基于激光测距仪的静态障碍物扫描与定位

1、摘 要环境感知和自主避障是农业自动化研究领域中的关键技术之一，是现代无人驾驶农业机械完成其它任务的必要基础。激光扫描是环境感知的重要方法，通过激光测距仪对环境进行扫描，再对反馈的数据进行分析，就可以对环境有个大致了解。本文以德国sick公司生产的lms200激光测距仪为主要的测距传感器，围绕农业机械自主导航中遇到的圆柱状静态障碍物的定位和识别展开，从理论上进行了深入的研究和探讨。对激光测距仪扫描所得的距离数据用matlab进行整合，可得出测距仪前方障碍物的基本分布情况。然后通过对圆的拟合可还原出障碍物的平面视图。最后便可按照平面图对障碍物进行定位与测量。关键词 环境感知 激光测距 静态障碍物扫

2、描 静态障碍物定位目 录1.概论31.1.课题的目的和意义31.2.国内外研究现状31.3.论文的主要研究内容42.基于激光测距仪的静态障碍物识别与定位52.1.激光测距仪的工作原理52.2.圆柱状障碍物的识别方法72.2.1.激光测距仪原始数据的阈值分割72.2.2.圆柱状障碍物的截面积、周长等参数的获取92.3.静态圆柱状障碍物的定位113.实验设计123.1.实验方案123.1.1.实验环境123.1.2.对lms 200激光测距仪的设置133.1.3.实验流程193.2.激光测距仪的数据采集204.实验数据处理和结果分析204.1.基于matlab的试验数据处理204.2.试验结果分析

3、224.2.1.障碍物周长的对比224.2.2.障碍物定位的对比234.2.3.探测距离对静态障碍物识别和定位的影响245.结论25致 谢26参 考 文 献27abstract28附录1 实物图29附录2 控制激光测距仪采集数据源代码321.概论1.1. 课题的目的和意义农业自动化，机械化是现代农业发展的必定趋势，而农业自动化研究的一个重要方向是实现农业机械（无人驾驶插秧机等）的自主导航和有效地避开障碍物。要想使无人驾驶的农业机械在行走的过程中避开障碍物，应先对障碍物的大小及位置进行精确的计算，虽然已经有多年的研究工作，即从不同的环境建模，针对不同的应用领域基于各种传感器进行了广泛的研究，但远

4、远没有达到完全实用的程度，仍需提高技术水平，国内外研究者仍在继续探索，无人驾驶农业机械的路径规划中的避障问题仍是一个值得研究的问题。而在已确定的环境中由农业机械依靠其自身携带的传感器提供的信息进行未知障碍物识别是无人驾驶农业机械进行避障的前提。近年来，激光雷达能够以较高的精度和较快的速度提供大量的、准确的距离信息，在无人驾驶农业机械导航中应用日益增多。农业机械的避障有以下几个特点：行进路线已确定，行进环境可预判，障碍物多为圆柱状物体（人体，树木，电线杆等）。本课题结合农业机械避障的特点，旨在研究基于激光测距仪的农业机械对静态障碍物的定位和识别策略。论文选题是基于智能控制来实现农业机械的避碰，也

5、是目前的研究热点，要求农业机械自动运行，避开障碍物，将提高农业机械的自动化水平。1.2. 国内外研究现状农田作业机械的自动化、信息化和智能化是现代化农业发展的重要技术基础。作为精准农业的一个重要分支，农业机械智能导航技术正越来越受到关注，其主要优点包括：1）可以使农机驾驶员从单调重复的劳动中解放出来；2）可以提高作业精度，有关研究表明：最好的农机手在进行田间耕作时能达到的精度是10厘米，若在经过一天的劳作后，精度还会大大降低，而基于dgps的自动导航农机作业精度可达到3厘米，从而避免重复作业；3）可提高农业资源利用率，降低生产成本，提高投入产出比；4）有利于实现农田规模化生产。许多发达国家已经

6、对农田作业机械智能导航控制技术及相关产品展开了研究，并逐步投入农业生产，生产效益取得显著提高。我国在农业机械装备的自动化、信息化和智能化等技术方面的研究尚处于起步阶段，迫切需要加快研究步伐，适应现代农业发展的需要。发达国家从20十级70年代开始进行农业机械的无人驾驶技术研究。目前在可行性和实用性方面，德国和美国走在前列。美国式世界上研究无人驾驶车辆最早，水平最高的国家之一。早在20世纪80年代，美国就提出自主地面车辆（alv）计划，这是一辆8轮车，能在校园的环境中自主驾驶，但车速不高。1995年，一辆由美国卡耐基梅隆大学研制的无人驾驶汽车navalab-v，完成了横穿美国东西部的无人驾驶试验。

