三角測(cè)距激光雷達(dá)的光斑定位算法研究*

李 高，何元烈，曾 碧

（廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院，廣州510000）

三角測(cè)距激光雷達(dá)的光斑定位算法研究*

李 高，何元烈*，曾 碧

（廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院，廣州510000）

為了降低激光雷達(dá)測(cè)距系統(tǒng)的光斑信號(hào)噪聲，提高系統(tǒng)的測(cè)距精度，對(duì)屬性距離加權(quán)平均濾波及灰度質(zhì)心法進(jìn)行改進(jìn)，提出一種應(yīng)用于激光雷達(dá)系統(tǒng)的改進(jìn)算法。以曲率為屬性的屬性距離加權(quán)平均濾波在去噪的同時(shí)很好地突出了光斑的峰值點(diǎn)。通過(guò)多次迭代計(jì)算灰度質(zhì)心的求質(zhì)心方法，進(jìn)一步地提高光斑中心的定位精度，還解決了一般平方加權(quán)質(zhì)心法容易受到噪聲影響的問(wèn)題。在MATLAB仿真環(huán)境中對(duì)實(shí)際采集的數(shù)據(jù)進(jìn)行處理，實(shí)驗(yàn)表明本文算法對(duì)于4 μs的像素單元可以取得0.05 pix的定位精度，并具有較好的穩(wěn)定性。

機(jī)器人傳感器；二維激光雷達(dá)；亞像素定位；屬性距離加權(quán)平均濾波；平方加權(quán)質(zhì)心法

激光雷達(dá)LIDAR（Laser Radar）［1］是基于激光的距離測(cè)量系統(tǒng)，包括單點(diǎn)的測(cè)距傳感器、在平面上進(jìn)行線掃描的二維激光雷達(dá)［2］、在空間上進(jìn)行面掃描的三維激光雷達(dá)［3］。作為移動(dòng)機(jī)器人的關(guān)鍵組成部分之一，激光雷達(dá)在移動(dòng)機(jī)器人中的應(yīng)用主要有3個(gè)方面，即障礙物檢測(cè)、路標(biāo)檢測(cè)及地圖匹配、探索行駛時(shí)建立地形圖。由于激光雷達(dá)能快速提供環(huán)境的信息，移動(dòng)機(jī)器人的發(fā)展在很大程度上得益于激光雷達(dá)的研發(fā)。盡管激光雷達(dá)的研制已進(jìn)行多年并逐步實(shí)現(xiàn)了商業(yè)化，并在一些領(lǐng)域得到了應(yīng)用，但仍有許多方面需要改進(jìn)的。

目前，很多機(jī)器人都采用三維激光雷達(dá)［4］，而且也取得了較好的效果，但是三維激光雷達(dá)價(jià)格昂貴，體積大而笨重，尤其是成像速度慢的弱點(diǎn)，在很大程度上制約了它的進(jìn)一步應(yīng)用。同三維激光雷達(dá)相比，二維激光雷達(dá)具有測(cè)距速度快、系統(tǒng)穩(wěn)定可靠的特點(diǎn)。所以二維激光雷達(dá)室內(nèi)的移動(dòng)機(jī)器人應(yīng)用中有明顯的優(yōu)勢(shì)，因?yàn)樵谑覂?nèi)的結(jié)構(gòu)化環(huán)境下，地面平坦，所有障礙物又都幾乎與地面垂直，利用二維激光雷達(dá)機(jī)器人能更迅速地在平行地面上獲取環(huán)境導(dǎo)航信息。

國(guó)內(nèi)對(duì)于激光雷達(dá)的研究相對(duì)較少，導(dǎo)致國(guó)內(nèi)許多關(guān)于機(jī)器人自主導(dǎo)航算法的研究不得不依賴(lài)國(guó)外的進(jìn)口傳感器。當(dāng)前較為成熟的二維激光雷達(dá)產(chǎn)品有日本HOKUYO所生產(chǎn)的PBS-03JN、UAM-05LP-T301等，然而這些產(chǎn)品普遍采用的是相位式的測(cè)距方式，硬件成本都比較昂貴。本文所述的激光雷達(dá)系統(tǒng)基于激光三角測(cè)距原理，研究了在快速旋轉(zhuǎn)運(yùn)動(dòng)情況的激光光斑的穩(wěn)定性，受噪聲影響的問(wèn)題，及光斑亞像素的定位算法。使二維激光雷達(dá)系統(tǒng)達(dá)到了3 m量程和1 mm的精度應(yīng)用需求條件下，在設(shè)計(jì)成本方面仍然可以得到控制。

