基于激光雷达回波强度的人工路标中心提取方法 下载: 1244次
1 引言
移动机器人需要在未知环境中具有探索和导航的能力才能在工业领域中发挥作用。为了消除仅依靠内部传感器进行位姿估计的累计误差,常使用外部传感器感知外界环境。目前主要采用2D激光雷达[1]、3D激光雷达[2-3]、摄像头等多种传感器感知外部环境。激光雷达是常用的外部传感器,其探测范围广、采样频率高、角度分辨率高。目前基于激光雷达的即时定位与地图构建(SLAM)[4]已经得到了广泛的应用,主要分为特征提取定位和非特征提取定位。提取特征主要包括环境中的直线、角点、圆柱等[5-6]。非特征提取方法通过点云配准获得定位结果[7]。但以上方法在特定的工作环境中需要进行特定的处理,没有统一的解决方案。而利用人工路标可有效地解决环境的限制,即可先检测提前设置好的人工路标再进行机器人定位。人工路标具有特殊的特征,更适用于复杂的或对定位精度要求高的场景,例如环境[7]、需高精度定位的场合等。
由于圆柱具有相对不变的特性,故在基于激光雷达定位的系统中,人工路标的形状常被设为圆柱形。由于激光雷达具有独特的回波强度信息[8],故路标常采用一种特殊的反光面,该反光面在任意环境下均可提供较强的反光效果,易于与周围环境分辨,有助于激光雷达更简单方便地提取路标[9]。
在采用人工靶标实现激光雷达定位的系统中,最常用的定位方法有最小二乘迭代法[10-11]、三角定位法和三边定位法[12],他们仅需要知道三个点的坐标及地图匹配关系便可以得到定位坐标,不需要额外的传感器辅助就可以得到精确的定位值。但人工路标具有一定尺寸,测量一个路标通常会得到多个测量值,为了确定路标坐标,需要从中找出唯一的距离和角度数据。路标提取的准确性直接影响了定位精度。由于激光雷达每次探测的同一路标都在不同的位置,因此如何在不同位置、不同环境下准确提取路标中心是激光雷达定位系统的难点和重点。目前现有的常用的圆柱形路标中心识别算法[13-15]有Hough变换圆弧中心提取、RANSAC算法[16]、基于圆弧的弧心角不变特性提取[17]、阈值切割法 [18]等。
本文针对圆柱形路标的提取进行研究,提出一种基于激光雷达强度值的动态自适应圆柱形人工路标中心提取方法。研究了在不同应用环境下路标中心提取的精度问题,并对比了其他人工路标中心提取算法。
2 基本原理
由于激光雷达接收的反射光能量不仅随着距离的增加而衰减,也随着被测面反射率的降低而减弱。为了在不同距离下快速分辨出具有高反射面的人工路标与其他自然反射面,本研究将反射面在不同距离下的回波强度信息进行处理,利用拟合工具拟合得到距离-回波强度-反射率信息表,该信息表以距离D值、回波强度R值作为输入查询信息,以反射率F值作为输出信息。基于激光雷达回波强度的人工路标提取的基本原理就是根据上述回波强度信息表,通过检测距离查询人工路标的回波强度信息,利用该回波强度信息作为判定阈值来区分具有高逆反射系数的人工路标与其他自然反射面。
然而,在实际过程中,为了防止在运动过程中漏检小尺寸物体,激光雷达的光斑发散角一般大于角度分辨率,此时激光雷达在扫描过程中相邻时刻的发射光束的光斑是相互重叠的。当激光雷达光斑探测到物体边缘时,光斑被分割,一部分投影到探测物体上,一部分投影到背景上。此时激光雷达采集到的回波能量是两种材料的平均回波强度R值,因此人工路标的背景面的反射强度会影响路标边界处回波强度R的大小。
此外,当路标背景面为镜面反射面时,该背景会依据入射角不同程度地影响路标边界处的R值。而且由于光束传播过程中其能量存在不同程度的损失,因此相同人工路标在距离不同时,激光雷达检测的回波强度也会有所不同[19-20]。综上,除了激光雷达与人工路标的距离会影响人工路标R值之外,其影响因素还包括:1)人工路标后面有无背景面(背景面包括漫反射面和镜面反射面);2)背景面的反射率(漫反射率)差异;3)激光雷达反射光束与背景面的入射角大小。
3 算法描述
由上文分析可见,R的大小受到多种因素的影响,为了保证在各种复杂应用场景下依然可以稳定地识别路标中心点,本文充分利用回波强度R和距离D信息,制定基于回波强度R的动态阈值识别方法,以排除上述干扰因素对定位精度的影响。
将激光雷达扫描视场内的N个扫描数据按照时间先后有序排列,其中每个数据均包括三个信息:距离D、角度θ、回波强度R。相应的点集为
本研究算法分为预处理和识别两个阶段:
预处理数据分为以下3个步骤:
1) 根据测距的最大和最小范围,过滤异常扫描点;