7、在全长5000km的美国州际高速公路上，整个实验96%以上的路程都是车辆自主驾驶的，车速达50-60km/h。丰田汽车公司在2000年开发出无人驾驶公共汽车。这套公共汽车自动驾驶系统主要由道路有道、车队行驶、追尾防止和运行管理方面组成。安装在车辆底盘前部的瓷器传感器将根据埋设在道路中间的永久性磁石进行导向，控制车辆行驶方向。无人驾驶是农业智能化未来的发展趋势，对农业机械自主导航将是未来的热门研究方向。目前，农业机械自主导航使用的距离传感器主要采用的测量方式有立体视觉、结构光、激光测距、超声测距以及红外测距等，相比来说，激光测距具有单色性、高方向性、亮度高、相干性好等特点，所以应用越来越广泛。应

8、用激光测距原理设计的激光测距仪根据扫描结构的不同又可分为2d 和3d 两种，即分别进行二维和三维环境的测距。其中2d激光测距仪在二维平面内扫描，结构简单，扫描速度快且数据点密集精确，在农业机械自主导航的研究中得到了广泛的应用，如避障、目标物体特征提取、地图创建以及定位等都是基于激光测距仪的。1.3. 论文的主要研究内容 本文的研究工作以德国sick公司生产的lms200激光测距仪为主要的测距传感器，围绕自主作业农业机械研究的重点问题:静态障碍物的识别和定位展开，在总结前人研究成果的基础上，从理论和实践上进行了深入的研究和探讨。论文主要包含以下内容： 1、系统模型的建立。采用合理的障碍物模型，建

9、立坐标系统模型、激光测距仪模型，并对激光测距仪的误差进行系统的分析和讨论。 2、对原始数据的阈值分割及障碍物特征提取。使用lms200激光测距仪作为环境感知传感器，获得环境中的原始数据。为使用环境特征数据来取代原始数据以减少数据的存储量，要求对原始数据进行阈值分割处理，以减少环境信息的存储量。再通过matlab对数据的处理，提取出环境中的障碍物。 3、实验验证。对本文设计的障碍定位和识别策略，利用vc+语言进行编程，进行实验验证，要求能够较准确地判断出预设的障碍物的位置和截面积。2. 基于激光测距仪的静态障碍物识别与定位2.1. 激光测距仪的工作原理激光测距仪一般采用两种方式来测量距离：脉冲法

10、和相位法。脉冲法测距的过程是这样的：测距仪发射出的激光经被测量物体的反射后又被测距仪接收，测距仪同时记录激光往返的时间。光速和往返时间的乘积的一半，就是测距仪和被测量物体之间的距离。脉冲法测量距离的精度是一般是在+/-1米左右。另外，此类测距仪的测量盲区一般是15米左右。激光测距仪的测距原理是：由激光器对被测目标发射一个光信号，然后接受目标反射回来的光信号，通过测量光信号往返经过的时间，计算出目标的距离。设目标的距离为l，光信号往返所走过的距离即为2l，则t=2l/c即：l=ct/2 (1)式中 c光在空气中的传播速度 c3108m/s，t一光信号往返所经过的时间，s；l一检测目标的距离,m。

11、测距仪由激光器发出按某一频率f0变化的正弦调制光波，光波的强度变化规律与光源的驱动电源的变化完全相同，发出的光波到达被测目标，通常这种测距仪都配置了被称为合作目的反射镜，这块反射镜能把入射光束反射回去，而且保证反射光的方向与入射光方向完全一致。在仪器的接收端获得调制光波的回波，经鉴相和光电转换后，得到与接受到的光波调制频率相位完全相同的电信号，此电信号放大后与光源的驱动电压相比较，测得两个正弦电压的相位差，根据所测相位差就可算得所测距离。假设正弦调制光波往返后相位延迟一个角，又令激光调制频率为0，则光波在被测距离上往返一次所需时间t为：t=/0把上式代入测距公式(1)中，得到:l=c/20而=

12、n2+，所以被测距离l为： l=c（n2+）/20=l0（n+/2）=l0(n+n)式中l0光尺， l0=c/2 f0;n=/2。显然，只要能够测量出发射和接收光波之间的相位差，就可确定出距离l的数值。但目前任何测量交变信号相位的方法，都不能确定出相位的整周期数n，只能测定不是2的尾数，由于n 值不确定，故距离l就成为多值解。既然相位测量可以确定被测量的尾数，那么，利用两种光尺同时测量同一个量,则可以解决多值问题。系统中用两把精度都是1的光尺，其中一把光尺的l01=0.1m，另一把光尺的l02=10m，分别测量同一距离，然后把测得的结果,相互组合起来即可。比如：距离为2.047m，用l01光尺

