CN105222789A - 一种基于激光测距传感器的楼宇室内平面图建立方法 - Google Patents

Abstract

一种基于激光测距传感器的楼宇室内平面图建立方法，涉及室内定位技术领域。本发明能实现室内运动物体的轨迹跟踪，以解决在室内定位领域快速建立Radio？Map的过程中缺少室内地图的问题。技术要点：楼宇室内激光测量数据的获取；激光测量数据图像进行拼接，求取相邻两组激光测量数据的旋转矩阵和平移矩阵，将激光测量数据依靠所求取的对应旋转矩阵和平移矩阵换算到前一坐标系下的点集，不断向前迭代，完成激光测量数据图像的拼接；对拼接后的图像依次进行误差几何校正、多余数据的删除、噪声点滤除。本发明实现在室内环境中快速建立Radio？Map的过程中，满足用户对快速建立室内二维地图的要求，同时能够实现室内运动物体的轨迹跟踪。

Description

一种基于激光测距传感器的楼宇室内平面图建立方法

技术领域

本发明涉及一种楼宇室内平面图建立方法，涉及室内定位技术领域。

背景技术

目前，基于WLAN技术的室内定位技术日益成熟，一些以位置指纹算法为基础的算法能够有效计算出室内位置信息来实现室内定位的功能。位置指纹定位法(LocationFingerprint，LF)是通过采集所需定位区域各参考节点(ReferencePoint，RP)位置的信号特征参数即RSSI值，将一组指纹信息对应与一个特定的位置形成位置指纹数据库，然后利用接收机测定接收信号的参数，采用匹配算法来判断与数据库中哪一组数据匹配程度高，从而得出用户的实际位置。LF算法由于不需要添加任何硬设备即可实现定位，且精度较高。但如需快速采集并建立RadioMap则要求在较为精确的室内地图的基础上才能实现。一般精确的已知室内地图需要从建筑施工方去获得，但如果在未知的室内环境中，或者在未能获取准确的室内建筑图纸的情况下，用户需要能够快速地自主建立地图即SLAM(SimultaneousLocalizationAndMapping)技术来构建楼宇室内图纸，以此能够在此基础上快速建立RadioMap，从而实现室内定位。

同时，依靠该激光测距传感器的楼宇室内平面图建立方法可以估测移动平台和所在环境特征的状态，从而能够实现室内环境中运动物体的轨迹跟踪与定位。由于室内环境的整体轮廓基本上可认为不变，对自身运动的激光测距装置定位较为准确。通过该算法快速地求出前后相同环境的激光测量数据之间的旋转和平移关系，从而依靠已求得的旋转矩阵R与平移向量T可以实现在室内环境下的轨迹跟踪。

发明内容

本发明的目的是基于激光测距传感器对外部环境进行数据测量，利用数据配准和校正优化进行二维地图的快速构建，同时能够实现室内运动物体的轨迹跟踪，以解决在室内定位领域快速建立RadioMap的过程中缺少室内地图的问题。

本发明为解决上述技术问题采取的技术方案是：

一种基于激光测距传感器的楼宇室内平面图建立方法，通过激光测距设备快速建立楼宇室内二维地图，所述方法的实现过程为：

步骤一、楼宇室内激光测量数据的获取：

激光测距传感器在待建立平面图的室内沿既定轨迹移动，获取多组激光测量数据，各组激光测量数据为不同坐标系下的独立点集，且各组激光测量数据的坐标原点为既定轨迹上的点；

步骤二、将多组激光测量数据产生的激光测量数据图像进行拼接：

步骤二一、利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵：以既定轨迹的出发点获得的第一组激光测量数据的坐标系为基准坐标系，通过改进ICP算法求得相邻下一组激光测量数据与其前一组激光测量数据的旋转矩阵和平移矩阵，即求得相邻两组数据产生图像之间(即两坐标系间)的旋转矩阵和平移矩阵，所述改进ICP算法(基于激光测距传感器的数据配准算法)的输入是相邻的点集，输出的是旋转矩阵和平移矩阵；

