室内环境下二维激光扫描相关滤波器

　　俄罗斯圣彼得堡国立电工大学的研究人员提出了一种扫描匹配算法，用于过滤激光雷达拍摄的二维激光扫描，这种新方法减少了数据处理的平均时间，并通过节省其计算资源来提高机器人的性能。相关论文发表在《Robotics and Autonomous Systems》上。

　　

　　现代机器人对使用这些传感器的算法的需求很高。使用诸如SLAM（同时定位和映射）和 SfM（运动结构）等算法的激光雷达、激光扫描仪、测距仪有各种应用。这两种技术都有一个共同的缺点——它们同时收集的数据太少和太多。一方面，数据太少，这是因为不可能在不显着损失准确性的情况下平滑或近似这些数据。同时，数据太多，因为它需要大量内存来存储和处理每 30 ms 出现一次的扫描。例如，对于移动速度低于 60 公里/小时的机器人，无需如此频繁地捕获激光扫描。否则，这可能会由于过多的密集点云而导致精度损失。

　　

　　这里，研究人员提出了一种应用于室内SLAM算法的二维激光扫描滤波算法。现代激光扫描仪每秒收集数据超过 30 次，除非将这种激光扫描仪安装在以 60 公里/小时行驶的汽车上，否则无需如此频繁地捕获激光扫描。在这种情况下，捕获环境可能会在 0.03 s 内发生极大的变化，相反，如果机器人在室内环境中移动，并且其平均速度约为 0.5-1 m/s，那么来自激光测距仪的密集点云数量是多余的。

　　

　　该算法基于扫描相互之间的对应关系。如果即将到来的扫描与之前的几次扫描相似，那么它可能会被丢弃而不会损失准确性。实验是在麻省理工大学（MIT） 和 慕尼黑工业大学（TUM） 数据集上进行的，扫描过滤器被注入到 vinySLAM、Gmapping 和 Google Cartographer 等算法中。实验测试表明，为了满足 SLAM 算法的需要，可以在不损失准确性的情况下丢弃一半以上的扫描。该算法的另一个重要特点是过滤过程比SLAM中的扫描匹配花费更少的计算时间。否则，使用此筛选将是多余的。其次，他们提出了走廊检测算法。其精度因走廊概念而异，并且在特定情况下可能会有所不同。在MIT的数据集中，用该算法在每个序列中检测出办公室之间的走廊。实验表明，所建议的过滤算法（5.9×10-5s）比扫描匹配算法（12.9×10-3s）的工作速度要快得多。因此，过滤过程通常可以节省计算资源，从扫描匹配中节省的时间可以用于机器人的其他可能需求。该过滤器的应用将平均扫描处理时间减少了40% 以上。这种性能是通过创建直方图来减少激光扫描的维度来实现的。要创建的直方图有多种类型，例如距扫描仪特定距离上的点数或特定视角的平均范围。然后，通过计算 Pearson 相关系数将连续扫描的直方图相互比较。如果相关性很高，则不应处理扫描。研究人员同时给出了依赖于机器人速度的滤波器参数的公式和建议，使滤波器能够适应具有已知速度和激光雷达特性的特定机器人。

　　

　　这种新方法减少了数据处理的平均时间，通过节省其计算资源来提高自主移动机器人性能。建议的算法适用于室内环境。此外，它在处理激光雷达数据的机器人计算资源有限的情况下很有用。在这种情况下，即使机器人停留在一个地方，它也不应该处理每一次连续的扫描，因此可以节省资源。此外，如果机器人缓慢而平稳地移动，也有可能放弃没有带来新信息的扫描。