一种基于激光雷达的地下矿区坡度检测方法及系统技术方案

本发明专利技术公开一种基于激光雷达的地下矿区坡度检测方法及系统，方法包括：基于采集的激光点云数据构建矿区点云地图；加载矿区点云地图，对地图中的点云做特征提取，并基于提取的点云的单点特征得到地面区域点云地图；对地面区域点云地图进行分割，得到长度定量的二级区域，并将每个二级区域划分为两个三级区域；计算每一三级区域的坡度，以两个三级区域的坡度差的绝对值来表达当前二级区域所在路面的颠簸程度。本发明专利技术为开发者或使用者提供了地下矿区的坡度检测方法，可精确测出地下矿区所有路线的坡度数据，通过车道左右两侧的坡度差来反映车道的颠簸程度，为矿车在地下矿区上下坡速度控制及路径规划提供了可靠的数据参考。度控制及路径规划提供了可靠的数据参考。度控制及路径规划提供了可靠的数据参考。

【技术实现步骤摘要】
一种基于激光雷达的地下矿区坡度检测方法及系统


[0001]本专利技术涉及无人驾驶
，尤其涉及地下矿区无人驾驶的决策辅助，具体为一种基于激光雷达的地下矿区坡度检测方法及系统。

技术介绍

[0002]汽车路径规划与决策控制是自动驾驶的核心技术之一，速度控制又是决策控制的关键技术之一。无人矿车运输矿物上下坡时需要兼顾运输安全与效率，速度控制的重要依据之一就是坡度的大小。
[0003]目前坡度检测常采用基于重力原理的仪器测量，地下矿区运输通道这一场景的特点是路线复杂、线路较长、灯光昏暗。人工用仪器测量地下矿区坡度不仅效率地下，且采集的坡度数据无法直接用于自动驾驶的控制决策辅助。如果想要用于自动驾驶控制，将坡度数据映射到地图上，需要经过复杂的转换，且测量位置与地图标记位置会存在较大误差。
[0004]现有的坡度检测方法都是只针对某一特定区域的坡度进行测量，在地下矿区这种大型复杂的场景中，没有一套一次性将区域内所有道路坡度测量并保存在地图中为自动驾驶决策控制做参考的解决方案。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供一种基于激光雷达的地下矿区坡度检测方法及系统，用以解决上述至少一个技术问题。
[0006]根据本专利技术说明书的一方面，提供一种基于激光雷达的地下矿区坡度检测方法，所述方法包括：基于采集的激光点云数据构建矿区点云地图；加载矿区点云地图，对地图中的点云做特征提取，并基于提取的点云的单点特征得到地面区域点云地图；对地面区域点云地图进行分割，得到长度定量的二级区域，并将每个二级区域划分为两个三级区域；计算每一三级区域的坡度，以两个三级区域的坡度差的绝对值来表达当前二级区域所在路面的颠簸程度。
[0007]上述技术方案为开发者或使用者提供了地下矿区的坡度检测方法，可以精确测出地下矿区所有路线的坡度数据，通过车道左右两侧的坡度差来反映车道的颠簸程度，为矿车在地下矿区上下坡速度控制及路径规划提供了可靠的数据参考，增强了矿车运输的安全性与效率。
[0008]上述技术方案中得到长度定量的二级区域，相邻二级区域之间首尾相连。
[0009]作为进一步的技术方案，所述方法还包括：采用回环检测和后端优化相结合的方式来构建矿区点云地图。
[0010]可选地，在地下矿区运输通道内，按照指定的路径，用雷达采集完所有区域路段后
回到初始位置，以完成回环检测。采用这种回环检测的方法能够减小累计误差，提高构建的地图质量。
[0011]可选地，采集的雷达数据发往后端，在后端采用BA图优化算法进行数据优化，以减小建图过程中产生的累计误差，提高建图的质量。
[0012]作为进一步的技术方案，所述方法还包括：选取点云曲率作为点云的单点特征，采用二次曲面拟合的方法来计算点云曲率。采用二次曲面拟合的方法来计算点云曲率，是为了使算法简单、高效、稳定性强。
[0013]作为进一步的技术方案，所述方法还包括：对整个地下矿区运输通道进行分段，获取每一段通道对应点云地图上的点云曲率分布，剔除每一段通道的左右矿壁及矿顶，得到每一段通道的地面点云地图数据；根据每一段通道的地面点云地图数据，得到整个地下矿区运输通道的地面区域点云地图。
[0014]作为进一步的技术方案，所述方法还包括：提取点云的局部特征，并根据局部特征对得到的地面区域点云地图进行优化。利用该技术方案可去除与相邻点云距离较大的点，使地图相对平滑。
[0015]作为进一步的技术方案，所述方法还包括：对优化后的地面区域点云地图进行长度定量的分割，形成多个二级区域；再以每个二级区域中线为界，形成两个三级区域。
[0016]可选地，划分二级区域时，可综合考虑无人矿车车轮尺寸以及控制算法对道面数据的要求，来确定二级区域的分割长度。
