[发明专利]一种基于熵和灰关联度的室内环境特征提取方法

摘要

本发明公开了一种基于熵和灰关联度的室内环境特征提取方法，该方法通过模拟人类加工环境信息的知识处理方法，利用信息论中的相关技术方法完成对环境的逐步认知；一方面，通过利用熵和灰关联度实现环境特征提取，最大限度地减少计算和信息存储代价，还提高了数据处理鲁棒性；另一方面，在机器人漫游过程中通过熵对环境特征进行更新，提高了声纳数据处理的实时性和精确度；同时，基于熵和灰关联度的室内环境特征提取可以有效用于移动机器人定位、地图创建及路径规划过程中，提高了机器人导航任务的精度及鲁棒性。

主权项

一种基于熵和灰关联度的室内环境特征提取方法，其特征在于，该方法包括：对机器人静止状态时获取的初始数据进行预处理，再基于灰关联度的主方向提取方法从预处理后的数据中提取若干直线特征，并基于最特殊法确定线段端点，从而从所述若干直线特征中提取出对应的线段，组成初始线段特征集；对机器人移动时获取到的新数据进行预处理，采用基于熵的方法从预处理后的新数据中提取新的线段特征并加入到初始线段特征集中，再基于灰关联度的方法利用预处理后的新数据对初始线段特征集进行更新；基于熵的方法对更新后的线段特征集中的线段进行融合；利用几何计算融合后线段之间的交点，得到环境的关键特征点，并将关键特征点按照先后顺序两两连接，获得室内环境的特征表示；其中，所述基于灰关联度的主方向提取方法从预处理后的数据中提取若干直线特征，并基于最特殊法确定线段端点，从而从所述若干直线特征中提取出对应的线段，组成初始线段特征集包括：对于预处理后的初始数据集C＝{C1,C2,…,Cn}中的第m个点簇Cm，通过协方差矩阵计算该点簇Cm的特征值λ1和λ2以及对应的特征向量v1、v2，并带入下式计算得分score：scoreu=λu/Σh=12λh,u=1,2;]]>使得分score最大的特征值对应的特征向量的方向即为主方向，若最大得分score大于得分阈值scorethres，则提取其斜率km；计算具有斜率km的直线与点簇Cm的灰关联度，其公式为：γ(ljm,Cm)=minidim+ξmaxidimdjm+ξmaxidim]]>其中，指斜率为km并经过点簇Cm内第j个点的直线，为点簇Cm中的点到直线距离的最小值，点簇Cm中的点到直线距离的最大值，为点簇Cm中的点到直线的平均距离，ξ为分辨系数；将所有的直线中具有最大灰关联度的直线作为待拟合的直线特征lm；将点簇Cm中的点投影到直线特征lm中，利用最边缘的两个投影点作为端点，生成特征线段lm；将预处理后的所有点簇均通过上述方式进行处理，获得初始线段特征集L＝{l1,l2,…,ln}。