13、测量得到不足0.1的尾数0.047m，用l02光尺测量得到不 足10m的尾数为2m，把两个光尺相加起来的读数为2.047m。lms200 采用红外线激光光束，非接触式测量周围物体距离和形状，可以直接接收物体反射回来的信号，不需要反射片，也无需另一接收器。它的最大测距范围为080 m ，能够在100或180视角范围内提供深度和角度数据，深度误差小于10 mm ，角度误差小于0. 5，并且可以快速获得目标及障碍物的尺寸、形状，这些对于生成环境地图和机器人定位都是非常有利的。lms200 型2d 激光测距仪及其测距原理如图1 所示，即通过计算往复光路程的时间来进行距离测量的激光测距仪，也就脉冲激光测

14、距，内部是一个红外脉冲激光发生器，当一束红外脉冲激光束发射经过待测距离l 后到达被测目标，物体表面把激光反射回来被光电探测器接收，激光束从发射到接受的时间，即激光脉冲从激光器到被测目标之间的往返时间t ,就可算出所测目标的距离l = ctp2 (1)接收到激光扫描仪到物体的距离后,激光束被一个旋转速度为75ps 的旋转镜子反射,从而形成了扇形扫描形状,也就形成了一个二维的扫描面。图1 lms激光测距仪原理结构示意图2.2. 圆柱状障碍物的识别方法2.2.1. 激光测距仪原始数据的阈值分割图像分割(image segmentation)是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广

15、泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。例如，可以对图像的灰度级设置门限的方法分割。值得提出的是，没有唯一的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。图像分割将不同区域区分开来，这些区域是互不相交的，每一个区

16、域都满足特定区域的一致性。其分割的目的是为了将感兴趣区域提取出来，从而为定量、定性分析提供基础，同时它也是三维可视化的基础。常用的方法有基于区域的分割方法、基于边缘的分割方法、结合区域与边界信息的方法、基于模糊集理论的方法、基于神经网络的方法等，其中基于区域的分割方法是利用区域内的相似性（或一致性）进行图像分割，常用的方法有阈值分割、区域生长和分裂合并、分类器和聚类、基于随机场的方法、其它基于统计学的方法等。阈值分割是最常见的一种分割方法。它基于对灰度图像的一种假设：目标或背景内的相邻象素间的灰度值是相似的，但不同目标或背景的象素在灰度上有差异，反映在图像的直方图上，不同目标和背景则对应不同的

17、峰。选取的阈值应位于两个峰之间的谷，从而将各个峰分开。图2 阈值分割阈值分割的优点是简单，常作为预处理方法；缺点是不适用于多通道图像、特征值相差不大的图像、各物体灰度值有较大重叠的图像、对噪声和灰度不均匀敏感的图像等。对图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素（分割）划为两类：像素的灰度值大于阈值的为一类，像素的灰度值小于阈值的为另一类（灰度值等于阈值的像素可归入这两类之一）。这两类像素一般分属图像中的两类区域，所以对像素根据阈值分类达到了区域分割的目的。阈值化分割算法主要有两个步骤：1确定需要的

18、分割阈值；2将分割阈值与像素值比较以划分像素。以上步骤中，只要能确定一个合适的阈值就可有效地将图像分割开来。而在阈值确定后，将阈值与像素值比较和划分像素可对各像素同步地进行，分割的结果直接给出图像区域。利用取阈值方法来分隔灰度图像基于的常用模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标或背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素在灰度值上有很大的差别。如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合构成的。要把图像中各种灰度的像素分成两个不同的类需确定一个阈值。无论用哪种方法选取阈值，一幅原始图像

19、f(x,y)取单阈值t分割后的图像可定义为如下公式所示：g(x，y)=1，f（x，y）=tg(x，y)=0，f（x，y）t这样得到的g(x，y)是一幅二值图像，它相当于把原始图像f（x，y）用空间占有数组进行表达。2.2.2. 圆柱状障碍物的截面积、周长等参数的获取激光测距仪采集的数据包含目标数据和噪声信息，必须剔除和去掉噪声信息，以获得和提取出感兴趣的目标区域。通过阈值分割，得到激光测距仪扫描到圆柱状障碍物的表面的图像信息。由于激光测距仪只能扫描到圆柱状障碍物表面的一部分，所以得到的信息是不完整的，必须通过拟合来还原完整的圆柱状障碍物的数据信息。把激光扫描仪采集到数据进行matlab处理和分