激光三角測(cè)距系統(tǒng)［5］即激光光源、被測(cè)物面、光接收系統(tǒng)三點(diǎn)共同構(gòu)成一個(gè)三角形光路，由激光器發(fā)出的光線，經(jīng)過(guò)匯聚透鏡聚焦后入射到被測(cè)物體表面上，光接收系統(tǒng)接收來(lái)自入射點(diǎn)處的散射光，并將其成像在光電位置探測(cè)器敏感面上，通過(guò)光點(diǎn)在成像面上的位移來(lái)測(cè)量被測(cè)物面移動(dòng)距離的一種測(cè)量方法。單點(diǎn)式激光三角法測(cè)量可分為直射式和斜射式兩種結(jié)構(gòu)［6-7］，本文采用斜射式激光三角測(cè)距法，原理如圖1所示。激光器發(fā)射的平行光線，經(jīng)過(guò)會(huì)聚透鏡聚焦后形成一束光，該光束垂直射到被測(cè)物體表面。待測(cè)目標(biāo)面的相對(duì)移動(dòng)或其表面變化都會(huì)導(dǎo)致入射光點(diǎn)沿入射光軸前后移動(dòng)。測(cè)量激光的散射光經(jīng)接收透鏡垂直照射到光電位置探測(cè)器上，如果入射光點(diǎn)在光電探測(cè)器形成了位移x，則待測(cè)目標(biāo)面沿軸方向的相對(duì)位移為d。依據(jù)三角測(cè)距法的位置關(guān)系我們可根據(jù)下式計(jì)算出d的值：

式中，s為入射光點(diǎn)與接收透鏡入光點(diǎn)的距離，f為接收透鏡入光點(diǎn)到成像面的垂直距離，β為入射激光光軸與接收透鏡光軸的夾角。

圖1 三角測(cè)距原理

1 噪聲及去噪分析

激光三角測(cè)距算法測(cè)距中的準(zhǔn)確性很大程度依賴(lài)于激光光斑定位的精確性［8］，在實(shí)際應(yīng)用中光斑的定位經(jīng)常會(huì)受到噪聲的影響導(dǎo)致定位產(chǎn)生較大的誤差，這種誤差主要受兩方面的噪聲產(chǎn)生［9］，一是由像元的讀出噪聲、暗電流散粒噪聲、光子散粒噪聲、固定模式噪聲和光譜響應(yīng)不均勻性等造成的隨機(jī)噪聲［10-11］，另一方面是由圖像傳感器有限空間采樣寬度帶來(lái)的灰度平均效應(yīng)以及像元填充率、填充形式帶來(lái)的系統(tǒng)噪聲。圖2為激光雷達(dá)系統(tǒng)在受噪聲影響下所收集的光斑信號(hào)，本文依據(jù)屬性距離加權(quán)平均濾波的原理對(duì)這種不可避免的隨機(jī)噪聲及系統(tǒng)噪聲加以處理。

圖2 受噪聲的激光光斑

屬性距離加權(quán)平均濾波ADWA（Attribute Distance Weighted Average）［12］由基本加權(quán)滑動(dòng)平均濾波改進(jìn)而來(lái)，以不同的距離屬性作為信號(hào)的權(quán)值。對(duì)一維信號(hào)的處理，屬性距離加權(quán)平均濾波表示為：

式中，Vi+k為采樣信號(hào)值，為對(duì)應(yīng)于Vi的濾波結(jié)果，ωk=f(Dk)為采樣點(diǎn)Vi+k的權(quán)系數(shù)，Dk為多元屬性距離。記第i個(gè)采樣點(diǎn)的第m個(gè)屬性為Ami，則第（i+k）采樣點(diǎn)和第i采樣點(diǎn)之間的M元屬性距離表示為：