步骤二二、然后将第二组及其以后的激光测量数据依靠所求取的对应旋转矩阵和平移矩阵换算到前一坐标系下的点集，不断向前迭代，直至所有点集迭代到基准坐标系下，从而完成激光测量数据图像的拼接；

步骤三、对拼接后的图像依次进行误差几何校正、多余数据的删除、噪声点滤除：

通过对拼接后的图像进行旋转校正或平移校正，使得拼接后的图像大幅减少变形误差；

通过数据抽稀的过程来删除多余数据并同时保留特征点，采用垂距限值法进行抽稀；

通过随机滤波法对离散噪声点进行滤除；

得到基于激光测距传感器的楼宇室内平面图。

在步骤二一中，利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵，其具体过程为：

一、选取任意相邻两组激光测量数据的点集p_i与q_i，为求取两组点集的旋转矩阵，将两组点集中的点分别减去其质心，得到新点集p_i′与q_i′；

二、根据刚体特性，将所述新点集中的点进行卷积求平均，得到矩阵M与对称矩阵M_a；

三、利用对称矩阵M_a，采用四元数法计算旋转矩阵R与平移矩阵T；

四、计算旋转平移后的点集q_i″与原始激光测量数据点集q_i的误差，若小于给定的阈值τ，则返回步骤一重新选取新点集，直到迭代次数k大于默认的最大迭代次数为止。

对于利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵的过程再进一步限定为：

步骤一：选取激光测量数据的相邻两组点集，点集p_i与点集q_i，并计算两个点集的质心：

$\begin{array}{cc}{g}_p=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p}_i& g_q=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{q}_i\end{array}$

为了排除两点集平移带来的影响，将原点集中的点分别减去质心g_p与g_q，得到新点集：

p_i′＝p_i-g_pq_i′＝q_i-g_q

步骤二：基于刚体上每个点的旋转参量和平移参量都是相同的特性，将点集中的每一个点的坐标进行卷积求平均，得到整体平均值，即利用新点集p_i′和q_i′构造3×3阶矩阵M：

$M=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p_i}^{\′}{\left({q_i}^{\′}\right)}^T=\left[\begin{array}{ccc}{M}_{11}& M_{12}& M_{13}\\ M_{21}& M_{22}& M_{23}\\ M_{31}& M_{32}& M_{33}\end{array}\right]$

进一步利用矩阵M构造4×4对称矩阵M_a：

$M_a=\left[\begin{array}{cccc}{M}_{11}+M_{22}+M_{33}& M_{32}-M_{23}& M_{13}-M_{31}& M_{21}-M_{12}\\ M_{32}-M_{23}& M_{11}-M_{22}-M_{33}& M_{12}+M_{21}& M_{13}+M_{31}\\ M_{13}-M_{31}& M_{12}+M_{21}& -M_{11}+M_{22}-M_{33}& M_{23}+M_{32}\\ M_{21}-M_{12}& M_{13}+M_{31}& M_{23}+M_{32}& -M_{11}-M_{22}+M_{33}\end{array}\right]$

步骤三：旋转参量和平移参量利用7个四元数(q₀,q₁,q₂,q₃,q₄,q₅,q₆)表示，其中(q₀,q₁,q₂,q₃)表征旋转，(q₄,q₅,q₆)表征平移，同时需满足条件q₀>0且q₀ ²+q₁ ²+q₂ ²+q₃ ²＝1；计算对称矩阵M_a的最大特征根对应的单位特征向量即得到q(q₀,q₁,q₂,q₃)；

那么旋转矩阵R表达式为：

$R=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2\left(q_1{q}_2-q_0{q}_3\right)& 2\left(q_1{q}_2+q_0{q}_3\right)\\ 2\left(q_1{q}_2+q_0{q}_3\right)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2\left(q_2{q}_3-q_0{q}_1\right)\\ 2\left(q_1{q}_3+q_0{q}_2\right)& 2\left(q_2{q}_3+q_0{q}_1\right)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$

再利用T＝g_q-Rg_p得到平移矩阵T；

步骤四：计算P_i点集通过旋转矩阵R和平移矩阵T后得到新点集：p_i″＝R·p_i′+T}

并计算两者之间的误差

$d=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left|\right|{p_i}^{\′\′}-{q_i}^{\′}|{|}^2$