20、析，拟合出一个完整的圆。通过等比例的测量，得到圆柱状障碍物的直径，计算出它的截面积、周长等参数。图3 经过拟合的障碍物圆周以下为在matlab上拟合圆周的程序：m n = size(d1); plot (0,0,go)% axis(-1000 1000 -500 500);% axis manual;axis equal;for i=1:m k=1; for j=1:n if d1(i,j) 60 & j*0.5 200 d3(i,j)=0; end x(j,1)=d3(i,j)*cos(j*0.5*3.1415926/180); y(j,1)=d3(i,j)*sin(j*0.5*3.1415

21、926/180); end axis equal; plot(x,y,bo); pause(0.5);end依次对100组数据进行读取整合之后，能得到一个比较稳定的障碍物位置图。图11 经过matlab处理后得出来的障碍物位置图在matlab中进行阈值分割，剔除噪声信息，得到较好的目标区域。通过数据的拟合，得到一个圆柱状障碍物截面的近似圆。这样可以得到圆柱状障碍物截面的直径，计算出近似圆的周长等参数。为了保证测量的精确度，实验采取多次测量取均值的方法，对障碍物扫描100次，然后通过的多个圆周取其平均值。图11为对一百组数据分别拟合而得的圆。图12 通过拟合后得出来的模拟障碍物圆周4.2. 试验

22、结果分析实验中选取了9个不同的点作为虚拟障碍物的位置，9个点有远有近，均匀分布在激光测距仪的正前方。为了分析激光测距仪的测量精确度，及距离对激光测距仪的精度影响，从周长与定位两方面对测量数据进行了分析。4.2.1. 障碍物周长的对比实验中虚拟的障碍物是一个直径为26cm的纸筒，实际周长应为81.68cm。表12列出了9组实验中分别测得的周长及其误差。表12 测量所得周长与实际周长的对比组别测量得周长（cm）误差172.2511.5%287.97.6%384.83.8%478.533.8%578.533.8%681.680784.83.8%881.680981.6804.2.2. 障碍物定位的对

23、比试验中，以激光测距仪为原点，建立直角坐标系，依次将虚拟障碍物置放于坐标点（6，8）（0，8）（-6，8）（-6，5）（0，5）（6，5）（6，2）（0，2）（-6，2），对应的单位长度为50cm，相乘可得出对应的距离。在对障碍物定位时，分别测量了激光测距仪与障碍物的水平距离和垂直距离，表13与表14分别对9组实验中在激光测距仪坐标系下障碍物定位点的x，y坐标与实际情况做了对比，并进行了误差分析。表13 激光测距仪坐标系下障碍物定位点的x坐标对比组别测量得x坐标实际x坐标误差11571504.7%2805.3%3-142-1505.3%4-143-1504.7%5402.7%61561504%

24、71531502%8100.07%9-149-1500.07%表14 测量所得y坐标与实际y坐标的对比组别测量得y坐标实际y坐标误差13964001%24044001%34074001.75%42562502.4%52512500.4%62472501.2%7961002.5%8981002%91041004%4.2.3. 探测距离对静态障碍物识别和定位的影响从测量所得的周长、水平距离及垂直距离与实际情况的对比中可以看出，距离对障碍物的识别和定位有一定的影响，具体表现为以下几点：1） 从总体上看，距离激光测距仪越近，数据的误差越小。因为距离越近，激光测距仪能截取到越多的数据，对障碍物的还原效果

25、更好。2） 在实验所及的范围内（障碍物在十米以内），距离对误差的影响不大，绝对误差大小相对接近。3） 在实验所及的范围内（障碍物在十米以内），误差相对较小，在可以接受的程度。4） 对y坐标的测量中，出现了距离越近，误差越大的情况。出现的原因是对于y坐标的测量，绝对误差比较接近，而相对误差的计算中要除以实际距离（相对误差=绝对误差/实际距离），因而出现了实际距离越小，相对误差反而更大的情况。5. 结论环境感知和自主避障是农业自动化研究领域中的关键技术之一，是现代无人驾驶农业机械完成其它任务的必要基础。通过理论与实验的验证，确认了激光测距技术在农业机械自主导航中对静态障碍物的扫描中能发挥重大作用。

