[发明专利]一种基于组合聚类的正态扫描配准方法和系统

说明书

本发明公开了一种基于组合聚类的正态扫描配准方法，包括：从移动机器人实时获取连续的两个激光雷达点云数据，前一个激光雷达点云数据作为参考帧，后一个激光雷达点云数据作为当前帧，使用基于密度的空间聚类算法对参考帧进行处理，以得到参考帧的初始分类结果，针对参考帧的初始分类结果中的每个分类，判断其最大两个奇异值的比值是否大于设定的阈值，如果是则利用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，针对当前帧中的每一个激光雷达点。本发明能够解决现有正态扫描配准方法由于采用格栅划分，使得配准结果存在误差，进而导致最终得到的环境地图精度较差的技术问题。

技术领域

本发明属于移动机器人技术领域，更具体地，涉及一种基于组合聚类的正态扫描配准方法和系统。

背景技术

在未知环境中，同步定位与地图构建是移动机器人实现自主化、智能化、完成更复杂任务的基石，其中扫描配准更是同步定位与地图构建这两项功能得以实现的先决条件。

目前最常见的扫描配准方法是正态扫描配准(Normal-distributionstransform，简称NDT)方法，其通过感知类传感器(如激光雷达、深度相机)得到环境中的一系列点云数据，通过建立前后两个点云数据之间的配准关系，优化求解出帧间坐标转换关系，最终得到移动机器人运行区域的环境地图。

然而，对于上述NDT方法而言，由于其构建前后两个点云数据之间的配准关系的过程中采用格栅划分对激光雷达点进行等间距的分类，这使得参考帧的分类结果无法充分表达点云数据的局部几何特性，因此建立的配准结果存在误差，从而导致最终得到的环境地图精度较差。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于组合聚类的正态扫描配准方法和系统，其目的在于，解决现有正态扫描配准方法由于采用格栅划分，使得配准结果存在误差，进而导致最终得到的环境地图精度较差的技术问题。

按照本发明的一个方面，提供了一种基于组合聚类的正态扫描配准方法，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)；

(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。

步骤(2)的空间聚类处理过程和步骤(4)的K均值聚类处理过程中，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。