[发明专利]基于多线激光雷达的室内走廊分叉口检测方法

权利要求书

1.一种基于多线激光雷达的室内走廊分叉口检测方法，其特征在于，包括如下步骤：

第一步：首先定义表达路口信息的数据结构，作为基于多线激光雷达的室内走廊分叉口检测方法的输出结果；之后使用随机抽样一致性算法RANSAC在雷达输入的原始点云中检测地面，去除点云地面上的点，得到包括路缘的地上点云；

第二步：在得到的地上点云中建立极坐标的beam model数学模型，得到前方对路口检测的结果；

第三步：使用最佳路口匹配算法对得到的路口检测结果进行特征提取并筛选，选择出最佳匹配的路口信息，作为最终的检测结果。

2.根据权利要求1所述的基于多线激光雷达的室内走廊分叉口检测方法，其特征在于，第一步所述随机抽样一致性算法RANSAC检测路面并去除，方法如下：

1)定义表达路口信息的数据结构，路口信息包括路口分岔个数与分岔角度信息；

2)选取地上点云中的感兴趣区域，即算法要探测的区域范围内是否存在路口；

将感兴趣区域定义为：

{(x，y)|-10m≤x≤10m，-10m≤y≤10m}

(x，y)代表点云坐标系下的坐标值；

3)在感兴趣范围内的点云中随机选择三个点，计算对应的平面方程：

ax+by+cz+d＝0

4)其中，a，b，c，d为平面拟合参数，{x，y，z}为点的三维坐标，符合同一个平面方程的点即处于同一平面上；依次计算输入点云中所有点至该平面的欧几里得距离d_i：

d_i＝|ax_i+by_i+cz_i+d|

之后选择阈值d_threshoid，如果d_i≤d_threshoid，则该点被认为是模型内样本点即内点，否则为模型外样本点即外点，记录当前内点的个数；

5)重复以上步骤2)-3)，选取最佳拟合参数，即内点数量最多的平面对应的模型参数；每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子，根据设定的迭代次数决定是否停止迭代；

6)迭代结束之后，最佳的模型参数就是最终的参数估计值，即在该平面模型内的样本点作为地面点，记录其点云内的索引，在元素点云中丢弃不用。

3.根据权利要求1所述的基于多线激光雷达的室内走廊分叉口检测方法，其特征在于，第二步所述的使用beam model获取前方对路口检测的结果方法如下：

1)在点云坐标系中的x-y平面上建立极坐标系，依据点的位置坐标(x，y，z)来确定该点在极坐标系中的角度值θ，其中(x_o，y_o)为坐标系原点：

根据每个点的角度θ来对点云进行划分，按θ值相同的点为一个集合内，即：

2)对每个集合计算出所包含点的距原点最小距离d_min与最大距离d_max：

对于每个集合定义dk为该角度内的beam length：

当d_k＝1意味着在第k个角度内可能不存在地上点，便是路口分岔的候选角度；

3)统计所有d_k＝1的角度k，将连续的d_k＝1的角度k划分为一组T_i，每个组T_i最后组成候选角度集合ψ

k∈T_i，T_i∈{ψ}。

4.根据权利要求1所述的基于多线激光雷达的室内走廊分叉口检测方法，其特征在于，第三步所述使用最佳路口匹配算法对得到的路口检测结果进行特征提取并筛选的方法如下：

1)在通过第二步得到的候选角度集合ψ，如果其中元素T_i的大小大于阈值num_threshoid，则将T_i作为下一步候选角度集合，否则认为该集合内的角度属于误检，抛弃不用；

2)在候选角度集合T_i中，计算对应的分割角度s_i：

θ_max为T_i中最大的角度值，θ_min为T_i中最小的角度值；最终s_i组成的集合S即为最佳匹配的路口集合；

3)将集合S内包含的角度个数作为评判路口类型的依据，即路口分岔个数为S内的角度个数，2个代表无路口，3个代表T型或Y型路口，4个代表+路口，大于4个代表其他路口。