移动机器人同时定位与构图中的自适应区域分割方法＊

黄佳维 石章松 吴中红

（海军工程大学电子工程学院 武汉 430033）

移动机器人同时定位与构图中的自适应区域分割方法＊

黄佳维 石章松 吴中红

（海军工程大学电子工程学院 武汉 430033）

在移动机器人同时定位与构图中，区域分割是直线提取的第一个处理步骤，旨在降低直线提取时的迭代次数，提高运算效率。针对现有的分割方法没有考虑扫描间隔与扫描点距离对分割阈值影响的问题，提出了一种考虑扫描间隔与探测点距离对分割阈值影响的自适应计算方法。实验结果表明，该方法明显提高了区域分割的准确度和鲁棒性，降低了迭代次数和运算量。

移动机器人同时定位与构图；直线提取；距离数据；激光雷达；区域分割

Class NumberTP24

1 引言

无人系统在越来越多的军事应用领域发挥作用［1～2］，自主化是实现无人系统遂行军事任务的前提和保证［3］，移动机器人同时定位与地图创建（Mobile Robot Simultaneous Localization and Mapping，SLAM）则是机器人实现自主化的关键。移动机器人同时定位与地图创建方法，主要采用基于显著特征（feature－based）的方法进行环境描述［4］，直线特征是最为常用的显著特征之一［5］，这是因为采用直线作为环境特征具有以下优点［6］：直线特征在结构化环境存在较多；基于距离数据（激光扫描仪、声纳）易于提取直线特征；基于直线特征易于实现机器人的定位。

在进行直线提取时，为了降低算法的运算量，往往先进行区域分割处理，将不属于同一障碍物的连续特征点集分割开来，然后再进行直线的分割与提取处理。文献［7］提出了一种区域分割算法，采取了一种离散式的阈值计算方法，没有考虑障碍物与传感器距离远近的影响，存在一定的缺陷，而且在计算过程中还存在平方和开方计算，影响运算效率，文献［8］虽然提出了自适应的阈值计算方法，但是并没有给出具体的连续点间的距离计算方法。本文针对这些不足，对阈值的确定方法进行了改进，给出了相应距离以及阈值的计算方法，提高了区域分割的精度，降低了运算量，具有较大的参考价值。

2 直线描述模型

对于激光传感器，获取的数据为角度信息和距离信息，因此采用极坐标的形式进行直线描述。在极坐标下，可以用极点到直线的距离r和极点到直线的垂线与极轴的夹角α表示，示意图如图1所示，直线描述如式（1）所示。

3 改进阈值计算方法的直线提取算法

3.1 直线提取算法的处理流程

对于直线提取问题而言，要解决以下三个方面的问题：1）量测数据中有多少条直线；2）各个量测点属于哪一条直线；3）对于从属于某条直线的给定量测点，怎样估计表征该直线模型的相应参数。

完整的直线提取算法的处理流程如图2所示，从直线提取需要解决的三个方面的问题出发，算法应当包括线段分割（线段拟合）、直线提取计算［9］。大部分的直线提取算法基本都包含探测点之间的迭代计算，当扫描区域内障碍物较多、探测点规模较大时，会导致巨大的计算耗费，因此往往首先进行同一障碍物连续特征点集合的检测，将全局扫描特征分割为不同的连续特征的探测点集合，然后对各个点集进行直线提取处理［10］。

图1 直线的极坐标描述

图2 直线提取流程

3.2 改进的自适应区域分割阈值计算

激光雷达在进行扫描时，探测数据为从特定起始探测角开始以固定的角度间隔Δθ测得的角度为θ、距离为ρ的离散点。对于组成一条直线的离散点而言，两相邻点的距离随着直线与传感器的距离增大而增大，即更加稀疏，这意味着对于不同的距离ρ，存在传感器可探测的最小尺寸，当一个障碍物的尺寸过小时，将不能获取该障碍物的连续探测点，该尺寸的大小与扫描间隔Δθ和距离ρ成正比，因此当两连续测量点间距离与对应于后一测量点距离的最小可探测尺寸满足一定的关系时，可以判定两点是否属于同一障碍物，基于这一原理构建一种基于测量点间距离差、测量点距离ρ和扫描间隔Δθ的阈值计算方法。

图3 连续两点相对位置示意图

如图3所示，设扫描仪测得角度连续的两点pk和pk＋1，其距离传感器的值分别为ρk和ρk＋1，两点间距离为Δlk，k＋1，由于Δθ很小（Δθ＜1°）时有sinΔθ≈Δθ，且一般情况下同一障碍物的连续两次扫描的距离值ρk与ρk＋1相差不大，因此两点间距离可处理为两点与传感器的距离差，即

