激光雷达的社区安保服务机器人障碍物检测(附件)【字数：12881】
摘 要本文毕业设计是属于社区安保服务机器人团队，团队总体工作是设计制作用于社区安保服务的机器人，本文负责的部分是使用激光雷达进行障碍物检测。论文包括三个部分对激光雷达采集的点云数据进行预处理并基于点云特征进行初步分割、运用凝聚层次聚类算法对点云数据进一步分割、将基于信息熵的免疫遗传算法对聚类进行优化提取障碍物信息。本文使用激光雷达进行了三次实验，初步试验获取的点云数据进行预处理和基于点云特征进行初步分割，实验一和实验二获取的点云数据进行聚类分割和基于信息熵的免疫遗传算法优化聚类分割。点云数据的预处理主要包含误差处理、噪声处理以及坐标转换，对于激光雷达提取的点云数据是有序的，采用插补的方法进行误差处理，采用高斯滤波的方法进行噪声处理，可以很好的保持数据原貌；点云数据特征主要包含坐标、高程、斜率、曲率，对基于点云数据特征进行初步分割提取边界点。本文提出聚类对障碍物信息进行更细化的提取描述，使用的是凝聚层次聚类对点云数据进行分割，利用图像显示，不同的障碍物标记不同的颜色，同一障碍物标记同一颜色，检测出清晰的障碍物信息。因为聚类分割存在误差，所以分割效果不是很理想，本文提出将免疫遗传算法优化聚类分割，从而可以获得更好的聚类信息，由后两个实验提取的数据进行测试前后的对比，可以明显发现优化后的聚类效果比较理想，障碍物检测的效果较好。关键词激光雷达；障碍物检测；点云数据；预处理；聚类算法；免疫遗传算法
目 录
第一章 绪 论 1
1.1 课题研究背景和意义 1
1.2 研究现状与存在问题 2
1.3 论文的主要内容与章节安排 3
第二章 激光雷达二维点云数据几何特征的提取与分割 5
2.1 引言 5
2.2 点云数据的常用处理方法 5
2.3 点云数据预处理 6
2.3.1 点云数据的误差处理 6
2.3.2 点云数据的噪声处理 8
2.3.3 点云数据的坐标变换 10
2.3.4 本节小结 11
2.4 点云数据的几何特征提取与初步分割 11
2.4.1 点云数据的几何特征描述方法及其处理 11
2.4.2 点云数据基于几何特征的初步分割 12 *好棒文|www.hbsrm.com +Q: ^351916072#
2.5 本章小结 13
第三章 基于层次聚类的点云数据分割与障碍物信息提取 14
3.1 引言 14
3.2 聚类的概述 14
3.2.1 聚类分析 15
3.2.2 介绍主要聚类算法 15
3.2.3 点云数据聚类算法设计 16
3.3 凝聚层次聚类分割点云数据 16
3.3.1 相似性度量准则设计 16
3.3.2 点云簇与孤立点的聚类 17
3.4 实验结果与分析 17
3.5 本章小结 20
第四章 基于信息熵的免疫遗传算法优化点云数据的聚类分割 21
4.1 引言 21
4.2 基于信息熵的改进免疫遗传算法 21
4.2.1 基于信息熵的选择计算 22
4.2.2 基于期望繁殖率的计算 23
4.2.3 改进后的算法步骤 24
4.2.4 改进后的算法特点 24
4.3 改进免疫遗传对点云数据的聚类分割 25
4.3.1 设计改进免疫遗传算法的聚类分割 25
4.3.2 算法的实验测试结果与分析 25
4.4 本章小结 27
结 论 28
致 谢 29
参考文献 30
第一章 绪 论
1.1 课题研究背景和意义
随着社会经济和科学技术的发展，机器人应用领域发生快速的变化，计算机、控制论、人工智能等多学科的范围发展迅速,广泛运用于科研、军事、民用等。在科学研究领域，移动机器人可以帮助人类完成一些考古遗迹勘测、样本采集与分析的工作；在军事方面，上场作战中多种危险工作都可以运用其完成；在民用方面，机器人可以帮助人们减轻家务和劳动，还可以辅助驾驶。
目前，该智能技术在工业生产制造方面已经取得了普遍的应用，如汽车、冶金等行业，在机器人领域中，已经出现了一种新的服务机器人，给人们的生活带来了很多方便、舒适。它可以帮助人们健康娱乐、设备运行与维护[1]，或者如安全问题、人机接口和在部分非结构环境中的高度自主等[2]。服务机器人包括很多领域，例如住宅监控[3]、家庭作业、教育娱乐以及餐饮服务等等[4]。许多国家的智能服务机器人的研究也不断进步，如日本人的劳动力可以用机器人代替[5]，被誉为世界上最聪明的类人机器人是韩国的“Android” [6]，美国机器人发展最为全面，但是中国进行研制服务机器人比较晚。
