[发明专利]基于三维激光雷达的移动机器人越野环境中地面分割方法

说明书

本发明提供基于三维激光雷达的移动机器人越野环境中地面分割方法，将获取到的点云数据网格化寻找最大密度区域，确定最大密度点作为聚类初始点，根据密度聚类算法寻找点云中的核心点，以初始点为密度聚类的第一点开始按每一个核心点聚类半径向周围寻找密度可达点，最终完成聚类，将无法聚类的点判断为离群点滤除。使用基于邻近重心点的体素滤波将点云降采样处理，按照半径与竖直角度将无序点云有序化，通过坡度角与竖直角度的关系得到实际路况中的期望距离，再与雷达安装高度、坡度角关系得到局部阈值高度与全局阈值高度，判断每一点的半径与实际期望距离以及每一点的高度与全局阈值和局部阈值高度得到该点所属的类别是地面或者非地面。

技术领域

本发明涉及移动机器人越野环境感知技术领域，具体涉及一种基于三维激光雷达的移动机器人越野环境中地面分割方法。

技术背景

环境感知技术是移动机器人在越野环境中安全行驶的关键技术之一。环境感知技术利用各种传感器对环境进行数据采集，获取行驶环境信息和机器人与周围障碍物的相对距离，相对速度等信息，进而为各种控制决策提供信息依据。它是移动机器人实现避障与路径规划等高级智能行为的前提条件与基础。

现阶段，用于移动机器人环境感知的传感器主要有三维激光雷达与相机。利用相机视觉图像处理技术来进行场景的认知是该领域的重要方法，但移动机器人在线获取的视觉图像质量受光线变化影响较大，特别是在光线较暗的场景更难以应用。相较于深度相机三维激光雷达可直接获取三维点云信息，省去了深度图像转点云的处理过程，更加方便快捷和可靠，在自动驾驶邻域被广泛应用。在越野环境中，利用相机进行环境感知易受到杂草与树木遮挡无法准确反映出当前环境中路面的变化；同时移动机器人长期在户外越野环境中行驶，长时间曝光在日照下，受到强光或逆光不同角度的照射将会影响相机稳定工作。使用多线程激光雷达进行环境感知，探测距离相对较远，对于预测较远处的环境情况提供有力保障；同时激光雷达受到光照影响相对较小，无论处理明亮环境还是较暗环境中都有着较高的可靠性。

三维激光雷达采用多线程方式进行扫描，获得的数据量十分庞大，Velodyne16线激光雷达每秒可获取30万点云数据，Velodyne32线激光雷达每秒可获取60万甚至120万点云数据。在移动机器人行进过程中，由于道路不平致使雷达抖动或者由于物体的相互遮挡造成的无效点或离群点在获取到的点云数据中大量存在，若不及时滤除将影响分割效果；同时又存在大量的地面点云信息，在目标检测识别过程中地面点云是无效点，增加了计算负担。

发明内容

本发明为解决上述在环境感知中雷达在越野环境中数据处理的问题，提出一种基于三维激光雷达的移动机器人越野环境中地面分割方法，该方法包含自适应密度聚类的点云离群点滤除以及基于射线自适应坡度阈值地面分割，极大提高了地面滤除的效果和准确度。

针对点云数据进行离群点与无效点的滤除，提出了自适应密度聚类的点云离群点滤除的方法，将获取到的点云数据网格化按照网格索引和每个网格中的点数寻找最大密度区域，在该区域中确定最大密度点作为聚类初始点，寻找初始点的同时，根据密度聚类算法寻找点云中的核心点，以初始点为密度聚类的第一点开始按每一个核心点聚类半径向周围寻找密度可达点，最终完成聚类，将无法聚类的点判断为离群点滤除。

其次对滤波完成的点云进行地面分割，对此提出了基于射线自适应坡度阈值地面分割，使用基于邻近重心点的体素滤波将点云降采样处理，按照半径与竖直角度将无序点云有序化，设置坡度角，通过坡度角与竖直角度的关系得到实际路况中的期望距离，再通过实际的期望距离与雷达安装高度、坡度角关系得到局部阈值高度与全局阈值高度，判断每一点的半径与实际期望距离以及每一点的高度与全局阈值和局部阈值高度得到该点所属的类别是地面或者非地面。

具体采取的方法如下：

1、自适应密度聚类的点云离群点滤除