式中，dm為屬性基距離，σm為屬性Am的正規(guī)化系數(shù)，用于調(diào)節(jié)相應(yīng)屬性在濾波過(guò)程中的作用力度。

屬性距離反映了采樣數(shù)據(jù)點(diǎn)之間在多個(gè)屬性上的差異，實(shí)質(zhì)上也反映了信號(hào)和噪聲之間的差異。因此ADWA是從多屬性角度來(lái)分離噪聲和信號(hào)，克服了其他濾波方法只局限于信號(hào)個(gè)別屬性的缺點(diǎn)。本文以位置、幅度、曲率作為屬性距離公式的三個(gè)元素，曲率反映了曲線在某一點(diǎn)上的彎曲程度，在圖像信號(hào)及計(jì)算機(jī)視覺(jué)等領(lǐng)域都有較重要的應(yīng)用，能在去噪的同時(shí)很好地突出光斑的峰值點(diǎn)。則屬性距離計(jì)算公式表示為：

式中，L、V、K分別為位置、幅度、曲率值，σL、σV、σK分別為位置、幅度、曲率系數(shù)，可以通過(guò)這3個(gè)參數(shù)調(diào)整位置、幅度、曲率屬性的影響權(quán)重，本文將其統(tǒng)一設(shè)置為1。

以Rosenfeld等提出的k余弦曲率計(jì)算方法對(duì)光斑離散曲線的曲率進(jìn)行估計(jì)［13］，對(duì)于給定的參數(shù)k，k余弦曲率首先在曲線當(dāng)前點(diǎn)pi處定義2個(gè)矢量：

式（5）、（6）中(xi,yi)、(xi-k,yi-k)、(xi+k,yi+k)都是曲線上的坐標(biāo)點(diǎn)，通過(guò)式（7）計(jì)算aik和bik夾角的余弦值cik：

為了選取合適的參數(shù)k，首先確定k的最大值，記為m，然后取 k=m,m-1,m-2,…，計(jì)算 cim，ci,m-1，…，根據(jù)條件 cim＜ci,m-1＜…＜cik≥ci,k-1對(duì)k值進(jìn)行選取，cik即作為當(dāng)前點(diǎn)pi的離散曲率值。

2 光斑定位算法

理想的光學(xué)系統(tǒng)能使平行光束聚焦成像在CCD上的一個(gè)像素上，如圖3所示。而實(shí)際測(cè)量中，由于光學(xué)系統(tǒng)的成像誤差、衍射、散射以及CCD器件本身的噪聲影響，會(huì)使所成的像變成一個(gè)光強(qiáng)按某種分布占據(jù)多個(gè)像素的光斑，其光斑信號(hào)如圖4所示。對(duì)于這種光斑信號(hào)模型，可以通過(guò)算法求出其質(zhì)心，并以此質(zhì)心作為光斑中心的準(zhǔn)確位置，可以將光斑的定位提高到亞像素級(jí)別，從而提高了CCD分辨率。

圖3 理想光斑

圖4 實(shí)際光斑

假設(shè)成像在CCD的光敏面上的光斑覆蓋光敏面像元個(gè)數(shù)為m。由于其像素輸出信號(hào)的模型近似為高斯分布，所以可以用灰度質(zhì)心法來(lái)求光斑中心，經(jīng)典灰度質(zhì)心法［14］可以由式（8）給出：

經(jīng)典的灰度質(zhì)心法很容易受到噪聲的影響，在有噪聲的情況下亞像素的定位精度將會(huì)嚴(yán)重下降，即使在無(wú)噪聲影響的情況下的定位精度也只能達(dá)到0.1 pix。為了進(jìn)一步解決亞像素的精確定位問(wèn)題，本文通過(guò)線性插值的平方加權(quán)及多次迭代的方法對(duì)灰度質(zhì)心法進(jìn)行優(yōu)化，線性插值平方加權(quán)后的公式可以由式（9）表示：

