一种用于地下井工矿的定位方法及系统技术方案

本申请公开了一种用于地下井工矿的定位方法及系统，该方法首先获取无人驾驶车辆的定位输入数据，分别对定位输入数据进行空间同步处理和时间同步处理；对空间同步处理和时间同步处理后的IMU数据、车辆轮速计数据以及UWB数据进行融合处理，获取所述无人驾驶车辆的纵向定位数据；对空间同步处理和时间同步处理后的激光雷达点云数据进行初步处理；对非地面点进行点云数据处理，获取无人驾驶车辆的横向定位数据。该系统包括：定位输入数据获取模块、同步处理模块、纵向定位模块、初步处理模块和横向定位模块。通过本申请，能够实现更加精确的定位，且有利于提高定位效率。且有利于提高定位效率。且有利于提高定位效率。

【技术实现步骤摘要】
一种用于地下井工矿的定位方法及系统


[0001]本申请涉及无人机定位
，特别是涉及一种用于地下井工矿的定位方法及系统。

技术介绍

[0002]随着科技的发展，无人驾驶技术的应用越来越广泛，尤其是针对特定场景如矿区、港口等，为了人身安全，更加需要开展运输设备的无人化工作，相应地，无人驾驶技术的应用更为普及。在地下井工矿应用场景中，定位是实现无人驾驶的第一步。因此，设计一种用于地下井工矿的定位方法，是个重要的技术问题。
[0003]目前地下井工矿的定位方法，通常是采用激光SLAM算法进行定位，也就是采用激光点云定位方式。具体地，根据地下隧道中不同的环境特征，通过连续的传感器数据预估，确定无人驾驶车辆当前的位姿。
[0004]然而目前的SLAM(simultaneous localization and mapping，即时定位与地图构建)定位方法中，由于SLAM定位中需要用到点云定位技术，而地下隧道中存在环境特征较少，环境退化的情况，也就是地下隧道中环境特征很相似，点云定位很困难，从而导致SLAM定位准确性较差，无法实现无人驾驶车辆的精确定位。

