CN108596117A - 一种基于二维激光测距仪阵列的场景监控方法 - Google Patents

Abstract

本发明涉及一种基于二维激光测距仪阵列的场景监控方法，该方法利用多激光实现场景监控,克服天气等环境的影响，监控范围广，运算速度快，主要包括多激光数据融合和目标检测(图4为摘要附图)。在多激光联合标定时，提出基于虚拟二面体的多激光联合标定方法，比取点进行标定，准确性高且操作简单实用性强，只需要一个平面标定板，而多点标定法对于标定物的粗细有要求，所以此方法特别适合实际应用场合。在目标提取方面，改进单高斯背景建模，使其适应于激光数据。激光测距仪的测量误差与距离值的大小有关，在判断是背景还是前景时与固定阈值相比，单高斯背景建模具有自适应性。与直方图法相比可以克服部分静止行人造成的影响。

Description

一种基于二维激光测距仪阵列的场景监控方法

技术领域

本发明涉及场景监控技术领域，具体的说是一种基于二维激光测距仪阵列的场景监控方法。

背景技术

分析或监控人员活动，如统计乘客数量或测量轨迹等，在各个领域应用都非常广泛，例如建筑安全、商场管理、火车站等等。到目前为止，视频数据的分析一直是监控的主要方法。在视频监控系统中，摄像机被放置在特定的位置以减少遮挡。而这样设置摄像机，图像的分辨率和视角相当有限，具有较少图像像素的运动对象可能在跟踪中丢失。而且，照明和天气条件的不断变化使视觉系统的可靠性和鲁棒性下降。实现全方位监控需使用多台摄像机。比如，传统的摄像机视场角50度，360度无死角就需要8个摄像机。并且来自不同摄像机的数据难以组合，需在不同的视角坐标系之间进行精确的校准和复杂的计算，很难满足实时性的要求。二维激光测距仪，利用人眼安全激光(1A级，近红外光谱)对周围环境进行剖面测量，受环境因素干扰小，并且价格低廉，精度高，测量范围广，测距速度快，数据量小，适合快速处理。它在智能驾驶、移动机器人自主导航、道路检测、移动物体检测和跟踪领域发挥着越来越重要的作用。

单个二维激光测距仪，容易由于遮挡等原因捕捉不到目标，且测量范围有限。本发明采用多个激光测距仪进行监控，提高了目标被检测到的概率，同时也能扩大监控范围。在完成多激光数据融合的过程中，CN101387700公开了一种利用在同一平面内任意地点、方向放置的激光扫描仪测量到的激光点的方向向量与移动目标的平面模型相匹配的特性，对多激光扫描数据进行融合,此方法需要预先定义一个移动目标的平面轮廓模型，当移动目标多样化时会增大算法的复杂性。CN102253391A公开了一种基于多激光雷达的行人目标跟踪方法，使用多点法实现多激光之间的标定，但是此方法实验取点较难，如果标定杆过粗则会使激光点的对应不准确，增大标定误差，如果太细容易产生漏扫现象。为了提高旋转矩阵的精度，标定物之间需要保持较大的距离要求两激光之间具有较大的重叠区。激光测距仪的扫描光束之间具有一定间隔，且随着距离的增大发散，也会导致漏扫现象。采用直方图法获取背景数据，出现频率最高的为背景点数据，容易将长时间静止的行人确定为背景数据，降低了准确性。综上所述，目前尚无成熟的方法实现多激光联合标定和目标检测。

发明内容

针对现有技术的不足，本发明所要解决的技术问题是，提供一种基于二维激光测距仪阵列的场景监控方法，该方法利用多激光实现场景监控,克服天气等环境的影响，监控范围广，运算速度快，主要包括多激光数据融合和目标检测。

本发明解决所述技术问题采用的技术方案是：提供一种基于二维激光测距仪阵列的场景监控方法，该方法的步骤如下：

第一步：多个二维激光测距仪的布置：根据实验场景的情况布置多个激光测距仪，多个激光测距仪之间具有公共扫描区域，多个二维激光测距仪位于同一个扫描平面，且布置时不存在扫描盲区；