式（8）、式（9）中，X為光斑灰度質(zhì)心的位置，N為光斑正態(tài)分布的起始像素坐標(biāo)，則N+m為結(jié)束坐標(biāo)，xi為第N+i個(gè)像素位置，f(xi)為第N+i個(gè)像素位置上的灰度值大小。

f(xu)為線性插值點(diǎn)u上的灰度值，根據(jù)線性插值理論得到 f(xu)的計(jì)算公式如下：

式（10）、式（11）中k為斜率，(x,f(x))為曲線上的坐標(biāo)點(diǎn)。

基于線性插值的平方加權(quán)質(zhì)心法通過(guò)線性插值彌補(bǔ)了物理像素點(diǎn)有限性、離散性的缺點(diǎn)，提高了有效的像素點(diǎn)數(shù)量，用灰度值的平方作為權(quán)值，突出了離中心較近的較大灰度值像素點(diǎn)對(duì)中心位置的影響，對(duì)系統(tǒng)噪聲起到了很好的去除作用。然而當(dāng)傳感器處于快速旋轉(zhuǎn)運(yùn)動(dòng)的情況下，很容易造成光斑信號(hào)對(duì)稱(chēng)性差的問(wèn)題，如圖5所示，這樣的問(wèn)題無(wú)法通過(guò)簡(jiǎn)單地消除系統(tǒng)噪聲的方法來(lái)獲得高精度的亞像素點(diǎn)。為了解決這個(gè)問(wèn)題，本文通過(guò)多次迭代計(jì)算灰度質(zhì)心可以獲得更好的定位精度及穩(wěn)定性。

圖5 扭曲的激光光斑

在灰度質(zhì)心法的基礎(chǔ)上根據(jù)質(zhì)心估計(jì)值的偏差進(jìn)行多次迭代計(jì)算，直到偏差小于一定的閾值為止。每次迭代計(jì)算前先由式（12）進(jìn)行質(zhì)心估計(jì)值的偏差衡量：

式中，X為當(dāng)前計(jì)算的光斑中心，N為光斑正態(tài)分布的起始像素坐標(biāo)，光敏面上的光斑覆蓋光敏面像元個(gè)數(shù)為m，所以上一次的光斑估計(jì)值為，通過(guò)當(dāng)前光斑中心的計(jì)算值與光斑估計(jì)值的差值計(jì)算偏差衡量因素σ。如果|σ|大于設(shè)定的閾值，則調(diào)整正態(tài)分布的起始像素為N+σ，用灰度質(zhì)心法公式重新估計(jì)光斑質(zhì)心。如此迭代，直至|σ|滿(mǎn)足閾值要求。

如圖6為本算法的具體流程圖，通過(guò)設(shè)置閾值尋找光斑的位置，從而確定光斑在像元的覆蓋范圍m，這個(gè)閾值的設(shè)定有多種方式，可以是最大值法、均值法等，由于這個(gè)光斑位置并非是準(zhǔn)確的實(shí)際光斑位置，所以在迭代算法中通過(guò)重復(fù)確定質(zhì)心，在像元覆蓋個(gè)數(shù)m確定的情況下調(diào)整光斑的位置，通過(guò)以上方式可以在初始及迭代過(guò)程中確定光斑的正態(tài)分布范圍。多次迭代計(jì)算灰度質(zhì)心的求質(zhì)心方法，不但使光斑中心的定位精度達(dá)到了0.05 pix左右，還解決了一般平方加權(quán)質(zhì)心法受噪聲影響大的問(wèn)題，即使光斑信號(hào)出現(xiàn)對(duì)稱(chēng)性差的情況下，依然能較好地獲得光斑中心的定位。

圖6 算法流程

3 實(shí)驗(yàn)

本文所述的激光雷達(dá)系統(tǒng)，以DLSI-2K作為線性感光元件，DLIS-2K線陣圖像傳感器靈敏度可達(dá)160 V/lux-s，包括4行像素，每行有2 081個(gè)光學(xué)像素和16黑像素。其中3行為4×4 micron方形像素，另一行為4×32 micron長(zhǎng)方形像素。以STM32F103C8T6作為核心處理單元，速度可達(dá)72 MHz，具有64 kbyte的程序存儲(chǔ)容量。激光雷達(dá)系統(tǒng)結(jié)構(gòu)如圖7所示，測(cè)距系統(tǒng)位于一個(gè)可連續(xù)旋轉(zhuǎn)的平臺(tái)之上，由電機(jī)帶動(dòng)旋轉(zhuǎn)平臺(tái)進(jìn)行快速旋轉(zhuǎn)，使測(cè)距系統(tǒng)可以對(duì)整個(gè)水平面進(jìn)行測(cè)距。

