[发明专利]基于多线激光雷达的室内走廊分叉口检测方法

说明书

本发明公开了一种基于多线激光雷达的室内走廊分叉口检测方法。本方法用于在移动机器人自动导航时检测移动机器人所处位置的道路信息。本方法首先定义表达路口信息的数据结构，接着对激光雷达获取的原始点云使用随机抽样一致性算法RANSAC平面匹配进行地面检测，去除地面干扰点；然后在地上点云中建立基于极坐标系的beam model来检测前方的路口分岔个数与分岔角度；最后根据beam model的检测结果的特征，采用最佳匹配路口选择算法来选取最后路口分岔角度与位置作为最终检测结果，再将结果用于移动机器人的导航。本发明通过去除地面点来去除雷达地面线的干扰，以及统计滤波去除低密度点云来提高检测速度与准确性；使用beam model来提取路口特征，有效提升了路口特征的检测准确率。

技术领域

本发明涉及点云识别技术领域，特别是一种基于多线激光雷达的室内走廊分叉口检测方法。

背景技术

目前，遥感领域提出了许多道路交叉口检测算法，这些方法都是基于航拍图像，航拍图像范围较大，不能用于自动驾驶领域。在自动驾驶领域，过去几年提出了基于视频的检测方法。然而，这些方法使用了复杂的图像处理技术，对于车载计算单元的计算能力有较高要求，并且以牺牲处理速度为代价，恶劣的照明条件(如阴天、过度曝光以及来自移动车辆和行人的其他干扰)仍然使得自动驾驶领域的道路交叉路口检测仍是一项极其困难且几乎不可能完成的任务。

因此，有源传感器如今被广泛使用。Kodagoda等人使用激光测量快速提取两个相应的道路边缘或路缘，使用激光深度测量和扩展卡尔曼滤波器来检测Y形、T形和X形路口。Wijesoma等人融合2D激光扫描仪与CCD相机进行道路路缘跟踪。Aycard等人使用了包括激光雷达和立体视觉在内的多种传感器，但主要侧重于道路交叉口的安全，包括移动车辆和行人感知和风险评估的任务，而不是寻找交叉口，对于自动驾驶中车辆路径规划中无法提供全面的道路感知信息。而且对于路口特征的提取往往是在路口处获取，无法在到达路口前获取到相应的路口信息。而这些路口距离、分岔角度，对于自动驾驶有提前规划的重要意义。

发明内容

本发明的目前在于提供一种基于多线激光雷达的室内走廊分叉口检测方法，在移动机器人导航任务时可以提前发现前方的路口信息，包括路口分岔角度与路口位置信息。

实现本发明目的的技术解决方案为：一种基于多线激光雷达的室内走廊分叉口检测方法，包括如下步骤：

第一步：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；使用随机抽样一致性算法RANSAC来检测地面，去除原始点云中的路面上的点，得到包括路缘的地上点云；

第二步：使用得到的地上点云，建立极坐标的beam model数学模型，该模型可以检测到相对于该极坐标前方路口分岔的角度；通过建立beam model来得对路口检测的结果；

第三步：使用最佳路口匹配算法来对得到的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。

本发明与现有技术相比，其显著优点为：(1)使用激光雷达传感器，可以有效解决图像方法受限于光照条件的问题，对环境的改变更具鲁棒性；(2)可以在到达路口之前对路口进行探测，有效探测前方可通行区域内的路口信息，提前获取检测结果。

附图说明

图1是本方法的算法流程图。

图2是激光雷达输入的原始图像。

图3是对激光雷达选取感兴趣区域后的点云图像。

图4是去除地面点之后的感兴趣区域的点云图像。

图5是建立beam model之后的光束模型效果图。

图6是最终得到的路口检测结果。

具体实施方式