技术实现思路

[0005]本申请提供了一种用于地下井工矿的定位方法及系统，以解决现有技术中的定位方法使得无人驾驶车辆的定位准确性和定位精度较差的问题。
[0006]为了解决上述技术问题，本申请实施例公开了如下技术方案：
[0007]一种用于地下井工矿的定位方法，所述方法包括：
[0008]获取无人驾驶车辆的定位输入数据，所述定位输入数据包括：IMU(Inertial measurement unit，惯性测量单元，测量物体三轴姿态角(或角速率)以及加速度的装置)数据、车辆轮速计数据、UWB(Ultra Wideband，超宽带，一种无载波通信技术，利用纳秒至微秒级的非正弦波窄脉冲传输数据)数据以及激光雷达点云数据；
[0009]分别对所述定位输入数据进行空间同步处理和时间同步处理；
[0010]对空间同步处理和时间同步处理后的IMU数据、车辆轮速计数据以及UWB数据进行融合处理，获取所述无人驾驶车辆的纵向定位数据；
[0011]对空间同步处理和时间同步处理后的激光雷达点云数据进行初步处理；
[0012]根据初步处理结果，对非地面点进行点云数据处理，获取所述无人驾驶车辆的横向定位数据，所述非地面点包括：打在无人驾驶车辆上的激光雷达点以及隧道壁上的激光雷达点。
[0013]可选地，分别对所述定位输入数据进行空间同步处理和时间同步处理的方法，包括：
[0014]根据所述IMU数据，标定IMU坐标系与车体坐标系，获取IMU坐标系与车体坐标系的
相对位姿关系；
[0015]根据所述激光雷达点云数据，标定激光雷达坐标系与车体坐标系，获取激光雷达坐标系与车体坐标系的相对位姿关系；
[0016]构建后轮轮速计差速模型，并利用所述后轮轮速计差速模型进行CAN报文数据处理，获取到车辆里程计数据；
[0017]对UWB数据进行解析；
[0018]通过添加时间戳，对所述定位输入数据进行时间同步处理。
[0019]可选地，所述对空间同步处理和时间同步处理后的IMU数据、车辆轮速计数据以及UWB数据进行融合处理，获取所述无人驾驶车辆的纵向定位数据，包括：
[0020]根据空间同步处理和时间同步处理后的IMU数据，确定IMU三轴加速度；
[0021]根据所述IMU三轴加速度，计算所述无人驾驶车辆在设定时间内的IMU三轴移动距离和角度，并将所述IMU三轴移动距离和角度定义为IMU因子；
[0022]根据空间同步处理和时间同步处理后的车辆轮速计数据，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子；
[0023]根据空间同步处理和时间同步处理后的UWB数据，确定UWB坐标系下的位置信息，并将所述位置信息定义为UWB优化因子；
[0024]采用因子图融合的方法，对所述IMU因子、里程计因子和UWB优化因子进行加权处理，获取所述无人驾驶车辆实时纵向位置信息。
[0025]可选地，所述根据空间同步处理和时间同步处理后的车辆轮速计数据，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子，包括：
[0026]解析所述无人驾驶车辆CAN报文中与车辆轮速计数据相关的CAN报文数据，获取左右车轮的速度信息；
[0027]根据所述左右车轮的速度信息构建后轮差速模型：根据所述左右车轮的速度信息构建后轮差速模型：其中ω为车轮里程计角速度，r为轮轴中心到车轮的距离，d为轮轴中心到转弯中心的距离，v
R
为右侧车轮速度，v
L
为左侧车轮速度；
[0028]根据所述后轮差速模型计算得出以后轮轴中心为中心的里程计模型：根据所述后轮差速模型计算得出以后轮轴中心为中心的里程计模型：其中，v为里程计模型速度；
[0029]根据所述里程计模型，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子。
[0030]可选地，所述对空间同步处理和时间同步处理后的激光雷达点云数据进行初步处理，包括：
[0031]根据设定的最大环境距离和最小环境距离，剔除激光雷达点云数据中大于最大环境距离以及小于最小环境距离的点；
[0032]通过对无人驾驶车辆周围的三维空间进行划分，对激光雷达返回的激光点进行下采样处理；
[0033]进行地面点云数据滤波，剔除地面点，保留非地面点；
[0034]采用点云聚类算法，对返回的墙面点进行聚类处理，获取无人驾驶车辆到隧道两边墙壁的水平距离。
[0035]可选地，所述根据初步处理结果，对非地面点进行点云数据处理，获取所述无人驾驶车辆的横向定位数据，包括：
[0036]对非地面点的激光雷达点云数据进行裁剪，保留激光雷达点云坐标Z值为
‑
0.5
‑
0.5的点云作为点云测距范围；