基于服务机器人的各种服务类型，提出了社区安保服务机器人，即将安保服务机器人用于社区当中进行服务，更加贴近人们的生活。近期，我国出台了首款智能服务机器人，名字叫“AnBot”，如下图11所示，如今，它亮相在第十二届重庆高新技术成果交易会上，实现了低成本自主导航定位的技术、智能视频分析技术等多项技术的突破 [7]。因此，安保服务机器人具有开阔的远景。社区中的安保机器人能够保护社区安全，如当机器人在巡逻时，它探测到环境中有异常情况时，会发出声光报警并发送到终端监控系统等，也可以进行智能询问、业务办理等服务功能，为社区人员提供十分方便的服务。
社区安保服务机器人的基本功能是要自主导航于未知环境中，就必需运用有用且可靠的障碍物检测系统。机器人要配置一种或多种传感器并结合适当的信息处理技术，其才能正确估计障碍物所在的位置，识别自身所处的环境，实现自主避障行走。
图11 我国首款智能服务机器人
1.2 研究现状与存在问题
随着高智能机器人技术的不断发展，高性能、高精度环境探测传感器的使用需求得到提升，激光雷达采用激光光束为光源，可以以较高的工作频率对环境进行全方位扫描，较高的检测精度和实时性满足越来越多的机器人使用条件，在无人驾驶汽车，服务机器人，安保机器人以及仓储物流中的无人运输车等领域运用较为广泛。
采用激光雷达对障碍物检测，其主要的研究工作是对激光雷达采集的点云数据进行信息提取，从静态点云图中可以提取出周边环境物体的外形轮廓及相对位置信息，从连续帧的点云数据中则可以进一步提取外界物体的运动状态信息，而点云数据的分割是点云数据信息提取中首要和关键的步骤，目前，众多国内外学者进行了大量研究工作，也已形成一定的成果规模。
由于激光雷达采集的点云数据受到外界环境的影响，信号中的噪声对点云数据的后续计算将带来较大的误差，采集到的点云图中将出现“孔洞”和“噪声”等缺陷，为此，通常有必要对点云数据进行插补[8]和滤波[9]等预处理操作，在一定程度上可以消除噪声带来的数据精度的误差。此外，在对点云数据几何特征[10]的计算过程中，根据设备的使用条件，适当采用数据拟合[11]的方式将进一步消除信号噪声，即减少了几何特征负责的计算，又将系统的运行效率提高了。然而，激光雷达在运行过程中快速采集大量的数据，很难保证每一个数据点的绝对精确，因此，如何在大量的数据量中排除干扰，获取精确的数据特征始终对实验系统的容错能力提出了不小的考验。
激光雷达采集的点云数据表征了周围环境的深度信息[12]和几何特征，从点云图中，可以获取到点云所描述物体表面的深度、曲率、跨度以及角度等特征信息，从而可以进一步获取到环境物体的相关信息。为了提取到这些特征信息，首先需要对大量的点云数据进行分割处理，将上述几何特征直接作为点云分割的描述特征是众多学者分割点云数据的首选方法，原因在于其具有原理简单、易于实现的优势，同时结合使用环境中一些目标物体特有的特征信息，如直线特征可以采用Hough变换[13]，分割效果较为理想，因此使用较为广泛。
目 录
第一章 绪 论 1
1.1 课题研究背景和意义 1
1.2 研究现状与存在问题 2
1.3 论文的主要内容与章节安排 3
第二章 激光雷达二维点云数据几何特征的提取与分割 5
2.1 引言 5
2.2 点云数据的常用处理方法 5
2.3 点云数据预处理 6
2.3.1 点云数据的误差处理 6
2.3.2 点云数据的噪声处理 8
2.3.3 点云数据的坐标变换 10
2.3.4 本节小结 11
2.4 点云数据的几何特征提取与初步分割 11
2.4.1 点云数据的几何特征描述方法及其处理 11
2.4.2 点云数据基于几何特征的初步分割 12 *好棒文|www.hbsrm.com +Q: ^351916072#
2.5 本章小结 13
第三章 基于层次聚类的点云数据分割与障碍物信息提取 14
3.1 引言 14
3.2 聚类的概述 14
3.2.1 聚类分析 15
3.2.2 介绍主要聚类算法 15
3.2.3 点云数据聚类算法设计 16
3.3 凝聚层次聚类分割点云数据 16
3.3.1 相似性度量准则设计 16
3.3.2 点云簇与孤立点的聚类 17
3.4 实验结果与分析 17
3.5 本章小结 20
第四章 基于信息熵的免疫遗传算法优化点云数据的聚类分割 21
4.1 引言 21
4.2 基于信息熵的改进免疫遗传算法 21
4.2.1 基于信息熵的选择计算 22
4.2.2 基于期望繁殖率的计算 23
4.2.3 改进后的算法步骤 24
4.2.4 改进后的算法特点 24
