基于Kinect深度数据的移动机器人障碍检测方法研究

• 作者: 吕洪波 孙启国 薛彦涛
• 来源期刊: 计算机测量与控制
• 关键词: 三维点云 聚类分析 障碍识别 改进凸包算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 61-63
• 页数: 3页
• 分类号: TP242
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.02.016

摘要

未知室内环境中的障碍检测是室内移动机器人领域的热点问题;在低成本条件下为更加准确的对环境中的障碍进行检测,提出一种基于低成本Kinect传感器点云数据进行环境障碍检测的有效方法;首先通过Kinect三维点云数据,对点云数据进行去燥处理,并进行三维数据到二维平面的投影的转换并通过DBSCAN聚类算法对投影的二维点云数据进行聚类分析;通过设置相邻顶点间最大距离阈值对convex-hull凸包算法进行改进,试验结果表明改进的凸包算法能够对障碍进行有效识别;该方法在Matlab中进行了方法验证,并在P3一DX移动机器人平台上进行了试验验证,结果表明该方法能够有效对环境中的障碍进行有效识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙启国	北方工业大学机械与材料工程学院	70	327	7.0	16.0
2	吕洪波	北方工业大学机械与材料工程学院	23	90	5.0	8.0
3	薛彦涛	北方工业大学机械与材料工程学院	3	4	1.0	2.0