2) 根据光斑重叠数,将原始扫描数据作滑动平均处理;
3) 根据距离-回波强度-反射率查询表查询得到每个测量点的反射率Fi值,切割步骤2)中的数据。
经过以上3个步骤,数据被分割为两个部分,包括
根据步骤3)中得到的每个测量点的反射率Fi值,可将数据分为Pup和Pdown两组,Pup中每个数据的反射率Fi值均大于等于提前设置好的反射率阈值Fth,Pdown中每个数据的反射率Fj值均小于提前设置好的反射率阈值Fth。其中,Pup是包含多个点集的集合,Pup={S1,S2,…,Sm},m为Pup包含的点集个数, S为根据Fth聚类的一组连续的多个激光雷达数据。
识别算法流程如
1) 寻找点集Si内激光雷达回波强度R最大值点Rmax=max(R(Si)),i∈(1,2,…,m);
2) 将Rmax乘以一固定比例η,作为查找路标起始点和终止点的动态阈值;
3) 以Rmax数据对应的扫描下标点k为分界点,依次向前和向后查找路标的起始点p+和终止点p-,其中R(p+,p-)≥Rmax×η;
4) 在扫描下标点为[p+,p-]范围内,查找最大距离值Dmax、最小距离值Dmin,并计算距离偏差ΔD,计算公式为
如果ΔD≤Dth,则路标上数据切割成功,继续进行步骤5);若ΔD>Dth,说明根据动态阈值切割的点集包含背景信息,还需要调整动态切割阈值,重复执行步骤2)~4),重新切割。Dth的选取与路标的尺寸、激光雷达的测距精度有关。
5) 识别的路标中心点的角度
4 分析与讨论
4.1 实验平台
实验中使用的路标材料为3M钻石级反光膜,该反光膜为全反射的棱镜结构,可保证在远距离及小入射角时依然有较强的回波强度。
激光雷达实验数据由北京万集科技股份有限公司的WLR-712激光雷达获取,其详细参数信息如
表 1. 激光雷达参数表
Table 1. Specification of lidar
|
为了验证本文提出的路标中心识别算法,搭建如
1) 不同漫反射背景面:采集路标与激光雷达的距离在0.5~36.0 m范围内,路标紧贴背景面放置,依次更换背景面。背景面包括白纸(whitepaper)、反射率为3%的黑色漫反射面(black-3% ref)、白色金属-白色喷塑铁皮柜(white metal)、无背景(no background)情况,
表 2. 不同背景面反射率信息
Table 2. Reflectivity of different background plates
|
2) 不同入射角:路标紧靠白墙放置,激光雷达距离路标约2 m。以路标为圆心,保持激光雷达与路标相对距离不变,移动激光雷达,改变其与白墙的入射角。
3) 镜面反射背景面:路标紧靠玻璃放置,激光雷达距离玻璃约1.2 m。玻璃背景为12 mm厚的普通平板钢化玻璃,透光率约80%。从激光雷达正对路标开始,在与玻璃平行的方向上略微移动激光雷达,记录激光雷达、路标、玻璃的相对位置不同时的扫描数据。
4) 如
式中:Lcal为本文算法识别两两路标中心间的距离;Lreal为两两路标间的真实距离,可根据地砖个数计算得到。
图 2. 实验平台与实验场景。(a)不同背景面实验场景;(b)算法准确性验证实验场景
Fig. 2. Experiment platform and experiment scene. (a) Different background plate experiment scenes; (b) experimental scene of algorithm accuracy verification
4.2 不同背景条件下路标中心识别
从
从
从
图 3. 0.5 m处路标中心识别结果。(a) Hough算法;(b)阈值切割算法;(c)本文算法
Fig. 3. Recognition results of landmark center at 0.5 m. (a) Hough algorithm; (b) threshold cutting algorithm; (c) modified algorithm
按照
图 4. 不同距离时,三种算法中心识别的波动图
Fig. 4. Difference of three algorithms' recognition results under different distances
4.3 不同入射角下路标中心识别
如
图 5. 大入射角时,激光雷达轮廓数据和路标中心识别结果。(a)激光雷达轮廓数据;(b)路标中心识别结果