4.3 改进免疫遗传对点云数据的聚类分割 25
4.3.1 设计改进免疫遗传算法的聚类分割 25
4.3.2 算法的实验测试结果与分析 25
4.4 本章小结 27
结 论 28
致 谢 29
参考文献 30
第一章 绪 论
1.1 课题研究背景和意义
随着社会经济和科学技术的发展，机器人应用领域发生快速的变化，计算机、控制论、人工智能等多学科的范围发展迅速,广泛运用于科研、军事、民用等。在科学研究领域，移动机器人可以帮助人类完成一些考古遗迹勘测、样本采集与分析的工作；在军事方面，上场作战中多种危险工作都可以运用其完成；在民用方面，机器人可以帮助人们减轻家务和劳动，还可以辅助驾驶。
目前，该智能技术在工业生产制造方面已经取得了普遍的应用，如汽车、冶金等行业，在机器人领域中，已经出现了一种新的服务机器人，给人们的生活带来了很多方便、舒适。它可以帮助人们健康娱乐、设备运行与维护[1]，或者如安全问题、人机接口和在部分非结构环境中的高度自主等[2]。服务机器人包括很多领域，例如住宅监控[3]、家庭作业、教育娱乐以及餐饮服务等等[4]。许多国家的智能服务机器人的研究也不断进步，如日本人的劳动力可以用机器人代替[5]，被誉为世界上最聪明的类人机器人是韩国的“Android” [6]，美国机器人发展最为全面，但是中国进行研制服务机器人比较晚。
基于服务机器人的各种服务类型，提出了社区安保服务机器人，即将安保服务机器人用于社区当中进行服务，更加贴近人们的生活。近期，我国出台了首款智能服务机器人，名字叫“AnBot”，如下图11所示，如今，它亮相在第十二届重庆高新技术成果交易会上，实现了低成本自主导航定位的技术、智能视频分析技术等多项技术的突破 [7]。因此，安保服务机器人具有开阔的远景。社区中的安保机器人能够保护社区安全，如当机器人在巡逻时，它探测到环境中有异常情况时，会发出声光报警并发送到终端监控系统等，也可以进行智能询问、业务办理等服务功能，为社区人员提供十分方便的服务。
社区安保服务机器人的基本功能是要自主导航于未知环境中，就必需运用有用且可靠的障碍物检测系统。机器人要配置一种或多种传感器并结合适当的信息处理技术，其才能正确估计障碍物所在的位置，识别自身所处的环境，实现自主避障行走。
图11 我国首款智能服务机器人
1.2 研究现状与存在问题
随着高智能机器人技术的不断发展，高性能、高精度环境探测传感器的使用需求得到提升，激光雷达采用激光光束为光源，可以以较高的工作频率对环境进行全方位扫描，较高的检测精度和实时性满足越来越多的机器人使用条件，在无人驾驶汽车，服务机器人，安保机器人以及仓储物流中的无人运输车等领域运用较为广泛。
采用激光雷达对障碍物检测，其主要的研究工作是对激光雷达采集的点云数据进行信息提取，从静态点云图中可以提取出周边环境物体的外形轮廓及相对位置信息，从连续帧的点云数据中则可以进一步提取外界物体的运动状态信息，而点云数据的分割是点云数据信息提取中首要和关键的步骤，目前，众多国内外学者进行了大量研究工作，也已形成一定的成果规模。
由于激光雷达采集的点云数据受到外界环境的影响，信号中的噪声对点云数据的后续计算将带来较大的误差，采集到的点云图中将出现“孔洞”和“噪声”等缺陷，为此，通常有必要对点云数据进行插补[8]和滤波[9]等预处理操作，在一定程度上可以消除噪声带来的数据精度的误差。此外，在对点云数据几何特征[10]的计算过程中，根据设备的使用条件，适当采用数据拟合[11]的方式将进一步消除信号噪声，即减少了几何特征负责的计算，又将系统的运行效率提高了。然而，激光雷达在运行过程中快速采集大量的数据，很难保证每一个数据点的绝对精确，因此，如何在大量的数据量中排除干扰，获取精确的数据特征始终对实验系统的容错能力提出了不小的考验。
激光雷达采集的点云数据表征了周围环境的深度信息[12]和几何特征，从点云图中，可以获取到点云所描述物体表面的深度、曲率、跨度以及角度等特征信息，从而可以进一步获取到环境物体的相关信息。为了提取到这些特征信息，首先需要对大量的点云数据进行分割处理，将上述几何特征直接作为点云分割的描述特征是众多学者分割点云数据的首选方法，原因在于其具有原理简单、易于实现的优势，同时结合使用环境中一些目标物体特有的特征信息，如直线特征可以采用Hough变换[13]，分割效果较为理想，因此使用较为广泛。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/jdgc/604.html
