專利名稱：一種基于掃描激光的大尺度三維地形建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于掃描激光的大尺度三維地形建模方法，特別是基于高斯混合模型的概率化大尺度環(huán)境的三維地形建模，屬于地理信息系統(tǒng)(GIS)、無人平臺自主導(dǎo)航、機(jī)器人技術(shù)等領(lǐng)域。
背景技術(shù)：
在諸如地理信息系統(tǒng)(GIS)、無人自主平臺導(dǎo)航、勘測科考、計算機(jī)圖形學(xué)、遙感、虛擬現(xiàn)實(shí)等應(yīng)用領(lǐng)域，ー個精確的實(shí)時三維地形模型起著至關(guān)重要的作用，直接決定著整個系統(tǒng)的運(yùn)行效率和整體的經(jīng)濟(jì)效益。與室內(nèi)環(huán)境不同，野外環(huán)境呈現(xiàn)更為多祥的非結(jié)構(gòu) 化和不確定特征，而環(huán)境的大尺度特征加劇了問題的復(fù)雜性，從而為其應(yīng)用帶來了較大的挑戰(zhàn)。通常采用的獲取三維地形數(shù)據(jù)的方式有立體視覺、激光雷達(dá)和ニ維掃描激光等。其中立體視覺的圖像數(shù)據(jù)處理較為繁瑣，計算損耗大，在精度和實(shí)時性方面均存在問題；激光雷達(dá)則因其高昂的價格而未被廣泛采用；相比之下ニ維掃描激光成本低，精度高，因而受到業(yè)界的關(guān)注，但如何構(gòu)建較為合理的地形建模算法仍是ー個急需解決的難題。三維地形建模ー種較為直接的描述方式是點(diǎn)云法，該方法是采用離散的激光反射點(diǎn)來表示地形特征，進(jìn)而可以簡明直接地表述空間的基本信息。但是這種方法只能表示出稀疏的地形幾何特征，而且隨著掃描范圍的増大，其數(shù)據(jù)量也呈線性增長，導(dǎo)致空間復(fù)雜度過高。另ー種較為常見的三維地形建模方式是體素法，即將周邊環(huán)境劃分為許多規(guī)則的三維幾何體，例如最常用的立方體劃分，然后通過這些立方體的占據(jù)狀態(tài)來描述三維環(huán)境。該方法可以產(chǎn)生稠密合理的空間地形，但是其數(shù)據(jù)量會隨著激光數(shù)據(jù)和掃描環(huán)境的范圍的增長呈線性增長，使得地形的創(chuàng)建和更新的計算損耗相當(dāng)嚴(yán)重。在野外非結(jié)構(gòu)化地形環(huán)境應(yīng)用較為廣泛的建模方法是高程圖。該方法采用ニ維的網(wǎng)格來表示平面位置，每個網(wǎng)格存儲ー個能代表該網(wǎng)格地形高度信息的高程值，從而構(gòu)成了對空間的描述。然而對數(shù)據(jù)的處理較為粗糙，所建立的地形模型缺乏彈性，且未能描述地形的多層次細(xì)節(jié)?？偟膩碚f，上述常用的三維地形建模方法存在以下問題1)較高的空間和時間需求導(dǎo)致其無法用于野外大尺度地形建模問題，海量數(shù)據(jù)的存儲和處理將占據(jù)大量的存儲空間和計算時間；2)沒有考慮環(huán)境建模中存在的多源不確定性，例如諸多傳感器測量所存在的不確定性，因而所建立的地形模型缺乏彈性，精度和容錯性不夠，無法應(yīng)用于精確的建模和導(dǎo)航領(lǐng)域；3)這些現(xiàn)有方法在構(gòu)建地形模型時沒有考慮精度和計算復(fù)雜度之間的平衡問題，導(dǎo)致很難應(yīng)用與實(shí)時三維地形建模場景。