一种基于多传感器主动融合的井下无人驾驶车辆定位方法技术

本发明专利技术公开了一种基于多传感器主动融合的井下无人驾驶车辆定位方法，包括步骤：根据无人驾驶车辆各个传感器的初始参数以及位置关系，对各个传感器进行参数标定，得到各个传感器的外参，并将其统一在同一车体坐标系；其中，所述传感器包含轮速里程计、惯导、摄像头及激光雷达；开启各个传感器及照度计，无人驾驶车辆按照规划路径在井下行驶一周，得到先验信息，包括惯导先验数据、激光雷达点云生成的先验地图及井下照度情况；确定定位主传感器；将主传感器及惯导的定位信息加权融合，得到无人驾驶车辆最终定位。该方法能够增强在井下场景中矿车的环境感知能力，根据精准定位达到作业要求，有效提高矿区的生产工作效率。有效提高矿区的生产工作效率。有效提高矿区的生产工作效率。

【技术实现步骤摘要】
一种基于多传感器主动融合的井下无人驾驶车辆定位方法


[0001]本专利技术涉及自动驾驶环境感知
，特别是涉及一种基于多传感器主动融合的井下无人驾驶车辆定位方法。

技术介绍

[0002]近年来，5G通信和车联网技术快速发展，无人驾驶逐渐走入大众视野。但无人驾驶由于传感器稳定性、决策可靠性以及控制精准程度等原因短时间内难以在城区内普及，而井工矿区具有人少、障碍物单一等利于无人驾驶应用开展的天然优势；除此之外，在井工矿区开展无人驾驶，一定程度上保障了复杂工况下的工作顺利推进，提高作业效率。
[0003]井工矿开采有一定的危险性，开采需要在井下布置大量的设备、车辆、人员，各种自然或人为因素造成的灾害、事故对井下工作人员的人身安全造成了极大的威胁。对井下人员、车辆有效的组织管理，以及事故、灾害的救援都需要掌握井下人员、车辆、设备的精确位置数据，井下设备的远程控制、智能控制更离不开井下设备的实时精确位置数据。精确定位技术已成为矿井安全生产的重要技术支撑，实时精确位置数据已成为智能矿山日常运行的重要基础。目前，井工矿区通常采用惯导定位或者通信式定位：惯导定位只需要起点的坐标，根据陀螺仪及加速度计推算当前位置，但存在较大累计误差；而通信式定位通常需要在井下安装多个基站，每个基站服务一片区域，但往往都存在定位盲区。因此，如何在井工矿区实现井下的精准定位是亟待解决的问题。
[0004]目前，关于井下矿区定位已经成为研究热点，但对于本场景下应用要求都难以满足：
[0005]在论文《关于煤矿井下人员智能化定位系统的设计研究》中，提出一种基于UWB超宽带定位技术和LoRa无线通信技术的矿井定位方法，井下工作人员及车辆携带对应的定位标签，无意外情况下一定时间内更新标签位置信息，井上解析数据信息获取具体位置。但该方法在井下矿区定位时需要得到信号在传播媒介中的具体速度，在井下矿区复杂工况场景下存在较大误差，无法准确获得的井下定位信息。
[0006]在论文《基于WiFi无线网络技术的新型矿井人员定位系统的设计研究》中，提出一种基于先进的WiFi无线网络技术设计的矿井定位方法，井下工作人员及车辆携带定位终端，根据一定范围内的定位标签上传数据信息，井上根据信息分析井下具体定位信息。但该方法在井下矿区受限于WiFi信号强度、工作人员活动场景、硬件软件的兼容度及定位盲区等多重不利条件，缺乏完整的井下定位信息。
[0007]基于此，本专利技术提出一种基于多传感器主动融合的井下无人驾驶车辆定位方法，通过IMU、轮速里程计、摄像头及激光雷达在内的多种传感器在不同工况下进行主动融合，按照实际场景输出准确定位信息，实现车体在井工矿区内的精准定位。

