[发明专利]一种基于组合聚类的正态扫描配准方法和系统

摘要

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。

主权项

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：/n(1)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；/n(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；/n(3)针对步骤(2)中得到的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，如果是则进入步骤(4)，否则进入步骤(5)。/n(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)；/n(5)将该分类加入参考帧最终分类集合中。/n(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；/n(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；/n(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。/n