【技术实现步骤摘要】
基于改进最近点配准的斗轮机无人化作业定位建图方法
[0001]本专利技术涉及机器视觉领域,具体涉及一种基于改进最近点配准(也称对准,以下称为配准)的斗轮机无人化作业定位建图方法,从而定位被控对象空间位置和建立三维空间地图。
技术介绍
[0002]同时定位与建图技术经常应用在无人驾驶汽车上,由于路段情况复杂难以实现完全的安全驾驶。将同时定位与建图技术应用于操作规律、移动范围有限的斗轮机上,可以实现斗轮机的无人化及智能化取料、堆料,进一步推进信息化与工业化深度融合、搭建智能控制平台的需求,具有良好的市场前景与应用价值。
[0003]目前,点云配准方法已具有许多研究成果,最经典的算法便是迭代最近点算法。但传统的迭代最近点算法计算开销大、对初始变换敏感,容易陷入局部最优解的问题,将其应用于斗轮机上会降低斗轮机操作控制的实时性,在初始变换欠佳的情况下,会导致斗轮机作业操作时定位和建立三维地图不准确。
[0004]三维激光雷达传感器的发射端将平面光束照射到物体上,接收端接收反射回来的光束,根据光速、时间以及三维激光雷达中内置的角度传感器,得到物体表面的离散点集的三维坐标,这样的点集称为点云,以下都称之为点云。
[0005]对相同时间间隔的点云进行采集,由于时间短暂,两帧点云具有重叠区域,通过对重叠区域的配准得到两帧点云的旋转平移矩阵,即反应斗轮机斗轮相对变化的旋转平移矩阵。通过不断对相邻帧点云的配准便可对斗轮机作业的位移进行定位,同时对斗轮机作业的周围环境以及料堆实时构建三维地图。
[0006]本 ...
【技术保护点】
【技术特征摘要】
1.基于改进最近点配准的斗轮机无人化作业定位建图方法,其特征是:该方法由以下步骤实现:步骤一、三维点云数据的获取与数据的预处理;将三维激光雷达放置斗轮机悬臂与斗轮交接的位置,所述三维激光雷达获取重叠性的多帧点云数据,对所述多帧点云数据剔除噪声点与离群点,获得预处理后的三维点云数据;步骤二、采用主成分分析算法对步骤一预处理后的三维点云数据进行粗配准;具体过程为:步骤二一、对步骤一预处理后的三维点云数据进行去中心化,并计算两组点云数据的协方差矩阵;步骤二二、根据所述协方差矩阵进行奇异值分解,并计算主轴方向;步骤二三、判断同一坐标系下主轴外积方向是否相同,如果是,不旋转主轴或旋转两个主轴,执行步骤二四;如果否,旋转一个主轴或旋转三个主轴,执行步骤二四;步骤二四、对点云数据进行体素滤波,并矫正主轴方向,完成粗配准;所述粗配准的具体过程为:对未矫正主轴方向的初始矩阵旋转矩阵R0和平移矩阵T0进行旋转平移,获得新的点云数据S
new
;S
new
=SR0+T0式中,在保存点云数据的k
‑
d树中通过搜索最邻近点算法,找到所述新的点云数据S
neW
中在点云数据T中的对应点集,并计算点与点的误差,获得两组点云数据T和S的均方误差;对主轴存在相反的情况进行均方误差计算,当均方误差最小时两组点云数据实现了主轴的对齐,获得斗轮机粗略的旋转矩阵R和平移矩阵t;即:主轴方向矫正后的旋转矩阵R和平移矩阵t;步骤三、采用最近点迭代算法,设定体素滤波阈值边长以及迭代次数,结合体素滤波算法,对步骤二粗配准后的点云数据进行进一步的精配准;具体过程为:步骤三一、将点云数据T作为目标点云数据,将点云数据S作为下一帧点云即待配准点云数据;对两帧点云进行体素滤波,在待配准点云数据S中对于每一个点S
e
在目标点云数据T中找到与之最近的一个点T
g
,并且当S
e
与T
g
的距离大于根据实际情况所设定的距离阈值时,则将对应的点对进行剔除;步骤三二、将步骤二获得的矫正后的旋转矩阵R和平移矩阵t,带入最近点迭代算法公式中:式中,K为滤波后的点云数据点数,T
g
为目标点云中第g个点,S
e
为待配准点云中第e个点,获得小于阈值误差E(R,t)下的旋转矩阵R和平移矩阵t;步骤三三、根据步骤三二中的旋转矩阵R和平移矩阵t对待配准点云数据S进行更新;判断是否达到设定的体素滤波阈值边长或者迭代次数,若到达体素滤波阈值边长或者次数,执行步骤三四;否则,减小体素边长,并返回步骤三二;
步骤三四、输出旋转矩阵R
n
和平移矩阵t
n
更新三维地图;其中R
n
、t
n
为最终迭代...
【专利技术属性】
技术研发人员:李慧,王大楠,张立建,刘越,丛铄沣,金烜弘,贾延逊,杨柳,罗明月,张秀梅,
申请(专利权)人:长春工业大学,
类型:发明
国别省市:
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。