第二步：多激光联合标定：

启动多个二维激光测距仪对外部环境进行扫描，二维激光测距仪采用区域平面内扫描并离散采样的方式采集每个激光测距仪极坐标系下的点云数据(ρ_i,θ_i)，将该极坐标系下的点云数据通过转换到直角坐标系下，得到每个激光测距仪直角坐标系下的点云数据(x_i，y_i)；每个激光测距仪分别用S₁、S₂、S₃、…、S_m表示，m为激光测距仪的总个数；每个激光测距仪在平面标定板上形成的点云数据分别为P_1i＝(x_1i,y_1i)^T、P_2i＝(x_2i,y_2i)^T、…、P_mi＝(x_mi,y_mi)^T；

假定要将S₂,…,S_m的激光直角坐标系统一到S₁的激光直角坐标系下，且S₁分别与S₂,…,S_m都有公共区域，则将平面标定板放置于S₁与S₂都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出旋转矩阵R和平移向量T，完成S₁与S₂之间的标定；同理将平面标定板放置于S₁与S_i都能扫描到的区域，完成S₁与S_i之间的标定，i＝2、3、…、m，从而完成m个二维激光测距仪的标定；

若两个二维激光测距仪没有公共扫描部分，则利用两个二维激光测距仪与第三方二维激光测距仪的位置关系。在m个二维激光测距仪进行标定时，要将S₂,…,S_m的激光坐标系统一到S₁的激光坐标系下，S₁与S_i没有公共扫描区域，无法直接进行标定，寻找分别与S₁与S_i具有公共扫描区域的S_j，j≠i，且j＝2、3、…、m，将平面标定板放置于S_i与S_j都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出将S_i统一到S_j时的旋转矩阵R_ij和平移向量T_ij，完成S_i与S_j之间的标定，同理求出将S_j统一到S₁时的旋转向量R_j1和平移向量T_j1，完成S_j与S₁的标定，则将S_i统一到S₁时的旋转向量为R_j1*R_ij,平移向量为R_j1*T_ij+T_j1；

第三步：采用改进的单高斯背景建模完成目标检测：

已知激光测距仪检测不到同一角度下，且位于背景之后的目标，背景数据值大于前景数据值，对每个激光测距仪进行背景建模；给定第一帧的测量数据为初始背景值，然后采集下一时刻的测量数据，若下一时刻的测量数据大于初始背景值，则用下一时刻的测量数据代替此时的背景值，同时记录此测量数据出现的帧数、角度数、距离值三个因素；若此时的测量数据并不是最大值，即其是伪背景，则将此时测量数据按照其对应的帧数将角度数、距离值恢复到运动前景数据中，完成背景建模；具体过程是：

3.1按照下式进行初始化：

μ₀(θ)＝x₀(θ)，σ₀(θ)＝std_init，σ₀ ²(θ)＝std_init*std_init，

其中，x₀(θ)是第一帧的距离测量数据，std_init考虑测距的波动；单高斯背景建模的参数分别是均值μ和标准差σ，θ为极坐标系下的点云数据对应的角度；

3.2对于t时刻的距离值x_t(θ)，用下式判断为背景值还是前景值，

其中，λ为常数，0表示x_t(θ)为背景值，1表示为前景值，μ_t-1为t-1时刻的均值，σ_t-1为t-1时刻的标准差；

3.3判断完是背景值还是前景值后，对背景数据再次进行更新,若μ_t-1(θ)-x_t(θ)＜-λσ_t-1(θ)，则令μ_t(θ)＝x_t(θ)，σ_t(θ)＝std_init；若|μ_t-1(θ)-x_t(θ)|＜λσ_t-1(θ)，则μ_t(θ)＝(1-β)μ_t-1(θ)+βx_t(θ)，β值的范围为0＜β＜1。

3.4对每帧新数据进行上述步骤3.2和步骤3.3，直至结束；

第四步：数据融合：

将来自各激光测距仪的有效数据通过第三步完成背景数据和前景数据的提取；利用第二步的标定结果将来自于各激光的背景数据进行融合，构成整个监控区域的背景，前景数据进行融合丰富了前景数据的信息，实现对特定前景场景的监控。

与现有技术相比本发明的进步如下：

(1)在多激光联合标定时，提出基于虚拟二面体的多激光标定方法，比取点进行标定，准确性高且操作简单实用性强，只需要一个平面标定板，而多点标定法对于标定物的粗细有要求，所以此方法特别适合实际应用场合。

