自主机器人定位中,从激光雷达扫描数据提取出精确的环境特征将能大幅提高即时定位与构图(Simultaneous localization and mapping,SLAM)技术中匹配的速度。目前,特征提取算法大多采用迭代计算的方法,计算复杂度高,计算量较大。针对此问...自主机器人定位中,从激光雷达扫描数据提取出精确的环境特征将能大幅提高即时定位与构图(Simultaneous localization and mapping,SLAM)技术中匹配的速度。目前,特征提取算法大多采用迭代计算的方法,计算复杂度高,计算量较大。针对此问题,提出了一种角点特征的提取方法。该方法避免了迭代计算,通过角点定位对分割结果进行修正,在保证精度的前提下,使用两点拟合直线代替了最小二乘法。首先,使用激光雷达获得的扫描点对应矢径长度和角度,计算相邻点的斜率差,对点集进行初始分割。然后,计算分割后每部分点集对应线段的斜率,对过分割的点集进行合并。最后,通过计算相邻两直线的交点对角点特征进行定位和提取。通过实验验证,该算法能够准确地提取出数据帧中的角点特征,并且具有较好的位置精度和计算效率。展开更多
文摘自主机器人定位中,从激光雷达扫描数据提取出精确的环境特征将能大幅提高即时定位与构图(Simultaneous localization and mapping,SLAM)技术中匹配的速度。目前,特征提取算法大多采用迭代计算的方法,计算复杂度高,计算量较大。针对此问题,提出了一种角点特征的提取方法。该方法避免了迭代计算,通过角点定位对分割结果进行修正,在保证精度的前提下,使用两点拟合直线代替了最小二乘法。首先,使用激光雷达获得的扫描点对应矢径长度和角度,计算相邻点的斜率差,对点集进行初始分割。然后,计算分割后每部分点集对应线段的斜率,对过分割的点集进行合并。最后,通过计算相邻两直线的交点对角点特征进行定位和提取。通过实验验证,该算法能够准确地提取出数据帧中的角点特征,并且具有较好的位置精度和计算效率。