圖7 激光雷達(dá)系統(tǒng)

由于激光雷達(dá)系統(tǒng)工作在一個(gè)快速旋轉(zhuǎn)的狀態(tài)中，光斑信號(hào)很容易受到各種噪聲的影響，甚至產(chǎn)生變形，不能通過(guò)簡(jiǎn)單的高斯模型進(jìn)行模擬，所以本文的實(shí)驗(yàn)將采用實(shí)際的光斑數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。為了獲得激光雷達(dá)系統(tǒng)的光斑信號(hào)數(shù)據(jù)，將系統(tǒng)固定于水平移動(dòng)平臺(tái)之上，只對(duì)角度為0°的數(shù)據(jù)進(jìn)行輸出，調(diào)整激光雷達(dá)系統(tǒng)所處的水平位置來(lái)獲得不同距離的光斑信號(hào)數(shù)據(jù)。為了直觀的反映算法的性能，本文首先在PC端通過(guò)串口收集激光雷達(dá)獲取的光斑信號(hào)，然后再用MATLAB對(duì)數(shù)據(jù)進(jìn)行處理。

3.1 亞像素點(diǎn)的精度對(duì)比實(shí)驗(yàn)

為了獲取較為理想的光斑估計(jì)中心，本文用平均濾波處理后采用灰度質(zhì)心法計(jì)算光斑中心，取50次平均值作為光斑中心的估計(jì)值［15］。實(shí)驗(yàn)分別對(duì)400 mm、450 mm、500 mm、550 mm、600 mm、650 mm、700 mm、750 mm、800 mm、850 mm、900 mm處獲取的光斑信號(hào)進(jìn)行處理，每個(gè)距離都取10組不同的數(shù)據(jù)進(jìn)行計(jì)算，取誤差值的絕對(duì)值計(jì)算平均值作為光斑中心的測(cè)量平均誤差。

圖8為使用平均濾波、中值濾波及本文所述的ADWA濾波進(jìn)行濾波處理，并用灰度質(zhì)心法獲取的光斑中心誤差值對(duì)比。圖9為用平均濾波處理后，分別用灰度質(zhì)心法、線性插值灰度質(zhì)心法及本文算法獲取的光斑中心誤差值對(duì)比。

圖8 濾波算法對(duì)比

圖9 亞像素定位算法精度對(duì)比

通過(guò)圖8、圖9的對(duì)比結(jié)果可知，本文所述的ADWA濾波對(duì)處于快速旋轉(zhuǎn)的激光雷達(dá)的光斑信號(hào)的處理明顯好于平均濾波及中值濾波，使光斑定位計(jì)算值依然可以達(dá)到0.1 pix的精度要求。同樣，對(duì)于本文的亞像素定位算法，處理后的光斑信號(hào)誤差基本在0.05 pix左右，明顯優(yōu)于普通質(zhì)心法及線性插值的質(zhì)心法。由于三角測(cè)距方式本身特性，各算法隨著距離的增加誤差也會(huì)不同程度增大，從整體數(shù)據(jù)來(lái)分析，ADWA濾波及本文所提的迭代質(zhì)心法依然有較明顯的優(yōu)勢(shì)。

3.2 穩(wěn)定性對(duì)比實(shí)驗(yàn)

以500 mm的距離處獲得的光斑信號(hào)對(duì)算法的穩(wěn)定性進(jìn)行實(shí)驗(yàn)，在500 mm處光斑中心的估計(jì)值為612.12 pix，通過(guò)本文所述的ADWA濾波算法處理后，分別用灰度質(zhì)心法、線性插值灰度質(zhì)心法及本文算法計(jì)算的光斑中心計(jì)算值。如表1所示，取10組不同的數(shù)據(jù)分別用不同的定位算法計(jì)算光斑中心計(jì)算值，取誤差值的絕對(duì)值計(jì)算平均值作為光斑中心的測(cè)量平均誤差，并計(jì)算光斑中心計(jì)算值標(biāo)準(zhǔn)差以反映算法的穩(wěn)定性。

