有斜率限制地进行点云数据直线提取

最新推荐文章于 2024-09-11 22:05:20 发布

力特高

最新推荐文章于 2024-09-11 22:05:20 发布

阅读量653

点赞数 4

文章标签：算法人工智能

本文链接：https://blog.csdn.net/illiteracy_G/article/details/131449575

版权

文章描述了一种通过2D激光雷达获取机器人与右侧墙面距离的方法，首先进行角度滤波，然后利用RANSAC算法提取直线进行拟合。由于不同距离下点云角度范围变化，原始方案存在适应性问题。通过限制角度和递归拟合优化，提高了准确性，但作者期待更好的解决方案。

摘要由CSDN通过智能技术生成

需求：

通过2D激光雷达提取机器人到右侧墙面的距离

使用场景：

一台沿墙工作的机器人需要通过到右侧墙面的距离做横向控制

方案描述：

对雷达数据做角度滤波，只提取机器人右侧的点云数据做拟合

方案不足：

在离右墙不同距离下的点云角度范围不一样，角度滤波适应性不强

方案思考：

问：什么是不变的？

答：角度在一定误差范围内是“不变”的

方案改进一：

限制角度地拟合直线；

方案改进一实现：

实现工具：

pcl::ransac; pcl::ExtractIndices;

方案流程：

1、角度滤波

2、ransac提取

ransac.setDistanceThreshold(0.01);
ransac.setMaxIterations(1000);
ransac.setNumberOfThreads(50);
ransac.computeModel();

std::vector<int> inliers;
ransac.getInliers(inliers);
ransac.getModelCoefficients(coef);

3、计算coef[3]/coef[4]，如果不是需要的角度范围则利用ExtractIndices将已经用于直线拟合的点去除

indices_.reset(new pcl::PointIndices());
indices_->indices = inliers;
extract_.setInputCloud(origin_cloud_);
extract_.setIndices(indices_);
extract_.setNegative(true);
extract_.filter(*origin_cloud_);

4、剩下的点云数据进行递归再次进行拟合直到满足斜率或者点云不足以进行拟合，效果图如下（视角动了一下，别介意，上图黄色点云为提取的直线对应的是下图右上角的点云）

k= 1.0

k=-1.0