【技术实现步骤摘要】
本专利技术属于无人机环境建模，具体涉及一种基于霍夫变换的双阶段关键区域语义地图构建方法的设计。
技术介绍
1、无人机在工业城市环境中的需求日益增加，这些环境的特点是存在屏蔽区域，这大大限制了传统远程控制和导航设备的使用。在此背景下，具备更高自主性的机器人设备更具前景，能够在没有人工（如卫星导航）和自然（如地磁场）导航信号的情况下独立运行一段时间。在构建这些自主控制系统时，关键任务是建立外部环境模型和导航系统。根据机载传感器数据，在机载计算机上实时解决这些任务能够实现目标导向的安全运动轨迹规划与执行，而无需操作员的干预，这也是自主运行的基础。对于自主系统来说，最常见和优选的机载传感器是2d和3d激光传感器，它们能够直接在视野范围内获取外部环境的几何信息，以点云的形式呈现。激光传感器生成的原始点云数据通常体积庞大，因此并非总是适用于机载控制系统。因此，如何在不损失几何和导航信息的情况下压缩原始数据成为一个关键问题。一个比较有前景的解决方案是将这些原始测距图像表示为几何线性基本元素（如平面、线条、角等）的集合，工业城市环境主要由这些元素构成，如道路、人行道、围栏、墙壁、楼板、台阶以及其他工业城市基础设施、建筑物和房间的部分。
2、目前许多研究致力于解决从点云中提取线性对象的问题。其中最著名的是ransac（随机抽样一致性）类型的算法，这些算法通过迭代方法在点云中提取属于特定平面的点子集，满足给定的容差要求。rnasac类型的算法对输入数据的噪声具有鲁棒性，但随着点云中点数的增加和平面数量的增多，算法的运行速度会变慢。此外基
3、实践经验表明，从点云中提取线性对象的解决方案涉及大量计算，这并不总能保证在当前可用的机载计算设备上实现对实际测距图像的实时处理，因此创建和研究能够有效解决这一问题的算法和软硬件工具显得尤为重要。
技术实现思路
1、本专利技术的目的是为了解决现有针对工业和环境应用中的无人机系统在进行环境建模时，通常会面临数据量大、处理速度慢和实时性差的问题，提出了一种基于霍夫变换的双阶段关键区域语义地图构建方法，能够有效从大量数据中提取关键信息，从而构建准确且详细的环境模型。
2、本专利技术的技术方案为：一种基于霍夫变换的双阶段关键区域语义地图构建方法，包括以下步骤：
3、s1、采集无人机外部环境的立体测距图像。
4、s2、将立体测距图像按不同的扫描角度进行分层，得到多层扫描平面。
5、s3、在每层扫描平面中采用二维霍夫变换进行线段提取，得到线段子集。
6、s4、对每个线段子集中被错误聚类的线段进行重新聚类，得到每层扫描平面的点子集。
7、s5、根据每层扫描平面的点子集构建平面方程，进而构建关键区域的语义地图。
8、s6、确定无人机的位移，对语义地图进行增量更新。
9、进一步地，步骤s1包括以下分步骤：
10、s11、通过无人机搭载3d激光传感器，采集无人机外部环境的原始点云数据。
11、s12、对原始点云数据进行滤波处理，得到无人机外部环境的立体测距图像。
12、进一步地，步骤s2包括以下分步骤：
13、s21、建立无人机所在空间的空间坐标系，绕轴旋转获得不同的扫描角度。
14、s22、将立体测距图像按不同的扫描角度进行分层。
15、s23、将分层的点云投影至二值平面图像中，得到多层扫描平面。
16、进一步地，步骤s3包括以下分步骤：
17、s31、在每层扫描平面中采用二维霍夫变换进行线段提取，并统计提取的线段与轴上的交点。
18、s32、构建累加函数，其值为与轴有同一交点的线段数量。
19、s33、根据累加函数的值，在轴上的局部区间内提取交点直方图的局部最大值，对与轴有同一交点的线段进行聚类，得到线段子集。
20、进一步地，步骤s31中的二维霍夫变换公式为：
21、；
22、其中表示原点到线段的垂直距离，表示垂线与轴之间的角度，表示扫描平面内的坐标。
23、进一步地，步骤s4包括以下分步骤：
24、s41、统计每个线段子集中的线段与平面的交点。
25、s42、将与平面的交点在同一直线上的线段进行重新聚类，得到属于同一扫描平面的线段。
26、s43、根据属于同一扫描平面的线段得到该层扫描平面的点子集。
27、进一步地，步骤s5包括以下分步骤：
28、s51、随机选取属于同一扫描平面的点子集中的三个点，构建初始平面方程。
29、s52、将初始平面方程的解作为初始值，构建最小二乘方程，最小二乘方程的期望为同一平面上的点到该平面的距离最小。
30、s53、求解最小二乘方程获得关键区域的精确平面方程，并通过关键区域的精确平面方程为关键区域的点云数据添加对应的平面标签，构建关键区域的语义地图。
31、进一步地，步骤s6包括以下分步骤：
32、s61、将每层扫描平面与现有数据库中的平面进行匹配，得到对在无人机局部坐标系和全局坐标系中相互对应的平面组成的列表：
33、；
34、其中表示第个平面在无人机局部坐标系下的单位法向量，表示第个平面在全局坐标系下的单位法向量，表示平面上任意一点在无人机局部坐标系下的方向向量，表示平面上任意一点在全局坐标系下的方向向量，表示第个平面到无人机局部坐标系原点的距离，表示第个平面到全局坐标系原点的距离。
35、s62、根据列表构建超定的非线性方程组：
36、；
37、其中表示第个平面到无人机局部坐标系原点的向量，表示无人机局部坐标系与全局坐标系之间的位移向量，表示无人机局部坐标系相对全局坐标系之间的旋转矩阵，。
38、s63、求解非线性方程组，得到无人机的位移。
39、s64、根据无人机的位移确定新的平面，并根据新的平面对语义地图进行增量更新。
40、本专利技术的有益效果是：本专利技术针对现有无人机环境建模涉及大量计算，并不总能保证在当前可用的机载计算设备上实现对实际测距图像的实时处理的问题，提出了双阶段线性平面提取方法，在第一阶段将原始点云的三维空间分解为二维平面子空间，并将三维空间中平面对象的搜索问题转换为二维子空间（扫描平面）中直线段的搜索问题，从而通过降低搜索对象和搜索空间的维度，显著减少计算量；第二阶段本文档来自技高网...
【技术保护点】
1.一种基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S1包括以下分步骤：
3.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S2包括以下分步骤：
4.根据权利要求3所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S3包括以下分步骤：
5.根据权利要求4所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S31中的二维霍夫变换公式为：
6.根据权利要求3所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S4包括以下分步骤：
7.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S5包括以下分步骤：
8.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤S6包括以下分步骤：
【技术特征摘要】
1.一种基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤s1包括以下分步骤：
3.根据权利要求1所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤s2包括以下分步骤：
4.根据权利要求3所述的基于霍夫变换的双阶段关键区域语义地图构建方法，其特征在于，所述步骤s3包括以下分步骤：
5.根据权利要...
【专利技术属性】
技术研发人员：霍建文，王柳斌，黎雨欣，张平，谭立国，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。