林政
东莞新科技术研究开发有限公司
摘要：随着人们对机器人在运动过程中识别障碍、躲避障碍、跨越障碍等行为的不断深入研究，越来越多关于环境认知和自主行驶方面的研究方法被提出，对该领域研究作出了重要贡献。比较著名方法有：可通行场柱状图、基于3D激光雷达的障碍物识别等。还有些方法是以激光点云为基础来进行研制的，过程中发现，以点云数据形成角度和顺序作为基础，以圆柱坐标体系为依托，有助于机器人更加准确地对外部环境进行描述。以此为主要研究依据，结合机器人运动特性和激光扫描分布特性，本文首先对激光扫描工作方式进行了阐述，然后从感知圆柱坐标系构建和地形可行性分析两个方面出发，对机器人行驶环境进行了描述，最后结合行驶决策对验证实验进行了描述和分析。
关键词：3D激光点云；移动机器人；行驶环境；障碍物识别
引言：机器人自主行驶的前提是能够认知和描述复杂的外部环境，过程中，机器人首先需要对道路地形进行分析，判断道路是否可通行，然后再结合外部环境来生成具体通行路径。环境感知传感器是实现环境认知与道路通行的重要部分，摄像机与激光雷达被认为是整个实现过程最关键的两种工具。相比摄像机，激光雷达具有更多优势，比如有更精准的深度信息，因此在当前机器人研究工作中，人们更热衷于研究激光雷达环境认知方面的内容。
.png)
.png)
2、行驶环境描述
.png)
值得注意的是，为了避免扇区在横向扫描序列上出现拥挤或空置现象，可进行必要的插值和替换操作，进而使原点云矩阵不受到改变。
2.2 地形可行驶性分析
障碍物是机器人行驶过程中遇到的主要问题。前面叙述提到过，当前人们对机器人在运动过程中识别障碍、躲避障碍、跨越障碍等行为的研究已越来越深入，已被看成是地形可行性研究中一项主要内容。为了更好研究障碍物问题，本次实验分别从坡度障碍物类和高度障碍物类两个方面出发进行分析，从而进一步分析出机器人在不同障碍物环境下的地形可行驶性。
结合图3，a区域被设定为坡度与高度障碍物，机器人不可以直接通过该区域，需要绕行；b区域被设定为坡度障碍物，该区域共有两种地形，一种是坡度方向一致的斜坡地形，一种是障碍物分布广且杂乱的粗糙地形，若想通过此类地形，需要机器人具有很强的判断能力；c区域被设定为高度障碍物，存在连续引导坡；d区域被设定为正常行驶地形。
.png)
在选取d区域点云后设定高度阈值，然后通过统计得到当前阶段路面的点云基准值。在此基础上设置高度障碍和坡度障碍，垂直高度障碍物最高阈值为10cm，水平宽度障碍物阈值为20cm。结合机器人运动特性和3D激光点云数据空间特性来构建可通行性随机场（Hidden Markov），在得到激光点云所对应的障碍物状态后，以当前所表现出障碍物分布为基准，提取可通行和易通行路段的点云集合。
.png)
4、验证实验
为更好对实验进行验证，将采用stop-scan-go工作模式。数据处理周期设定为200ms以内，机器人可结合障碍物实际分布来选择导航角。
验证实验环境内容主要包括：楼梯结构、斜坡、植被道路（非结构化）等。结合具体实验结果，包括导航圆，3D激光点云，被提取出的可通行道路点云，感知圆柱等，最终得出图5、图6、图7中的验证结果。从验证结果中可知，本文所提出的方法是可以帮助机器人将可行驶道路（可通行道路）和障碍物从实际环境中识别出来的，从而建立起正确的道路导航行驶信息。
.png)
结束语：
以机器人感知特性和运动特性为基础，在3D激光扫描特性的支持下，本文所提出的方法通过实现球坐标系向感知圆柱坐标系转换，解决了可通行激光点云，以及障碍物激光点云获取困难，以及信息获取不准确的问题，成功实现了自主导航行驶，提高了机器人对可行驶环境的认知能力。本文首先对激光扫描工作方式进行了阐述，然后从感知圆柱坐标系构建和地形可行性分析两个方面出发，对机器人行驶环境进行了描述，最后结合行驶决策对验证实验进行了描述和分析。值得注意的是，验证实验只提供了有限的几种行驶环境，虽然环境内容具有较强现实意义的，但在真实情况下，道路行驶中会遇到更为复杂的问题，这也是接下来验证工作的主要内容。
参考文献：
[1]杨毅，付梦印，王伟，杨鑫，朱昊. 移动机器人复杂环境下的3D激光点云导航方法[A].中国自动化学会控制理论专业委员会，2010:6.
[2]赵新洋．基于激光雷达的同步定位与室内地图构建算法研究[D]．哈尔滨工业大学，2018．