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服已有的技術(shù)缺陷，解決基于掃描激光的大尺度三維地形建模中海量傳感器數(shù)據(jù)的壓縮存儲和處理問題、地形建模的不確定性問題以及地形建模算法的精度和計算復(fù)雜度的平衡問題，提出了一種基于低成本ニ維掃描激光的大尺度三維地形建模方法，實(shí)現(xiàn)野外地形環(huán)境的高效、實(shí)時建摸。本發(fā)明米用的技術(shù)方案為一種基于掃描激光的大尺度三維地形建模方法，首先采用安裝在移動機(jī)器人平臺上的掃描激光對周邊環(huán)境進(jìn)行感知，并通過坐標(biāo)變換將原始激光數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云；其次采用中值濾波方法對點(diǎn)云進(jìn)行預(yù)處理，并構(gòu)建八叉樹結(jié)構(gòu)完成數(shù)據(jù)的存儲；然后采用了基于高斯混合模型的概率化方法對數(shù)據(jù)進(jìn)行融合處理，以實(shí)時建立地形環(huán)境模型；最后對地形模型中存在的遮擋區(qū)域進(jìn)行檢測和處理以進(jìn)一步提高模型精度。 (I)三維地形數(shù)據(jù)的獲取首先采用安裝在移動平臺上的ニ維掃描激光對周圍環(huán)境進(jìn)行掃描以獲取環(huán)境數(shù)據(jù)；其次采用卡爾曼濾波的方法利用里程計和GPS數(shù)據(jù)對移動平臺進(jìn)行融合定位，以獲得移動平臺的全局坐標(biāo)；最后在移動平臺的定位和激光對環(huán)境掃描的基礎(chǔ)上，結(jié)合ニ維掃描激光在移動平臺的相對位姿將掃描激光的數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云。(2)點(diǎn)云數(shù)據(jù)的預(yù)處理和存儲首先對點(diǎn)云的采樣點(diǎn)構(gòu)建權(quán)值窗ロ，通過中值濾波濾除激光的孤立點(diǎn)和混合像素干擾；然后采用八叉樹的數(shù)據(jù)結(jié)構(gòu)對激光的數(shù)據(jù)進(jìn)行存儲，以實(shí)現(xiàn)海量點(diǎn)云數(shù)據(jù)的壓縮存儲。(3)概率化地形建模首先對傳感器進(jìn)行概率化建模，構(gòu)建高斯描述的傳感器模型，從而將傳感器坐標(biāo)系中的測量數(shù)據(jù)轉(zhuǎn)化為全局坐標(biāo)系中的高程估計；然后采用高斯分布的3 O值作為不確定性邊界進(jìn)行高斯關(guān)聯(lián)實(shí)現(xiàn)全局高程估計信息關(guān)聯(lián)到網(wǎng)格；最后通過構(gòu)建高斯分布間的馬氏距離對地形進(jìn)行分類更新。(4)地形模型的遮擋處理首先根據(jù)傳感器測量時間和空間上的相關(guān)性，結(jié)合移動平臺本身的機(jī)械性能特征和越障能力，采用局部窗ロ檢測的方法對遮擋區(qū)域進(jìn)行檢測；然后對遮擋區(qū)域做進(jìn)ー步的處理以進(jìn)ー步提高地形模型的精度。有益效果本發(fā)明采用低成本的ニ維掃描激光有效解決了大范圍復(fù)雜地形的實(shí)時建模問題，通過對模型中存在的各種不確定性進(jìn)行概率化處理，實(shí)現(xiàn)了模型精度和實(shí)時性之間的良好平衡，所采用的方法簡單高效，可滿足GIS系統(tǒng)、城市規(guī)劃、仿真建模、天氣預(yù)報、自主無人駕駛等不同領(lǐng)域的廣泛需求，具有廣闊的應(yīng)用前景和良好的經(jīng)濟(jì)效益。