[0017]作为进一步的技术方案，所述方法还包括：将每一三级区域划分为大小相近且分布均匀的三个子区域；在三个子区域中分别取点，得到由不共线的三个点所确定的平面；计算该平面的法向量与重力方向的夹角作为当前三级区域的坡度。
[0018]可选地，可采用横平竖直的方式进行三级区域下属子区域的划分，以降低计算复杂度，提高处理效率。
[0019]根据本专利技术说明书的一方面，提供一种基于激光雷达的地下矿区坡度检测系统，采用所述的方法实现，所述系统包括：矿区点云地图构建模块，用于基于采集的激光点云数据构建矿区点云地图；地面区域点云地图提取模块，用于加载矿区点云地图，对地图中的点云做特征提取，并基于提取的点云的单点特征得到地面区域点云地图；区域分割模块，用于对地面区域点云地图进行分割，得到长度定量的二级区域，并将每个二级区域划分为两个三级区域；坡度计算模块，用于计算每一三级区域的坡度，以两个三级区域的坡度差的绝对值来表达当前二级区域所在路面的颠簸程度。
[0020]作为进一步的技术方案，所述系统还包括采集模块，用于采用回环检测的方式采集点云数据，并对采集的点云数据进行后端优化后送入矿区点云地图构建模块。
[0021]与现有技术相比，本专利技术的有益效果在于：本专利技术为开发者或使用者提供了地下矿区坡度检测方法，可精确测出地下矿区所有路线坡度数据，采用车道左右两侧的坡度差反映车道的颠簸程度，为矿车在地下矿区上下坡速度控制及路径规划提供参考，增强了矿车运输的安全性与效率。相比于传统方法，本专利技术大大减少了人工的投入，进而也减少了因为人为原因造成的测量的标注误差，且测量
数据可以直接用于自动驾驶汽车的决策，不需要再人工对地图进行标注。
附图说明
[0022]图1为根据本专利技术实施例的一种基于激光雷达的地下矿区坡度检测方法流程图。
[0023]图2为根据本专利技术实施例基于点云曲率剔除矿顶和左右矿壁的流程图。
[0024]图3为根据本专利技术实施例的三级区域划分示意图。
[0025]图4为根据本专利技术实施例的坡度示意图。
[0026]图5为根据本专利技术实施例的坡度差示意图。
实施方式
[0027]以下将结合附图对本专利技术各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围。
[0028]目前坡度检测常采用基于重力原理的仪器测量，地下矿区运输通道这一场景的特点是路线复杂、线路较长、灯光昏暗，人工用仪器测量地下矿区坡度不仅效率地下，且采集的坡度数据无法直接用于自动驾驶的控制决策辅助。并且，如果想要用于自动驾驶控制，将坡度数据映射到地图上，需要经过复杂的转换，且测量位置与地图标记位置会存在较大误差。
[0029]此外，现有的坡度检测方法都只针对某一特定区域的坡度进行测量，在地下矿区这种大型复杂的场景中，没有一套一次性将区域内所有道路坡度测量并保存在地图中为自动驾驶决策控制做参考的解决方案。因此，本专利技术为开发者或使用者在地下矿区提供了坡度检测方法，可精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光雷达的地下矿区坡度检测方法，其特征在于，所述方法包括：基于采集的激光点云数据构建矿区点云地图；加载矿区点云地图，对地图中的点云做特征提取，并基于提取的点云的单点特征得到地面区域点云地图；对地面区域点云地图进行分割，得到长度定量的二级区域，并将每个二级区域划分为两个三级区域；计算每一三级区域的坡度，以两个三级区域的坡度差的绝对值来表达当前二级区域所在路面的颠簸程度。2.根据权利要求1所述一种基于激光雷达的地下矿区坡度检测方法，其特征在于，所述方法还包括：采用回环检测和后端优化相结合的方式来构建矿区点云地图。3.根据权利要求1所述一种基于激光雷达的地下矿区坡度检测方法，其特征在于，所述方法还包括：选取点云曲率作为点云的单点特征，采用二次曲面拟合的方法来计算点云曲率。4.根据权利要求3所述一种基于激光雷达的地下矿区坡度检测方法，其特征在于，所述方法还包括：对整个地下矿区运输通道进行分段，获取每一段通道对应点云地图上的点云曲率分布，剔除每一段通道的左右矿壁及矿顶，得到每一段通道的地面点云地图数据；根据每一段通道的地面点云地图数据，得到整个地下矿区运输通道的地面区域点云地图。5.根据权利要求4所述一种基于激光雷达的地下矿区坡度检测方法，其特征在于，所述方法还包括：提取点云的局部特征，并根据局部特征对得到的地面区域点云地图进行优化。6.根据权利要求5所述一种...

【专利技术属性】
技术研发人员：陈志军，汪杰，苏紫鹏，吴曦曦，张晶明，罗鹏，吴超仲，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：