表1 亞像素定位算法穩(wěn)定性對(duì)比

通過(guò)表1的對(duì)比可以發(fā)現(xiàn)，在測(cè)量誤差方面，質(zhì)心法，線性插值質(zhì)心法和本文算法的測(cè)量平均誤差逐漸減小，本文算法相對(duì)與傳統(tǒng)的質(zhì)心法有3倍以上的提高，相對(duì)與改進(jìn)的線性插值質(zhì)心法也有1倍以上的提高。在穩(wěn)定性方面，從標(biāo)準(zhǔn)差的結(jié)果可以得出，本文算法為0.053，相對(duì)與傳統(tǒng)質(zhì)心法提升了320%，而相對(duì)于線性插值質(zhì)心法也有180%的提升。

本文的亞像素定位算法不管在定位誤差方面還穩(wěn)定性方面都是比普通質(zhì)心法及線性插值法要好。

3.3 濾波效果對(duì)比實(shí)驗(yàn)

分別通過(guò)5×1的中值濾波、均值濾波、ADWA濾波對(duì)圖2中的光斑信號(hào)進(jìn)行處理，處理結(jié)果如圖10所示。

圖10 濾波效果對(duì)比

圖10中，3種濾波都在一定程度上降低的信號(hào)的噪聲，但中值濾波對(duì)于光斑峰值處噪聲的處理明顯是不足的，均值濾波雖然能較好地處理了峰值處的噪聲，但處理后光斑的峰值明顯小于原始信號(hào)峰值，而ADWA濾波可以在較好地保留了峰值特征的情況下起到去噪的作用。以均方根誤差作為去噪效果的評(píng)估標(biāo)準(zhǔn)，ADWA濾波的去噪效果約為傳統(tǒng)方式的0.5倍。

4 結(jié)論

本文主要是針對(duì)激光雷達(dá)系統(tǒng)所獲取的激光光斑信號(hào)進(jìn)行濾波算法及亞像素定位算法的研究，對(duì)于這種在快速旋轉(zhuǎn)的狀態(tài)中獲取的激光光斑信號(hào)進(jìn)行了噪聲分析，并提出了相應(yīng)的濾波進(jìn)行去噪，并用改進(jìn)的灰度質(zhì)心法對(duì)亞像素進(jìn)行計(jì)算。通過(guò)實(shí)驗(yàn)的對(duì)比，證明本文所述算法具有很好的效果，對(duì)于只有4 μs的像素單元仍能取得0.05 pix的定位精度，并在穩(wěn)定性上明顯優(yōu)于其他算法，滿(mǎn)足了激光雷達(dá)用于室內(nèi)機(jī)器人環(huán)境感知的設(shè)計(jì)要求。

［1］Zhang J，Mao X.Optimal Bandwidth Design of Laser Radar Re?ceiver［C］//Optical Communications and Networks（ICOCN），2015 14th International Conference on.IEEE，2015.

［2］Fong E H L，Adams W，Crabbe F L，et al.Representing a 3-D En?vironment with a 21/2-D Map Structure［C］//Intelligent Robots and Systems，2003.（IROS 2003）.Proceedings.2003 IEEE/RSJ International Conference on.IEEE，2003：2986-2991.

［3］Vandapel N，Huber D F，Kapuria A，et al.Natural Terrain Classifi?cation Using 3-D Ladar Data［C］//IEEE International Conference on Robotics&Automation，2004：5117-5122.

［4］Brosed F J，Santolaria J，Aguilar J J，et al.Laser Triangulation Sen?sor and Six Axes Anthropomorphic Robot Manipulator Modelling for the Measurement of Complex Geometry Products［J］.Robotics and Computer-Integrated Manufacturing，2012，28（6）：660-671.

［5］Herrmann M，Otesteanu M，Otto M A.A Method to Determine the Extrinsic Parameter of Laser Triangulation Sensors，With Restrict?ed Mobility［C］//Electronics and Telecommunications（ISETC），2014 11th International Symposium on.IEEE，2014.

［6］Breier M，Moller P，Li W，et al.Accurate laser Triangulation Us?ing a Perpendicular Camera Setup to Assess the Height Profile of PCBs［C］//Industrial Technology（ICIT），2015 IEEE International Conference on.IEEE，2015：1613-1618.