圖I為算法總體流程圖；圖2為概率化高程地形示意圖；圖3為激光掃描感知示意圖；圖4為移動平臺定位示意圖；圖5為中值濾波權(quán)值窗ロ示意圖；圖6為八叉樹空間描述圖；圖7為八叉樹的樹狀結(jié)構(gòu)圖；圖8為聞程"[目息關(guān)聯(lián)不意圖；圖9為遮擋區(qū)域處理示意圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明做進(jìn)ー步說明。
圖I為本專利所提出的基于掃描激光的大尺度三維地形建模方法的總體流程圖，所采用的地形模型為概率化高程地圖(如圖2所示)。算法的具體步驟如下I、地形數(shù)據(jù)的獲取和轉(zhuǎn)化地形數(shù)據(jù)的采集是地形建模的基礎(chǔ)，通過安裝在移動平臺(如移動機(jī)器人平臺)上的ニ維掃描激光對周邊地形環(huán)境進(jìn)行掃描以獲取環(huán)境感知數(shù)據(jù)，然后根據(jù)定位傳感器信息(里程計和GPS)對移動平臺進(jìn)行融合定位獲得其位姿的全局坐標(biāo)。在此基礎(chǔ)上，通過坐標(biāo)變換的方法將原始激光數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云。具體步驟包括第一歩基于掃描激光的地形感知。本發(fā)明設(shè)計實(shí)驗(yàn)采用安裝在移動機(jī)器人平臺上向地面傾斜10°方向的ニ維SICK LMS激光對周圍環(huán)境進(jìn)行掃描，如圖3所示。激光掃描的精度為180度/0. 5度，因此每次掃描可獲取361個數(shù)據(jù)，掃描頻率為50Hz，由此可獲得地形感知的原始數(shù)據(jù)。第二步移動平臺定位。為了將原始數(shù)據(jù)轉(zhuǎn)化為空間高程信息，需要對移動平臺 進(jìn)行大范圍精確定位。本發(fā)明采用里程計和GPS進(jìn)行Kalman濾波組合定位。如圖4所示，F(xiàn)w=OwXwYwZw和分別表示所定義的全局Cartesian坐標(biāo)系和與移動機(jī)器人固連的相對坐標(biāo)系。機(jī)器人存在平動速度V和轉(zhuǎn)動速度《，其位姿狀態(tài)量為(x，y，e)T，則可建立其離散的運(yùn)動學(xué)模型為
xk + cos %prk+1 =f{prk)= yk+VkAtsinOk(I)
+ ん A/ ノ由于里程計和GPS數(shù)據(jù)的采樣時刻不同，因此需要采用不同的觀測模型對機(jī)器人的位姿進(jìn)行更新，通過GPS數(shù)據(jù)校正里程計定位的累積誤差，以實(shí)現(xiàn)移動機(jī)器人的長距離精確定位。其中GPS采樣得到的經(jīng)緯度數(shù)據(jù)需要首先轉(zhuǎn)化為全局坐標(biāo)系的坐標(biāo)方可用于更新。在定位過程中根據(jù)運(yùn)動學(xué)模型的位姿預(yù)測和根據(jù)傳感器測量的位姿更新兩個步驟均采用經(jīng)典的Kalman濾波方法完成。第三步點(diǎn)云數(shù)據(jù)的轉(zhuǎn)化。依據(jù)激光獲取的深度信息并結(jié)合平臺位姿估計，通過坐標(biāo)變換的方法將原始激光掃描數(shù)據(jù)轉(zhuǎn)化為全局坐標(biāo)中的三維點(diǎn)云。如圖3所示，F(xiàn)1=O1X1Y1Z1表示激光傳感器固連的坐標(biāo)系，X1O1Y1平面為激光掃描平面；r為激光掃描深度數(shù)據(jù)。從而可通過坐標(biāo)變換的方法獲得全局三維點(diǎn)云X為x=f (p, r) (2)其中f為坐標(biāo)變換矩陣左乘得到的轉(zhuǎn)換函數(shù)，通過FpF,和Fw三級坐標(biāo)變換獲得；P是坐標(biāo)變換中所包含的平臺位姿參數(shù)和標(biāo)定參數(shù)。