Fig. 5. Laser scanning data and the recognition results of landmark center at large incidence angle. (a) Laser scanning data; (b) recognition result of landmark center
按照
图 6. 不同入射角时,三种算法中心识别的波动图
Fig. 6. Difference of three algorithms' recognition results under different incidence angles
4.4 玻璃背景中心识别
路标紧贴玻璃放置,激光雷达距离玻璃约1.2 m,
图 7. 玻璃为背景面时,激光雷达轮廓数据和路标中心识别结果。(a)(c)激光雷达轮廓数据;(b)(d)路标中心识别结果
Fig. 7. Laser scanning data and the recognition results of landmark center with glass as the background. (a)(c) Laser scanning data; (b)(d) recognition results of landmark center
4.5 本文路标中心识别的准确性
为了验证本文算法识别路标中心的准确性,采用上述
从
由公式
可以看出,Δθ一定时,路标距离D越远,偏差e越大,当Δθ=0.05°,D=36000 mm时,e=31 mm。以
表 3. 激光雷达不同位置时,本文算法识别路标中心原始数据
Table 3. Original landmark center data identified by modified algorithm at different laser poses
|
表 4. 路标之间距离偏差
Table 4. Distance error Lerr of two landmarks
|
4 结论
基于强反射面构成的圆柱形路标,针对其中心识别问题,提出一种基于激光雷达回波强度的自适应圆柱路标中心识别方法,该方法由数据预处理和中心识别两个阶段组成。本文分析了人工路标反射强度的影响因素,分别讨论了漫反射背景面、激光雷达与背景面入射角以及镜面反射面对人工路标中心识别的影响。搭建了不同应用场景对应的物理实验平台,验证了背景环境对路标中心识别的影响。使用Matlab仿真软件对比分析了Hough算法、阈值切割算法及本文算法对圆柱路标中心的识别结果。根据路标间计算距离与真实距离偏差验证了本文算法路标中心识别的准确性。实验结果表明,Hough算法、阈值切割算法均在一定应用环境下出现识别异常、路标中心波动大等问题,对距离、切割阈值的精确程度要求高。本文提出的算法在所验证的多种应用场景下均可稳定、准确地识别圆柱路标中心,保证了基于人工路标的二维激光雷达导航定位系统的定位精度,具有较高的实用性和鲁棒性。
[1] 胡少兴, 陈春朋, 张爱武. 同步定位及地图创建算法在车载移动测绘系统中的应用[J]. 中国激光, 2012, 39(11): 1108012.
[2] 陈晓冬, 张佳琛, 庞伟凇, 等. 智能驾驶车载激光雷达关键技术与应用算法[J]. 光电工程, 2019, 46(7): 190182.
[3] 王任栋, 李华, 赵凯, 等. 基于核密度估计的城市动态密集场景激光雷达定位[J]. 光学学报, 2019, 39(5): 0528003.
[4] 张天喜, 周军, 廖华丽, 等. 基于三维激光的图优化即时定位与建图策略[J]. 激光与光电子学进展, 2019, 56(20): 201502.
[5] 陈健武, 全思博, 全燕鸣, 等. 双二维激光雷达相对位姿的标定方法[J]. 中国激光, 2017, 44(10): 1004005.
[6] 韦邦国, 宋韬, 郭帅. 遗传算法在双激光雷达位姿标定中的应用[J]. 计量与测试技术, 2019, 46(3): 91-95.
Wei B G, Song T, Guo S. Application of genetic algorithms in position and pose calibration of dual LIDAR[J]. Metrology & Measurement Technique, 2019, 46(3): 91-95.
