【技术实现步骤摘要】
超宽带雷达和激光雷达融合定位方法、设备及存储介质
[0001]本专利技术涉及移动机器人导航领域,尤其涉及一种超宽带雷达和激光雷达融合定位方法。
技术介绍
[0002]移动机器人在复杂的环境中进行导航的关键技术之一就是准确的计算自身的位置,即定位(Localization)。而室内应用环境(如工厂、仓库、商场等)往往具有“非静态”、“布局易变化”等特点,这对移动机器人的准确定位带来了巨大的挑战。
[0003]目前,激光雷达(Lidar)和超宽带雷达(Ultra
‑
WideBand,UWB)在室内机器人定位研究中应用广泛。并由于激光雷达与UWB可以优势互补、克服彼此的短处,进而提高姿态估计的精度和定位算法的鲁棒性,形成了激光雷达与UWB融合定位方法。但现有的激光雷达与UWB融合定位方法都没有考虑到激光雷达和UWB的传感器信息退化,激光雷达在几何特征退化的环境中会导致特征点较少影响定位精度,UWB定位准确性也与UWB基站的几何分布有关,UWB基站的不良几何分布将导致UWB的位姿估计精确度低。现有的融合定位方法无法根据环境的特点进行动态调节,做到自适应的融合定位。此外当信标与UWB基站之间出现遮挡时,非视距(Non Line of Sight,NLOS)误差也会对定位精度有很大影响。对于UWB的非视距误差,基于接收信号特征的方法需要预先人为设定判别非视距误差的阈值,不具备自适应性,且不同地点不同环境中的阈值可能有所不同,缺少泛化能力。基于测距残差信息的方法信号传播路径损失模型受到许多因素的影响,人工 ...
【技术保护点】
【技术特征摘要】
1.一种超宽带雷达和激光雷达融合定位方法,其特征在于,包括:步骤1,分别从超宽带雷达获得原始距离数据以及从激光雷达获得原始点云数据;步骤2,分别确定超宽带雷达信息的退化程度与激光雷达信息的退化程度;其中,通过非视距误差消除神经网络模型对从超宽带雷达获得的原始距离数据进行状态判断,去除非视距误差后得到距离信息,利用距离信息判断超宽带雷达信息的退化程度;通过将从激光雷达获得的原始点云数据通过点云特征提取后得到点云特征,利用点云特征判断激光雷达信息的退化程度;步骤3,利用激光雷达的点云特征进行特征匹配,将激光雷达特征匹配点与超宽带雷达的距离信息进行融合,根据超宽带雷达信息的退化程度和激光雷达信息的退化程度自适应调整两者融合比例,得出精确的移动机器人的位姿估计。2.根据权利要求1所述的超宽带雷达和激光雷达融合定位方法,其特征在于,所述步骤3中,按以下方式利用超宽带雷达的距离信息和激光雷达的点云特征分别进行特征匹配融合,包括:通过找出移动机器人在世界坐标系的姿态ξ
k
在每个时刻t
k
的最优估计作为定位目标,ξ
k
定义为:ξ
k
=[ex
k ey
k ez
k x
k y
k z
k
]
T
;其中,ex
k
、ey
k
、ez
k
分别表示移动机器人在世界坐标系中在x、y、z轴上的朝向,x
k
、y
k
、z
k
分别表示移动机器人在世界坐标系中在x、y、z轴上的位置;将上述最优估计表述为如下非线性最小二乘问题,再进行求解:其中,r
Lidar
表示激光雷达的测量残差,r
UWB
表示超宽带雷达的测量残差;n与m分别为激光雷达测量残差的个数与超宽带雷达测量残差的个数;γ为调整激光雷达测量残差和超宽带雷达测量残差在状态估计中贡献比例的比例因子,能根据激光雷达信息和超宽带雷达信息退化程度自动增加和减少该比例因子γ进行自适应调整激光雷达信息与超宽带雷达信息两者融合比例。最后,通过以下非线性迭代来更新位置的状态向量ξ:3.根据权利要求1或2所述的超宽带雷达和激光雷达融合定位方法,其特征在于,所述步骤2中,用超宽带雷达距离信息相关的费舍尔信息矩阵特征值确定超宽带雷达信息的退化程度,包括:超宽带雷达中,超宽带雷达基站P
a
的坐标为(x
a
,y
a
,z
a
),测量的距离为dis,则距离残差为:于是
即超宽带雷达雅可比矩阵根据超宽带雷达的距离信息得到与超宽带雷达相关的费舍尔信息矩阵I
u
(ξ)为:其中,σ
uwb
表示超宽带雷达测距信息协方差;如果超宽带雷达相关的费舍尔信息矩阵I
u
(ξ)的第i个特征值e
i,u
<e
thr,u
,则超宽带雷达的信息是退化的,退化方向是e
i,u
对应的特征向量v
i,u
,记录退化个数为n
u
;用激光雷达点云特征相关的费舍尔信息矩阵特征值确定激光雷达信息的退化程度,包括:激光雷达点云特征中,当前特征点P
iB
相对于状态ξ的似然函数P(P
iB
;ξ)表示为:其中,P
B
是激光雷达点云特征中所有特征点的集合;于是:其中,σ
Lidar
表示激光雷达数据的协方差矩阵;通过上述似然函数P(P
iB
;ξ)能计算出与激光雷达点云特征相关的费舍尔信息矩阵的特征值I
l
(ξ)为:其中,J
l,k
表示激光雷达测量残差的雅可比矩阵;如果激光雷达点云特征相关的费舍尔信息矩阵I
l
(ξ)的第i个特征值e
...
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。