(2)在目标提取方面，改进单高斯背景建模，使其适应于激光数据。激光测距仪的测量误差与距离值的大小有关，在判断是背景还是前景时与固定阈值相比，单高斯背景建模具有自适应性。与直方图法相比可以克服部分静止行人造成的影响，例如直方图法是采用出现频率较高的数据为背景数据，如果在采集数据时期，行人长时间静止于某地会造成误判，而改进的单高斯背景建模法可以减少这种误判的发生。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为两个激光测距仪S₁，S₂在两个不同的时间对同一个平面标定板在不同位置进行数据采集的示意图。

图2为不同位置的两个标定板构成的虚拟二面体模型。

图3为本发明提供的基于虚拟二面体的多激光联合标定方法过程图(以两个激光测距仪为例)。

图4为本发明方法的步骤流程示意框图。

图5为本发明实施例1的激光布置示意图。

图6(a)为S₁激光测距仪在无运动目标时的激光扫描结果图；

图6(b)为S₂激光测距仪在无运动目标时的激光扫描结果图；

图6(c)为S₃激光测距仪在无运动目标时的激光扫描结果图；

图6(d)是通过本发明提出的基于虚拟二面体的多激光联合标定方法将来自三个激光测距仪的数据进行融合后的结果图；

图7为某一时刻对目标数据进行融合的提取结果示意图，(*表示S₃扫描数据的目标检测结果通过标定转到S₂，+表示S₂的目标检测结果)。

图8为应用本发明方法得到的数据融合图。

图9为多点标定法和本申请的多激光联合标定法的标定误差的对比折线图。

图10为直方图法和本申请的单高斯背景建模法的背景数据提取结果对比图。

具体实施方式

下面将结合附图及实施例来说明本发明，但并不以此作为对本申请保护范围的限定。

本发明基于二维激光测距仪阵列的场景监控方法，该方法的步骤是：

第一步：多个二维激光测距仪的布置：根据实验场景的情况布置多个激光测距仪，多个激光测距仪之间具有公共扫描区域，多个二维激光测距仪位于同一个扫描平面，且布置时不存在扫描盲区；扫描平面距离地面15厘米左右，此高度能保证在大多数情况下能获得行人脚部的距离信息。

第二步：多激光联合标定。

2.1将平面标定板放置于两个二维激光测距仪都能扫描到的位置，启动激光测距仪对外部环境进行扫描，二维激光测距仪采用区域平面内扫描并离散采样的方式采集每个激光测距仪极坐标系下的点云数据(ρ_i,θ_i)，将该极坐标系下的点云数据通过转换到直角坐标系下，得到每个激光测距仪直角坐标系下的点云数据(x_i，y_i)；每个激光测距仪分别用S₁、S₂、S₃、…、S_m表示，m为激光测距仪的总个数；每个激光测距仪在相应平面标定板上形成的点云数据分别为P_1i＝(x_1i,y_1i)^T、P_2i＝(x_2i,y_2i)^T、…、P_mi＝(x_mi,y_mi)^T。

将S₂激光直角坐标系下的点云数据统一到S₁。激光直角坐标系下分别将S₁、S₂在平面标定板上形成的两类点云数据通过最小二乘法进行直线拟合，设S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝k₁₁x₁+b₁₁，S₂为y₂＝k₂₁x₂+b₂₁。k₁₁表示S₁在平面标定板的第一个位置拟合直线的斜率，k₂₁表示S₂在平面标定板的第一个位置拟合直线的斜率。下标的第一个数字表示激光测距仪的序号，第二个数字表示位置。分别求出两条直线与x轴正方向的夹角α₁₁,α₂₁，其中，α₁₁＝arctan(k₁₁)，α₂₁＝arctan(k₂₁)。令α₁＝α₁₁-α₂₁，

2.2移动平面标定板，使其与第一次位置不平行。

设第二次移动平面标定板后S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝k₁₂x₁+b₁₂，S₂在平面标定板上形成的点云数据拟合后获得的直线方程为y₂＝k₂₂x₂+b₂₂；分别求出这两条直线与x轴正方向的夹角α₁₂,α₂₂，其中，α₁₂＝arctan(k₁₂)，α₂₂＝arctan(k₂₂)；令α₂＝α₁₂-α₂₂，则旋转角度