如果d不小于给定的阀值τ，返回步骤一重新选取新点集q_i，直到迭代次数k大于默认的最大迭代次数为止。

在步骤三中，对拼接后的图像进行多余数据的删除、噪声点滤除，其具体过程为：

一、采用垂距限值法对多余数据点进行抽稀处理。首先以第一点为起点，计算第二点至第一点和第三点连接的垂直距离，若此距离大于预定阈值，则保留第二点，并将其作为新起点，计算第三点至第二点和第四点连接的距离；否则，去除第二点，计算第三点至第一点和第四点联机距离，进行重复循环，直至曲线上最后一点。一般来说，阈值通常取相应地最大允许误差或更小。

二、由于激光测量设备在数据采样过程中，不可避免地在真实数据点中混有不合理的噪声点，其结果将导致重构的二维地图不光滑，不连续。因此，对于获取的噪声点数据进行随机滤波算法处理。该方法通过比较连续点之间的相对位置，给定一个阈值，将于其连续点距离大于阀值的点判定为噪声点并予以去除。通过对该数据点的周围数据点数目多少来判断是否为噪声点集，并进行循环处理。

本发明通过对采集到的室内激光测量数据进行配准得到室内地图的拼接。数据配准是将两个或两个以上的不同坐标系下的数据点集转换到统一坐标系下的数学过程。对于二维地图构建来说，即需要求得两组数据之间的关系(即旋转矩阵和平移矩阵)，通过旋转矩阵和平移矩阵进行坐标系变换实现将多组数据点集转换到统一坐标系下，实现二维平面地图的显示。

本发明通过采用ICP算法(迭代最近点法)并对其改进，实现快速并精准的数据配准。改进的ICP算法其配准的本质即为求取2个不同坐标系间的关系，通过循环反复进行对应关系点集的刚体变换计算，直到表示正确匹配的收敛准则得到满足，即求取旋转和平移变换矩阵，使得来自两点集的共同元素整体欧式距离最小。

本发明通过对ICP算法中最优化解析策略的改进，选取四元数法来计算最优匹配准则。其优势在于针对刚体运动时能减少运算量、提高计算效率。

由于激光数据拼接后成像的过程中会由于算法误差累计等因素产生几何畸变，如偏移、拉伸、扭曲等。因此需要进行误差进行几何校正。本发明通过对拼接后的图像进行旋转平移校正，使得图像大幅减少变形误差。同时对于拼接后的图像来说，数据会有重复，图像成像效果较不清晰，可以通过数据抽稀的过程来删除一些多余点并同时保留特征点。其中垂距限值法抽稀精度较高，且循环简单，易于程序设计处理，对激光测距点的抽稀效果较为理想。

由于被测对象表面的粗糙度、纹理以及表面凹陷等，还有激光点抖动的影响，其结果将导致构建的二维地图不光滑，不连续。本发明通过随机滤波法进行噪声点滤除将大幅降低其影响。随机滤波算法较为简单易行，该方法通过比较连续点之间的相对位置，给定一个阈值，将于其连续点距离大于阀值的点判定为噪声点并予以去除。

本发明的有益效果是：

本发明针对在未知的室内环境中缺少楼宇室内地图的问题，提出一种通过激光测距传感器对外部环境进行数据测量，利用数据配准(改进ICP算法)和校正优化进行二维地图的快速构建，同时能够实现室内运动物体的轨迹跟踪。

本发明在室内环境中快速建立RadioMap的过程中，为了用户能快速得到楼宇室内地图，通过对激光测距设备获得的环境深度数据进行相应的数据配准与进一步的优化，从而满足用户对快速建立室内二维地图的要求，同时能够实现室内运动物体的轨迹跟踪。

本发明方法能很好地快速构建二维楼宇室内地图，从而保证了快速建立RadioMap，为解决室内定位问题打下了基础。

附图说明

图1是本发明方法中的基于激光测距传感器的数据配准(改进ICP算法)和校正优化算法的流程图。图2是依据数据配准(改进ICP算法)和校正优化算法构建完成的室内二维地图。

