无人机建图算法与无人车导航算法的融合应用系统及方法技术方案

本发明专利技术涉及无人机建图算法与无人车导航算法的融合应用系统及方法，方法包括四轮无人车上搭载有Raspberry Pi 3b开发板，可用于接收无人机传输的地图数据，并为无人车实时规划导航路径；搭载Rplidar A2激光雷达、Jetson TX2开发板的六轴无人机，Pplidar A2激光雷达可用于采集周围地理信息并将地理信息以雷达数据的形式传输至Jetson TX2开发板，由Jetson TX2开发板内置ROS系统内的建图算法对激光雷达数据进行处理，从而建立地图，并实时将地图传输至无人车上，此过程由地面站进行联结和指挥。

A Fusion Application System and Method of UAV Mapping Algorithms and UAV Navigation Algorithms

【技术实现步骤摘要】
无人机建图算法与无人车导航算法的融合应用系统及方法
本专利申请属于机器人
，更具体地说，是涉及一种无人机建图算法与无人车导航算法的融合应用系统及方法。
技术介绍
现有的无人机与无人车各自执行探索、导航等工作时，明显暴露各自缺点，如无人机在恶劣环境下易受气流，GPS信号的因素变化的影响，增加电池消耗，导致无人机续航能力不足；甚至无人机失联，以至于无法完成既定探索任务。无人车在未知环境下运动时建图效率低下，导致无人车执行任务周期长，甚至在移动过程中受损，不能如期完成任务。
技术实现思路
本专利技术需要解决的技术问题是提供一种无人机建图算法与无人车导航算法的融合应用系统及方法，意在提取无人机与无人车各自的优点，并围绕两者的优点为核心建立一种新的应用模式。为了解决上述问题，本专利技术所采用的技术方案是：一种无人机建图算法与无人车导航算法的融合应用方法，包括如下步骤：步骤a、无人机和无人车均进入探索环境，地面站登陆无人机和无人车，分别启动无人机和无人车的系统节点；步骤b、无人机起飞后，利用无人机携带的激光雷达传感器和建图算法开发板进行激光SLAM，采集一片区域获得地理环境信息后在建图算法开发板上建立地图，而后通过建图算法开发板将无人机建立的地图通过局域网传输至无人车上的路径规划板；步骤c、路径规划板获取地图后，地面站确定无人车运动终点，路径规划板通过路径规划算法，规划无人车行走路径从而进行导航。本专利技术技术方案的进一步改进在于：步骤b中，建图算法开发板对激光雷达传感器采集到的环境激光数据进行转换的建图算法的实施过程为：步骤b1、初步建图：将激光点Pm变换到一个被占据的栅格中，当设定时刻所有的激光点Pm都能够变换到被占据的栅格中，意味着初步建图成功；步骤b2、回环检测：采用双线性插值的方法，刻画激光点Pm映射到栅格地图中是否对应被占据栅格中以及对应的程度，求出占据概率M(Pm)，M(Pm)的取值范围是0～1；步骤b3、最终建图：回环检测无误后，通过使用函数文件probability_values.h定义一系列与概率相关的函数，即多个用于计算概率的mapping命名空间下的全局函数，实现了对雷达数据转换成栅格数据后的并附带有概率权值的地图建立。本专利技术技术方案的进一步改进在于：步骤b1中，被占据的栅格显示为灰色。本专利技术技术方案的进一步改进在于：步骤b3中，先通过采集一帧帧的雷达数据，再将雷达数据构成一幅子地图，最后将多幅子地图构建成完整的地图，同时实现对无人机的定位。本专利技术技术方案的进一步改进在于：步骤c中，路径规划板的路径规划算法为迪杰斯特拉算法，具体过程为：步骤c1、依据一种贪心策略，声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合T；初始时，源点s的路径权重被赋为0，即dis[s]＝0；步骤c2、若对于顶点s存在能直接到达的点mi的距离的集合[mi]，则把dis[mi]设为待选择路径距离集合，同时把所有顶点s不能直接到达的其他顶点的路径长度设为无穷大；步骤c3、初始时，集合T只有顶点s，接着从数组dis选择最小值，则该值就是源点s到该值对应的顶点的最短路径，并且把该点加入到T中，此时完成一个顶点；步骤c4、然后需要确认新加入的顶点是否可以到达其他顶点并且确认通过该顶点到达其他顶点的路径长度是否比源点直接到达短，如果是则替换这些顶点在dis中的值；步骤c5、最后又从数组dis中找出最小值，重复步骤c2～c4，直到集合T中包含了地图的所有顶点，最终实现无人车的路径规划。