[发明专利]线环境下基于激光雷达的特征显著性检测方法

说明书

本发明公开了一种线环境下基于激光雷达的特征显著性检测方法，包括如下步骤：(1)周期采集k时刻激光雷达信息S(k)；(2)将激光雷达点云数据分群；(3)根据点云数据的空间几何关系，将激光雷达点云数据分割为两个点集合；(4)对步骤(3)中得到的两个点集合进行直线拟合；(5)构建环境特征显著性函数，对环境特征的显著性进行判断。本发明的有益效果为：通过本发明，可以完成对环境的特征显著性检测，准确地辨识出特征不显著的环境。

技术领域

本发明涉及定位导航与控制技术领域，尤其是一种线环境下基于激光雷达的特征显著性检测方法。

背景技术

机器人进行自主导航时常采用同步定位与地图构建(SLAM，SimultaneousLocalization and Mapping)技术，根据探测机器人相对于环境的变化进行定位，并进行地图构建。激光雷达能够获取高精度的测距信息，且不依赖于外界环境的光照条件，常作为SLAM的传感器。

本发明中所指的特征不显著环境主要为类似于长廊、单面墙结构的环境，在该环境中几何特征大多为平行的线特征，沿线特征方向缺少参考的环境特征。在该类环境中采用激光雷达SLAM方法时，其沿线特征方向的定位误差大。因此，在利用激光雷达进行机器人自主导航时，需要辨识环境中几何特征不显著情况，若机器人处于几何特征不显著环境中，则应当增加其它传感器辅助激光雷达进行定位导航。

发明内容

本发明所要解决的技术问题在于，提供一种线环境下基于激光雷达的特征显著性检测方法，能够采用激光雷达探测周围环境，提取环境中的几何特征，构建环境特征显著性函数，对环境特征的显著性进行判断。

为解决上述技术问题，本发明提供一种线环境下基于激光雷达的特征显著性检测方法，包括如下步骤：

(1)周期采集k时刻激光雷达信息S(k)；

(2)将激光雷达点云数据分群；

(3)根据点云数据的空间几何关系，将激光雷达点云数据分割为两个点集合；

(4)对步骤(3)中得到的两个点集合进行直线拟合；

(5)构建环境特征显著性函数，对环境特征的显著性进行判断。

优选的，步骤(2)中，点云数据分群具体包括如下步骤：

(21)对激光雷达扫描的点云数据进行坐标转换，得到其在直角坐标系下的坐标；记p_i为S(k)的第i个激光点(i＝1,2,…,N₀)，N₀为S(k)中激光点的数量，定义直角坐标系原点为激光雷达所在位置，X轴为前向，Y轴为右向；极坐标系原点为激光雷达所在位置，前向为极轴，极角的角度取顺时针方向为正，极角的范围为[0°,360°)，和为p_i在激光雷达直角坐标系中的坐标；(ρ_i,θ_i)为p_i在激光雷达极坐标系中的坐标，其中为，和与(ρ_i,θ_i)的转换关系为：

(22)计算S(k)相邻序号激光点之间的距离若小于阈值E_t，则p_i和p_i+1为同一点群中的激光点，记点群集合为{s_g}，1≤g≤N_g，N_g为点群的数量。

优选的，步骤(3)中，将激光雷达点云数据分割成两个点集合具体包括如下步骤：