技术实现思路

[0008]本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于多传感器主动融合
的井下无人驾驶车辆定位方法，目的在于增强在井下场景下矿车的环境感知能力，根据精准定位达到作业要求，不仅保障工人的作业安全，还一定程度上提高矿区的生产工作效率。本专利技术采用如下技术方案：
[0009]一种基于多传感器主动融合的井下无人驾驶车辆定位方法，包括以下步骤：
[0010]步骤1、根据无人驾驶车辆各个传感器的初始参数以及位置关系，对各个传感器进行参数标定，得到各个传感器的外参，并将其统一在同一车体坐标系；其中，所述传感器包含轮速里程计、惯导、摄像头及激光雷达；
[0011]步骤2、开启各个传感器及照度计，无人驾驶车辆按照规划路径在井下行驶一周，得到先验信息，包括惯导先验数据、激光雷达点云生成的先验地图及井下照度情况；
[0012]步骤3、在无人驾驶车辆执行任务过程中，根据先验信息确定定位主传感器：根据惯导先验数据进行判断，如果场景坡度小于给定值，采用轮速里程计作为主传感器对车体进行定位；否则对井下照度进行判断，如果照度高于给定值，采用摄像头作为主传感器，根据视觉里程计信息对车体进行定位；否则采用激光雷达作为主传感器，根据激光雷达的当前场景点云与先验地图匹配信息对车体进行定位；其中，主传感器确定后，依据主传感器信息进行定位，其他传感器保持关机状态；
[0013]步骤4、将主传感器及惯导的定位信息加权融合，得到无人驾驶车辆最终定位。
[0014]进一步，所述步骤1，所述摄像头与激光雷达标定利用点对应方法匹配，得到精确的旋转平移矩阵并记录更新该矩阵；惯导通过测算静止状态下的零偏误差进行标定。
[0015]进一步，所述步骤3，当采用轮速里程计作为主传感器时，根据轮速及运动模型推算车体位移，得到行驶里程进行定位；
[0016]当采用摄像头作为主传感器时，先采用暗通道优先的图像增强方法减小井下扬尘对视觉里程计的影响，而后采用Vins
‑
mono方法进行定位；
[0017]当采用激光雷达作为主传感器时，采用迭代临近点方法对当前场景点云信息与先验地图信息进行实时匹配，得到定位结果。
[0018]进一步，所述采用摄像头作为主传感器进行定位，包括以下步骤：
[0019](1)采用暗通道优先的图像增强方法，减小井下扬尘对视觉里程计的影响，其中图像的暗通道定义为两次取最小值的操作：先选取原图中RGB三通道内中的最小值，再对窗口内作最小值滤波：
[0020][0021]其中，J
dark
(x)为像素点x的暗通道的值，J
c
(y)为彩色图像的每个通道，Ω(x)为以x为中心的一块方形区域，c为颜色通道在无雾或灰尘场景下，J
dark
在三通道中至少有一个通道值很，最终计算出的暗通道通常为0，而在有雾或灰尘场景下，则会大于0；
[0022]而后结合路侧导引井下特征，对井下特征点进行提取与跟踪；
[0023](2)利用IMU预积分方法恢复出尺度信息，并给予短时姿态估计；
[0024](3)前端处理完成后经过滑动窗口图优化后端处理输出最终状态估计结果，即定位信息输出。
[0025]进一步，所述采用激光雷达作为主传感器进行定位，包括以下步骤：
[0026](1)获取当前帧点云并进行点云预处理操作，并导入先验地图，将当前帧点云与先
验地图点云进行迭代临近点匹配：
[0027][0028]其中p
i
是当前帧点云中任意一点，q
i
是地图点云中距离p
i
最近的一点，R为旋转矩阵，T为平移矩阵；
[0029](2)调整对应点权重，剔除误匹配点对，不断迭代此过程直到求解出最小值的loss，即求解出最优变换；
[0030](3)得到最优匹配后，输出此时的定位结果。
[0031]本专利技术与现有技术相比所具有的有益效果：
[0032](1)本专利提出一种基于井工矿环境差异的动态融合定位方法。由于井工矿环境具有差异性，结合需求场景下的先验环境信息，动态确定主传感器适应不同感知环境，自动切换车体融合定位方法，相较于传统井下定位方式适应性更强，实时性更好，覆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器主动融合的井下无人驾驶车辆定位方法，其特征在于，包括以下步骤：步骤1、根据无人驾驶车辆各个传感器的初始参数以及位置关系，对各个传感器进行参数标定，得到各个传感器的外参，并将其统一在同一车体坐标系；其中，所述传感器包含轮速里程计、惯导、摄像头及激光雷达；步骤2、开启各个传感器及照度计，无人驾驶车辆按照规划路径在井下行驶一周，得到先验信息，包括惯导先验数据、激光雷达点云生成的先验地图及井下照度情况；步骤3、在无人驾驶车辆执行任务过程中，根据先验信息确定定位主传感器：根据惯导先验数据进行判断，如果场景坡度小于给定值，采用轮速里程计作为主传感器对车体进行定位；否则对井下照度进行判断，如果照度高于给定值，采用摄像头作为主传感器，根据视觉里程计信息对车体进行定位；否则采用激光雷达作为主传感器，根据激光雷达的当前场景点云与先验地图匹配信息对车体进行定位；其中，主传感器确定后，依据主传感器信息进行定位，其他传感器保持关机状态；步骤4、将主传感器及惯导的定位信息加权融合，得到无人驾驶车辆最终定位。2.根据权利要求1所述的一种基于多传感器主动融合的井下无人驾驶车辆定位方法，其特征在于，所述步骤1，所述摄像头与激光雷达标定利用点对应方法匹配，得到精确的旋转平移矩阵并记录更新该矩阵；惯导通过测算静止状态下的零偏误差进行标定。3.根据权利要求2所述的一种基于多传感器主动融合的井下无人驾驶车辆定位方法，其特征在于，所述步骤3，当采用轮速里程计作为主传感器时，根据轮速及运动模型推算车体位移，得到行驶里程进行定位；当采用摄像头作为主传感器时，先采用暗通道优先的图像增强方法减小井下扬尘对视觉里程计的影响，而后采用Vins
‑
mono方法进行定位；当采用激光雷达作为主传感器时，...

【专利技术属性】
技术研发人员：邬海杰，候国鹏，王杰，张明磊，徐忠坤，
申请(专利权)人：北京踏歌智行科技有限公司，
类型：发明
国别省市：