(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210739533.6 (22)申请日 2022.06.28 (71)申请人 珠海一微半导体股份有限公司 地址 519000 广东省珠海市横琴新区环岛 东路3000号2706 (72)发明人 熊坤　孙明　周和文　黄惠保　 陈卓标　徐松舟　 (51)Int.Cl. G01S 17/89(2020.01) G01C 21/00(2006.01) G06T 17/00(2006.01) (54)发明名称 基于激光点云数据优化拟合直线的方法、 芯 片及机器人 (57)摘要 本发明提供一种基于激光点云数据优化拟 合直线的方法、 芯片及机器人， 所述方法包括： 步 骤1： 利用最小二乘法对初始激光点云数据进行 直线拟合， 获取N条拟合直线； 步骤2： 获取并记录 N条拟合直线中对应的拟合激光点云数据； 步骤 3： 利用最小二乘法对拟合激光点云数据进行直 线拟合， 获取M条拟合直线； 步骤4： 从M条拟合直 线中筛选 出一条最优拟合直线， 完成拟合直线的 优化。 本发 明对基于激光点云数据获取的拟合直 线进行优化筛选， 提高利用激光点云数据获取的 拟合直线的可靠性， 从而避免出现 因激光点云数 据可能存在的畸变， 导致拟合直线歪斜影响机器 人建图可靠性的情况。 权利要求书2页 说明书7页 附图1页 CN 115113230 A 2022.09.27 CN 115113230 A 1.基于激光点云数据优化拟合直线的方法， 其特征在于， 所述基于激光数据优化拟合 直线的方法包括： 步骤1： 利用最小二乘法对初始激光 点云数据进行直线拟合， 获取N条拟合 直线； 步骤2： 获取并记录N条拟合 直线中对应的拟合激光 点云数据； 步骤3： 利用最小二乘法对拟合激光 点云数据进行直线拟合， 获取M条拟合 直线； 步骤4： 从M条拟合 直线中筛 选出一条最优拟合 直线， 完成拟合 直线的优化； 其中， N是 大于0的整数， M是小于或等于 M的整数。 2.根据权利要求1所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述基 于激光数据优化拟合直线的方法还包括： 在执行步骤1之前， 先获取初始激光点云数据， 并 将初始激光 点云数据由直角坐标系转换为极坐标系。 3.根据权利要求2所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述获 取初始激光 点云数据， 具体包括： 获取初始激光 点云数据对应的直角坐标系下的x轴坐标； 获取初始激光 点云数据对应的直角坐标系下的y轴坐标； 获取初始激光 点云数据对应的激光雷达与障碍物的角度。 4.根据权利要求3所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述将 初始激光 点云数据由直角坐标系转换为极坐标系， 具体包括： 基于获取的初始激光点云数据中直角坐标系下的x轴坐标和直角坐标系下的y轴坐标 计算初始激光 点云数据坐标点与原点的连线和x轴形成的夹角 角度； 基于获取的初始激光点云数据中直角坐标系下的x轴坐标和直角坐标系下的y轴坐标 计算初始激光 点云数据坐标点与原点的距离； 将初始激光点云数据坐标点与原点的连线和x轴形成的夹角角度作为初始激光点云数 据在极坐标系下的角坐标； 将初始激光点云数据坐标点与原点的距离作为初始激光点云数据在极坐标系下的半 径坐标。 5.根据权利要求4所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述步 骤3， 具体包括： 将M条拟合 直线存入最优拟合 直线备选集； 获取最优拟合 直线备选集中每一条拟合 直线的角度差值； 获取最优拟合 直线备选集中每一条拟合 直线的比较长度； 基于最优拟合直线备选集中每一条拟合直线的角度差值和比较长度， 从M条拟合直线 中筛选出一条最优拟合 直线。 6.根据权利要求5所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述获 取最优拟合 直线备选集中每一条拟合 直线的角度差值， 具体包括： 从最优拟合 直线备选集中选取一条 未获取角度差值的拟合 直线作为当前 备选线； 遍历计算当前 备选线与最优拟合 直线备选集中其它拟合 直线的角度差； 将当前备选线与最优拟合直线备选集中其它拟合直线的角度差的总和， 作为当前备选 线的角度差值； 重复上述 步骤， 直至最优拟合 直线备选集中不存在未获取角度差值的拟合 直线。权　利　要　求　书 1/2 页 2 CN 115113230 A 27.根据权利要求5所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述步 骤2还包括： 获取N条拟合 直线中每一条拟合 直线的起始点 坐标和结束点 坐标。 8.根据权利要求7所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述获 取最优拟合 直线备选集中每一条拟合 直线的比较长度， 具体包括： 从最优拟合直线备选集中选取一条未获取比较长度的拟合直线作为当前备选线， 并基 于当前备选线的起始点 坐标和结束点 坐标获取当前 备选线的长度； 获取最优拟合直线备选集中除当前备选线之外的每一条拟合直线与当前备选线的参 考投影值； 将最优拟合直线备选集中除当前备选线之外的每一条拟合直线与当前备选线的参考 投影值与当前 备选线的长度的和值作为当前 备选线的比较长度； 重复上述 步骤， 直至最优拟合 直线备选集中不存在未获取比较长度的拟合 直线。 9.根据权利要求8所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 获取拟 合直线与当前 备选线的参 考投影值的方法， 具体包括： 获取拟合 直线在当前 备选线的方向上的第一投影值； 获取拟合 直线在与当前 备选线呈九十度的方向上的第二投影值； 判断拟合 直线的第一投影值与拟合 直线的第二投影值的大小关系； 若拟合直线的第 一投影值大于拟合直线的第 二投影值， 则将拟合直线的第 一投影值与 预设参数的乘积作为该拟合 直线与当前 备选线的参 考投影值； 若拟合直线的第 一投影值小于拟合直线的第 二投影值， 则将拟合直线的第 二投影值与 预设参数的乘积作为该拟合 直线与当前 备选线的参 考投影值； 若拟合直线的第 一投影值等于拟合直线的第 二投影值， 则将拟合直线的第 一投影值或 第二投影值与预设参数的乘积作为该拟合 直线与当前 备选线的参 考投影值。 10.根据权利要求6所述的基于激光点云数据优化拟合直线的方法， 其特征在于， 所述 基于最优拟合直线备选集中每一条拟合直线的角度差值和比较长度， 从M条拟合直线中筛 选出一条最优拟合 直线， 具体包括： 遍历判断最优拟合直线备选集中每一条拟合直线的角度差值是否大于角度差值阈值， 若拟合直线的角度差值大于角度差值阈值则将该一条拟合直线从最优拟合直线备选集中 剔除， 遍历判断完毕后获得第一 最优拟合 直线备选集； 从第一最优拟合 直线备选集中选择比较长度最长的拟合 直线作为 最优拟合 直线。 11.一种芯片， 内部存储有计算机程序， 其特征在于， 所述计算机程序被处理器运行时 实现如权利要求1至10中任意 一项所述基于 激光点云数据优化拟合 直线的方法的步骤。 12.一种机器人， 包括： 处理器、 芯片和激光雷达， 其特征在于， 所述激光雷达用于获取 激光点云数据， 所述处理器执行所述芯片内部存储的计算机程序时， 实现如权利要求 1至10 中任意一项所述基于 激光点云数据优化拟合 直线的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115113230 A 3