[7] 吴昱晗, 王蕴宝, 薛庆全, 等. 一种基于点云匹配的激光雷达/IMU联合标定方法[J]. 电子技术应用, 2019, 45(12): 78-82.
Wu Y H, Wang Y B, Xue Q Q, et al. A LiDAR/IMU joint calibration method based on point cloud matching[J]. Application of Electronic Technique, 2019, 45(12): 78-82.
[8] 叶子蔚, 叶会英, 聂翔宇, 等. 基于接收信号强度检测的高精度可见光定位方法[J]. 中国激光, 2018, 45(3): 0306002.
[9] Hu H S, Gu D B. Landmark-based navigation of industrial mobile robots[J]. Industrial Robot: an International Journal, 2000, 27(6): 458-467.
[10] SeongJ, KimJ, ChungW. Mobile robot localization using indistinguishable artificial landmarks[C]∥2013 10th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI), October 30- November 2, 2013, Jeju, South Korea.New York: IEEE Press, 2013: 222- 224.
[11] RonzoniD, OlmiR, SecchiC, et al.AGV global localization using indistinguishable artificial landmarks[C]∥2011 IEEE International Conference on Robotics and Automation, May 9-13, 2011, Shanghai, China.New York: IEEE Press, 2011: 287- 292.
[12] Betke M, Gurvits L. Mobile robot localization using landmarks[J]. IEEE Transactions on Robotics and Automation, 1997, 13(2): 251-263.
[13] 曲丽萍, 王宏健, 边信黔. 基于距离聚类的圆柱类实体路标特征提取算法[J]. 探测与控制学报, 2013, 35(1): 43-49.
Qu L P, Wang H J, Bian X Q. Feature extraction of circular landmark based numerical inference and geometric analysis[J]. Journal of Detection & Control, 2013, 35(1): 43-49.
[14] Huang XQ, SasakiT, HashimotoH, et al.Circle detection and fitting based positioning system using laser range finder[C]∥2010 IEEE/SICE International Symposium on System Integration, December 21-22, 2010, Sendai, Japan.New York: IEEE Press, 2010: 442- 447.
[15] 钱钧, 杨汝清, 王晨, 等. 基于路标的智能车辆定位[J]. 上海交通大学学报, 2007, 41(6): 894-898.
Qian J N, Yang R, Wang C N, et al. Landmark based localization of intelligent vehicle[J]. Journal of Shanghai Jiao Tong University, 2007, 41(6): 894-898.
[16] 肖杨, 胡少兴, 肖深, 等. 从三维激光点云中快速统计树木信息的方法[J]. 中国激光, 2018, 45(5): 0510007.
[17] 黄昉菀, 戴礼豪, 陈国龙, 等. 基于激光数据特征提取的一般环境下实时定位方法[J]. 软件, 2012, 33(5): 9-11, 14.
Huang F W, Dai L H, Chen G L, et al. Real-time positioning methods based on the characteristics of the laser data to extract the general environment[J]. Computer Engineering & Software, 2012, 33(5): 9-11, 14.
[18] 石飞. 托卡马克部件转运车的定位与导航方法研究[D]. 上海: 上海交通大学, 2014.
ShiF. Research of positioning and navigation of the tokamak transfer cask[D]. Shanghai: Shanghai Jiaotong University, 2014.
[19] 张旭, 王智, 崔粲, 等. 二维激光雷达定位建图系统设计与实现[J]. 光学技术, 2019, 45(5): 596-600.
[20] YoshitakaH, HirohikoK, AkihisaO, et al.Mapbuilding for mobile robots using a SOKUIKI sensor-robust scan matching using laser reflection intensity[C]∥2006 SICE-ICASE International Joint Conference, October 18-21, 2006, Busan, South Korea.New York: IEEE Press, 2006: 5951- 5956.
Article Outline
祖爽, 胡攀攀, 潘奇. 基于激光雷达回波强度的人工路标中心提取方法[J]. 中国激光, 2020, 47(8): 0810001. Zu Shuang, Hu Panpan, Pan Qi. Extraction Method of Artificial Landmark Center Based on Lidar Echo Intensity[J]. Chinese Journal of Lasers, 2020, 47(8): 0810001.