[发明专利]一种基于2D激光雷达测距的折线提取极大似然估计的方法

摘要

本发明公开了一种基于2D激光雷达测距的折线提取极大似然估计的方法，该方法选取Ros框架作为本次算法实验的平台，并安装基于RoboSence3D激光雷达的接口驱动，调用驱动雷达对实验环境进行扫描，为了便于特征线的提取，将3D点云线束进行转换为2D的激光点云线束，获取激光雷达的点云数据话题，同时启动riviz可视化建图指令，构建二维点云地图，为下一步的折线提取和折线优化做准备，最终实现激光基于折线特征提取的较为精确的平面地图。该方法的折线提取简单、效率和准确性高，为后续机器人在环境地图中进行路径规划和导航提供了可能。

主权项

1.一种基于2D激光雷达测距的折线提取极大似然估计的方法，其特征在于，包括如下步骤：1)在ROS平台中建立工作区间，在工作区间内安装robortsence3D激光雷达驱动并与激光雷达的wifi连接，在避免强光照射下，使用3D激光雷达对周围环境进行扫描，进行3D激光雷达数据采集，得到原始的3D点云数据包，并储存在rosbag中，并建立三维点云地图；2)对步骤1)得到的原始3D点云数据进行数据转换，转换成二维激光数据，从而便于环境地图的特征提取和优化；3)根据获得的二维激光数据，建立基于机器人的运动模型，通过平面上机器人的坐标和航向角推算从而获得点云数据的相对位姿信息，在任意t时刻和激光雷达的观测模型相结合，完成机器人定位，然后通过最小二乘法的优化算法建立静态SLAM下的环境初始地图得到二维点云地图；4)在环境初始地图的基础上，对二维激光扫描点进行最大似然估计，同时通过折线提取和折线优化两部分，寻找使扫描测量可能性最大化的一组多段线,得到极大似然估计下的概率最大的环境地图。