【技术实现步骤摘要】
一种基于Autoware的动态3D点云正态分布AGV定位方法
本专利技术涉及AGV自动导引车的定位
，具体涉及一种动态环境中基于Autoware的3D点云正态分布定位方法。
技术介绍
自动导引车AGV目前广泛应用于现代物流行业，但是由于在真实环境中，由于其他运动的物体使得其工作场景不可能完全静态，如何实现新的观测值与过去的观测值正确的关联，并更新全局地图，从而使AGV在动态场景下定位，逐渐成为实现AGV自主导航中的热点问题。在AGV定位的定位方法中，传统的定位方法通常采用基于icp点云匹配的算法，但是由于激光点云数据不是瞬时间获得的，因此若在匹配时加入速度量，则会产生严重的运动畸变问题，匹配精度较低。精确的定位在现代物流应用场景中至关重要，基于贝叶斯滤波的蒙特卡洛定位法，利用概率模型定义AGV的定位问题。本文在传统的蒙特卡洛定位基础上，采用基于3D点云的正态分布算法，该算法在单位网格下，计算点云数据的正态概率密度函数，以得到连续可导的定位路径。同时为了提高动态环境下AGV的定位精度，本文对正态分布算法进...
【技术保护点】
1.一种基于Autoware的动态3D点云正态分布AGV定位方法，其特征在于,包括如下步骤：/n1)对激光点云数据建立三维点云地图并重建为稠密点云：采用robosence3D激光雷达采集点云数据，在Autoware开源框架中导入点云数据，通过调用pcl点云库中的NDT匹配算法，得到较为密集的环境地图并导出pcd文件，在此基础上加载点云pcd地图，并同时接收激光雷达topic/points_raw，实现点云与地图的匹配；/n2)在建立激光点云的三维点云地图的基础上，使用基于概率估计的蒙特卡洛算法，构造随机变量的概率分布模型，估计AGV位姿的后验概率分布，估计出所需要的物理模型...
【技术特征摘要】 【专利技术属性】
1.一种基于Autoware的动态3D点云正态分布AGV定位方法，其特征在于,包括如下步骤：
1)对激光点云数据建立三维点云地图并重建为稠密点云：采用robosence3D激光雷达采集点云数据，在Autoware开源框架中导入点云数据，通过调用pcl点云库中的NDT匹配算法，得到较为密集的环境地图并导出pcd文件，在此基础上加载点云pcd地图，并同时接收激光雷达topic/points_raw，实现点云与地图的匹配；
2)在建立激光点云的三维点云地图的基础上，使用基于概率估计的蒙特卡洛算法，构造随机变量的概率分布模型，估计AGV位姿的后验概率分布，估计出所需要的物理模型，并使用粒子滤波算法对待采样的观测值赋权重，加速求解AGV的后验概率模型；
3)在三维点云地图中导入大小均匀的单位网格，并将单位网格内的粒子转换成正态分布概率估计，构造出连续分段的正态分布模型，在建立正态分布模型的基础上，使用最大似然估计算法对概率分布参数和进行优化，得到适合两点云匹配的坐标转换参数值；
4)对已进行划分的单位网格内的正态分布模型进行参数实时的更新，在正态分布的基础上，只迭代更新短期局部地图中正态分布模型的均值和协方差，最终达到动态更新全局地图。
2.根据权利要求1所述的一种基于Autoware的动态3D点云正态分布AGV定位方法，其特征在于，所述的AGV的后验概率模型，转换为正太分布的形式为：
p(xt|ut,zt,m)为后验概率模型，其中xt为AGV的状态量，ut为控制量，zt为所需的观测值，m为此时刻的静态地图，u为所求的均值，Σ为所求得方差；
扫描匹配算法通过比较参考位置处获得的扫描与AGV实际位置处获得的扫描点匹配，获得AGV实际位置和参考位置之间的相对距离和角度，一次更新AGV的位置，AGV的实际位置由航位推算获得，具体步骤如下：
3-1)建立参考点云xi的正态分布变换
首先在局部坐标系中，将给定的环境划分为形状规则的单位网格，并选定单位网格内N个点云数据为xi＝{x1，x2，…，xn}，确定传感器下的观测值为其中pi为单位网格内单个粒子的位姿，将粒子累积到网格中并进行正态分布转换，得到正态分布转换后的观测值模型可表示为最后得到分段连续的点云概率模型；
经过正态分布变换的单位网格内点云数据的概率密度为：
其中概率密度参数均值和方差分别为：
3-2)点云配准，计算坐标转换后的概率密度之和
坐标变换的参数值为s(p)，若概率密度和的值较高，则说明坐标转换的参数较好，点云配准较为准确，其计算公式如下：
为实现当前的扫描点在参考扫描面上的最大化，对当前的点进行坐标变换，其中变换参数为j，空间转换函数为在已知当前时刻的局部坐标系xt和环境地图m下，单元格属性为c，得到观测值的似然函数；
技术研发人员：匡兵，田春月，时君，陈凤冉，孙毛毛，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45
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。