刘延彬,姜媛媛

(1.安徽理工大学力学与光电物理学院,安徽 淮南,232001；2.安徽理工大学电气与信息工程学院,安徽 淮南,232001)

1 引 言

2D激光雷达在移动机器人方面具有广泛的应用(包括障碍物检测、同时定位与制图，SLAM等)[1-3]。近年来,随着移动机器人在工业或日常生活中的普及(例如,清洁机器人、仓储物流机器人等),大量的低成本2D激光雷达被应用到移动机器人导航系统。然而,低成本带来的是低精度的测量数据,致使2D激光雷达扫描数据中总会包含一些异常值。异常值会对后续的障碍物检测、SLAM及机器人决策产生影响。激光雷达的测量值由角度和距离数据组成,其对单点测距分为以下情况[3]:

(1)测量正确,测量值具有随机噪声,且受到雷达精度及灵敏度影响；

(2)检测到意外的对象；

(3)测量失败,例如照射到镜面或阳光影响等；

(4)测量到随机值。

其中,情况(1)为正常测量数据,需要滤波处理；情况(2)、(3)、(4)为雷达扫描数据的异常值,需要单独处理。

几十年来,国内外众多研究人员在阵列及3D雷达扫描数据的异常值抑制方面取得了大量的研究成果。Shapiro 等[4]人采用极大似然比迭代算法分析了噪声的概率密度函数,基于数学期望最大算法对距离像进行了估计。Thomas J等[5]采用小窗口中值滤波器抑制距离像中的非线性噪声。Seongjoon 等[6]假设目标表面至少有两个邻近的像素点,且目标表面像素点的距离值是相似的,提出了一种具有高离群值比率的点云异常值区分方法。沈严等[7]基于距离像的统计直方图提出分层滤波算法,对距离像做分层分割、分别滤波及重新整合。……