本发明专利技术公开了一种基于路标主动重观测的星表巡视器激光雷达定位方法，包括以下步骤：使用激光雷达和惯性测量单元松耦合的方式进行巡视器基本的定位功能；使用奇异值分解的方法对当前帧点云进行划分；根据当前探测视野的点云地貌定时进行显著性研判并提取重观测的路标；根据实时监测巡视器位姿状态估计情况确定路标重观测的触发时刻；使用层次分析法进行重观测路标优先级排序；最终使用点云匹配算法进行点云配准，更新巡视器的位姿。本发明专利技术能够实现星表巡视器漫游巡视任务中对历史路标的重新配准，进而将系统状态方差的预测值与当前观测值的融合更新，提高定位与建图的精确性。提高定位与建图的精确性。提高定位与建图的精确性。
【技术实现步骤摘要】
基于路标主动重观测的星表巡视器激光雷达定位方法
[0001]本专利技术属于星表漫游巡视任务中巡视器定位领域，具体涉及一种星表纹理贫瘠且呈现非结构环境下的巡视器主动重观测定位方法。
技术介绍
[0002]星表巡视器在未知环境中执行探索任务，需要获取巡视器的精确位姿；但星表环境呈现纹理贫瘠、颜色单一、地貌非结构化的特点，在科学价值含量越高的地段地形越复杂（如月面的极区），因此星表巡视器需要具备较高的自主导航能力。表面的土壤非常松软而且崎岖不平，会影响巡视器行驶的平稳性，加重激光雷达定位与建图的运动畸变；此外月球光照条件不稳定，平均光强是地面的4.22倍，这种现象在极地环境更为明显，对基于视觉的导航影响较大。基于传统视觉或激光的导航定位算法鲜有针对性的应对策略，因此难以满足实际任务的导航精度及完备性的要求。
[0003]于是如何提高星表巡视器在极端环境下定位精度成为一个重要研究课题。初期的月面巡视器多采用IMU（Inertial measurement unit）和里程计相结合的航迹递推算法，如美国的月球流浪者，索杰纳号和俄罗斯的月球车1、2号，其定位误差均在10%R以上，后期的勇气号、机遇号、好奇号以及毅力号中在航迹推算定位方法基础上增加了视觉里程计，通过连续跟踪视觉特征点来解算巡视器的相对位姿信息，将定位误差提升至5%R以内，我国的玉兔号也采用了这种惯性与双目视觉结合的定位方法，在更稀疏的月表环境下实现了10%R以内的定位精度。但是这些方法尚处于自主或半自主模式，尚未涉及主动，无法很好地抑制误差的累积速率以及及时校正误差，影响了星表探测任务的实时性和可靠性。
技术实现思路
[0004]本专利技术的目的在于提供一种星表非结构环境下巡视器主动重观测定位方法，将巡视器位姿的预测值与当前观测值的融合更新，提高定位的精确性。
[0005]实现本专利技术目的的技术方案为：第一方面，本专利技术提供一种基于路标主动重观测的星表巡视器激光雷达定位方法，包括以下步骤：步骤1，使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位，激光雷达和惯性测量单元测得实时绝对位姿，记录二者状态估计的差值作为状态估计不确定性的参照；步骤2，使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合；步骤3，对于步骤2划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式进行显著性研判从而提取重观测路标；步骤4，计算激光雷达以及惯性测量单元的状态估计值误差差值的2
‑
范数，若该值大于预定阈值，则触发重观测；步骤5，在巡视器行进过程中实时存储四处路标，在有新的路标被提取时，最早被
提取的路标将被释放，在触发重观测后巡视器将停止行进，使用层次分析法对四处路标进行优先级排序，选择一处最佳路标进行配准；步骤6，将步骤5得到的重观测路标与地图中对应路标进行配准，实现系统状态方差的预测值与当前观测值的融合更新。
[0006]第二方面，本专利技术提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法的步骤。
[0007]第三方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法的步骤。
[0008]与现有技术相比，本专利技术的显著优点为：本专利技术使用层次分析法确定路标并根据路标的距离范围在地图中进行对应的检索，能够将当前观测到的路标与地图中检索后的有限范围内的点云进行更为精确的配准，减少需要对比匹配的点对个数，从而在保证精度的前提下，大幅度的降低对星载计算机资源的消耗，或者在消耗相同计算资源的情况下，提高定位精度。
附图说明
[0009]图1为本专利技术基于路标主动重观测的星表巡视器激光雷达定位方法流程图。
[0010]图2和图3分别为地貌1和地貌2的云地图与行驶路线。
[0011]图4和图5分别对比了地貌1和地貌2使用重观测前后的位姿估计误差，实线为使用重观测后的位姿估计误差，虚线为使用重观测前的位姿估计误差。
[0012]图6和图7分别对比了地貌1和地貌2使用触发机制与仅采用定时启动的重观测位姿估计误差，实线为使用触发机制重观测的位姿估计误差，虚线为仅采用定时启动重观测的位姿估计误差。
具体实施方式
[0013]为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明， 实施方式提及的内容并非对本专利技术的限定。