对于点pk＋1而言，激光扫描仪在距离ρk＋1的最小可探测尺寸为

对于不属于同一障碍物的连续两点而言p′k和p′k＋1两点距离Δl′k，k＋1会比较大，即

其中，Δl为连续两点是否属于同一障碍物的判别阈值，取其为Δlk，k＋1的整数倍。本文中采用的激光扫描仪为北阳URG－04LX－UG01型，实验表明，取Δl为8倍时Δlk，k＋1最为合适。

4 实验结果与分析

实验采用日本北阳URG－04LX－UG01型激光传感器，在实验室环境6m×7m环境下进行。URG－04LX－UG01型激光传感器探测范围为240°，扫描间隔为0.36°，每帧获得680个数据。图4为获取的一帧扫描数据，扫描方向为逆时针方向，（0，0）为传感器位置。

图4 量测数据图像

从图5可以看出，文献［7］中的方法在障碍物距离较远时出现了将不同障碍物的点集划分为一个区域的情况（第一行第四个子图中包含了三个障碍物点集），区域分割精确度不足，增加了直线提取时的迭代次数，提高了运算量，本文方法则准确地将图中13个不同的障碍物点集成功的实现了分割，提高了分割精度，降低了运算量。

图5 文献［7］中的区域分割方法结果

5 结语

为降低复杂环境下的直线提取运算量，提高提取算法的效率，往往会对扫描数据进行预处理，实现连续特征点集的区域分割，使得直线提取只在同一障碍物的连续点集中进行迭代处理。本文考虑扫描间隔和扫描点距离不同对连续点集中点间距离的影响，提出了一种自适应的阈值计算方法，实验表明，本文方法能够实现更为精确的区域分割处理。但在计算点间距离时，采用了一些近似计算，当扫描间隔较大时，会影响距离计算精度，下一步将进行改进。

图6 本文算法区域分割结果

［1］王金梅，庞晓宾.地面无人作战平台武器系统技术分析及展望［J］.兵工学报，2010，31（2）：163－166.

［2］王新星.无人平台自主能力分级模型研究［D］.沈阳：沈阳航空航天大学，2011：115－118.

［3］朱华勇，牛轶峰，沈林成，等.无人机系统自主控制技术研究现状与发展趋势［J］.国防科技大学报，2010，32（3）：115－120.

［4］Guivant J E，Nebot E M.Solving computational and memory requirements of feature－based simultaneous localization and mapping algorithms［J］.IEEE Transactions on Robotics and Automation，2003，19（4）：749－755.

［5］Bailey T.Mobile robot localization and mapping in extensive outdoor environments［D］.Sydney：Australian Centre for Field Robotics（ACFR），The University of Sydney，2002.

［6］丁帅华.基于局部子图匹配的SLAM解决方法［D］.上海：复旦大学信息科学与工程学院，2009：30－32.

［7］汤晓.基于激光测距仪的移动机器人同时定位与地图创建［D］.济南：山东大学硕士学位论文，2007：1－9.

［8］徐君，张国良，王俊龙.一种基于激光传感器的自适应直线提取算法［J］.计算机工程与应用，2013，49（2）：43－47.

［9］梁欣廉，张继贤，李海涛，等.激光雷达数据特点［J］.遥感信息，2005（3）：71－76.

［10］黄承亮，吴侃，向娟.三维激光扫描点云数据压缩方法［J］.测绘科学，2009，34（2）：142－144.

Adaptive Region Segmentation Method in Mobile Robot Simultaneous Localization and Mapping

HUANG Jiawei SHI Zhangsong WU Zhonghong
（College of Electronic Engineering，Naval University of Engineering，Wuhan 430033）

In order to decrease the iterative number during line extraction processing，increase the operation efficiency，region segmentation would be the first process.Aiming at the problem that not take the influences of scan angle and point distance in existing method，a new region segmentation method based on scan angle and point distance is proposed.The result of experimentation shows that the accuracy and robustness have been improved significantly by new method，and the operation efficiency has been improved.

mobile robot simultaneous localization and mapping，line extraction，distance data，laser radar，region segmentation

TP24DOI：10.3969／j.issn.1672－9730.2015.11.017

2015年5月11日，

2015年6月29日

黄佳维，男，硕士研究生，研究方向：移动机器人同时定位与地图创建。