若α＞0，则旋转矩阵R为：

若α＜0，则旋转矩阵R为：

S₁与S₂分别在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是同一个点即图2中的c点，利用这个性质可以求出平移向量。设S₁在两个不同位置扫描点所拟合的两条直线的交点为C₁＝(x_a,y_a)^T，S₂在两个不同位置扫描点所拟合的两条直线的交点为C₂＝(x_b,y_b)^T，平移向量设为T＝(t_x,t_y)^T，则有

其中，r₁₁,r₁₂,r₁₃,r₁₄表示旋转矩阵R中的元素，已知旋转矩阵和两直线交点可以求出平移向量。

上述是以两个激光测距仪为例说明的，需要对m个二维激光测距仪进行标定时，原理和两个二维激光测距仪是一样的，

假定要将S₂,…,S_m的激光直角坐标系统一到S₁的激光直角坐标系下，且S₁分别与S₂,…,S_m都有公共区域，则将平面标定板放置于S₁与S₂都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出旋转矩阵R和平移向量T，完成S₁与S₂之间的标定；同理将平面标定板放置于S₁与S_i都能扫描到的区域，完成S₁与S_i之间的标定，i＝2、3、…、m，从而完成m个二维激光测距仪的标定；

若两个二维激光测距仪没有公共扫描部分则利用两个二维激光测距仪与第三方二维激光测距仪的位置关系，例如在m个二维激光测距仪进行标定时，要将S₂,…,S_m的激光坐标系统一到S₁的激光坐标系下，S₁与S_i没有公共扫描区域，无法直接进行标定，寻找分别与S₁与S_i具有公共扫描区域的S_j，j≠i，且j＝2、3、…、m，将平面标定板放置于S_i与S_j都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出将S_i统一到S_j时的旋转矩阵R_ij和平移向量T_ij，完成S_i与S_j之间的标定，同理求出将S_j统一到S₁时的旋转向量R_j1和平移向量T_j1，完成S_j与S₁的标定，则将S_i统一到S₁时的旋转向量为R_j1*R_ij,平移向量为R_j1*T_ij+T_j1。

上述实现两个二维激光测距仪的标定过程,如果把平面标定板放在三个或多个不同，且互不平行的位置，就可以产生更多的虚拟二面体，从而产生更多的约束条件来提高精度。假设平面标定板放置在n个位置则会产生n个旋转角度和n(n-1)/2个平移向量，n不小于3，

则优化后旋转角度的表达式为：

平移向量的表达式为：

上述两个公式针对于n个平面均不平行的情况，C_1k表示在S₁的激光直角坐标系下S₁扫描第k个虚拟二面体所形成的交点，C_2k表示在S₂的激光直角坐标系下S₂扫描第k个虚拟二面体所形成的交点。如果在多个不同位置放置平面标定板时出现了平行位置也是可以的，为多个平行位置时，只挑选其中的一个平行位置与其他不平行位置构成虚拟二面体即可，理论上只要有一组虚拟二面体就可以求出外部参数。

第三步：采用改进的单高斯背景建模完成目标检测：

已知激光测距仪检测不到同一角度下，且位于背景之后的目标，背景数据值大于前景数据值，对每个激光测距仪进行背景建模；给定第一帧的测量数据为初始背景值，然后采集下一时刻的测量数据，若下一时刻的测量数据大于初始背景值，则用下一时刻的测量数据代替此时的背景值，同时记录此测量数据出现的帧数、角度数、距离值三个因素；若此时的测量数据并不是最大值，即其是伪背景，则将此时测量数据按照对应的帧数将角度数、距离值恢复到运动前景数据中，完成背景建模；具体过程是：

3.1按照下式进行初始化：

μ₀(θ)＝x₀(θ)，σ₀(θ)＝std_init，σ₀ ²(θ)＝std_init*std_init，

其中，x₀(θ)是第一帧的距离测量数据，std_init考虑测距的波动，实验中设置为8～20；单高斯背景建模的参数分别是均值μ和标准差σ，θ为极坐标系下的点云数据对应的角度。

3.2对于t时刻的距离值x_t(θ)，用下式判断为背景值还是前景值，

其中，λ为常数，0表示x_t(θ)为背景值，1表示为前景值，μ_t-1为t-1时刻的均值，σ_t-1为t-1时刻的标准差；

3.3判断完是背景值还是前景值后，对背景数据再次进行更新,若μ_t-1(θ)-x_t(θ)＜-λσ_t-1(θ)，则令μ_t(θ)＝x_t(θ)，σ_t(θ)＝std_init；若|μ_t-1(θ)-x_t(θ)|＜λσ_t-1(θ)，则

