一种面向船舶检测的无人机室内建图与定位方法技术

本发明专利技术提供了一种面向船舶检测的无人机室内建图方法，通过二维激光雷达采集船舶内部环境信息，将船舶内部的原始点云信息，由无人机搭载的微计算机进行数据处理。针对激光雷达获取点云信息异常数据的处理，提出了基于混合滤波的改进Cartographer算法，建立二位栅格地图。根据已构建的栅格地图，通过粒子滤波算法精确的估计无人机在船舶内部的位姿信息。本发明专利技术降低了构建环境地图的产生的轨迹误差，提高了无人机未知环境的自主定位能力。实现了无人机在船舶内部建图与自主定位。机在船舶内部建图与自主定位。机在船舶内部建图与自主定位。

【技术实现步骤摘要】
一种面向船舶检测的无人机室内建图与定位方法


[0001]本专利技术涉及无人机
，具体涉及面向船舶检测的无人机室内建图与定位方法。

技术介绍

[0002]随着我国航运船队规模不断扩大，航运贸易总量急剧增长，船舶检验不仅是航行安全的重要前提，也是提高中国航运市场的重要保证。目前对于船舶检测中的结构性检查，需要验船师手持仪器进行相关检查。在某些高空狭窄的区域，需要通过梯子，脚手架以及高空绳索来进行靠近检测，使得验船师操作危险系数提高，检测成本增加，验船项目的检测效率降低。
[0003]随着无人机技术的快速发展，在电力巡检、农情检测、矿场勘探、救灾抢险等领域有着广泛的应用，目前已有船舶公司利用无人机辅助验船师进行船舶检测。无人机通常工作在光线良好、视野开阔的环境，利用GPS导航或者视觉深度相机实现无无人机定位，然而在无光照、有强磁干扰的钢制船舱内部，无人机无法获取GPS信号，无法实现在船舶内部的稳定飞行、避障、导航等环境感知。
[0004]随着机器人技术的发展，机器人已经拥有一定的环境感知能力。机器人系统通常依赖同步定位与建图技术来实现对环境的感知。当机器人周围环境的信号被屏蔽时，无法通过GPS系统来进行自身的定位与导航。SLAM技术通过机器人携带传感器来采集周围环境信息，实现环境地图构建之后，机器人便可根据当前地图实现室内定位与导航。目前SLAM技术主要包括基于贝叶斯概率的粒子滤波方法和基于图优化的方法。粒子滤波方法会随着建图过程的不断积累，不断放大传感器估计过程中的误差，构建的地图缺乏连贯性。图优化加入了后端回环检测机制，能够实现子图之间的连贯性，但是无法滤除点云信息中的异常数据，增加计算的复杂度。

技术实现思路

[0005]本专利技术的目的在于解决船舶检验中，如何实现无人机在船舱内部的室内建图与定位问题，提供了一种面向船舶检测的无人机室内建图与定位方法。该方法不仅能够在黑暗，封闭的船舱内部采集到环境信息，建立精确的二维栅格地图，而且能够在缺乏GPS信号的船舶内部得到无人机的位姿信息。
[0006]为了达到上述目的，本专利技术所采用的技术方案是：
[0007]一种面向船舶检测的无人机室内建图与定位方法：包括船舶内部点云信息的获取、船舱内部二维栅格地图构建以及无人机在船舶内部定位等关键部分，具体包括以下步骤：
[0008](1)利用激光雷达获得激光雷达数据序列，并将激光雷达位姿通过坐标转换映射到全局坐标系，获得全局地图坐标值；
[0009](2)利用基于混合滤波改进的SLAM框架，输入激光雷达数据构建船舱内部栅格地
图；
[0010](3)利用粒子滤波算法，在无人机已知控制信息和采样信息情况下，在环境地图中确定无人机在船舱内部位姿。
[0011]优选地，所述步骤(1)具体包括：
[0012]1‑
1)建立地面坐标系与无人机坐标系，二者都是右手坐标系，无人机坐标围绕X，Y，Z三轴的角度以θ、φ、γ表示，其关系矩阵：
[0013][0014][0015][0016]1‑
2)根据三轴关系矩阵，得到从地面坐标系转换至无人机机体坐标系变换矩阵R，从无人机坐标系转换至地面坐标系的变换矩阵为R
T
：
[0017][0018][0019]优选地，所述步骤(2)具体包括：
[0020]2‑
1)利用PCL库中的统计滤波和半径滤波对体素滤波前后的数据进行混合滤波处理，通过调整统计参数与半径参数去除大量离群点，统计参数包括KNN值与标准偏差乘数，半径参数包括半径范围与最小临近点阈值；
[0021]2‑
2)利用Cartorgrapher中的sensorBridge类实现传感信息ROS格式和自定义格式之间的转换和封装，通过transform包将任意时刻激光雷达数据转换为实际环境的子图坐标表示，其中代表坐标系之间的旋转角度，i表示第i个数据帧，x表示无人机某一飞行高度平面x轴方向，y表示无人机某一飞行高度平面y轴方向，ψ表示轴方向旋转角度，ξ表示无人机某一飞行高度的位姿，T表示矩阵转置，表示平移量，表示第n个时刻激光扫描帧：
[0022][0023]2‑
3)经过雷达数据帧坐标变换后，将数据帧与构建好的子图进行扫描匹配，并利用SLAM中的ceres库优化数据帧在已有子图的位姿，对栅格地图已观测点进行概率更新：
[0024][0025]M
new
(x)＝clamp(adds
‑1(odds(M
old
(x))odds(p)))
[0026]其中p表示网格被占据概率；M
old
(x)表示上一次的栅格地图观测点概率；
[0027]2‑
4)使用相关性扫描匹配对已构建子图中所有位姿进行匹配，根据该雷达数据帧对应角度变换θ
δ
与对应测量的最大距离d
max
提高匹配效率：
[0028][0029][0030]其中n表示无人机飞行的第n时刻，N表示无人机的飞行总时间，h
n
表示第n个时刻的匹配数据帧，r表示搜索增量。；
[0031]2‑
5)利用已构建子图之间的约束，通过回环检测构建连贯的全局地图。
[0032]优选地，所述步骤(3)具体包括：
[0033]3‑
1)分析无人机运动模型，对应粒子滤波框架中的状态转移函数，无人机速度为y
k
，位移为D
k
，惯性坐标下姿态下加速度为a＝(a
x
，a
y
，a
z
)
T
，a
x
、a
y
、a
z
表示无人机三个航向角的加速度，T表示矩阵转置，重力方向加速度分量为g＝(0，0，g)
T
，旋转矩阵为R，加速度通过旋转矩阵转换至地面坐标系，减去Z轴方向加速度分量，得到IMU相对于地面坐标系的加速度，并将其离散化：
[0034][0035][0036]其中表示惯导速率，表示无人机飞行速率，表示无人机加速度，T表示飞行时间，表示当前无人机位置坐标，表示上一个时刻无人机位置坐标；
[0037]3‑
2)分析激光雷达的扫描误差与测量误差，建立测量函数：
[0038][0039][0040]其中z
m
为激光雷达的最大测量值，表示测量误差均值，表示测量的真实距离，x
t
表示t时刻的位姿，m表示粒子集中的粒子数量，P
w
表示扫描误差，满足方差为均值为高斯分布。P
v
表示测量误差满足[0～z
m
]的均匀分布，表示标准差为均值为的正态分布，η为归一化因子；
[0041]e
v，k
＝x
k
‑
f(x
k
‑1，u
k
)...

