最新要闻

广告

手机

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

家电

【天天新要闻】Detecting glass in Simulataneous Localisation and Mapping

来源:博客园

摘要:许多现代建筑设计都以大玻璃面板为主要室内装饰元素之一,例如大玻璃墙。由于玻璃面板的透明性,激光测距仪无法产生准确的读数,从而导致SLAM在这些环境中无法正常工作;在本文中,我们提出了一种简单有效的解决方案,基于来自玻璃的激光束的镜面反射来识别玻璃面板。具体来说,我们使用一种简单的技术来检测玻璃面板法线入射角周围的反射光强度分布。将这种玻璃检测方法与现有的SLAM算法相结合,我们的SLAM系统能够实时检测和定位玻璃障碍物。此外,我们用PR2机器人在两栋办公楼进行的测试表明,所提出的方法可以检测到~95%的所有玻璃面板,没有假阳性检测。带有玻璃检测的改进SLAM的源代码与本文一起作为开源ROS包发布。

1、介绍


(资料图片)

激光传感器,它们在处理诸如玻璃面板之类的透明物体时固有地无效;来自激光测距仪的大部分激光信号通过玻璃面板而不会反射回传感器。现代建筑设计在建筑的外部和内部都有越来越多的大型玻璃元素。在我们允许我们的服务机器人在这些现代建筑中移动之前,能够检测到办公楼周围随处可见的大型玻璃面板已经成为一个必须解决的问题。

我们提出了一种简单而稳健的方法,通过测量从面板的法线入射角反射的激光信号的强度来检测玻璃。

这种方法基于标准光学物理,即高度抛光的材料,如玻璃镜面反射(大部分)光。使用扫描激光测距仪的玻璃检测仅在小范围的视角下可行,直接朝向反射激光最强的玻璃。最近的几项工作使用了相同的观察结果来开发传感器模型和复杂的算法,以基于视角检测玻璃[7,8]。相比之下,我们的检测方法直接使用反射光的强度作为物理性质来确定玻璃的存在。它较少受到传感器模型的不确定性和环境噪声的影响。

我们将首先回顾作为我们方法基础的基本物理,并提供与我们方法相关的PR2机器人的简要技术规范。然后,我们提出了一个实验装置及其实验结果,以支持我们使用反射激光强度的玻璃检测方法。该实验还为设置检测方法参数提供了必要的校准信息。最后,我们将展示SLAM结果。

2、激光和玻璃相互作用

2.1激光脉冲的反射

当光(在我们的例子中是激光脉冲)在两种不同的材料(即具有不同折射率的材料)之间传播时,一定部分的光将被反射。有两种类型的反射[9],镜面反射,即光仅以与入射角相等的角度(相对于表面法线)反射,即θi = θr,和漫反射,光以许多不同的角度反射.

正常环境主要由漫反射控制,因为大多数对象具有不完美的表面,导致光线在多个方向反射。事实上,这就是我们看到事物的方式。只有当光入射到的对象具有高度抛光的表面而没有不规则性时,镜面反射才会变得突出。许多现代建筑中使用的大型玻璃面板都是高度抛光和透明的。撞击干净玻璃面板的大部分光线要么透过面板,要么被玻璃镜面反射。玻璃板的这些物理特性使得机器人很难检测到它们。在某些照明条件下,即使是人也很难看清玻璃面板。激光(扫描)测距仪通过检测物体的反射光脉冲(由传感器发射)来测量其与物体的距离。也就是说,光脉冲必须直接返回传感器,以便进行测量。在以漫反射为主的环境中,只有一小部分具有正确反射角的反射激光脉冲返回到传感器,因此由测距仪传感器收集的光脉冲的强度或量保持较低。如图2(a)所示,当激光测距仪将其激光发送到具有抛光表面的物体时,其大部分激光脉冲被镜面反射,不会返回传感器。然而,当激光束沿着表面法线发送时(图3),大部分镜面反射光将返回传感器,检测到的光强度将非常高。因此,我们可以预期,当激光扫描测距仪在抛光表面上扫描时,传感器应在(非常)接近表面法线的角度处记录反射光强度的急剧增加。我们将使用从PR2激光扫描测距仪收集的经验数据来验证我们的推测。