[0037]根据激光打到墙面上返回的点云数据的坐标值，筛选出坐标X值符合设定条件的点云，根据符合设定条件的点云在激光雷达X轴上的位置，对所述墙面进行分块；
[0038]根据隧道壁上的激光雷达点云数据的坐标值，计算激光雷达距离墙面的实际距离。
[0039]可选地，所述根据隧道壁上的激光雷达点云数据的坐标值，计算激光雷达距离墙面的实际距离，包括：
[0040]对于隧道壁上的激光雷达点，根据其返回的坐标值(x,y,z)计算得出距离均值d1，d2，d3；
[0041]判断d1，d2，d3中的任一所述距离均值是否满足：其中，w为车辆宽度，l为隧道宽度；
[0042]如果否，判定所述距离均值不符合要求，剔除所述距离均值；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于地下井工矿的定位方法，其特征在于，所述方法包括：获取无人驾驶车辆的定位输入数据，所述定位输入数据包括：IMU数据、车辆轮速计数据、UWB数据以及激光雷达点云数据；分别对所述定位输入数据进行空间同步处理和时间同步处理；对空间同步处理和时间同步处理后的IMU数据、车辆轮速计数据以及UWB数据进行融合处理，获取所述无人驾驶车辆的纵向定位数据；对空间同步处理和时间同步处理后的激光雷达点云数据进行初步处理；根据初步处理结果，对非地面点进行点云数据处理，获取所述无人驾驶车辆的横向定位数据，所述非地面点包括：打在无人驾驶车辆上的激光雷达点以及隧道壁上的激光雷达点。2.根据权利要求1所述的一种用于地下井工矿的定位方法，其特征在于，分别对所述定位输入数据进行空间同步处理和时间同步处理的方法，包括：根据所述IMU数据，标定IMU坐标系与车体坐标系，获取IMU坐标系与车体坐标系的相对位姿关系；根据所述激光雷达点云数据，标定激光雷达坐标系与车体坐标系，获取激光雷达坐标系与车体坐标系的相对位姿关系；构建后轮轮速计差速模型，并利用所述后轮轮速计差速模型进行CAN报文数据处理，获取到车辆里程计数据；对UWB数据进行解析；通过添加时间戳，对所述定位输入数据进行时间同步处理。3.根据权利要求1所述的一种用于地下井工矿的定位方法，其特征在于，所述对空间同步处理和时间同步处理后的IMU数据、车辆轮速计数据以及UWB数据进行融合处理，获取所述无人驾驶车辆的纵向定位数据，包括：根据空间同步处理和时间同步处理后的IMU数据，确定IMU三轴加速度；根据所述IMU三轴加速度，计算所述无人驾驶车辆在设定时间内的IMU三轴移动距离和角度，并将所述IMU三轴移动距离和角度定义为IMU因子；根据空间同步处理和时间同步处理后的车辆轮速计数据，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子；根据空间同步处理和时间同步处理后的UWB数据，确定UWB坐标系下的位置信息，并将所述位置信息定义为UWB优化因子；采用因子图融合的方法，对所述IMU因子、里程计因子和UWB优化因子进行加权处理，获取所述无人驾驶车辆实时纵向位置信息。4.根据权利要求3所述的一种用于地下井工矿的定位方法，其特征在于，所述根据空间同步处理和时间同步处理后的车辆轮速计数据，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子，包括：解析所述无人驾驶车辆CAN报文中与车辆轮速计数据相关的CAN报文数据，获取左右车轮的速度信息；
根据所述左右车轮的速度信息构建后轮差速模型：根据所述左右车轮的速度信息构建后轮差速模型：其中ω为车轮里程计角速度，r为轮轴中心到车轮的距离，d为轮轴中心到转弯中心的距离，v
R
为右侧车轮速度，v
L
为左侧车轮速度；根据所述后轮差速模型计算得出以后轮轴中心为中心的里程计模型：根据所述后轮差速模型计算得出以后轮轴中心为中心的里程计模型：其中，v为里程计模型速度；根据所述里程计模型，确定所述无人驾驶车辆在设定时间内的后轮轴中心移动距离和角度，并将所述后轮轴中心移动距离和角度定义为里程计因子。5.根据权利要求1所述的一种用于地下井工矿的定位方法，其特征在于，所述对空间同步处理和时间同步处理后的激光雷达点云数据进行初步处理，包括：根据设定的最大环境距离和最小环境距离，剔除激光雷达点云数据中大于最大环境距离以及小于最小环境距离的点；通过对无人驾驶车辆周围的三维空间进行划分，对激光雷达返回的激光点进行下采样处理；进行地面点云数据滤波，剔除地面点，保留非地面点；采用点云聚类算法，对返回的墙面点进行聚类处理，获取无人驾驶车辆到隧道两边墙壁的水平距离。6.根据权利要求5...

【专利技术属性】
技术研发人员：梁云峰，王金国，郭瑞，杨国强，姚蔚利，杨会龙，
申请(专利权)人：中煤陕西榆林能源化工有限公司中煤电气有限公司，
类型：发明
国别省市：