环境下机器人对环境感知精度低的问题。
2、本专利技术公开的一种室内浓雾环境下的伪三维雷达数据生成方法所采用的技术方案是:
3、一种室内浓雾环境下的伪三维雷达数据生成方法，包括以下步骤：
4、s1,获取二维雷达数据和热成像相机数据：
5、s2，新定义三维点云数据；
7、s4，将热成像的点云转化为伪激光雷达数据，并进行噪声去除；
8、s5，使用sobel滤波对热成像图像进行边缘检测，得到边缘点云信息；
9、s6，合并处理s4和s5获得的点云数据；
10、s7，将s6中获得的点云于二维雷达数据进行集成，得到伪三维雷达数据。
11、作为优选方案，s1中获取二维雷达的点云数据信息，具体为每个激光束的角度和距离以及热成像相机所拍摄的图像。
12、作为优选方案，在s2中具体步骤为：
13、s2-1，定义在垂直方向的角分辨率resv和水平方向的角分辨率resh，以及对应的视场角fovv，fovh；
14、s2-2，定义三维雷达的矩阵表示格式(n,h,γ)，其中γ为点云到雷达坐标系零点的距离，n和h分别为垂直方向和水平方向上激光束的索引，具体表示为
15、s2-3，对于新定义的三维点云数据，确定一条激光束的方向需要只需要知道水平方向的角度和垂直方向的角度，而对于激光束的具体长度此时未知，所以用二维的量i,j，相当于平常中常说的第(i，j)个点，即存在三维点pl(i,j)，其水平角度和垂直角度θl(i,j)，其中
16、作为优选方案，在s3中，具体步骤为：
17、s3-1，使用单目深度估计方法从热成像图像得到热成像点云；
18、s3-2，收集已知深度的标定物体，以及相应的热成像图像信息，作为数据集进行训练；
19、s3-3，使用相机标定和特征点匹配将热成像图像和rgb图像对齐；
20、s3-4，使用卷积神经网络接受热成像图像和rgb图像作为输入，输出深度图；
21、s3-5，损失函数定义：
22、均方误差：
23、深度差异损失：
24、作为优选方案，在s4中，具体步骤为：
25、s4-1,将pt中的点转化为p′t(i,j)，其对应的水平角度和垂直角度为和θl(i,j)，在伪三维雷达数据中存在索引；
26、s4-2，对pt中所有点在垂直方向上进行线性插值，假设pt中两个垂直方向的临近点pt(m,k)和pt(n,k)，插入满足条件的p′t(i,k)，p′t(i,k)的相关参数计算公式为：
27、
28、
29、z′t(i,k)＝v′tanθt(t,j)
30、
31、
32、s4-3，对于pt中所有点在水平方向上进行线性插值，假设pt中两个水平方向的临近点p′t(i,k),p′t(i,l)，插入满足条件的p′t(i,j)，p′t(i,j)的相关参数计算公式为：
33、
34、
35、
36、s4-4，当临近点距离过远时，不进行插值；
37、s4-5，将获得的插值点的矩阵转化为新定义三维点云数据格式；
38、s4-6，使用dbscan对伪激光雷达数据的离群点进行分割。
39、作为优选方案，在s5中，具体步骤为：
40、s5-1，在热成像图像中对温度求取水平方向梯度gx和垂直方向梯度gy，
41、
42、
43、s5-2，计算每个像素点的热梯度赋值g
44、
45、s5-3，计算每个像素点的梯度方向θ
46、
47、s5-4，通过阀值进行边缘检测，当像素点的热梯度g>ε时，被判定为边缘像素点。
48、作为优选方案，在s7中，如果热成像图像处理后获得的点云与雷达获得的点云数据存在相同的索引，当环境被判定为浓雾环境时，使用热成像图像处理后获得的点云，否则使用二维激光雷达的点云。
49、本专利技术公开的一种室内浓雾环境下的伪三维雷达数据生成方法的有益效果是：在室内浓雾条件下应用热成像相机对环境进行感知，新定义三维点云数据，给环境信息设立标准，使用单目深度估计方法进行深度估计，通过两临近点云间插点的方式，将热成像图像中获取的点云数据转移至雷达数据索引范围内，将从热成像图像中获取的点云数据转化为伪雷达数据，并赋予相应的索引，使用dbscan对伪激光雷达数据的离群点进行分割，通过判断环境是否为浓雾环境，对点云数据进行筛选并集成利用二维雷达和热成像相机生成伪三维雷达数据，从而解决在室内浓雾环境下机器人对环境感知精度低的问题。
本文档来自技高网...【技术保护点】
1.一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，S1中获取二维雷达的点云数据信息，具体为每个激光束的角度和距离以及热成像相机所拍摄的图像。
3.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在S2中具体步骤为：
4.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在S3中，具体步骤为：
5.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在S4中，具体步骤为：
6.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在S5中，具体步骤为：
7.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在S7中，如果热成像图像处理后获得的点云与雷达获得的点云数据存在相同的索引，当环境被判定为浓雾环境时，使用热成像图像处理后获得的点云，否则使用二维激光雷达的点云。
【技术特征摘要】
1.一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，s1中获取二维雷达的点云数据信息，具体为每个激光束的角度和距离以及热成像相机所拍摄的图像。
3.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在s2中具体步骤为：
4.如权利要求1所述的一种室内浓雾环境下的伪三维雷达数据生成方法，其特征在于，在s3中，具体步骤为：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。