2.2PR2机器人上的激光扫描测距仪

PR2机器人配备了两个Hokuyo Top URG(UTM-30LX)扫描测距仪[10]。一个安装在机器人基座的顶部;另一个安装在机器人上躯干的倾斜平台上。我们在这项工作中使用了固定在基座上的激光测距仪。激光测距仪具有30m和270◦ 扫描范围。它可以以每秒10次扫描可靠地提供范围和强度数据。每次扫描包含1040个数据点,角度增量约为0.25.

2.3.PR2激光测距仪的实验数据

我们建立了一个实验,以找出当PR2机器人的激光扫描测距仪扫描不同材料时,不同材料的反射激光强度响应。我们希望验证第2.1节中所述的推测。也就是说,在沿着垂直于具有抛光表面的目标物体的表面的角度处,反射光强度将急剧增加。此外,实验结果有助于我们确定玻璃检测算法中使用的参数值。

2.3.1.实验设置

我们选择了许多办公环境中常见的材料,并将其直接放置在PR2基座激光传感器前面,距离为1米和2米。基础激光传感器与目标材料仔细对齐,使传感器的中点与目标的表面法线对齐(图4)。实验中使用的材料如下:

.白色泡沫板:一种大的白色泡沫板。

•玻璃:用作透明办公室隔墙的单层钢化玻璃面板。

•黑色塑料:塑料工具箱中的黑色塑料。

•镜子:大镜子。

•黑色泡沫:黑色包装泡沫。

•混凝土墙:裸混凝土墙。

•干墙:分隔办公空间的普通干墙。

•白色反光金属:白色金属文件柜盒

彩色高反射涂层。

从传感器收集了这些材料的范围和强度数据。结果如图5(a)和(b)所示.

在这两幅图中,水平x轴以弧度表示激光测距仪扫描范围的中间部分。零点是传感器的中间点。垂直y轴表示激光传感器报告的原始强度值。

图5中的结果清楚地证实了我们的推测,即抛光表面(如玻璃面板和抛光金属表面)在零入射角下给出非常高的强度响应,在该角度下,大多数激光脉冲被镜面反射回传感器。当激光束没有直接对准目标表面时,这种强度的急剧增加会迅速消失。目标和传感器之间距离的变化对强度响应曲线没有显著影响。具体来说,镜子(粉色线)和玻璃面板(红色线)在零点处的强度响应比我们试验中使用的任何其他材料都高。它们具有相似的强度响应曲线,但是反射镜所提供的反射激光强度是玻璃面板所返回强度的两倍以上。更有趣的是,玻璃面板产生了最尖锐的响应曲线。0.01 rad的单个角度变化会导致强度值急剧下降(强度值变化>4000)。这一结果并不奇怪,因为镜子基本上是带有反射金属涂层以增强光反射的玻璃面板.稍微不完美的金属涂层导致漫反射的轻微增加和强度响应曲线的加宽。至于试验中使用的其他材料,白色反射金属(蓝线)提供了第三高的强度响应,具有相当宽的强度响应曲线,其他材料几乎是平坦的.因此,从这些结果中,我们能够开发一种简单而有效的峰值发现程序来检测来自玻璃面板的强度响应曲线,并将玻璃检测程序集成到现有的SLAM算法中。

3 在slam中检测玻璃

3.1检测玻璃的强度响应

从实验结果来看,与在办公环境中发现的其他常见材料相比,单层玻璃面板在激光扫描测距仪扫描时产生最高的强度响应和最尖锐的响应轮廓。通过几次实验,发现从玻璃面板中找到这种强度响应曲线的最有效方法是在一行激光扫描数据中找到峰值(和近峰值)强度值,并使用峰值强度值附近的相邻数据来确定曲线的“半径”和宽度。