【技术保护点】

【技术特征摘要】
1.一种面向船舶检测的无人机室内建图与定位方法，其特征在于，具体操作步骤如下：(1)利用激光雷达获得激光雷达数据序列，并将激光雷达位姿通过坐标转换映射到全局坐标系，获得全局地图坐标值；(2)利用基于混合滤波改进的SLAM框架，输入激光雷达数据构建船舱内部栅格地图；(3)利用粒子滤波算法，在无人机已知控制信息和采样信息情况下，在环境地图中确定无人机在船舱内部位姿。2.根据权利要求1所述一种面向船舶检测的无人机室内建图与定位方法，其特征在于，所述步骤(1)具体包括：1
‑
1)建立地面坐标系与无人机坐标系，二者都是右手坐标系，无人机坐标围绕X，Y，Z三轴的角度以θ、φ、γ表示，其关系矩阵：轴的角度以θ、φ、γ表示，其关系矩阵：轴的角度以θ、φ、γ表示，其关系矩阵：1
‑
2)根据三轴关系矩阵，得到从地面坐标系转换至无人机机体坐标系变换矩阵R，从无人机坐标系转换至地面坐标系的变换矩阵为R
T
：：3.根据权利要求1所述一种面向船舶检测的无人机室内建图与定位方法，其特征在于，所述步骤(2)具体包括：2
‑
1)利用PCL库中的统计滤波和半径滤波对体素滤波前后的数据进行混合滤波处理，通过调整统计参数与半径参数去除大量离群点，统计参数包括KNN值与标准偏差乘数，半径参数包括半径范围与最小临近点阈值；2
‑
2)利用Cartorgrapher中的sensorBridge类实现传感信息ROS格式和自定义格式之间的转换和封装，通过transform包将任意时刻激光雷达数据转换为实际环境的子图坐标表示，其中代表坐标系之间的旋转角度，i表示第i个数据帧，x表示无人机某一飞行高度平面x轴方向，y表示无人机某一飞行高度平面y轴方向，ψ表示轴方向旋转角度，ξ表示无人机某一飞行高度的位姿，T表示矩阵转置，表示平移量，表示第n个时刻激光扫描帧：
2
‑
3)经过雷达数据帧坐标变换后，将数据帧与构建好的子图进行扫描匹配，并利用SLAM中的ceres库优化数据帧在已有子图的位姿，对栅格地图观测点进行概率更新：M
new
(x)＝clamp(adds
‑1(odds(M
old
(x))odds(p)))其中p表示网格被占据概率；M
old
(x)表示上一次的栅格地图观测点概率；2
‑
4)使用相关性扫描匹配对已构建子图中所有位姿进行匹配，根据该雷达数据帧对应角度变换θ
δ
与对应测量的最大距离d
max
提高匹配效率：提高匹配效率：其中n表示无人机飞行的第n时刻，N表示无人机的飞行总时间，h
n
表示第n个时刻的匹配数据帧，r表示搜索增量。；2
‑
5)利用已构建子图之间的约束，通过回环检测构建连贯的全局地图。4.根据权利要求1所述一种面向船舶检测的无人机室内建图与定位方法，其特征在于，所述步骤(3)具体包括：...

【专利技术属性】
技术研发人员：盛志超，陈斌斌，余鸿文，杨强强，方勇，
申请(专利权)人：上海大学，
类型：发明
国别省市：