一种面向港口自动驾驶的同时制图与定位制造技术

本发明专利技术公开了一种面向港口自动驾驶的同时制图与定位，包括三维激光SLAM、LeGO‑LOAM建图与NDT‑MATCH定位，所述三维激光SLAM包括多线激光雷达数据，所述LeGO‑LOAM建图包括点云分割、点云特征提取、激光里程计与激光建图。本发明专利技术所述的一种面向港口自动驾驶的同时制图与定位，采用了三维激光SLAM，接收三维激光数据并结合IMU信息使得建图和定位算法更加鲁棒，建图方面主要在开源框架LeGO‑LOAM基础上进行优化改进，定位方面主要采用了NDT‑MATCH的方案，LeGO‑LOAM是一个轻量化且经过地面优化的激光里程和建图方法，其在低功耗嵌入式系统上可以达到实时建图的效果，NDT‑MATCH是主要的定位框架，具有算法对环境适应性强，定位稳定的特点，带来更好的使用前景。

Simultaneous mapping and positioning for port autopilot

【技术实现步骤摘要】
一种面向港口自动驾驶的同时制图与定位
本专利技术涉及自动驾驶的同时制图与定位领域，特别涉及一种面向港口自动驾驶的同时制图与定位。
技术介绍
移动机器人的自主导航问题可以分成三大块：定位，建图；定位就是精确确定机器人在环境中的位姿，建图就是将环境的多个不完整观测集成到单一且一致的模型中；最初，建图和定位是单独研究的，后来人们意识到他们是相互关联，相互依赖的，换句话说，为了得到环境中精确的定位需要正确无误的地图，但是，为了建立好的地图需要在新元素添加到地图时能够准确地被定位，这就是SLAM；SLAM是SimultaneousLocalizationandMapping的简写，中文译作“同时定位与地图构建”，它是指搭载特定传感器的主体，在没有环境先验的情况下，在运动过程中建立环境的模型(地图)，同时估计自己的运动。目前上市面主流的SLAM方案是基于激光和基于相机这两种，对这两种方案进行对比：应用场景：激光SLAM根据使用的激光雷达的档次泾渭分明分为室内应用和室外应用；而视觉SLAM在室内室外都有丰富的应用，视觉SLAM工作稳定性不如激光雷达，本文档来自技高网...

【技术保护点】
1.一种面向港口自动驾驶的同时制图与定位，包括三维激光SLAM、LeGO-LOAM建图与NDT-MATCH定位，其特征在于：所述三维激光SLAM包括多线激光雷达数据，所述LeGO-LOAM建图包括点云分割、点云特征提取、激光里程计与激光建图，所述NDT-MATCH定位包括点云地图、点云配准。/n

【技术特征摘要】
1.一种面向港口自动驾驶的同时制图与定位，包括三维激光SLAM、LeGO-LOAM建图与NDT-MATCH定位，其特征在于：所述三维激光SLAM包括多线激光雷达数据，所述LeGO-LOAM建图包括点云分割、点云特征提取、激光里程计与激光建图，所述NDT-MATCH定位包括点云地图、点云配准。


2.根据权利要求1所述的一种面向港口自动驾驶的同时制图与定位，其特征在于：所述点云分割是将点云分为地面和非地面数据，地面检测模型需要适应平面、坡道以及两者的过度过程，地面检测过的过程如下：segment(pi)＝首先在xy平面通过角度分辨率Δα和公式(1)、(2)将点云分为若干块；






xy平面根据公式(3)，将Ps分为若干块



每个块选取z轴最小值作为地面上的点，同时作为该块的代表点
对每个分块从近到远，从左到右，获得直线方程y＝mx+b；
地面上的点需要满足如下条件：
(1)直线的坡度m不能超过合理的阈值Tm；
(2)如果坡度m<Tsmali,直线的截距b的绝对值不能超过一个合理的阈值Tb，保证它包含在地面上；
(3)P的直线拟合均方差不能超过一个合理的阈值TRMSE；
(4)第一个点到前一条直线的距离不能超过一个合理的阈值Tdpre；
然后对非地面数据进行聚类，采用基于深度图像的聚类方法；同一类别的点云数据会标记唯一的标签；通过滤除点云数量比较小的类别，提高处理速度，加快点云的特征提取；
所述点云特征提取为从聚类后的点云和地面点云中提取特征点云，首先设定S为连续的点云数据，利用点云的距离信息r，根据公式(4)计算点Pi在点击S的粗糙程度c；设S的点云数目|S|为10；



通过c与设定阈值cth的大小判定点云数据的...

【专利技术属性】
技术研发人员：张祖锋，殷嘉伦，王广全，
申请(专利权)人：畅加风行苏州智能科技有限公司，
类型：发明
国别省市：江苏;32