[发明专利]一种基于点线特征扫描匹配的移动机器人定位方法

说明书

本发明公开了一种基于点线特征扫描匹配的移动机器人定位方法，该方法通过对一帧激光点云进行处理，从中可快速、准确地提取出由若干个扫描点组成的直线特征，以及由直线特征延伸相交形成的角点特征，从而对移动机器人所处的室内结构化环境进行简要描述。通过计算前后两帧激光点云的直线特征以及角点特征之间的匹配度，寻找两帧激光点云之间的对应关系，从而计算移动机器人在两帧激光点云期间的位姿变换关系，更准确地估计机器人运动状态，提高定位精度，改善激光SLAM的建图效果。

技术领域

本发明属于机器人技术领域，具体涉及一种移动机器人定位方法。

背景技术

随着移动机器人在工业、民用等领域的应用，同时定位与地图构建技术(Simultaneous Localization And Mapping，SLAM)得到了长足发展，已是移动机器人领域的研究热点和难点。定位是SLAM中的关键环节，扫描匹配方法作为激光SLAM的前端，负责实现数据关联并估计机器人位姿变化，用于后续定位。扫描匹配方法是激光SLAM的核心基础，位姿估计准确与否直接影响激光SLAM的建图效果。目前扫描匹配方法可分为基于点匹配的方法、基于数学特性匹配的方法和基于特征匹配的方法。基于特征的匹配方法因使用特征描述子进行匹配计算，相较于基于点和基于数学特性的方法，其在变换参数计算过程中不需要初值，能够处理具有部分重叠和较大偏移的连续扫描点云，从而得到广泛使用。

当前，以迭代端点拟合(Iterative End Point Fit，IEPF)、分割-合并算法(Split-Merge)为代表的激光点云直线特征提取算法使用递归方式进行线段分离，效率较低，且扫描点云的稀疏性对算法性能影响较大。以局部不变特征(CongruenceTransformation Invariant Feature，CIF)、二变量正态概率密度映射法为代表的激光点云角点特征提取算法大多选择直接从激光雷达得到的点云中筛选角点特征，受限于激光雷达噪声的影响，在后续位姿变换参数的匹配计算过程中将引入不必要的误差。

发明内容

为了克服现有技术的不足，本发明提供了一种基于点线特征扫描匹配的移动机器人定位方法，该方法通过对一帧激光点云进行处理，从中可快速、准确地提取出由若干个扫描点组成的直线特征，以及由直线特征延伸相交形成的角点特征，从而对移动机器人所处的室内结构化环境进行简要描述。通过计算前后两帧激光点云的直线特征以及角点特征之间的匹配度，寻找两帧激光点云之间的对应关系，从而计算移动机器人在两帧激光点云期间的位姿变换关系，更准确地估计机器人运动状态，提高定位精度，改善激光SLAM的建图效果。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：移动机器人通过搭载的激光雷达传感器对周围环境进行扫描，从激光雷达中获取二维点云数据，进行坐标转换和滤波的预处理：

步骤1.1：获取的二维点云数据表示为其中为激光雷达第i束激光在t时刻的观测量，d为所测得的障碍物的距离，η为激光雷达的扫描分辨率；通过公式(1)进行坐标转换，将得到的原始点云数据是从极坐标转换至直角坐标，得到

步骤1.2：对二维点云数据进行滤波处理：当一个扫描点到两相邻扫描点的距离皆大于阈值γ时，计算该扫描点到两相邻扫描点所连成线段的距离，当此距离大于阈值λ时，判定该扫描点为离群点，去除该扫描点；

步骤1.3：获取t时刻的一帧点云数据，进行坐标转换和滤波处理后得到点云数据其中n为此帧点云数据中所包含的扫描点个数；

步骤2：对点云数据P_t按扫描顺序依次从中取m个扫描点组成备选种子段，对各个备选种子段进行奇异值分解SVD，得到n-m+1个拟合残差平方和，并进行排序和筛选：

步骤2.1：从第i个扫描点开始，按顺序取m个扫描点，形成备选种子段按公式(2)进行奇异值分解SVD：