[发明专利]一种基于组合聚类的正态扫描配准方法和系统

权利要求书

1.一种基于组合聚类的正态扫描配准方法，其特征在于，包括以下步骤：

(1)从移动机器人实时获取连续的两个激光雷达点，前一个激光雷达点作为参考帧，后一个激光雷达点作为当前帧；

(2)使用基于密度的空间聚类算法对步骤(1)得到的参考帧进行处理，以得到参考帧的初始分类结果；

(3)针对步骤(2)中得到的参考帧的初始分类结果，判断该初始分类结果的最大两个奇异值的比值是否大于设定的阈值，如果是则进入步骤(4)，否则进入步骤(5)；

(4)利用K均值算法对该分类进行处理，以得到K个细分分类，并将这K个细分分类加入参考帧最终分类集合中，然后转入步骤(6)；其中步骤(2)的空间聚类算法和步骤(4)的K均值算法中，两个激光雷达点之间的距离α是通过以下公式计算：

其中ρ_i和a分别表示第i个激光雷达点的极坐标，Δθ表示第i个激光雷达点相对于第i-1个激光雷达点的角度增量；(5)将该分类加入参考帧最终分类集合中；

(6)针对当前帧中的每一个激光雷达点，根据该激光雷达点的坐标、以及参考帧最终分类集合中每一个分类的坐标获取该激光雷达点与参考帧最终分类集合中每一个分类之间的距离，并从中选择出距离最小值对应的分类作为该激光雷达点的配对分类，其中分类的坐标等于该分类包括的所有激光雷达点的坐标均值；

(7)针对当前帧中的每一个激光雷达点，构建该激光雷达点与其配对分类的误差方程；

(8)将当前帧中所有激光雷达点与其配对分类的误差方程进行求和，从而得到整体误差方程，采用高斯-牛顿法对该整体误差方程进行优化，以得到移动机器人在参考帧到当前帧之间的位置变化量Δx。

2.根据权利要求1所述的正态扫描配准方法，其特征在于，步骤(4)中K的取值就是步骤(3)中该初始分类结果的最大两个奇异值的比值。

3.根据权利要求2所述的正态扫描配准方法，其特征在于，激光雷达点与其配对分类的误差方程为：

其中x表示激光雷达点的坐标，μ和σ分别表示激光雷达点的配对分类的正态分布均值和方差。

4.一种基于组合聚类的正态扫描配准系统，其特征在于，包括：

第一模块，用于从移动机器人实时获取连续的两个激光雷达点，前一个激光雷达点作为参考帧，后一个激光雷达点作为当前帧；

第二模块，用于使用基于密度的空间聚类算法对第一模块得到的参考帧进行处理，以得到参考帧的初始分类结果；

第三模块，用于针对第二模块得到的参考帧的初始分类结果，判断该初始分类结果的最大两个奇异值的比值是否大于设定的阈值，如果是则进入第四模块，否则进入第五模块；

第四模块，用于利用K均值算法对该分类进行处理，以得到K个细分分类，并将这K个细分分类加入参考帧最终分类集合中，然后转入第六模块；其中第二模块的空间聚类算法和第四模块的K均值算法中，两个激光雷达点之间的距离α是通过以下公式计算：

其中ρ_i和a分别表示第i个激光雷达点的极坐标，Δθ表示第i个激光雷达点相对于第i-1个激光雷达点的角度增量；

第五模块，用于将该分类加入参考帧最终分类集合中；

第六模块，用于针对当前帧中的每一个激光雷达点，根据该激光雷达点的坐标、以及参考帧最终分类集合中每一个分类的坐标获取该激光雷达点与参考帧最终分类集合中每一个分类之间的距离，并从中选择出距离最小值对应的分类作为该激光雷达点的配对分类，其中分类的坐标等于该分类包括的所有激光雷达点的坐标均值；

第七模块，用于针对当前帧中的每一个激光雷达点，构建该激光雷达点与其配对分类的误差方程；

第八模块，用于将当前帧中所有激光雷达点与其配对分类的误差方程进行求和，从而得到整体误差方程，采用高斯-牛顿法对该整体误差方程进行优化，以得到移动机器人在参考帧到当前帧之间的位置变化量Δx。