最清晰的强度分布是来自玻璃反射的强度分布。具体来说,我们使用算法1中列出的程序来检测玻璃,其中使用了三个参数:

glassTrigIntensity过滤掉所有低强度数据,因为来自玻璃的强度必须非常高。

glassIntensityDelta过滤掉任何低强度变化,因为来自玻璃的强度变化必须很高。

glassProfileWidth确保强度分布保持窄。

这三个参数对我们希望检测的强度响应曲线设置了有效约束(图6)。使用我们从第2.3节收集的实验数据,我们在以下SLAM玻璃检测实验中分别使用8000、4000和5作为三个参数的值。注意,我们的玻璃检测程序依赖于激光扫描测距仪,该测距仪可以提供足够高分辨率的距离和强度数据,即在大扫描范围内具有小于0.01弧度的小角度增量的数据样本。来自传感器的激光束很有可能在玻璃面板的表面法线上扫描玻璃面板,从而检测到来自玻璃的独特光反射强度分布(如图5所示)。具有相关距离数据的强度分布的单个检测表示检测到的玻璃物体上的细胞部分。结合高扫描速率和传感器安装在移动平台上的事实,这种计算成本低廉的玻璃检测程序可以很容易地集成到现有SLAM实现中,以生成建筑物的无玻璃间隙室内地图。

3.2. Integration with SLAM

我们将上一节中描述的玻璃检测程序与基于OpenSLAM GMapping算法的现有PR2 SLAM实现集成[2]。GMapping使用Rao Blackwellized粒子滤波器[11]从激光测距数据生成网格图。我们修改了现有的实现,以使用算法1处理激光强度数据和激光距离数据。玻璃检测的输出保存在全局GlassDetectionCache中。在计算出最佳粒子轨迹并使用最新的激光范围数据更新网格图之后,我们使用保存的时间戳将保存在GlassDetectionCache中的原始玻璃面板位置数据(范围和角度)与最佳粒子轨迹进行匹配。使用根据保存的原始里程计输入从最佳颗粒导出的里程计校正信息的线性插值来校正原始玻璃面板位置数据。最后,用校正的玻璃面板位置数据更新网格图。修改后的SLAM工作流程如图7所示

3.3.带玻璃检测的网格图

我们在两栋使用大型玻璃面板的办公楼中,在PR2机器人上运行了带有玻璃检测的改良SLAM。实验覆盖了两个具有复杂几何结构的整个楼层。实验期间未实施任何限制或控制措施,如照明。在这两种环境中,修改后的SLAM都生成了正确的网格图,并正确标记了玻璃面板(图10(a)和(b))。我们的结果(表1)表明,启用玻璃检测的GMapping能够标记出所有玻璃面板的95%,而在使用相同数据集的标准实施中,只有~30%的玻璃面板被标记。在修改的GMapping和标准GMapping中,由于玻璃检测缺失导致的网格图中的最大间隙分别为0.5m和1.5m。对网格图与地面真相的更详细分析表明,标准GMapping中检测到的30%的玻璃主要是由于支撑玻璃面板的垂直金属条和胶粘材料。这意味着,与我们测试环境中的玻璃板相比,标准的GMapping在标记更大的玻璃板方面的成功率要低得多。

在我们改进的GMapping中,5%的漏检玻璃是由于扫描激光没有足够的机会扫描玻璃面板法线周围的截面表面。造成这种情况的主要原因是机器人的不一致(手动)驾驶,例如快速转弯以避免进入人员或角落;玻璃前面的现有障碍物(图8(b))。当我们对照地面真实情况验证网格图时,来自修改的GMapping的玻璃检测在实验中没有产生任何误报。起初,这可能看起来很可疑,但这是完全合理的,因为我们通过直接测量反射激光的强度响应曲线来检测玻璃。激光传感器在提供精确的范围和强度信息方面是高度可靠的。与其他建筑和办公材料相比,玻璃面板反射的激光强度分布非常独特(图5),可以毫无歧义地进行检测。

