[发明专利]一种基于激光雷达测距信息的室内场景识别方法

摘要

本发明涉及到移动机器人定位及导航技术领域，尤其涉及到一种基于激光雷达测距信息的室内场景识别方法；本发明基于激光雷达测距信息的室内场景识别方法通过在移动机器人上安装激光雷达，实时采集移动机器人在室内环境行驶过程中激光雷达的测距信息，并基于所采集的数据来判定所述移动机器人当前所处场景的类型，本方法可解决大部分移动机器人在普通生活场景中的室内环境识别问题，利用激光雷达可进行高精度以及高密度范围扫描的特点，提高了室内场景识别的鲁棒性与准确率。

主权项

1.一种基于激光雷达测距信息的室内场景识别方法，其特征在于，所述方法包括：步骤S1、在移动机器人上安装扫描范围为360°的激光雷达；步骤S2、在室内场景中，人为控制所述移动机器人进行无碰撞行驶，同时采集作为训练样本的雷达信息，设训练样本的个数为N，则得到训练样本数据集Str的表达式为：Str＝{Str1,Str2,…,StrN}其中，Str1,Str2,…,StrN分别表示训练样本数据集Str中第一个训练样本、第二个训练样本、…第N个训练样本；步骤S3、参考步骤S2，采集作为测试样本的雷达信息，设测试样本的个数为M，则得到超声测试样本数据集Ste的表达式为：Ste＝{Ste1,Ste2,…,SteM}其中Ste1,Ste2,…,SteM分别表示测试样本数据集Ste中第一个测试样本、第二个测试样本、…第M个测试样本；M和N分别为训练样本的个数和测试样本的个数，其中M≤N；步骤S4、对雷达测距训练集Str的样本信息进行特征提取，具体处理过程如下：步骤S41、记训练样本集Str中的任意一个训练样本为SI，1≤I≤N，SI是一个由雷达扫描一周获得的雷达数据所构成的一维特征向量，即SI＝[SI.1，SI.2，…,SI.l]，其中SI.1，SI.2，…,SI.l表示一次扫描中l个采样点的雷达数据，将这组雷达数据其转化为极坐标图像；步骤S42、继续将所得的极坐标图像提取到直角坐标系中，且将极坐标图像的圆心作为矩形图像的中心，对图像中轮廓以内的部分进行颜色填充；步骤S43、继续对得到的图像进行灰度处理，使其成为单通道的灰度图；步骤S44、继续采用环投影算法将得到的灰度图转换为环投影特征向量，最终得到新的训练集Str'：Str'＝{Str1',Str2',…,Strk',…,StrN'}其中，Str1',Str2',…,Strk',…,StrN'分别表示经求环投影特征向量数据后得到的测试训练集Str'中的第一个训练样本、第二个训练样本、…、第k个训练样本、…、第N个训练样本；N为训练样本数；步骤S45、将得到的所有环投影特征向量随机按行排列，每一行是一个环投影特征向量，最终得到以环投影特征向量个数为行数，以每个环投影向量中所包含元素的个数为列数的训练数据矩阵X；步骤S5、给训练集Str'中来自不同类型房间的样本设定不同的标签，并生成与训练数据矩阵相对应的训练标签矩阵T；步骤S6、对雷达测距测试集Ste的样本信息进行特征提取，具体处理过程如下：步骤S61、记测试样本集Ste中的任意一个训练样本为SJ，1≤J≤M，SJ是一个由雷达扫描一周获得的雷达数据所构成的一维特征向量，即SJ＝[SJ.1，SJ.2，…,SJ.l]，其中SJ.1，SJ.2，…,SJ.l表示一次扫描中l个采样点的雷达数据，将这组雷达数据其转化为极坐标图像；步骤S62、将所得的极坐标图像提取到直角坐标系中，且将极坐标图像的圆心作为矩形图像的中心，对图像中轮廓以内的部分进行颜色填充；步骤S63、将得到的图像进行灰度处理，使其成为单通道的灰度图；步骤S64、采用环投影算法将得到的灰度图转换为环投影特征向量，最终得到新的测试集Ste'：Ste'＝{Ste1',Ste2',…,Stek',…,SteM'}其中，Ste1',Ste2',…,Stek',…,SteM'分别表示经求环投影特征向量数据后得到的测试集Ste'中的第一个测试样本、第二个测试样本、…、第k个测试样本、…、第M个测试样本，M为测试样本数；步骤S65、将得到的所有环投影特征向量随机按行排列，每一行是一个环投影特征向量，最终得到以环投影特征向量个数为行数，以每个环投影向量中所包含元素的个数为列数的测试数据矩阵Y；步骤S7、参照步骤S5给测试集Ste'中的样本设定标签，生成与测试数据矩阵相对应的测试标签矩阵T'；步骤S8、将训练数据矩阵及相应的训练标签矩阵T通入支持向量机训练模型，再将模型应用于测试数据矩阵得到分类结果。