26、测量精度及误差都在可接受的范围内。对于本文中探讨的对圆柱形障碍物的定位与识别，德国sick公司生产的lms200激光测距仪能准确地定位障碍物，并测出其截面积。但其测量准确度受障碍物距离激光测距仪的远近影响。在障碍物离测距仪较近时，其测量的准确度明显更高。对于过远距离的障碍物扫描定位，可采用提高扫描频率等方法解决，这方面需要更深一步的研究。在数据处理方面，对激光测距仪扫描所得的距离数据进行处理后，可基本还原出障碍物的平面视图。但对根据测量所得的圆弧进行圆的拟合的算法仍有待进一步完善。总而言之，激光测距技术在农业机械导航中能较好地解决静态障碍物的定位与扫描，如果能解决更深一步的动态障碍物扫描及路径

27、规划等问题，无人驾驶技术将在农业机械中发挥重大的作用。致 谢通过这一阶段的努力，我的毕业论文基于激光测距仪的静态障碍物扫描终于完成了，这意味着大学生活即将结束。在大学阶段，我在学习上和思想上都受益匪浅，这除了自身的努力外，与各位老师、同学、朋友的关心、支持和鼓励是分不开的。首先向我的导师张智刚副教授致以深深的谢意。在我对课题的研究过程中，张智刚老师倾注了大量的心血，正是由于他的严格要求、精心教诲与指导，才使得课题和本文得以顺利完成。感谢研究生师兄苗俊齐，他也正忙于自己的研究生论文，却仍然多次热心回答我的提问，并且给我提供了一些有用资料作为参考，在这里表示我诚挚的感谢。感谢戴子文同学，在对课题的

28、研究过程中他给予我许多帮助，令我能更好地完成我的毕业论文。做毕业设计是一次再系统学习的过程，当中我曾遇到许多困难，没有在我学习期间给我关心和支持的各位老师、同学和朋友，我是不可能完成对这个课题的研究的，在此再次表示感谢。参 考 文 献任立敏.基于激光测距仪的移动机器人障碍感知与避障策略研究.哈尔滨：哈尔滨工业大学，硕士学位论文，2007吴志锋，我国农业机械发展的现状与趋势.商业经济，2010邱赞富，阳德胜.2008.机载激光扫描数码摄影测量系统在公路勘测设计中的应用.公路工程，33(1)：93-104baltsavias emmanuel.2000.摄影测量与激光扫描的比较.测绘科技情报，（3

29、6）：43-52周俊,姬长英.自主车辆导航系统中的多传感器融合技术j.农业机械学报,2002,33（5）:113-116田丽晶，中国农业机械自动化的发展与思考.吉林广播电视大学学报，2004scanning and positioning of static obstacles base on the lmsweng huajiang（college of engineering, south china agricultural university guangzhou 510642,china）abstract：environmental perception and self-avoid

30、ance is the automation of agriculture one of the key areas of modern unmanned agricultural machinery to complete the necessary foundation for other tasks. laser scanning is an important method of environmental awareness through environmental scanning laser range finder, and then the feedback analysi

31、s of the data can have a general understanding of the environment. in this paper, the german companys lms200 sick laser range finder as the main distance sensors around the autonomous navigation of agricultural machinery encountered in cylindrical obstacle location and identification of the static s

32、tart, theoretically in-depth study and discussion. scanning laser range finder data obtained from the integration with matlab, dme can be drawn from the basic distribution of obstacles ahead. and then fitting a circle through the barrier can restore the plane view. finally, in accordance with the pl

33、an of the obstacles can locate and measure. key words：environmental perception laser ranging static obstacles scanning static obstacles ranging附录1 实物图图13 用梯子架高的激光测距仪图14 用于采集数据的笔记本电脑和电压源图15 架高的圆柱形障碍物图16 实验室地板（瓷砖便于直角坐标定位）附录2 控制激光测距仪采集数据核心源代码long cmydlg:oncommunication(wparam ch, lparam port)int i;cstr

34、ing str;cstring strtemp;if(port=5)switch(ch)case r:com1m+=;break;case n:com1m+=;if(com1m.find($gpgga)0) | (com1m.find($gpgga)=-1)com1m=;if(com1m.find($gpgga)=0) & (com1m.find($gpvtg)0)m_com1_data=com1m;if(com1_buff_use_flag)com1_buff_backup=com1m;elsecom1_buff_use_flag=true;com1_buff=com1m;com1_buff

35、_use_flag=false;com1_buff_backup=com1m;updatedata(false);com1m=;break;default:com1m+=ch;if(port=6)+lms_count;lms_buflms_count=ch;if(lms_count=5)if(lms_buf0=0x06) & (lms_buf1=0x02) & (lms_buf2=0x80) & (lms_buf3=0xd6) & (lms_buf4=0x02) & (lms_buf5=0xb0)else lms_buf0=lms_buf1;lms_buf1=lms_buf2;lms_buf2=lms_buf3;lms_buf3=lms_buf4;lms_b