一种无人机建图算法与无人车导航算法的融合应用系统，用于实现上述方法，包括彼此之间相互连接的无人机、地面站和无人车，其中：无人机包括机体、与地面站连接的飞行控制模块、与飞行控制模块连接的激光雷达传感器和建图算法开发板；飞行控制模块、激光雷达传感器和建图算法开发板均设置在机体上；地面站为计算机；无人车包括车体、设置在车体上与地面站连接的运动控制模块、设置在车体上与运动控制模块连接的路径规划板，路径规划板还通过地面站连接无人机的建图算法开发板。本专利技术技术方案的进一步改进在于：激光雷达传感器和建图算法开发板分别设置在无人机的机体的顶部和底部；路径规划板设置在无人车的车体上部。本专利技术技术方案的进一步改进在于：激光雷达传感器为RplidarA2激光雷达，建图算法开发板为内置建图算法开发板JetsonTX2，路径规划板为RaspberryPi3b开发板。本专利技术技术方案的进一步改进在于：无人车为四轮无人车，无人机为六轴无人机。由于采用了上述技术方案，本专利技术取得的有益效果是：本专利技术的无人机建图算法与无人车导航算法的融合应用系统及方法意在提取无人机与无人车各自的优点，并围绕两者的优点为核心建立一种新的应用模式。本专利技术充分发挥无人机建图的高效性、准确性和无人车的易于自主导航的特点，让无人机在宏观上位置更好的建立实时地图，为无人车提供有效的地理信息，再由无人车自行规划最优的行走路线，将无人机的建图算法与无人车的导航算法融合应用，提高无人机与无人车的智能化交流方式，二者的结合便于更快速的完成任务，提高了在抢险救灾等危险活动中救灾人员使用机器人的效率。附图说明图1为本专利技术无人车轴测图；图2为本专利技术无人机轴测图；图3为本专利技术融合应用系统实际运行效果图；其中：1、无人车，11、路径规划板，2、无人机，21、激光雷达传感器，22、建图算法开发板。具体实施方式下面结合实施例对本专利技术做进一步详细说明。本专利技术公开了一种无人机建图算法与无人车导航算法的融合应用方法，包括如下步骤：步骤a、无人机2和无人车1均进入探索环境，地面站登陆无人机2和无人车1，分别启动无人机2和无人车1的系统节点；步骤b、无人机2起飞后，利用无人机2携带的激光雷达传感器21和建图算法开发板22进行激光SLAM，采集一片区域获得地理环境信息后在建图算法开发板22上建立地图，而后通过建图算法开发板22将无人机2建立的地图通过局域网传输至无人车1上的路径规划板11；建图算法开发板22JetsonTX2对RplidarA2激光雷达传感器21的数据在ROS系统上进行处理，通过内置建图算法cartographer算法构建无人机与无人车所处环境的地图。步骤c、路径规划板11获取地图后，地面站确定无人车1运动终点，路径规划板11通过路径规划算法，规划无人车1行走路径从而进行导航。上述过程须由地面站通过局域网登陆无人车1与无人机2终端启动节点，并联结无人机2与无人车1，此后地面站可作为监控和发布命令的指挥中心本方法中使用到的激光雷达传感器21为RplidarA2激光雷达，建图算法开发板22为内置建图算法开发板JetsonTX2，路径规划板11为RaspberryPi3b开发板。步骤b中，建图算法开发板22对激光雷达传感器21采集到的环境激光数据进行转换的建图算法的实施过程为：步骤b1、初步建图：将激光点Pm变换到一个被占据的栅格中，当设定时刻所有的激光点Pm都能够变换到被占据的栅格中，意味着初步建图成功；步骤b2、回环检测：采用双线性插值的方法，刻画激光点Pm映射到栅格地图中是否对应被占据栅格中以及对应的程度，求出占据概率M(Pm)，M(Pm)的取值范围是0～1；步骤b3、最终建图：回环检测本文档来自技高网...