2、點(diǎn)云數(shù)據(jù)的預(yù)處理和存儲對點(diǎn)云數(shù)據(jù)進(jìn)行中值濾波預(yù)處理以剔除點(diǎn)云數(shù)據(jù)中由于激光誤差造成的孤立點(diǎn)和混合像素干擾，從而可獲取環(huán)境較為準(zhǔn)確的描述。此外采用八叉樹對海量點(diǎn)云數(shù)據(jù)進(jìn)行壓縮存儲以節(jié)約存儲空間。具體步驟包括第一歩中值濾波。根據(jù)激光掃描數(shù)據(jù)的關(guān)聯(lián)性，針對某個測量rt,k構(gòu)建如圖5所不的權(quán)值窗ロ，其中t表不激光各次掃描的時間，k表不單次測量對應(yīng)掃描中的序號,不同位置的測量具有不同的權(quán)重。由此采用中值濾波方法對得到的點(diǎn)云數(shù)據(jù)進(jìn)行處理，從而剔除點(diǎn)云數(shù)據(jù)中存在的不正確的孤立值和混合像素干擾。
第二步構(gòu)建八叉樹結(jié)構(gòu)對點(diǎn)云數(shù)據(jù)進(jìn)行壓縮存儲。由于獲取的點(diǎn)云數(shù)據(jù)隨掃描距離的増大而呈線性增長，因此采取有效的八叉樹存儲結(jié)構(gòu)對點(diǎn)云數(shù)據(jù)進(jìn)行壓縮和存儲，如圖6所示，即將三維空間劃分為若干相等的立方體，根據(jù)有無點(diǎn)云數(shù)據(jù)落入其中對其賦予ニ值占據(jù)狀態(tài)，從而實(shí)現(xiàn)對海量數(shù)據(jù)的壓縮，降低存儲空間和計算復(fù)雜度的需求。如圖7所示即為八叉樹的樹狀結(jié)構(gòu)圖。注意八叉樹的尺寸可根據(jù)需要靈活選擇，以適應(yīng)不同的地形精度需求。3、概率化實(shí)時地形建模針對移動平臺各傳感器本身固有性能和相對于移動平臺的位置，對傳感器進(jìn)行概率化建模，將測量數(shù)據(jù)轉(zhuǎn)化為全局坐標(biāo)系中的高程估計，采用高斯分布的3 O值作為不確定性邊界進(jìn)行關(guān)聯(lián)以將全局高程估計信息關(guān)聯(lián)到網(wǎng)格，并通過構(gòu)建馬氏距離判據(jù)對地形進(jìn)行實(shí)時分類更新。具體步驟包括第一歩傳感器概率建模。對傳感器進(jìn)行概率化建模，從而將傳感器坐標(biāo)系中的測量數(shù)據(jù)通過坐標(biāo)變換轉(zhuǎn)化為全局坐標(biāo)系中的高程估計。為了合理的處理統(tǒng)計意義上的傳感器誤差和建模誤差，將式(I)中存在的坐標(biāo)變換參數(shù)P和傳感器原始測量r更準(zhǔn)確地建模為如下的不確定性干擾形式P = ++ 其中多和f為所使用的參數(shù)參考值；Sp和Sr是這些觀測結(jié)果中的誤差。從而對點(diǎn)云數(shù)據(jù)修正并線性化得到
權(quán)利要求
1.一種基于掃描激光的大尺度三維地形建模方法，其特征在于包括以下步驟 (1)首先采用安裝在移動機(jī)器人平臺上的掃描激光對周邊環(huán)境進(jìn)行感知，并通過坐標(biāo)變換將原始激光數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云； (2)其次采用中值濾波方法對點(diǎn)云進(jìn)行預(yù)處理，并構(gòu)建八叉樹結(jié)構(gòu)完成數(shù)據(jù)的存儲； (3)然后采用了基于高斯混合模型的概率化方法對數(shù)據(jù)進(jìn)行融合處理，以實(shí)時建立地形環(huán)境模型； (4)最后對地形模型中存在的遮擋區(qū)域進(jìn)行檢測和處理以進(jìn)一步提高模型精度。