具体实施方式

具体实施方式：如图1～2所示，下面结合附图说明本实施方式。基于激光测量数据配准(改进ICP算法)和校正优化算法通过以下步骤实现：

步骤一：采用搭建完成的激光测距传感器在待建立平面图的室内沿既定轨迹移动，获取多组激光测量数据，将获得的激光测量数据传输至计算机中，便于后续数据处理。其中将各组激光测量数据视为不同坐标系下的独立点集，且各组激光测量数据的坐标原点为既定轨迹上的点；

步骤二、将多组激光测量数据产生的激光测量数据图像进行拼接：

由于各组激光测量数据的坐标原点为既定轨迹上的点，即各组激光测量数据的坐标系不同，需要将各组激光测量数据换算至同一坐标系下实现楼宇室内地图的拼接。通过求取两组相邻激光测量数据的关系得到旋转矩阵和平移矩阵，实现相邻两组激光测量数据坐标系的换算。通过相邻的坐标系不断迭代换算至第一组激光测量数据下的原始坐标系下完成激光测量数据图像的拼接。求取两组相邻激光测量数据的关系通过改进ICP算法实现，具体过程如下：

选取激光测量数据的前后两组点集，点集P_i与点集q_i，并计算两个两点集质心：

$\begin{array}{cc}{g}_p=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p}_i& g_q=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{q}_i\end{array}$

为了排除两点集平移带来的影响，将原点集中的点分别减去质心g_p与g_q，得到新点集：

p_i′＝p_i-g_pq_i′＝q_i-g_q

利用刚体上每个点的旋转参量和平移参量都是相同的特性，将点集中的每一个点的坐标进行卷积求平均，得到整体平均值，即利用新点集p_i和q_i构造3×3阶矩阵M:

$M=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p_i}^{\′}{\left({q_i}^{\′}\right)}^T=\left[\begin{array}{ccc}{M}_{11}& M_{12}& M_{13}\\ M_{21}& M_{22}& M_{23}\\ M_{31}& M_{32}& M_{33}\end{array}\right]$

进一步利用矩阵M构造4×4对称矩阵M_a:

$M_a=\left[\begin{array}{cccc}{M}_{11}+M_{22}+M_{33}& M_{32}-M_{23}& M_{13}-M_{31}& M_{21}-M_{12}\\ M_{32}-M_{23}& M_{11}-M_{22}-M_{33}& M_{12}+M_{21}& M_{13}+M_{31}\\ M_{13}-M_{31}& M_{12}+M_{21}& -M_{11}+M_{22}-M_{33}& M_{23}+M_{32}\\ M_{21}-M_{12}& M_{13}+M_{31}& M_{23}+M_{32}& -M_{11}-M_{22}+M_{33}\end{array}\right]$

旋转参量和平移参量利用7个四元数(q₀,q₁,q₂,q₃,q₄,q₅,q₆)表示，其中(q₀,q₁,q₂,q₃)表征旋转，(q₄,q₅,q₆)表征平移，同时需满足条件q₀>0且q₀ ²+q₁ ²+q₂ ²+q₃ ²＝1；四元数是简单的超复数，相对于复数表示为二维空间，四元数就代表着一个四维空间。基于单位四元数组可以较简便地计算运动参数，在计算刚体旋转时，四元数法较有优势。下面计算对称矩阵M_a的最大特征根对应的单位特征向量即得到q(q₀,q₁,q₂,q₃)；

那么旋转矩阵R表达式为：

$R=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2\left(q_1{q}_2-q_0{q}_3\right)& 2\left(q_1{q}_2+q_0{q}_3\right)\\ 2\left(q_1{q}_2+q_0{q}_3\right)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2\left(q_2{q}_3-q_0{q}_1\right)\\ 2\left(q_1{q}_3+q_0{q}_2\right)& 2\left(q_2{q}_3+q_0{q}_1\right)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$

再利用T＝g_q-Rg_p得到平移向量T。

计算P_i点集通过旋转R和平移T后得到新点集：p_i″＝R·p_i′+T}

并计算两者之间的误差： $d=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left|\right|{p_i}^{\′\′}-{q_i}^{\′\′}|{|}^2$