μ_t(θ)＝(1-β)μ_t-1(θ)+βx_t(θ)，

β值范围为0＜β＜1，它的作用是控制高斯模型更新的速度，β值越大则背景数据的均值和方差更新速度快，背景更新越快，反之，更新速度慢。

3.4对每帧新数据进行上述步骤3.2和步骤3.3，直至结束。上述的更新过程针对背景数据进行的，如果是前景数据则不进行更新了，背景数据的更新过程就是改变μ，σ值。

第四步：数据融合

在实际应用中，来自各激光测距仪的有效数据通过第三步完成背景数据和前景数据的提取。利用第二步的标定结果将来自于各激光的背景数据融合，构成整个监控区域的背景，前景数据进行融合丰富了前景数据的信息，同时多个激光联合可以减少前景遮挡造成的影响，例如由于遮挡某方向上的激光测距仪没有得到被遮挡物的距离信息，另一方向上不属于遮挡关系，可以得到其距离信息。至此，前景的位置信息得以确定，在接下来的研究中可以对特定前景进行跟踪等后续研究。

实施例1

本实施例中，有三个二维激光测距仪，激光测距仪安装于据地面15厘米左右，S₁放置于卫生间入口处，S₂置于走廊一侧尽头，S₃置于楼梯入口处按图5进行布置。S₁，S₃为RPLIDARA1二维激光测距仪，扫描角度为360度，角度分辨率小于等于1度，扫描的最远距离为6米。S₂为UXM-30LXH-EWA二维激光测距仪，扫描角度为190度，角度分辨率为0.125度，扫描的最远距离为120米。

本实施例基于二维激光测距仪阵列的场景监控方法的步骤如下：

第一步：将激光测距仪S₁，S₂，S₃布置于距地面15厘米左右的同一平面上，此高度能保证在大多数情况下二维激光测距仪能获得行人脚部的距离信息。按图5进行放置，使得在监控区域内不存在扫描盲区，在本实施例中S₁与S₂有公共扫描区域，S₃与S₂有公共扫描区域。

第二步：多激光联合标定。

2.1将平面标定板放置于S₁，S₂两个激光测距仪都能扫描到的位置，启动激光测距仪对外部环境进行扫描，将S₁，S₃统一在S₂所在的激光坐标系内，两个二维激光测距仪S₁，S₂在平面标定板上形成的点云数据分别为P_1i＝(x_1i,y1i)^T，P_2i＝(x_2i,y2i)^T，将S₁坐标系下的点云数据统一到S₂坐标系下。激光直角坐标系下分别将S₁、S₂在平面标定板上形成的两类点云数据通过最小二乘法进行直线拟合，S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝k₁₁x₁+b₁₁，本实施例中y₁＝1.0428x₁+2207.8671，S₂为y₂＝k₂₁x₂+b₂₁，本实施例中y₂＝-1.1599x₂+1191.2840。分别求出两条直线与x轴正方向的夹角α₁₁＝arctan(1.0428)＝46.2006,α₂₁＝arctan(-1.1599)＝-49.2332。令α₁＝α₂₁-α₁₁＝-95.4338，

2.2移动平面标定板，使其与第一次位置不平行。

第二次移动平面标定板后S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝1.2354x+2887.8510，S₂在平面标定板上形成的点云数据拟合后获得的直线方程为y₂＝-0.9811x+2020.7627；分别求出这两条直线与x轴正方向的夹角α₁₂＝arctan(1.2354)＝51.0111,α₂₂＝arctan(-0.9811)＝-44.4530；令α₂＝α₂₂-α₁₂＝-95.4641，则旋转角度

由于_α＜0，则旋转矩阵R为：

S₁在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是(-3531.0134,-1474.3187)，S₂在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是(-4639.6480,6572.6650)，利用S₁与S₂分别在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是同一个点c这个性质可以求出平移向量。设平移向量设为T＝(t_x,t_y)^T，则有