2.根據(jù)權(quán)利要求I所述的ー種基于掃描激光的大尺度三維地形建模方法，其特征在于所述步驟(I)具體為首先采用安裝在移動平臺上的ニ維掃描激光對周圍環(huán)境進(jìn)行掃描以獲取環(huán)境數(shù)據(jù)；其次采用卡爾曼濾波的方法利用里程計和GPS數(shù)據(jù)對移動平臺進(jìn)行融合定位，以獲得移動平臺的全局坐標(biāo)；最后在移動平臺的定位和激光對環(huán)境掃描的基礎(chǔ)上，結(jié)合ニ維掃描激光在移動平臺的相對位姿將掃描激光的數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云。
3.根據(jù)權(quán)利要求I所述的ー種基于掃描激光的大尺度三維地形建模方法，其特征在于所述步驟(2)具體為首先對點(diǎn)云的采樣點(diǎn)構(gòu)建權(quán)值窗ロ，通過中值濾波濾除激光的孤立點(diǎn)和混合像素干擾；然后采用八叉樹的數(shù)據(jù)結(jié)構(gòu)對激光的數(shù)據(jù)進(jìn)行存儲，以實(shí)現(xiàn)海量點(diǎn)云數(shù)據(jù)的壓縮存儲。
4.根據(jù)權(quán)利要求I所述的ー種基于掃描激光的大尺度三維地形建模方法，其特征在于所述步驟(3)具體為首先對傳感器進(jìn)行概率化建模，構(gòu)建高斯描述的傳感器模型，從而將傳感器坐標(biāo)系中的測量數(shù)據(jù)轉(zhuǎn)化為全局坐標(biāo)系中的高程估計；然后采用高斯分布的30值作為不確定性邊界進(jìn)行高斯關(guān)聯(lián)實(shí)現(xiàn)全局高程估計信息關(guān)聯(lián)到網(wǎng)格；最后通過構(gòu)建高斯分布間的馬氏距離對地形進(jìn)行分類更新。
5.根據(jù)權(quán)利要求I所述的ー種基于掃描激光的大尺度三維地形建模方法，其特征在于所述步驟(4)具體為首先根據(jù)傳感器測量時間和空間上的相關(guān)性，結(jié)合移動平臺本身的機(jī)械性能特征和越障能力，采用局部窗ロ檢測的方法對遮擋區(qū)域進(jìn)行檢測；然后對遮擋區(qū)域做進(jìn)一步的處通以進(jìn)一步提聞地形ネ旲型的精度。
全文摘要
本發(fā)明公開了一種基于掃描激光的大尺度三維地形建模方法，首先通過安裝在移動機(jī)器人平臺上的掃描激光對周邊環(huán)境進(jìn)行感知，并通過坐標(biāo)變換將原始激光數(shù)據(jù)轉(zhuǎn)化為三維點(diǎn)云；其次采用中值濾波方法對點(diǎn)云進(jìn)行預(yù)處理，并構(gòu)建八叉樹結(jié)構(gòu)完成數(shù)據(jù)的存儲；然后采用了基于高斯混合模型的概率化方法對數(shù)據(jù)進(jìn)行融合處理，以實(shí)時建立地形環(huán)境模型；最后對地形模型中存在的遮擋區(qū)域進(jìn)行檢測和處理以進(jìn)一步提高模型精度。本發(fā)明采用低成本的二維掃描激光有效解決了大范圍復(fù)雜地形的實(shí)時建模問題，通過對模型中存在的各種不確定性進(jìn)行概率化處理，實(shí)現(xiàn)了模型精度和實(shí)時性之間的良好平衡，可滿足GIS系統(tǒng)或無人自主導(dǎo)航等不同領(lǐng)域的廣泛需求。
文檔編號G06T17/05GK102831646SQ20121028782
公開日2012年12月19日 申請日期2012年8月13日 優(yōu)先權(quán)日2012年8月13日
發(fā)明者周波, 戴先中, 馬旭東, 錢來 申請人:東南大學(xué)