如果d不小于给定的阀值τ，返回第一步重新选取新点集q_i，直到迭代次数k大于默认的最大迭代次数位置。

步骤三：采用垂距限值法对多余数据点进行抽稀处理。首先以第一点为起点，计算第二点至第一点和第三点连接的垂直距离，若此距离大于预定阈值，则保留第二点，并将其作为新起点，计算第三点至第二点和第四点连接的距离；否则，去除第二点，计算第三点至第一点和第四点联机距离，进行重复循环，直至曲线上最后一点。一般来说，阈值通常取相应地最大允许误差或更小。

步骤四：由于激光测量设备在数据采样过程中，不可避免地在真实数据点中混有不合理的噪声点，其结果将导致重构的二维地图不光滑，不连续。因此，对于获取的噪声点数据进行随机滤波算法处理。该方法通过比较连续点之间的相对位置，给定一个阈值，将于其连续点距离大于阀值的点判定为噪声点并予以去除。通过对该数据点的周围数据点数目多少来判断是否为噪声点集，并进行循环处理。

通过以上四步步骤，基于激光测量数据配准(改进ICP算法)和校正优化算法能够实现对室内环境的二维地图构建。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于激光测距传感器的楼宇室内平面图建立方法，其特征在于所述方法能通过激光测距设备快速建立楼宇室内二维地图，所述方法的实现过程为：

步骤一、楼宇室内激光测量数据的获取：

激光测距传感器在待建立平面图的室内沿既定轨迹移动，获取多组激光测量数据，各组激光测量数据为不同坐标系下的独立点集，且各组激光测量数据的坐标原点为既定轨迹上的点；

步骤二、将多组激光测量数据产生的激光测量数据图像进行拼接：

步骤二一、利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵：以既定轨迹的出发点获得的第一组激光测量数据的坐标系为基准坐标系，通过改进ICP算法求得相邻下一组激光测量数据与其前一组激光测量数据的旋转矩阵和平移矩阵，所述改进ICP算法的输入是相邻的点集，输出的是旋转矩阵和平移矩阵；

步骤二二、然后将第二组及其以后的激光测量数据依靠所求取的对应旋转矩阵和平移矩阵换算到前一坐标系下的点集，不断向前迭代，直至所有点集迭代到基准坐标系下，从而完成激光测量数据图像的拼接；

步骤三、对拼接后的图像依次进行误差几何校正、多余数据的删除、噪声点滤除：

通过对拼接后的图像进行旋转校正或平移校正，使得拼接后的图像大幅减少变形误差；

通过数据抽稀的过程来删除多余数据并同时保留特征点，采用垂距限值法进行抽稀；

通过随机滤波法对离散噪声点进行滤除；

得到基于激光测距传感器的楼宇室内平面图。

2.根据权利要求1所述的一种基于激光测距传感器的楼宇室内平面图建立方法，其特征在于，在步骤二一中，利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵，其具体过程为：

一、选取任意相邻两组激光测量数据的点集p_i与q_i，为求取两组点集的旋转矩阵，将两组点集中的点分别减去其质心，得到新点集p_i′与q_i′；

二、根据刚体特性，将所述新点集中的点进行卷积求平均，得到矩阵M与对称矩阵M_a；

三、利用对称矩阵M_a，采用四元数法计算旋转矩阵R与平移矩阵T；

四、计算旋转平移后的点集q_i″与原始激光测量数据点集q_i的误差，若小于给定的阈值τ，则返回步骤一重新选取新点集，直到迭代次数k大于默认的最大迭代次数为止。

3.根据权利要求2所述的一种基于激光测距传感器的楼宇室内平面图建立方法，其特征在于，在步骤二一中，利用改进ICP算法求取相邻两组激光测量数据的旋转矩阵和平移矩阵，其具体过程为：

步骤一：选取激光测量数据的相邻两组点集，点集p_i与点集q_i，并计算两个点集的质心：

$\begin{array}{cc}{g}_p=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p}_i& g_q=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{q}_i\end{array}$

