摘要
SLAM(同时定位与建图)是未知环境下移动机器人实现自主导航的关建,其前提之一就是要正确提取特征。引入聚类的思想,基于密度聚类提出一种针对激光传感器的线段特征提取方法。首先通过数据预处理,滤除噪声等干扰数据;然后通过基于密度聚类的区域分割,建立每个线段特征的子集,并去除不合理的特征点;最后通过最小二乘法进行参数拟合,拟合线段特征。提出的方法对提高特征提取算法的准确性和鲁棒性有借鉴作用。
引文
[1]戴阳阳,李朝锋,徐华.初始点优化与参数自适应的密度聚类算法[J].计算机工程,2016,42(01):203-209.
[2]韩利钊,钱雪忠,罗靖,宋威.基于区域划分的DBSCAN多密度聚类算法[J].计算机应用研究,2018,35(06):1668-1671,1685.
[3]王忠立,赵杰,蔡鹤皋.大规模环境下基于图优化SLAM的图构建方法[J].哈尔滨工业大学学报,2015,47(01):75-85.
[4]杭义军,刘建业,李荣冰,孙永荣.基于混合特征匹配的微惯性/激光雷达组合导航方法[J].航空学报,2014,35(09):2583-2592.
[5]宋凯楠.基于激光扫描测距的室内飞行定位与避障技术研究[D].南京航空航天大学,2016.
[6]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(01):43-49.
[7]李晨曦,张军,靳欣宇,李广敬,李强.激光雷达SLAM技术及其在无人车中的应用研究进展[J].北京联合大学学报,2017,31(04):61-69.
[8]伍育红.聚类算法综述[J].计算机科学,2015,42(S1):491-499,524.
[9]郭瑞,孙凤池,苑晶,黄亚楼.一种基于几何统计特征的全局扫描匹配方法[J].模式识别与人工智能,2011,24(03):314-320.
[10]宋凯楠,王彪,唐超颖.基于激光测距扫描的室内定位方法研究[J].激光与红外,2016,46(08):938-942.
[11]JIANMing,ZHANCuifang,YAN Fei,Tet al.A Global Line Extraction Algorithm for Indoor Robot MappingBased on Noise Eliminating via Similar Triangles Rule[A].Proceedings of the 35th IEEE China Control Conference[C].Washington D.C,USA:IEEEPress,2016:6133-6138.
[12]Spivak G.Victory in Limbo:Imagism[A].Nelson C,GrasbergL,eds[C].Urbana:University of Illinois Press,2010;271-313.
[13]Yu-Tai Ching.Detecting Line Segments in an Image-A New Implementation for Hough Transform[J].Pattern Recognition Letters,2005(22):421-429.
[14]L.Zhang,B.K.Chang,S.T.Yu.,Fusion arithmetic and result analysis of CT-MRI images[J].Chinese Medical Equipment Journal.2006,10:5-6.