[发明专利]二维激光雷达点云数据处理方法以及动态机器人位姿校准方法

说明书

本发明公开了一种二维激光雷达点云数据处理方法，通过激光雷达扫描采集环境数据，进行点云数据预处理，将以激光雷达为坐标点的极坐标系转换为机器人位姿校准时使用的直角坐标系，然后采用区域分割、特征提取、点云分割、二维激光雷达和摄像头融合检测算法实现对环境信息的有效检测识别，利用摄像头的孔针模型与激光雷达进行三维坐标融合，使机器人根据偏差校准自身位姿。本发明同时公开了一种动态机器人位姿校准的方法，采用摄像头作为辅助检测传感器，融合激光雷达获取机器人实时位姿状态；与期望位姿状态进行比较，获得校准系统的调节量，并不断进行校准，直到激光雷达检测到的机器人位姿与期望位姿的偏差量小于某一阈值，则完成整个闭环位姿校准过程。

技术领域

本发明涉及一种二维激光雷达点云数据处理方法/算法，及其应用于动态机器人位姿校准系统的设计。

背景技术

就目前的发展状况来看，智能机器人技术还面临着种种难题，为此出现了很多机器人赛事，其考查的重点之一就是智能机器人环境建模问题，环境建模是智能机器人实现环境信息交流的唯一渠道，因此技术突破势在必行。近年来，我国在交通、电力传输、建筑等行业应用的驱动下，激光雷达技术发展迅猛。激光雷达采集到的丰富的点云数据，信息量庞大，常用数据存储格式不统一，存储数据时存在种种不足，数据精度很难保证，因此，激光雷达点云数据的后处理一直是一个重要课题。

为了克服二维激光雷达信息量庞大，常用数据存储格式不统一，存储数据时存在种种不足，数据精度很难保证的问题，研究二维激光雷达作业流程，优化设计作业方案，是非常有意义的。

目前，二维激光雷达利用测距原理，能够准确感知机器人所处环境信息，在智能机器人导航、定位、避障、路径规划等研究领域受到了极大关注。研究点云数据处理的算法，能够更高效、实用地应用于机器人对环境信息的感知，为完成路径规划、地图构建、机器定位等功能提供技术支持。

发明内容

本发明针对现有技术不足，提出了一种二维激光雷达点云数据的有效处理方法，并采用二维激光雷达与摄像头融合的方法，实现二维激光雷达动态机器人位姿校准。

本发明所采用的技术方案：

一种二维激光雷达点云数据处理方法，对通过激光雷达扫描采集的环境原始数据首先进行点云数据预处理，将以激光雷达为坐标点的极坐标系转换为机器人位姿校准时使用的直角坐标系，然后采用区域分割算法、特征提取算法、点云分割算法、二维激光雷达和摄像头融合检测算法实现对环境信息的有效检测识别，所述的区域分割算法的使用判定方法为：如果连续的两个扫描点距离小于某一阈值，则将这两个扫描点归于同一个区块；对比连续的两个扫描点，如果它们的距离大于某一阈值，连续的数据就从这个扫描点分割开；最后，把一帧完整的点云数据分割成为几个区块；所述的特征提取算法包括Split-and-Merge的直线特征提取算法和霍夫变换的圆弧特征提取算法，利用霍夫变换获取圆心坐标；所述的二维激光雷达和摄像头融合检测算法，利用摄像头的孔针模型与激光雷达进行三维坐标融合；根据此模型获取转换矩阵，再将参数矩阵在程序中与激光雷达圆心数据进行融合，使激光雷达得到的圆心坐标在摄像头图像坐标系中找到对应的像素点；摄像头根据此中心坐标获取的静态偏差，使机器人根据偏差校准自身位姿。

一种利用所述二维激光雷达点云数据处理方法实现动态机器人位姿校准的方法，首先将激光雷达与摄像头与机器人固连，且摄像头与雷达相对位置不变；其次，通过以下步骤进行动态机器人位姿校准：1)利用激光雷达扫描周围环境，获取DSM并使用算法处理获取机器人实时位姿状态；2)摄像头图像融合，即摄像头作为辅助检测传感器，融合于激光雷达以获取更精确的机器人实时位姿状态；3)将检测获取的机器人实时位姿状态数据，与期望位姿状态进行比较，获得校准系统的调节量；4)利用机器人运动或发射机构，执行位姿校准，得到一个新的机器人位姿；5)激光雷达实时检测当前位姿状态，反馈至执行机构再一次进行校准；6)如此循环，令机器人不断进行校准，直到激光雷达检测到的机器人位姿与期望位姿的偏差量小于某一阈值，则完成整个闭环位姿校准过程，最终达到期望位姿。

本发明的有益效果：