[0014]参照图1所示，本专利技术的一种星表非结构环境下巡视器主动重观测定位方法，包括的步骤如下：1）使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位与建图，激光雷达和惯性测量单元测得的实时绝对位姿分别为和，并记录二者状态估计的差值作为状态估计不确定性的参照。
[0015]在步骤1）中巡视器激光雷达和惯性测量单元状态估计的差值求取方法如下：k时刻巡视器在全局系下的位置表达式：k到k+1时刻激光雷达测得的位姿变换矩阵，则k+1时刻激光雷达的位姿估计：
惯性测量单元在k+1时刻测得的位姿估计值表达式：式中，表示速度，表示重力加速度，表示k和k+1时刻的时间间隔，表示加速度计的测量值和分别表示加速度计的漂移和白噪声，表示陀螺仪的测量值，和表示陀螺仪的漂移和白噪声，和分别表示k和k+1时刻从载体系到全局系得旋转矩阵。
[0016]二者测量的状态估计误差差值计算公式：2）使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合。
[0017]在步骤2）中对当前帧点云的划分方式如下：考虑月面漫游巡视的任务背景，在巡视器漫游巡视过程中，进行大范围的点云检索不仅占用星载计算机过多的资源，因此设计了一种缩减检索方法，每经过时间t对当前帧点云进行显著性研判，提取显著性点云地貌作为路标，以便后续进行重观测的配准。
[0018]为了提高显著性研判的可靠性与实时性，将当前帧点云均匀分成四块区域A、B、C、D，并求取每块区域的中心点Centre_A、Centre_B、Centre_C、Centre_D，以四个中心点为中心，用Range Search算法做范围搜索，逐步扩充点云集合，直至每个集合中囊括了足够数量的点云，这些点云能代表本区域的地貌。将此方法得到的点云集合标记为ContainerA、ContainerB、ContainerC、ContainerD，将每个集合里的点云实时地进行SVD分解，得到三个特征值，且，构建表达式：当S小于阈值时，认为点云集合中具有了足够数量的点，可以停止范围搜索。
[0019]3）对于步骤2）划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式进行显著性研判从而标记出重观测路标。
[0020]在步骤3）中重观测路标的提取方式如下：（1）构建数量熵表达式：
其中为采样点序号，max为所有采样点的个数，为边缘点的数量，为数量直本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，包括以下步骤：步骤1，使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位，激光雷达和惯性测量单元测得实时绝对位姿，记录二者状态估计的差值作为状态估计不确定性的参照；步骤2，使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合；步骤3，对于步骤2划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式进行显著性研判从而提取重观测路标；步骤4，计算激光雷达以及惯性测量单元的状态估计值误差差值的2
‑
范数，若该值大于预定阈值，则触发重观测；步骤5，在巡视器行进过程中实时存储四处路标，在有新的路标被提取时，最早被提取的路标将被释放，在触发重观测后巡视器将停止行进，使用层次分析法对四处路标进行优先级排序，选择一处最佳路标进行配准；步骤6，将步骤5得到的重观测路标与地图中对应路标进行配准，实现系统状态方差的预测值与当前观测值的融合更新。2.如权利要求1所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，在进行步骤1时，巡视器激光雷达和惯性测量单元状态估计的差值求取方法如下：k时刻巡视器在全局系下的位置表达式：k到k+1时刻激光雷达测得的位姿变换矩阵，则k+1时刻激光雷达的位姿估计：惯性测量单元在k+1时刻测得的位姿估计值表达式：式中，表示速度，表示重力加速度，表示k和k+1时刻的时间间隔，表示加速度计的测量值，和分别表示加速度计的漂移和白噪声，表示陀螺仪的测量值，和表示陀螺仪的漂移和白噪声，和分别表示k和k+1时刻从载体系到全局系得旋转矩阵，二者测量的状态估计误差差值计算公式：。3.如权利要求2所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征
在于，在进行步骤2时，对当前帧点云的划分方式如下：将当前帧点云均匀分成四块区域A、B、C、D，并求取每块区域的中心点Centre_A、Centre_B、Centre_C、Centre_D，以四个中心点为中心，用Range Search算法做范围搜索，逐步扩充点云集合，直至每个集合中囊括了足够数量的点云，这些点云能代表本区域的地貌；将此方法得到的点云集合标记为ContainerA、ContainerB、ContainerC、ContainerD，将每个集合里的点云实时地进行SVD分解，得到三个特征值，，，且，构建表达式：当S小于阈值...
【专利技术属性】
技术研发人员：武炎，余萌，李硕，郑博，胡涛，
申请(专利权)人：南京理工大学，
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。