求得t_x＝-3507.2983,t_y＝2917.6105

这两步完成了将S₁所在的激光直角坐标系统一到S₂。接下来将S₃统一到S₂，执行上述2.1,2.2两步，S₃在平面标定板上形成的点云数据拟合后获得的直线方程为y₃＝2.0161x₃+2696.8130，S₂为y₂＝-1.2944x₂+7320.5。分别求出两条直线与x轴正方向的夹角α₃₁＝arctan(2.0161)＝63.6182,α₂₁＝arctan(-1.2944)＝-52.3123。令α₁＝α₂₁-α₃₁＝-115.9305，

移动平面标定板，使其与第一次位置不平行。第二次移动平面标定板后S₃在平面标定板上形成的点云数据拟合后获得的直线方程为y₃＝0.5997x₃+1332.2504，S₂在平面标定板上形成的点云数据拟合后获得的直线方程为y₂＝-11.3702x-943.4285；分别求出这两条直线与x轴正方向的夹角α₃₂＝arctan(0.5997)＝30.9519,α₂₂＝arctan(-11.3811)＝-84.9738。令α₂＝α₂₂-α₃₂＝-115.9257，则旋转角度

α＜0，则旋转矩阵R为：

S₃在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是(-963.4163,754.4710)，S₂在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是(-820.1780,8382.1594)，求出平移向量。平移向量设为T＝(t_x,t_y)^T，则有

求得t_x＝-1919.9481,t_y＝7845.6054

第三步：采用改进的单高斯背景建模完成目标检测：

已知激光测距仪检测不到同一角度下，且位于背景之后的目标，背景数据值大于前景数据值，对每个激光测距仪进行背景建模；给定第一帧的测量数据为初始背景值，然后采集下一时刻的测量数据，若下一时刻的测量数据大于初始背景值，则用下一时刻的测量数据代替此时的背景值，同时记录此测量数据出现的帧数、角度数、距离值三个因素；若此时的测量数据并不是最大值，即其是伪背景，则将此时测量数据按照对应的帧数将角度数、距离值恢复到运动前景数据中，完成背景建模；具体过程是：

3.1按照下式进行初始化：

_μ0(θ)＝x₀(θ)，σ₀(θ)＝std_init，σ₀ ²(θ)＝std_init*std_init，

其中，x₀(θ)是第一帧的距离测量数据，std_init考虑测距的波动，本实施例中设置为8；单高斯背景建模的参数分别是均值μ和标准差σ，θ为极坐标系下的点云数据对应的角度。

3.2对于t时刻的距离值x_t(θ)，用下式判断为背景值还是前景值，

其中，λ为常数，0表示x_t(θ)为背景值，1表示为前景值，μ_t-1为t-1时刻的均值，σ_t-1为t-1时刻的标准差；

3.3判断完是背景值还是前景值后，对背景数据再次进行更新,若μ_t-1(θ)-x_t(θ)＜-λσ_t-1(θ)，则令μ_t(θ)＝x_t(θ)，σ_t(θ)＝std_init；若|μ_t-1(θ)-x_t(θ)|＜λσ_t-1(θ)，则

μ_t(θ)＝(1-β)μ_t-1(θ)+βx_t(θ)，

β值范围为0＜β＜1，它的作用是控制高斯模型更新的速度，β值越大则背景数据的均值和方差更新速度快，背景更新越快，反之，更新速度慢。

3.4对每帧新数据进行上述步骤3.2和步骤3.3，直至结束。上述的更新过程针对背景数据进行的，如果是前景数据则不进行更新了，背景数据的更新过程就是改变μ，σ值。

图6(a)-图6(c)是S₁，S₂，S₃在无运动目标时的扫描结果，图6(d)是通过本发明提出的基于虚拟二面体的多激光联合标定方法将来自三个激光测距仪的数据进行融合后的结果。可看出融合效果很好。图7是使用改进的单高斯背景建模法进行目标检测后，对目标数据进行融合的结果。图中*是来自S₃的数据+是S₂的数据。从图中可以看出多激光比单激光的信息丰富，增大了目标被检测到的概率。经过应用本发明方法所实现的多激光数据融合和目标检测的结果如图8，将图(6)d和图7结合在一张图上，此图可以清晰的展示数据融合和目标提取的结果。

