[发明专利]一种基于二维激光雷达数据中直线特征的室内未知环境定位方法

权利要求书

1.一种基于二维激光雷达数据中直线特征的室内未知环境定位方法，包括以下步骤：

S1)、获得室内未知环境的激光雷达数据j＝1,2,...,m，其中，为第i帧激光雷达数据对应的第j个扫描点，分别为笛卡尔坐标系中的横坐标和纵坐标；

S2)、对每帧数据点集{Pⁱ}进行自适应阈值分割，标注得每帧连通域点集

S3)、使用非直线特征分割法对连通域集合进行再分割，生成每帧数据的直线段特征描述符

S4)、对于相邻帧的直线段特征描述符使用聚类算法计算相邻两帧数据之间的旋转角度△β_i；

S5)、对于利用聚类算法计算出相邻两帧数据的位移矩△T＝[△p,△q]^T，其中，△p为横坐标位移，△q为纵坐标位移；

其中，对于两帧数据的直线特征集合结合偏转角△β_i，利用聚类算法计算位移矩阵△T＝[△x,△y]^T，具体步骤如下：

S501)、将直线特征中的所有直线旋转△β_i，得到新的线段组

S502)、如果对应第i帧的第k_i条直线段，在第i+1帧中存在一条或多条直线，使得：

则构成一组直线段对；两帧数据的直线段对集合即为

其中，和分别表示对应直线在极坐标系中的极角，ζ为极角差值的阈值，为直线段对；

S503)、如果两帧数据中的任意两对直线段对：

和满足条件则可求解位移矩阵

其中，η极角差阈值，和分别是直线段和的单位法向量，d_h和d_q分别为对应直线段和的两直线间的距离，任意两直线段对计算得到的组成位移矩阵集合：

S504)、以作为样本进行聚类，取样本数最多的簇作为关键簇，最后对关键簇的所有样本加权平均即可得到最终的位移矩阵△T_i。

2.根据权利要求1所述的一种基于二维激光雷达数据中直线特征的室内未知环境定位方法，其特征在于：步骤S1)中，传感器采用二维激光扫描仪，将其安装在移动机器人上，机器人在未知环境中移动，按照一定的时间间隔激光雷达采集相邻两帧数据点集Pⁱ和Pⁱ⁺¹，并使用中值滤波对采集的数据进行去噪处理。

3.根据权利要求1所述的一种基于二维激光雷达数据中直线特征的室内未知环境定位方法，其特征在于：步骤S2)中，使用自适应阈值分割法标注连通域，具体步骤如下：

S201)、根据激光雷达数据Pⁱ，计算相邻采样点的距离dⁱ和自适应分割阈值Φⁱ，具体如下式：

其中，为和之间的欧式距离，和分别为激光雷达数据Pⁱ的第j-1和j个数据点，为激光雷达数据Pⁱ的第j个数据点的自适应阈值，ξ为环境变量，O为采样传感器位置，为计算辅助点，延长线段至点使

S202)、对于数据点集Pⁱ，提取分割点集：

该公式表示将满足条件的数据点标记为分割点其中，阈值t₁限定点集中的最小特征点数，j_k为分割点下标，k＝0,1,2,...,M,M≤m,j₀＝2,j_M＝m；

S203)、分割Pⁱ→{P^i,1,P^i,2,...,P^i,K_i},其中，P^i,k表示Pⁱ分割出来的第k个子集；整理标注值，得到最终的连通域集合