一种基于载体自身运动序列的匹配定位方法技术

本发明专利技术公开了一种基于载体自身运动序列的匹配定位方法；包括：地图金字塔制备；基于关键节点分割的运动序列压缩；运动序列作轨迹图；顶层金字塔轨迹序列模板匹配；中间层金字塔轨迹序列模板匹配；底层金字塔轨迹序列模板匹配；候选轨迹安全裕度计算；基于轨迹安全裕度的匹配结果筛选；导航定位结果修正。本发明专利技术为集成有IMU的多传感器融合SLAM系统提供一种辅助定位方法。适用于全局二维地图已知的场景，根据惯性里程计的航位推算获得自身运动序列，基于轨迹匹配实现定位功能，具有完备的自主性。当移动机器人位于复杂环境下，由于遮挡干扰等导致激光点云匹配失效/视觉特征丢失时，本发明专利技术依然可以为载体的定位提供参考信息。息。息。

【技术实现步骤摘要】
一种基于载体自身运动序列的匹配定位方法


[0001]本专利技术涉及一种激光雷达/视觉传感信息失效时依赖机器人自身运动序列的匹配定位算法，属于移动机器人自主导航定位


技术介绍

[0002]同时定位与地图构建(Simulataneous Localization and Mapping,SLAM)是实现移动机器人自主导航定位的关键技术，在自动驾驶、自主探索机器人、虚拟现实(VR)/增强现实(AR)等领域得到广泛应用。随着导航定位技术的发展，为满足大范围、大动态等复杂应用场景中高精度定位的需求，SLAM系统更多地采用激光雷达(Lidar)/视觉传感器/惯性传感器等多传感器融合的方式。激光雷达/视觉传感器可以感知丰富的环境信息，但对环境特征要求严格，鲁棒性较差。惯性导航具有可靠性强，完备自主的优点，可以独立实现导航定位任务，但其定位误差随时间累积，长期精度较差。现有的多传感器融合SLAM系统通常以激光雷达/视觉传感器作为主要传感信息与惯性传感信息进行耦合，可以有效地提升移动机器人导航与定位的精度。但当移动机器人位于复杂环境下，由于环境特征简单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于载体自身运动序列的匹配定位方法，其特征在于，包括以下步骤：S1：地图金字塔制备；S2：基于关键节点分割的运动序列压缩；S3：运动序列作轨迹图；S4：顶层金字塔轨迹序列模板匹配；S5：中间层金字塔轨迹序列模板匹配；S6：底层金字塔轨迹序列模板匹配；S7：候选轨迹安全裕度计算；S8：基于轨迹安全裕度的匹配结果筛选；S9：导航定位结果修正。2.根据权利要求1所述的一种基于载体自身运动序列的匹配定位方法，其特征在于，所述步骤S1具体包括以下过程：S1.1根据历史建图信息或公开地图资源，获得环境地图信息；将环境地图区域分为两类，可通行区域与障碍物区域；S1.2选定像素空间与显示空间的比例，创建二值图像，将障碍物区域设置为0，可通行区域设置为1；S1.3将地图图像进行缩放构建地图金字塔。3.根据权利要求2所述的一种基于载体自身运动序列的匹配定位方法，其特征在于，所述步骤S2具体包括以下过程：S2.1实时获取机器人惯性导航定位的解算结果，保存下先于某一时刻的机器人位置与姿态信息，获得机器人运动序列；S2.2设置大小为W的滑动窗口，在窗口范围内根据机器人运动的位置与姿态变化(速度与角速度)信息设定姿态变化动态阈值；动态阈值计算为：式中，和分别为滑动窗内的平均速度与平均角速度，k为比例因子，与滑动窗大小有关；S2.3将机器人运动序列中姿态变化超过设定阈值的点标记为关键节点；S2.4通过个关键节点将运动序列分段，在每段之间运行Douglas
‑
Peucker算法进行轨迹压缩。4.根据权利要求3所述的一种基于载体自身运动序列的匹配定位方法，其特征在于，所述步骤S3具体包括以下过程：S3.1选定地图比例尺；获得现有轨迹序列的空间跨度，根据选定比例创建一全0矩阵；S3.2将压缩后的轨迹序列点投影到矩阵中，序列点所在位置置1；将矩阵保存为二值轨迹地图；保存关键节点在地图中的偏移量置偏移向量。5.根据权利要求4所述的一种基于载体自身运动序列的匹配定位方法，其特征在于，所述步骤S4具体包括以下过程：S4.1以30
°
为步长，在最顶层金字塔将对应轨迹图像进行步进旋转；S4.2一步旋转后，对当前轨迹求取最小外接矩形，重新设置轨迹图像尺寸；
S4.3将轨迹地图作为模板在地图中进行遍历匹配，计算地图上每个位置点的评分P，Q分别为地图图像的行数与列数，N为轨迹中序列点的数量；u(v
k1
,v
k2
)表示偏移量数组中第k个序列点的灰度值；t(x+v
k1
,y+v
k2
)表示地图图像中位于坐标(x+v
k1
,y+v
k2
)像素点的灰度值；S4.4计算在该旋转角度下遍历匹配的...

【专利技术属性】
技术研发人员：徐晓苏，刘烨豪，
申请(专利权)人：东南大学，
类型：发明
国别省市：