实施例2

本实施例为多点标定法和基于虚拟二面体的多激光标定法的对比试验和直方图法与单高斯背景建模法的比较。在标定过程中需要求解的是旋转向量和平移向量共有六个未知数。每一个对应点可以提供两个方程，所以至少需要三个对应点，在实验中用圆柱形标定杆，圆柱形标定杆的直径不同分别为1厘米和1.5厘米，1厘米基本取不到点，1.5厘米取点困难，忽有忽无(主要是因为RPLIDARA1扫描间隔不是严格1度，在每个扫描周期内的扫描角度不是完全一致的)取点困难。做了六次对比试验，对比标准是对于同一墙体两激光测距仪数据融合后，对墙体部分点云数据进行直线拟合，拟合后两直线所成角度。第三次试验多点标定法误差较大的原因是三次取点的距离差异较小。在实验过程中，有时圆柱形标定杆的位置会产生漏扫现象，完成三次取点需要变换不止三次位置。本实施例多激光联合标定法的平均角度误差为0.18426，多点标定法0.20572，误差的折线图如图9所示，原始数据如表1所示。

表1

在提取背景数据时，直方图法默认背景是出现频率最高的数据，采用在一段时间内扫描监控区域，在每一角度下构建直方图，取出现频率最高的距离数据为背景，以此获取背景数据。但是，在提取背景数据期间，若行人长时间停留于某地，利用直方图法会发生错判。如图10，利用直方图法得出错误的背景距离9200毫米，而本发明单高斯背景建模法能正确得出背景数据10310毫米。

Claims (3)

1.一种基于二维激光测距仪阵列的场景监控方法，该方法的步骤如下：

第一步：多个二维激光测距仪的布置：根据实验场景的情况布置多个激光测距仪，多个激光测距仪之间具有公共扫描区域，多个二维激光测距仪位于同一个扫描平面，且布置时不存在扫描盲区；

第二步：多激光联合标定：

启动多个二维激光测距仪对外部环境进行扫描，二维激光测距仪采用区域平面内扫描并离散采样的方式采集每个激光测距仪极坐标系下的点云数据(ρ_i,θ_i)，将该极坐标系下的点云数据通过转换到直角坐标系下，得到每个激光测距仪直角坐标系下的点云数据(x_i，y_i)；每个激光测距仪分别用S₁、S₂、S₃、…、S_m表示，m为激光测距仪的总个数；每个激光测距仪在平面标定板上形成的点云数据分别为P_1i＝(x_1i,y_1i)^T、P_2i＝(x_2i,y_2i)^T、…、P_mi＝(x_mi,y_mi)^T；

假定要将S₂,…,S_m的激光直角坐标系统一到S₁的激光直角坐标系下，且S₁分别与S₂,…,S_m都有公共区域，则将平面标定板放置于S₁与S₂都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出旋转矩阵R和平移向量T，完成S₁与S₂之间的标定；同理将平面标定板放置于S₁与S_i都能扫描到的区域，完成S₁与S_i之间的标定，i＝2、3、…、m，从而完成m个二维激光测距仪的标定；

若两个二维激光测距仪没有公共扫描部分则利用两个二维激光测距仪与第三方二维激光测距仪的位置关系，在m个二维激光测距仪进行标定时，要将S₂,…,S_m的激光坐标系统一到S₁的激光坐标系下，S₁与S_i没有公共扫描区域，无法直接进行标定，寻找分别与S₁与S_i具有公共扫描区域的S_j，j≠i，且j＝2、3、…、m，将平面标定板放置于S_i与S_j都能扫描到的位置，移动选取平面标定板的两个不平行位置，产生虚拟二面体，求出将S_i统一到S_j时的旋转矩阵R_ij和平移向量T_ij，完成S_i与S_j之间的标定，同理求出将S_j统一到S₁时的旋转向量R_j1和平移向量T_j1，完成S_j与S₁的标定，则将S_i统一到S₁时的旋转向量为R_j1*R_ij,平移向量为R_j1*T_ij+T_j1；

第三步：采用改进的单高斯背景建模完成目标检测：

已知激光测距仪检测不到同一角度下，且位于背景之后的目标，背景数据值大于前景数据值，对每个激光测距仪进行背景建模；给定第一帧的测量数据为初始背景值，然后采集下一时刻的测量数据，若下一时刻的测量数据大于初始背景值，则用下一时刻的测量数据代替此时的背景值，同时记录此测量数据出现的帧数、角度数、距离值三个因素；若此时的测量数据并不是最大值，即其是伪背景，则将此时测量数据按照其对应的帧数将角度数、距离值恢复到运动前景数据中，完成背景建模；具体过程是：

