The invention provides an obstacle detection and autonomous obstacle avoidance method for an intelligent wheelchair, which comprises the following steps: estimating the walking position and posture of the wheelchair through a odometer, establishing a motion model and an observation model; collecting surrounding environment data by a laser ranging sensor, collecting and detecting the contour of the video internal obstacle through a monocular vision sensor; and building the surrounding environment through a graph optimization based mapping algorithm According to the results of local mapping, the grid method is used to generate a global consistent map; according to the position and posture relationship between the obstacle and wheelchair in the map, the repulsion potential field method is used to plan the direction of wheelchair obstacle avoidance.
【技术实现步骤摘要】
智能轮椅的障碍物检测与自主避障方法
本专利技术涉及一种避障技术,特别是一种智能轮椅的障碍物检测与自主避障方法。
技术介绍
智能轮椅是在电动轮椅的基础上融入了移动机器人技术,用于协助老年人和残疾人的行动能力,降低对使用者的使用要求,提高轮椅的安全性。目前智能轮椅的开发主要在自主导航和人机交互两个方面。在自主导航避障方面,现有的多数停留在应用于特定场合或设定路标条件下的自主导航及避障,环境适应性较差,无法满足使用者的实际需求。SLAM技术被用来使移动机器人在未知环境中依靠所测得的传感器数据来对环境进行定位并创建增量式地图。多数情况下的建图方式为基于滤波的方法,主要依据递归贝叶斯状态估计系统状态的后验概率,但其缺陷使在创建增量式地图时,传感器的测量误差及实际的系统误差会不断累积,最终难以得到全局一致的地图,不适合运用于规模较大的环境中。
技术实现思路
本专利技术的目的在于提供一种智能轮椅的障碍物检测与自主避障方法。实现本专利技术目的的技术方案为:一种智能轮椅的障碍物检测与自主避障方法,包括以下步骤:通过里程计估计轮椅的行进位姿,建立运动模型和观测模型;激光测距传感器采集周围环境数据,通过单目视觉传感器收集并检测视频内障碍物轮廓;通过基于图优化的建图算法对周围环境进行局部建图;根据局部建图结果,通过栅格法生成全局一致的地图;根据地图中障碍物与轮椅之间的位姿状态关系,通过斥力势场法规划轮椅避障方向。进一步地,运动模型为其中,xi ...
【技术保护点】
1.一种智能轮椅的障碍物检测与自主避障方法,其特征在于,包括以下步骤:/n通过里程计估计轮椅的行进位姿,建立运动模型和观测模型;/n激光测距传感器采集周围环境数据,通过单目视觉传感器收集并检测视频内障碍物轮廓;/n通过基于图优化的建图算法对周围环境进行局部建图;/n根据局部建图结果,通过栅格法生成全局一致的地图;/n根据地图中障碍物与轮椅之间的位姿状态关系,通过斥力势场法规划轮椅避障方向。/n
【技术特征摘要】
1.一种智能轮椅的障碍物检测与自主避障方法,其特征在于,包括以下步骤:
通过里程计估计轮椅的行进位姿,建立运动模型和观测模型;
激光测距传感器采集周围环境数据,通过单目视觉传感器收集并检测视频内障碍物轮廓;
通过基于图优化的建图算法对周围环境进行局部建图;
根据局部建图结果,通过栅格法生成全局一致的地图;
根据地图中障碍物与轮椅之间的位姿状态关系,通过斥力势场法规划轮椅避障方向。
2.根据权利要求1所述的方法,其特征在于,运动模型为
其中,xi、yi为本时刻采样的轮椅坐标,xi-1、yi-1为上一时刻采样的轮椅坐标,θi为本时刻采样的轮椅相位角,θi-1为上一时刻采样的轮椅相位角,w(i)为系统噪声,;
观测模型为:
其中,pi、θi为极坐标系下的传感器观测的距离和相位角,xz、yz为环境障碍的位置坐标,xj(i)、yj(i)、θj(i)为传感器的位姿状态坐标,λ(i)为传感器的噪声。
3.根据权利要求1所述的方法,其特征在于,局部建图具体包括:
对于传感器测得的融合后的环境数据相邻两帧,前一帧中的采样点,从后一帧中选取与它的欧氏距离最近的点,一一对应地生成点对集;
在满足误差函数最小的条件下求得旋转矩阵R和对比点集P,t为平移矩阵,pi为当前帧的点集,pi'为pi在参数(R,t)下旋转变换得到的...
【专利技术属性】
技术研发人员:李昊,彭富明,孙瑜,汪凯鑫,庄纪岩,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
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。