聚类激光雷达的社区安保服务机器人障碍物检测(4)
本文初步试验是使用激光雷达扫描了研究室内的前门带有窗户的一堵墙，扫描的点云数据属于连续的。本章点云数据的预处理和其几何特征的提取与分割是基于初步试验的数据进行处理的。
2。2 点云数据的常用处理方法
由于点云数据获取过程中受机器精度、物体表面性质、环境中灰尘、照明、震动以及人为因素的影响，在获取数据的过程中必会有缺陷，如噪声、孔洞、离群点等，所以，对于原始的数据必须要处理，否则将无法进行后续的应用。
对获取的初始数据进行几何方面处理方法有误差处理、去噪、修复、配准、重采样、分割、特征提取、简化等等[20]。本文激光雷达采集的数据的主要处理方法是对误差数据进行插补，改变误差数据偏离原曲线的数据，尽量纠正还原数据曲线；对数据去噪处理，即对数据使用高斯滤波方法；在进行几何特征的斜率、曲率、高程计算时需要先将极坐标转换为笛卡尔坐标，最后，结合坐标、斜率、曲率的特征对点云数据进行简单的分割。
2。3 点云数据预处理
本文的社区安保服务机器人障碍物检测使用的是激光雷达，激光雷达相当于传感器，激光雷达把扫描的信息传给控制系统进行显示，即使用的是ROS机器人操作系统。该激光雷达扫描获得的数据信息是激光雷达与障碍物之间的距离，测距距离是4米，其扫描角度是180度，获取得到的数据为512个，其精度为0。36度，激光雷达获取的是距离和角度。因此，激光雷达直接获得的数据信息是在极坐标下的数据。本文对数据预处理的算法是在极坐标下进行的。
2。3。1 点云数据的误差处理
在激光雷达测量过程中，由于不同表面的反射特性不同，很有可能产生镜面反射，而且，当存在障碍物时，需要检测的物体就会被遮挡，这会使得实际点云数据出现缺失。实际是不允许大面积的数据缺失的，因此，需要对其进行误差处理。
在点云数据的误差处理中，常常用于解决这个问题的方法有实物填充法、造型设计法、以及数据插值。实物填充的方法简单、原始，但是对于不能使用实物填充方法的时候，就可以采用造型设计的方法，设计出相关的曲面是运用相应CAD软件的曲面功能，之后对其进行离散化来获得采集点。然而，对于出现缺失面积不是太大的时候，可以采用对错误数据进行插补的方法，曲线更规则的点云数据更适应于插补。文献综述
团队制作的社区安保服务机器人包括五个部分：服务机器人机械结构设计及运动分析、机器人的驱动与控制、机器人的磁钉导航、机器人的无线视频传输及终端显示控制、以及机器人基于激光雷达的障碍物检测。结构设计如下图2-1所示，团队运用3D打印组装后的初步实物如下图2-2所示，进行喷漆、打磨、调试等一系列的操作之后的最终实物如下图2-3所示。
图2-1 安保服务机器人结构图
图2-2 安保服务机器人初步实物图 图2-3 安保服务机器人最终实物图
本次初步实验是在研究室进行的，使用激光雷达直接扫描研究室的前半个墙部分，包括窗台，门和墙角，如下图2-4所示障碍物的图像。本文对于激光雷达取得的点云数据的误差是小面积的，因此，采用插补的方法进行误差处理。首先，查找出不属于数据范围内的误差数据进行标记，如下图2-5所示，然后对有标记的误差数据进行插补处理，即将误差数据的相邻两个在数据范围的正确数据取平均值替代错误数据，如下图2-6所示。由以下两个图对比明显可见，对误差数据插补处理后，基本还原了原始的点云数据。