为提高机器人在移动路径中对道路坡度的估计精度,提出一种面向应用的RGB-D(red green blue-depth)机器人融合型道路坡度估计方法。首先,引入随机采样一致性算法完成点云处理;其次,采用改进型平面拟合方法完成法向量估计;最后,采用余弦...为提高机器人在移动路径中对道路坡度的估计精度,提出一种面向应用的RGB-D(red green blue-depth)机器人融合型道路坡度估计方法。首先,引入随机采样一致性算法完成点云处理;其次,采用改进型平面拟合方法完成法向量估计;最后,采用余弦聚类及累加平均方法实现高精度道路坡度估计。实验结果表明,该算法在数据集下相较最小二乘法与稀疏子空间法,估计误差分别降低1.21%、2.13%,在实际环境下较最小二乘法平均误差降低1.43°,这证明了所提方法的可行性和准确性。展开更多
文摘为提高机器人在移动路径中对道路坡度的估计精度,提出一种面向应用的RGB-D(red green blue-depth)机器人融合型道路坡度估计方法。首先,引入随机采样一致性算法完成点云处理;其次,采用改进型平面拟合方法完成法向量估计;最后,采用余弦聚类及累加平均方法实现高精度道路坡度估计。实验结果表明,该算法在数据集下相较最小二乘法与稀疏子空间法,估计误差分别降低1.21%、2.13%,在实际环境下较最小二乘法平均误差降低1.43°,这证明了所提方法的可行性和准确性。
