[发明专利]一种工件表面轮廓的二维激光实时探测方法

说明书

技术领域

本发明涉及2D激光传感器，激光雷达传感器，信号处理，无向图聚类技术领域，特别涉及一种工件表面轮廓的二维激光实时探测方法。

背景技术

对于工业机械臂，自主移动机器人，无人驾驶车辆等多个领域，环境感知都是其必须具备的基本能力。通过模仿人类感知机制，不同的传感器被用于进行环境感知。其中激光传感器因其具有测量精度高，实时性好等特点而被广泛的应用于各种系统中。工业机械臂多使用2d激光传感器，而自主移动机器人和无人驾驶车辆则多使用多线激光雷达。利用激光传感器对环境或目标进行扫描，获取环境或者目标的轮廓距离数据，根据特定的算法从中提取出所需要的信息是环境感知的关键所在。通过对激光距离数据进行处理得到目标的轮廓形状，从而对之后的信息融合，信息决策和装置控制提供依据。

环境和目标轮廓形状多使用几何图元来描述，例如线段，圆弧和直角等。由于激光传感器大多测量的是工业工件、室内环境或者室外人工环境，这些目标或者环境都具有结构化的特点，所以这些图元可以从2d激光雷达扫描的数据中提取。大多数轮廓都是直线形式的，所以线段是一类最常用于激光传感器数据形状测量的几何图元，相应的从2D激光雷达扫描数据中提取线段的技术也被普遍使用并得到了深入的研究。

目前，线段提取技术可以分为序惯方法和递归方法两类.序惯方法有PDBS(point distance basedmethods)算法、SEF(successive edge following)算法和LT(line tracking)算法.递归方法有IEPF(iterativeend point fit)算法和Split-Merge算法.除此以外，还有不依赖于局部信息的HT(Hough transform)方法.但以上方法都有着自己无法避免缺点。PDBS算法直接利用激光雷达探测的距离信息提取线段。该算法在分割线段时依据两相邻扫描点的直线距离。SEF算法对PDBS算法进行简化.这两种算法的缺点是对相交线段的分割失效，且由于同一线段上的扫描点空间分布不均，使阈值选取困难。LT算法依据第n+1个点到前n个点所拟合直线的距离分割线段，其对阈值敏感。IEPF算法包括递归分割和递归合并两个过程。Split-Merge算法和IEPF算法类似，区别在于分割阶段所采用的直线拟合方法不同。但这两种方法对阈值也比较敏感，容易引起过分割或过合并问题。HT算法具有简单及好的抗噪性能，但由于没有利用数据点采集序列的顺序信息，计算量大，且其采用投票的方式确定直线，提取的线段严重依赖于扫描点的空间密集程度。

针对现有算法对阈值敏感，对数据噪声敏感，鲁棒性不强等特点，我们提出了自己的基于2D激光传感器的轮廓形状测量算法，使用直线作为形状描述基元，对2D激光轮廓数据进行线段提取，拟合目标轮廓并进行特定形状的检测。

发明内容

为了解决上述现有技术上存在的问题，本发明的目的在于提供一种工件表面轮廓的二维激光实时探测方法，解决了目前常用方法无法从激光数据中稳定并且鲁棒的提取直线特征这一难题，并将该方法用于激光传感器轮廓数据的形状检测中，为后续数据处理，决策和控制提供依据。

为了达到以上目的，本发明采用如下技术方案：

一种工件表面轮廓的二维激光实时探测方法，包括以下步骤：

1)从2D激光传感器或者激光雷达中获取到一帧轮廓点数据，每个点用如下符号表示：

R＝{r₁,…,r_l}；

2)对获取的轮廓点数据做预处理，预处理包括零值轮廓点去除和重复轮廓点去除；

3)对预处理过后的轮廓点数据进行线段提取，得到轮廓点数据的线段拟合结果；

4)对线段提取的结果进行类内点删除操作，去除错误分类的边缘点，保证整个点集的直线拟合参数的正确性；

5)轮廓形状检测，获得轮廓点数据线段提取的结果之后，把所要提取的目标形状检测并定位出来。

所述对预处理过后的轮廓点数据进行线段提取的方法，包括以下步骤：