2。1。3新型拓扑地图
本文面向自然路标,定义一种新型拓扑地图。在我们的地图中,定义拓扑节点即为路口,路口即为道路拐弯处,不同道路的交点或者道路的终点。定义拓扑图中的边即为两节点之间的道路连接关系,忽视道路的弯曲等几何特征。文献综述
要介绍本文的拓扑地图定义,就要先简单介绍Beam Curvature Method(BCM),这是一种局部避障算法,BCM中的山区划分可以用来检测通道及拓扑节点。
本文使用BCM生成拓扑地图,基于扇区划分来检测道路路口情况。
拓扑图中拓扑节点具体分为以下三类:
(1) 道路明显拐弯处,即为在该点处道路直线明显偏移;
(2)不同道路交点,即从该点出发有三条或三条以上可行道路;
(3)道路终点,即为该点处只有一个方向有一条可行道路;
本文中定义的拓扑地图中的节点,是通过可行道路之间的关系来检测的,这样就不用预先拥有环境信息的需求,机器人也不用必须在得知自身具体准确位置的前提下才能识别路口。无疑这样的拓扑地图,更加能适应动态环境,对存在不稳定障碍物的未知的大规模环境也具有鲁棒性,比其他地图更加适合校园道路环境。
图2。1 部分校园环境的新拓扑地图实例
2。1。3基于扇区划分的节点检测
检测出路口与道路终点,是机器人创建地图与导航的关键步骤。传统的基于Hough变换的,使用Sobel算子的直线道路提取的道路检测算法,只基于灰度图像进行,且对于障碍物阻挡与动态环境的干扰很敏感。本文使用BCM生成拓扑地图,基于扇区划分来检测路口,避免以上缺点,对校园的道路环境具有不错的鲁棒性。设在时刻无碰撞扇区的总数为,则2。1。2中分类的三类节点可分别如下检测:
(1)道路明显拐弯处。当,并且两个无碰撞扇区的夹角 (其中表示一个夹角A阈值)时,可能该点为道路明显拐弯处,例如图3中的点;
(2)不同道路交点。当,该点可能为不同道路交点处,例如图3中点;来:自[优.尔]论,文-网www.youerw.com +QQ752018766-
(3)道路终点。当时,该点可能为某条可行道路的终点,例如图3中的点。
图2。2 节点检测
与直线提取的道路检测算法相联系,也可以将本文中基于BCM的方法中的扇区划分看作特征。然而与直线等特征相比,显然扇区划分的特征在动态环境中抗干扰能力更强,具有更好的鲁棒性。
2。2 路标特征提取
为了能够估计每一帧与之前帧相对位置,必须要将当前帧中的特征与之前帧中特征相匹配。我们所匹配的特征为使用FAST拐点特征探测器(FAST corner feature detector)探测得到的特征。FAST拐点特征用于定位时,表现出较好的可重复性与准确性。且FAST拐点特征易于提取,对于一张640480的图像,提取特征只需要10ms。我们保证其满足最小分离约束(在试验中,最小分离约束轻微地减少了可重复性,但是为了保证几何条件,最小分离约束依然是必须的)。
K-means移动机器人基于自然路标的自主定位(4):http://www.youerw.com/tongxin/lunwen_93444.html