［7］Ferreira Barreto S V，Eskinazi Sant’Anna R，F(xiàn)eitosa M A F.A Method for Image Processing and Distance Measuring Based on Laser Distance Triangulation［C］//Electronics，Circuits，and Sys?tems（ICECS），2013 IEEE 20th International Conference on.IEEE，2013：695-698.

［8］Lefebvre D，Doucet M，Duval Y，et al.3D Laser Triangulation Compensation for Non-Uniform Surfaces Reflectivity［C］//Applied Industrial Optics：Spectroscopy，Imaging and Metrology.Optical Society of America，2013.

［9］馬玉良，許明珍，佘青山，等.基于自適應(yīng)閾值的腦電信號(hào)去噪方法［J］.傳感技術(shù)學(xué)報(bào)，2014，27（10）：1368-1372.

［10］紀(jì)峰，李翠，常霞，等.基于改進(jìn)閾值函數(shù)的自適應(yīng)圖像去噪方法［J］.傳感技術(shù)學(xué)報(bào)，2014，27（3）：351-354.

［11］張輝，袁家虎，劉恩海.CCD噪聲對(duì)星敏感器星點(diǎn)定位精度的影響［J］.紅外與激光工程，2006，35（5）：629-633.

［12］熊剛，丁天懷，王鵬.應(yīng)用屬性距離加權(quán)平均濾波提高CCD光斑的亞像素定位精度［J］.光學(xué)精密工程，2012，20（5）：1102-1109.

［13］郭娟娟，鐘寶江.U弦長(zhǎng)曲率：一種離散曲率計(jì)算方法［J］.模式識(shí)別與人工智能，2014（8）：683-691.

［14］陳曉東，李為民.利用重心法求光斑信號(hào)位置的誤差分析［J］.光學(xué)技術(shù)，2000（1）：5-608.

［15］陳運(yùn)錦，馮瑩，魏立安，等.光斑質(zhì)心亞像素定位誤差的實(shí)驗(yàn)研究［J］.光電工程，2010，37（2）：80-84.

李 高（1992-），男，碩士研究生，主要研究方向?yàn)闄C(jī)器人傳感器、機(jī)器人，lg16@qq.com；

何元烈（1976-），男，工學(xué)博士，廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院副教授，碩士研究生導(dǎo)師，研究方向?yàn)橛?jì)算機(jī)視覺(jué)、機(jī)器人、物聯(lián)網(wǎng)等，heyuanlie@163.com；

曾 碧（1963-），女，工學(xué)博士，廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授，主要研究方向?yàn)橹悄苄畔⑻幚?、智能機(jī)器人等。

Spot Positioning Algorithm for Laser Radar Based on Triangulation*

LI Gao，HE Yuanlie*，ZENG Bi
（School of Computer Science Guangdong University of Technology，Guangzhou 510000，China）

In order to reduce the noise of light spot of laser radar system and improve the precision of the distance measurement for the system，an advanced algorithm based on attribute distance weighted average filter algorithm and gray-gravity method algorithm was proposed.The attribute distance weighted average filter with the property of curvature can not only reduce the noise of light spot，but also can highlight the peak spot of the laser facula.While the method by using iterative calculations for gray centroids would further improve the positioning accuracy of light spot and it can also solve the problem of susceptible to noise by using the square weighted gray-gravity method.Ex?periments have dealt with the collected practical data in MATLAB simulation environment，and the results of the ex?periments show that the algorithm can achieve positioning accuracy with even 0.05 pix for 4 μs pixel unit.Many re?peated experiments indicated that the experimental results had a good stability.

robot sensor；2-D laser radar；sub pixel positioning；attribute distance weighted average filter；square weighted gray-gravity method algorithm

TP212.6

A

1004-1699（2016）11-1692-06

EEACC：6320；4360B 10.3969/j.issn.1004-1699.2016.11.011

項(xiàng)目來(lái)源：廣東省產(chǎn)學(xué)研合作專(zhuān)項(xiàng)資金項(xiàng)目（2014B090904080）；廣東省應(yīng)用型科技研發(fā)專(zhuān)項(xiàng)資金項(xiàng)目（2015B090922012）；東莞市產(chǎn)學(xué)研合作項(xiàng)目（2015509109107）

2016-03-17 修改日期：2016-07-05