【技术保护点】
1.一种无人机建图算法与无人车导航算法的融合应用方法，其特征在于包括如下步骤：步骤a、无人机(2)和无人车(1)均进入探索环境，地面站登陆无人机(2)和无人车(1)，分别启动无人机(2)和无人车(1)的系统节点；步骤b、无人机(2)起飞后，利用无人机(2)携带的激光雷达传感器(21)和建图算法开发板(22)进行激光SLAM，采集一片区域获得地理环境信息后在建图算法开发板(22)上建立地图，而后通过建图算法开发板(22)将无人机(2)建立的地图通过局域网传输至无人车(1)上的路径规划板(11)；步骤c、路径规划板(11)获取地图后，地面站确定无人车(1)运动终点，路径规划板(11)通过路径规划算法，规划无人车(1)行走路径从而进行导航。

【技术特征摘要】
1.一种无人机建图算法与无人车导航算法的融合应用方法，其特征在于包括如下步骤：步骤a、无人机(2)和无人车(1)均进入探索环境，地面站登陆无人机(2)和无人车(1)，分别启动无人机(2)和无人车(1)的系统节点；步骤b、无人机(2)起飞后，利用无人机(2)携带的激光雷达传感器(21)和建图算法开发板(22)进行激光SLAM，采集一片区域获得地理环境信息后在建图算法开发板(22)上建立地图，而后通过建图算法开发板(22)将无人机(2)建立的地图通过局域网传输至无人车(1)上的路径规划板(11)；步骤c、路径规划板(11)获取地图后，地面站确定无人车(1)运动终点，路径规划板(11)通过路径规划算法，规划无人车(1)行走路径从而进行导航。2.根据权利要求1所述的无人机建图算法与无人车导航算法的融合应用方法，其特征在于：步骤b中，建图算法开发板(22)对激光雷达传感器(21)采集到的环境激光数据进行转换的建图算法的实施过程为：步骤b1、初步建图：将激光点Pm变换到一个被占据的栅格中，当设定时刻所有的激光点Pm都能够变换到被占据的栅格中，意味着初步建图成功；步骤b2、回环检测：采用双线性插值的方法，刻画激光点Pm映射到栅格地图中是否对应被占据栅格中以及对应的程度，求出占据概率M(Pm)，M(Pm)的取值范围是0～1；步骤b3、最终建图：回环检测无误后，通过使用函数文件probability_values.h定义一系列与概率相关的函数，即多个用于计算概率的mapping命名空间下的全局函数，实现了对雷达数据转换成栅格数据后的并附带有概率权值的地图建立。3.根据权利要求2所述的无人机建图算法与无人车导航算法的融合应用方法，其特征在于：步骤b1中，被占据的栅格显示为灰色。4.根据权利要求2所述的无人机建图算法与无人车导航算法的融合应用方法，其特征在于：步骤b3中，先通过采集一帧帧的雷达数据，再将雷达数据构成一幅子地图，最后将多幅子地图构建成完整的地图，同时实现对无人机(2)的定位。5.根据权利要求1所述的无人机建图算法与无人车导航算法的融合应用方法，其特征在于：步骤c中，路径规划板(11)的路径规划算法为迪杰斯特拉算法，具体过程为：步骤c1、依据一种贪心策略，声明一个...

【专利技术属性】
技术研发人员：梁勇东，林深和，戴桐生，黎宇恒，李亮增，彭宇，许健宏，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东,44