3.1按照下式进行初始化：

μ₀(θ)＝x₀(θ)，σ₀(θ)＝std_init，σ₀ ²(θ)＝std_init*std_init，

其中，x₀(θ)是第一帧的距离测量数据，std_init考虑测距的波动；单高斯背景建模的参数分别是均值μ和标准差σ，θ为极坐标系下的点云数据对应的角度；

3.2对于t时刻的距离值x_t(θ)，用下式判断为背景值还是前景值，

其中，λ为常数，0表示x_t(θ)为背景值，1表示为前景值，μ_t-1为t-1时刻的均值，σ_t-1为t-1时刻的标准差；

3.3判断完是背景值还是前景值后，对背景数据再次进行更新,若μ_t-1(θ)-x_t(θ)＜-λσ_t-1(θ)，则令μ_t(θ)＝x_t(θ)，σ_t(θ)＝std_init；若|μ_t-1(θ)-x_t(θ)|＜λσ_t-1(θ)，则μ_t(θ)＝(1-β)μ_t-1(θ)+βx_t(θ)，β值的范围为0＜β＜1；

3.4对每帧新数据进行上述步骤3.2和步骤3.3，直至结束；

第四步：数据融合：

将来自各激光扫描仪的有效数据通过第三步完成背景数据和前景数据的提取；利用第二步的标定结果将来自于各激光的背景数据进行融合，构成整个监控区域的背景，前景数据进行融合丰富了前景数据的信息，实现对特定前景场景的监控。

2.根据权利要求1所述的基于二维激光测距仪阵列的场景监控方法，其特征在于，S₁与S₂之间的标定的具体过程是：

2.1将S₂激光直角坐标系下的点云数据统一到S₁激光直角坐标系下：分别将S₁、S₂在平面标定板上形成的两类点云数据通过最小二乘法进行直线拟合，

设S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝k₁₁x₁+b₁₁，S₂在平面标定板上形成的点云数据拟合后获得的直线方程为y₂＝k₂₁x₂+b₂₁；

其中，k₁₁表示S₁在平面标定板的第一个位置拟合直线的斜率，k₂₁表示S₂在平面标定板的第一个位置拟合直线的斜率，k中下标的第一个数字表示激光测距仪的序号，第二个数字表示在平面标定板上的位置；

分别求出上述两条直线与x轴正方向的夹角α₁₁,α₂₁，其中，α₁₁＝arctan(k₁₁)，α₂₁＝arctan(k₂₁)；令α₁＝α₁₁-α₂₁；

2.2移动平面标定板，使其与第一次位置不平行：

设第二次移动平面标定板后S₁在平面标定板上形成的点云数据拟合后获得的直线方程为y₁＝k₁₂x₁+b₁₂，S₂在平面标定板上形成的点云数据拟合后获得的直线方程为y₂＝k₂₂x₂+b₂₂；分别求出这两条直线与x轴正方向的夹角α₁₂,α₂₂，其中，α₁₂＝arctan(k₁₂)，α₂₂＝arctan(k₂₂)；令α₂＝α₁₂-α₂₂，则旋转角度

若α＞0，则旋转矩阵R为：

若α＜0，则旋转矩阵R为：

S₁与S₂分别在平面标定板的两个不同位置扫描的点云数据所拟合获得的两条直线的交点是同一个点c；设S₁在两个不同位置扫描点所拟合的两条直线的交点为C₁＝(x_a,y_a)^T，S₂在两个不同位置扫描点所拟合的两条直线的交点为C₂＝(x_b,y_b)^T，平移向量设为T＝(t_x,t_y)^T，则有

其中，r₁₁,r₁₂,r₂₁,r₂₂表示旋转矩阵R中的元素。

3.根据权利要求1所述的基于二维激光测距仪阵列的场景监控方法，其特征在于，两个二维激光测距仪的标定过程中，平面标定板放置n个互不平行的位置时，n不小于3，则会产生n个旋转角度和n(n-1)/2个平移向量，

则优化后旋转角度的表达式为：

平移向量的表达式为：

其中，C_1k表示在S₁的激光直角坐标系下S₁扫描第k个虚拟二面体所形成的交点，C_2k表示在S₂的激光直角坐标系下S₂扫描第k个虚拟二面体所形成的交点。