为了排除两点集平移带来的影响，将原点集中的点分别减去质心g_p与g_q，得到新点集：

p_i′＝p_i-g_pq_i′＝q_i-g_q

步骤二：基于刚体上每个点的旋转参量和平移参量都是相同的特性，将点集中的每一个点的坐标进行卷积求平均，得到整体平均值，即利用新点集p_i′和q_i′构造3×3阶矩阵M：

$M=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{p_i}^{\′}{\left({q_i}^{\′}\right)}^T=\left[\begin{array}{ccc}{M}_{11}& M_{12}& M_{13}\\ M_{21}& M_{22}& M_{23}\\ M_{31}& M_{32}& M_{33}\end{array}\right]$

进一步利用矩阵M构造4×4对称矩阵M_a：

$M_a=\left[\begin{array}{cccc}{M}_{11}+M_{22}+M_{33}& M_{32}-M_{23}& M_{\mathrm{13}}-M_{31}& M_{21}-M_{12}\\ M_{32}-M_{23}& M_{11}-M_{22}-M_{33}& M_{12}+M_{21}& M_{\mathrm{13}}+M_{31}\\ M_{\mathrm{13}}-M_{31}& M_{\mathrm{12}}+M_{21}& -M_{11}+M_{22}+M_{33}& M_{23}+M_{\mathrm{32}}\\ M_{21}-M_{12}& M_{\mathrm{13}}+M_{31}& M_{23}+M_{\mathrm{32}}& -M_{11}-M_{22}-M_{33}\end{array}\right]$

步骤三：旋转参量和平移参量利用7个四元数(q₀,q₁,q₂,q₃,q₄,q₅,q₆)表示，其中(q₀,q₁,q₂,q₃)表征旋转，(q₄,q₅,q₆)表征平移，同时需满足条件q₀>0且q₀ ²+q₁ ²+q₂ ²+q₃ ²＝1；计算对称矩阵M_a的最大特征根对应的单位特征向量即得到q(q₀,q₁,q₂,q₃)；

那么旋转矩阵R表达式为：

$R=\left[\begin{array}{ccc}{q_0}^2+{q_1}^2-{q_2}^2-{q_3}^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_2+q_0{q}_3)\\ 2(q_1{q}_2+q_0{q}_3)& {q_0}^2+{q_2}^2-{q_1}^2-{q_3}^2& 2(q_2{q}_3-q_0{q}_1)\\ 2(q_1{q}_3+q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& {q_0}^2+{q_3}^2-{q_1}^2-{q_2}^2\end{array}\right]$

再利用T＝g_q-Rg_p得到平移矩阵T；

步骤四：计算P_i点集通过旋转矩阵R和平移矩阵T后得到新点集：p_i″＝R·p_i′+T}

并计算两者之间的误差

$d=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left|\right|{p_i}^{\′\′}-{q_i}^{\′}|{|}^2$

如果d不小于给定的阀值τ，返回步骤一重新选取新点集q_i，直到迭代次数k大于默认的最大迭代次数为止。

4.根据权利要求1、2或3所述的一种基于激光测距传感器的楼宇室内平面图建立方法，其特征在于，在步骤三中，对拼接后的图像进行多余数据的删除、噪声点滤除，其具体过程为：

一、采用垂距限值法对多余数据点进行抽稀处理。首先以第一点为起点，计算第二点至第一点和第三点连接的垂直距离，若此距离大于预定阈值，则保留第二点，并将其作为新起点，计算第三点至第二点和第四点连接的距离；否则，去除第二点，计算第三点至第一点和第四点联机距离，进行重复循环，直至曲线上最后一点。一般来说，阈值通常取相应地最大允许误差或更小。

二、由于激光测量设备在数据采样过程中，不可避免地在真实数据点中混有不合理的噪声点，其结果将导致重构的二维地图不光滑，不连续。因此，对于获取的噪声点数据进行随机滤波算法处理。该方法通过比较连续点之间的相对位置，给定一个阈值，将于其连续点距离大于阀值的点判定为噪声点并予以去除。通过对该数据点的周围数据点数目多少来判断是否为噪声点集，并进行循环处理。