为了突出我们玻璃面板检测实施的有效性,图8显示了在图1(a)所示位置生成的抓握图。整个楼梯间被玻璃板包围。从我们修改后的SLAM生成的网格图清楚地标记了每个未在标准SLAM生成网格图中注册的玻璃面板。除了精确的地图生成外,通过玻璃检测,机器人的同时定位也大大提高。与标准实施的结果相比,使用我们修改的SLAM(图9)计算的机器人轨迹更平滑,即更有效的定位数据点,更准确(例如,图9中红色圆圈区域中的橙色轨迹相对于蓝色轨迹明显更合理)。我们包括一个简短的视频剪辑,展示了机器人在该地区移动时实时生成的网格地图。

4、讨论和结论

在本文中,我们介绍了一种使用激光扫描测距仪检测玻璃面板的高效解决方案,无需对标准PR2机器人进行任何物理修改。许多现有方法需要额外的传感器硬件和先进的传感器数据融合算法,以实现类似的目标。最近的一些工作,如Foster等人[8]使用了与本文相同的玻璃镜面反射思想来检测玻璃。他们的工作重点是建立传感器模型和算法,从玻璃的小视角进行估计和推断;而我们的玻璃检测方法使用对反射激光强度的直接测量。正如我们的检测算法和经验结果所示,与所有现有方法相比,这使得我们的玻璃检测简单、鲁棒且计算成本低廉。正如我们所演示的,我们的检测方法很容易集成到现有SLAM实现中。它也可以直接并入感知子系统,例如物体识别。

我们的检测算法不考虑环境(与[6]相比)。这些实验都是在办公时间内和下班后的不同时间在不受控制的办公环境中进行的。我们还试验了对玻璃检测过程中使用的控制参数值应用10%-20%的变化。实验条件和参数的所有这些变化对由修改的SLAM算法生成的最终网格图几乎没有影响。这意味着我们的算法是鲁棒的,该软件可以在许多办公环境中直接用于PR2机器人,而无需进一步调整。当需要调整参数时,例如使用不同的激光测距仪传感器时,可以很容易地根据第2.3.1节进行校准。

我们使用激光扫描测距仪检测玻璃取决于传感器是否有机会将其激光束发送到目标玻璃表面,并在表面法线周围接收反射光。如果PR2机器人旋转基座过快,或者有一些(永久或瞬时)障碍物阻挡激光到达目标,则可能不会发生这种情况。图8(b)。因此,玻璃面板的一小部分可能未被检测到。然而,这个问题通常可以通过减慢机器人的移动速度和/或允许机器人在没有任何障碍物的情况下多次仔细扫描该区域来解决。还可以应用附加的插值方法来改进检测。

本文中介绍的支持玻璃检测的GMapping在根据标准实施绘制静态环境方面效果良好。然而,它不能识别玻璃门等可移动的玻璃物体。事实上,图10(a)显示了一个玻璃门,该门在打开以允许测绘机器人通过之前被检测并登记在网格地图中。这也意味着可以进一步改进当前的实施方式,以使用现有数据中可用的时间信息来识别玻璃门。这项研究侧重于检测办公室环境中常见的大型玻璃面板。在这些环境中,大镜子相对较少。本文还没有深入研究激光测距仪对SLAM的镜面检测和镜面影响。然而,如第2.3.1节中的实验结果所示,使用峰值强度可以很容易地区分玻璃面板和镜子。修改本文中提出的玻璃检测算法来检测镜子相对容易。镜像检测将是我们未来的工作之一。

最后,我们发布了带有玻璃检测的改进SLAM的源代码,以及本文作为开源ROS包。本文中使用的部分原始激光数据集也包含在该版本中,供希望验证我们结果的任何人使用。感兴趣的读者可以在http://github. com/uts-magic-lab/slam_glass。我们希望该软件对机器人研究社区有用,希望社区能够进一步改进当前的工作。

关键词: 激光测距仪 响应曲线 激光扫描