一种多传感器融合感知无人巡逻车系统及工作方法技术方案

本发明专利技术涉及一种多传感器融合感知无人巡逻车系统及工作方法。该系统包括主控制器、中央处理模块、惯性导航模块、识别模块、卫星导航模块、无线通讯模块、激光雷达及摄像头，所述摄像头和激光雷达与所述识别模块电性连接，所述识别模块、卫星导航模块、无线通讯模块及惯性导航模块与所述中央处理模块连接，所述中央处理模块对所述主控制器进行实时反馈和控制。本发明专利技术不仅提高了巡逻车对周边感知识别的可靠性，而且通过多传感器信息的优化融合，无人巡逻车定位精确和识别精度高。逻车定位精确和识别精度高。逻车定位精确和识别精度高。

【技术实现步骤摘要】
一种多传感器融合感知无人巡逻车系统及工作方法


[0001]本专利技术涉及无人巡逻车导航
，尤其是涉及一种多传感器融合感知无人巡逻车系统及工作方法。

技术介绍

[0002]随着社会经济的发展与科学技术的进步，各种大型生活小区和活动场所，景点日益增多，人类活动和物流运输等变得更为复杂。需要大量的人力物力和安保资源，确保这个系统安全运作。
[0003]目前的安保技术主要以摄像头监控为主，然而这种方式已不能满足如今大规模复杂环境的安保需求，采用多感知融合无人驾驶巡逻车代替摄像头监控巡逻系统应运而生。安保巡逻自动化系统不仅可以进一步提高安保系统的稳定性，安全性和实时性，同时可有效节约人力成本，提高园区的科技感。无人驾驶巡逻车作为一种新型安保类机器人能够通过传感器感知环境和本身状态并实现避障，穿梭于熙熙攘攘的人群和各种各样障碍物，完成自主巡逻任务。但目前智能无人驾驶巡逻车彼此之间无法协调，导致巡逻路线单一，巡逻效率低。

