【技术实现步骤摘要】
一种基于激光雷达扫描匹配算法的移动机器人定位方法
本专利技术属于移动机器人导航定位
，具体为一种实现移动机器人自主定位的方法，适用室内结构化场景中根据环境特征匹配信息对移动机器人进行定位。
技术介绍
定位技术是移动机器人实现自主导航中最基础的环节，是其实现路径规划、控制决策和执行任务的先决保证条件，对于运动目标跟踪、机器人导航、地图生成等具有重要意义。定位问题可以描述为机器人通过传感器感知环境或自身运动状态，经过合理的数学模型和算法处理，最终得到自身在工作环境中的精确位置。在一般环境中，移动机器人的位姿通常使用三维向量来表示，即相对于全局坐标位置的横向、纵向平移分量和代表其朝向的旋转角度分量。常用于定位中的传感器主要有惯性传感器、视觉传感器、激光雷达、超声波等，由于激光雷达具有测距范围大、精度高、环境适应能力强等特点，因此基于激光雷达扫描匹配算法的定位方法已逐渐成为移动机器人定位研究中的热点，该类方法通过匹配相邻两帧的激光雷达环境扫描距离数据估计出相邻采样周期间的相对位姿增量，对其进行叠加得到机器人当前位姿估计，其本质是搜索能够使相邻两帧激光雷达扫描数据之间...
【技术保护点】
1.一种基于激光雷达扫描匹配算法的移动机器人定位方法，其特征在于，该方法包括以下步骤：步骤1.分别对激光雷达相邻两采样周期的扫描数据进行角点特征提取，得到参考角点特征点集P和待配准角点特征点集Q；步骤2.对参考角点特征点集P和待配准角点特征点集Q进行关联特征点配对得到初步配对点集M；步骤3.求解参考角点特征点集P和待配准角点特征点集Q之间的整体匹配参数旋转矩阵R和平移矩阵T；步骤4.对设置匹配阈值，滤除旋转矩阵R和平移矩阵T之间的无效关联特征；步骤5.计算机器人在相邻两采样周期内的运动增量以及完成当前时刻机器人位姿估计。
【技术特征摘要】
1.一种基于激光雷达扫描匹配算法的移动机器人定位方法，其特征在于，该方法包括以下步骤：步骤1.分别对激光雷达相邻两采样周期的扫描数据进行角点特征提取，得到参考角点特征点集P和待配准角点特征点集Q；步骤2.对参考角点特征点集P和待配准角点特征点集Q进行关联特征点配对得到初步配对点集M；步骤3.求解参考角点特征点集P和待配准角点特征点集Q之间的整体匹配参数旋转矩阵R和平移矩阵T；步骤4.对设置匹配阈值，滤除旋转矩阵R和平移矩阵T之间的无效关联特征；步骤5.计算机器人在相邻两采样周期内的运动增量以及完成当前时刻机器人位姿估计。2.根据权利要求1所述的一种基于激光雷达扫描匹配算法的移动机器人定位方法，其特征在于，所述对参考角点特征点集P和待配准角点特征点集Q进行关联特征点配对得到初步配对点集M具体为：利用点到点的欧式距离，对于所有的点qi∈Q，在参考角点特征点集P中找到距离点qi最近的点pi组成对应点对(qi,pi)，得到初步配对点集M＝{(mqi,mpi)},其中i＝1,2,...,n。3.根据权利要求1所述的一种基于激光雷达扫描匹配算法的移动机器人定位方法，其特征在于，采用分步迭代的方法求解解参考角点特征点集P和待配准角点特征点集Q之间的整体匹配参数旋转矩阵R和平移矩阵T。4.根据权利要求3所述的一种基于激光雷达扫描匹配算法的移动机器人定位方法，其特征在于，所述步骤3具体包括以下步骤：Step31：对初步配对点集M中的集合MQ和集合MP分别进行去中心化处理：mqi′＝mqi-Cmqmpi′＝mpi-Cmp其中，MQ＝{mqi∈Q|i＝1,2,...,n}，MP＝{mpi∈P|i＝1,2,...,n}，Step32：根据Step31获得目标评价函数E′(R,T)：当目标评价函数E′(R,T)的值最小时所对应的R为所求旋转矩阵R，其中：上式中，Δθ表示在相邻采样周期内小车方向变化角度；Step33：将求解出的旋转矩阵R带入下式求出平移矩阵T：T＝MP-R×MQ。5.根据权利要求3所述的一种基于激光雷达扫描匹配算法的移动机器人定位方法，其...
【专利技术属性】
技术研发人员：孙棣华，赵敏，廖孝勇，王俊祥，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。