根据室内外道路特征的不同，所采用的传感器也不同，因此，设计不同的感知建模算法，以实现识别室内外道路边界、计算传感器与道路的位姿关系等信息，构造道路模型。

廊道边界建模

在廊道场景下，直线障碍集合主要反映了两侧壁面情况，因此基于该先验信息，判断直线段障碍物集合OL中直线段的分布情况，并将其分为机器人左侧、右侧集合。如图 3.1中所示，olid-xy下的直线段中点位置可用于判别直线段位置，若直线段的中点纵坐标大于零，则划分为左侧直线段集合，反之，则划分为右侧直线段集合。

仅有当左、右侧集合中的直线段障碍数量为正时，才进行重组融合，计算道路边界斜率及道路宽度，否则视为异常情况，放弃该帧数据。具体方法如下：

a.单侧直线段集合斜率计算：依次选择左（或右）侧集合中的两条直线段，并计算二者斜率差值的J对值，取差值Z小的两条线段的均值作为左（或右）侧壁面的斜率，若单侧集合中仅有一条直线段，则直接取该直线段的斜率。

b.两侧直线段集合斜率计算：由于两侧壁面存在平行关系，因此将左、右侧计算得到的斜率的均值作为廊道壁面的估计斜率，并使用估计斜率修正左、右侧直线段，使其成为两条平行线，作为廊道壁面识别结果，同时也用这两条平行线段替换众多杂乱线段，因此直线障碍集合OL简化为两条平行线段，如图 3.1中红色直线段所示。

c.廊道宽度估算：上述平行的左、右侧直线方程，可用于估计廊道的宽度。

针对异常情况带来的数据波动影响，且机器人运动、环境变化是连续的，因此采用滑动窗滤波算法，提升上述计算结果的平滑度。

雷达位姿求解

如图 3.1 所示，根据olid-xy及上述廊道边界识别结果构建环境地图坐标系olroad-xy，过点olid作道路中心线的垂线，交点是原点olroad，方向如图。雷达在该环境地图坐标系olroad-xy的姿态角θlidar为