技术实现思路

[0004]鉴于以上现有技术的不足，本专利技术提供了一种多传感器融合感知无人巡逻车系统及工作方法，不仅提高了无人巡逻车对周边感知识别的可靠性，而且卫星导航和惯导导航两种组合导航，巡逻车车辆定位更加精准。
[0005]为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
[0006]一种多传感器融合感知无人巡逻车的工作方法，包括以下步骤：
[0007]步骤一：基于无人巡逻车的卫星导航模块、惯性导航模块、激光雷达及摄像头，根据预设道路的起点为坐标原点，将上述传感器建立在统一的坐标系上；
[0008]步骤二：数据的获取，基于无人巡逻车的卫星导航模块，获取无人巡逻车的实时位置信息，基于无人巡逻车的惯性导航模块，获取无人巡逻车的位置、速度、加速度、航向角及姿态角信息，基于无人巡逻车的激光雷达，获取目标的点云数据，基于无人巡逻车的摄像头，获取目标的态姿、纹理及色彩信息；
[0009]步骤三：数据预处理，基于卡尔曼滤波算法，对步骤二中的无人巡逻车的位置、速度、加速度、航向角及姿态角的数据进行降噪处理，同时对目标的点云数据进行处理，剔除杂乱点云；
[0010]步骤四：特征提取，依据步骤二中获取的目标的态姿、纹理及色彩信息，进行目标的特征提取，得到目标的特征数据；
[0011]步骤五：数据融合，将处理后的目标的点云数据根据统一的坐标系，投影到二维平面，结合目标的特征数据进行数据融合，得到目标的状态信息，基于神经元优化算法，将目标状态信息和无人巡逻车位置、速度、加速度、航向角及姿态角信息进行融合，得出最优化
的综合数据；
[0012]步骤六：结果输出，将最优化的综合数据输出到无人巡逻车的中央处理模块，对无人巡逻车进行控制。
[0013]进一步优化的，在步骤三中，所述卡尔曼滤波算法，包括以下步骤：
[0014]1)获取无人巡逻车的位置信息X、速度v、航向角α、姿态角β及加速度a；
[0015]2)建立无人巡逻车的位置X、速度v、航向角α及姿态角β的状态矩阵T，即
[0016]建立无人巡逻车的控制矩阵U，即U＝[a],其中；
[0017]3)基于无人巡逻车的实时状态数据，建立系数矩阵M和N，即其中h为时间间隔；
[0018]4)基于步骤2)和3)的数据，得到无人巡逻车的状态优化矩阵T
t
：T
t
＝MT
t
‑1+NU
t
‑1，其中T
t
‑1为第t
‑
1时刻无人巡逻车的真实状态数据，U
t
‑1为第t
‑
1时刻无人巡逻车的加速度数据，
[0019]进一步得到无人巡逻车的状态优化方程为：
[0020]Z
t
＝HT
t
，
[0021]其中，Z
t
表示t时刻无人巡逻车的观测矩阵，矩阵H表示状态矩阵T和状态优化矩阵Tt之间的转化矩阵。
[0022]进一步优化的，在步骤五中，所述神经元优化算法的优化方程为：
[0023]，其中θ
i
为无人巡逻车状态数据的权值，z
i
为无人巡逻车各个状态量的观测矩阵，ψ
i
为目标状态数据的权值，T
i
为目标的状态矩阵，z表示无人巡逻车最优化的综合数据矩阵。
[0024]为了实现上述目的及其他相关目的，本专利技术还提供了一种多传感器融合感知无人巡逻车系统，所述系统包括主控制器、中央处理模块、惯性导航模块、识别模块、卫星导航模块、无线通讯模块、激光雷达及摄像头，所述摄像头和激光雷达与所述识别模块电性连接，所述识别模块、卫星导航模块、无线通讯模块及惯性导航模块与所述中央处理模块连接，所述中央处理模块对所述主控制器进行实时反馈和控制。
[0025]进一步优化的，所述系统还包括自动充电模块，所述自动充电模块在无人驾驶巡逻车的电量不足时，将电量信息及当前任务状态反馈给所述中央处理模块，所述中央处理模块将充电导航路径和充电指示传送给所述主控制器，所述主控制器根据充电导航路径和充电指示控制无人驾驶巡逻车行驶到充电目标位置进行充电。
[0026]进一步优化的，所述系统还包括防撞模块，所述防撞模块用于检测障碍物的存在与否，并在检测到障碍物的存在时，向所述中央处理模块发送障碍物的位置信息，所述中央
处理模块根据所述障碍物的位置信息生成指示用的定位信息，并将该指示用的定位信息与避开障碍物的导航路径传送给所述主控制器，所述主控制器根据指示用的定位信息与避开障碍物的导航路径对无人驾驶巡逻车进行闭环控制。
[0027]本专利技术具有以下积极效果：
[0028]1.本专利技术不仅提高了巡逻车对周边感知识别的可靠性，而且通过多传感器信息的优化融合，无人巡逻车定位精确和识别精度高。
[0029]2.本专利技术的无人巡逻车不仅在室内还是在室外，都能够很好的进行自动巡逻任务，巡逻路线多样化，且巡逻效率也得到了提高。
附图说明
[0030]图1为本专利技术流程示意图；
[0031]图2为本专利技术无人巡逻车结构示意图；
[0032]图3为本专利技术各部件连接示意图。
[0033]图中标号说明：1—中央处理模块，2—识别模块，3—惯导模块，4—摄像头模块，5—激光雷达模块，6—无线通讯模块，7—卫星导航模块。
具体实施方式
[0034]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0035]实施例：如图1所示，一种多传感器融合感知无人巡逻车的工作方法，包括以下步骤：
[0036]步骤一：基于无人巡逻车的卫星导航模块、惯性导航模块、激光雷达及摄像头，根据预设道路的起点为坐标原点，将上述传感器建立在统一的坐标系上；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器融合感知无人巡逻车的工作方法，其特征在于，包括以下步骤：步骤一：基于无人巡逻车的卫星导航模块、惯性导航模块、激光雷达及摄像头，根据预设道路的起点为坐标原点，将上述传感器建立在统一的坐标系上；步骤二：数据的获取，基于无人巡逻车的卫星导航模块，获取无人巡逻车的实时位置信息，基于无人巡逻车的惯性导航模块，获取无人巡逻车的位置、速度、加速度、航向角及姿态角信息，基于无人巡逻车的激光雷达，获取目标的点云数据，基于无人巡逻车的摄像头，获取目标的态姿、纹理及色彩信息；步骤三：数据预处理，基于卡尔曼滤波算法，对步骤二中的无人巡逻车的位置、速度、加速度、航向角及姿态角的数据进行降噪处理，同时对目标的点云数据进行处理，剔除杂乱点云；步骤四：特征提取，依据步骤二中获取的目标的态姿、纹理及色彩信息，进行目标的特征提取，得到目标的特征数据；步骤五：数据融合，将处理后的目标的点云数据根据统一的坐标系，投影到二维平面，结合目标的特征数据进行数据融合，得到目标的状态信息，基于神经元优化算法，将目标状态信息和无人巡逻车位置、速度、加速度、航向角及姿态角信息进行融合，得出最优化的综合数据；步骤六：结果输出，将最优化的综合数据输出到无人巡逻车的中央处理模块，对无人巡逻车进行控制。2.根据权利要求1所述的多传感器融合感知无人巡逻车的工作方法，其特征在于：在步骤三中，所述卡尔曼滤波算法，包括以下步骤：1)获取无人巡逻车的位置信息X、速度v、航向角α、姿态角β及加速度a；2)建立无人巡逻车的位置X、速度v、航向角α及姿态角β的状态矩阵T，即建立无人巡逻车加速度a的控制矩阵U，即U＝[a]；3)基于无人巡逻车的实时真实状态数据，建立系数矩阵M和N，即其中h为时间间隔；4)基于步骤2)和3)的数据，得到无人巡逻车的状态优化矩阵T
t
：T
t
＝MT
t
‑1+NU
t
‑1，其中T
t
‑1为第t
‑
1时刻无人巡逻车的真实状态数据，U
t
‑1为...

【专利技术属性】
技术研发人员：郭义，梁飞，王泽凯，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：