本发明专利技术涉及一种地图边界优化数据方法及系统技术领域，特别涉及一种基于遗传算法的地图边界优化数据融合方法、定位系统，所述方法包括如下步骤，S1：获取当前时刻LiDAR所采集的地图边界数据信息，以LiDAR和被观测物体反射点云作为系统观测，构建AIEKF/FIR系统模型，对LiDAR采集的地图边界信息分别进行AIEKF/FIR滤波处理，得到优化后的地图边界信息；S2：将上述步骤得到的两组滤波器滤波处理后的地图边界信息作为输入，以遗传算法为基础对AIEKF/FIR滤波后的地图边界信息进行融合，最终得到数据融合后的最优地图边界信息。数据融合后的最优地图边界信息。数据融合后的最优地图边界信息。
【技术实现步骤摘要】
基于遗传算法的地图边界优化数据融合方法、定位系统
[0001]本专利技术主要涉及激光雷达、路径规划相关
，具体是一种基于遗传算法的地图边界优化数据融合方法、定位系统。
技术介绍
[0002]随着现代科技的飞速发展，越来越多的机器人参与到我们日常生活和工业活动中。为使移动机器人能准确、快速地到达指定的位置，其导航性能起着举足轻重的作用。地图构建的精准度是保证移动机器人导航精准度的关键。在导航过程中，准确的点云地图能使移动机器人更加清晰地明确自己当前所在位置，以便合理规划后续路径。
[0003]在地图构建中，自动引导小车（Automated Guided Vehicle, AGV）可以通过携带的视觉传感器比较两个摄像头图像的差异判断物体的远近，获得物体的深度信息，然后通过中央处理器对输入图像进行感知、分割、检测、跟踪等操作，进行语义建图及匹配定位。另一方面，AGV也可以通过使用搭载激光雷达（Light Detection and Ranging, LiDAR）采集大规模环境点云地图信息，从而实现移动机器人对自身位置的感知。
[0004]激光雷达由于测量精度高、测量性能稳定、计算机算力要求较低的优点，是目前在工业应用中的常用视觉传感器。但是，由于环境中各种噪声的影响，仅依靠传统的地图构建方法难以获取准确的地图边界信息。因而，需要提出获取精确的地图边界信息方法。
技术实现思路
[0005]为了解决上述
技术介绍
中存在的问题，本专利技术提供一种基于遗传算法的地图边界优化数据融合方法、定位系统，通过遗传算法（Genetic Algorithm, GA）融合有限长单位冲激响应滤波器（Finite Impulse Response, FIR）以及自适应迭代扩展卡尔曼滤波器（Adaptive Iterative Extended Kalman Filter, AIEKF）的优势，可以得到最优地图边界。
[0006]根据本专利技术的一个方面，提供一种基于遗传算法的地图边界优化数据融合方法，该方法基于安装于载体上的LiDAR实现，该方法包括地图边界滤波方法以及地图边界优化方法，其中，所述地图边界滤波方法包括如下步骤，S1：获取当前时刻LiDAR所采集的地图边界数据信息，以LiDAR和被观测物体反射点云作为系统观测，构建AIEKF/FIR系统模型，对LiDAR采集的地图边界信息分别进行AIEKF/FIR滤波处理，得到优化后的地图边界信息；所述地图边界优化方法包括如下步骤，S2：将上述步骤得到的两组滤波器滤波处理后的地图边界信息作为输入，以遗传算法为基础对AIEKF/FIR滤波后的地图边界信息进行融合，最终得到数据融合后的最优地图边界信息。
[0007]进一步，步骤S1具体包括如下步骤：
S11、使搭载的LiDAR随载体按照既定路线移动，通过LiDAR采集运动时扫描的环境信息数据，并保存；S12、获取当前时刻LiDAR与若干个被测物体反射点之间的距离信息和角度信息；S13、基于LiDAR采集的距离信息和角度信息，通过坐标转换解算，得到当前时刻LiDAR测得环境信息在笛卡尔坐标系中的坐标信息；S14、建立AIEKF/FIR滤波器的状态方程和观测方程，通过AIEKF/FIR滤波算法对地图边界信息进行滤波优化处理。
[0008]进一步，步骤S13中，坐标转换公式为：其中，x代表笛卡尔坐标系下横坐标，y代表笛卡尔坐标系下纵坐标，d代表LiDAR到被测物体之间的距离，代表LiDAR与被测物体之间的夹角。
[0009]进一步，步骤S14中，AIEKF/FIR滤波器的状态方程为：其中，为点云北方向上的位置，为点云东方向上的位置，是LiDAR的北方向上的坐标，是LiDAR的东方向上的坐标，是北方向上的速度，是东方向上的速度，为LiDAR位置变化的时间间隔，是系统噪声；AIEKF/FIR滤波器的观测方程为：其中，h是坐标系中地标的映
射，是k时刻点云到LiDAR的距离，是测量噪声。
[0010]进一步，步骤S2具体包括:S21、将AIEKF/FIR两种滤波算法得到的滤波后点云数据分别作为两个个体送至GA，进行二进制编码并初始化种群，将第一代种群G0传递至迭代过程；S22、在迭代过程种对种群适应度进行计算，并对种群种的染色体进行选择、交叉和变异，生成新的种群G1；S23、将种群根据适应度函数进行计算，结合适应度进行判断是否为最优解，迭代过程结束后将新种群G1传递至下一次迭代过程，若达到设定迭代次数或当前最优个体满足全局最优解条件，则输出最优种群对应的地图边界信息，即数据融合后的最优地图边界；否则转到步骤S22继续执行。
[0011]进一步，步骤S22中，选择操作采用二元锦标赛选择方法，其策略为每次从种群中取出一定数量个体（放回抽样），然后选择其中最好的一个进入子代种群。重复该操作，直到新的种群规模达到原来的种群规模。
[0012]进一步，步骤S22中，交叉方式选择顺序交叉，交叉操作通过混合父辈染色体信息产生新的子代染色体，以保持种群的异质性并提高候选解的适应值。
[0013]进一步，步骤S22中，变异操作随机选择一个位置的基因并用原始基因中不存在的新基因替换，从而保证遗传算法搜索最优解的过程中不会过早的陷入局部最优解，基因的变异操作包括交换、逆转和插入。
[0014]进一步，交换操作是随机选中个体基因中两个位置，将两个位置的基因交换；逆转操作是在个体基因片段中随机选择两个截断位置，将截断位置中的基因逆序排列，从而形成新的基因片段；插入操作是在个体基因片段中随机选择两个位置a和b，将第一个位置的基因元素插入至第二个位置基因元素后方，即a位置基因元素置于b位置基因元素之后，从而形成新的基因片段。
[0015]根据本专利技术的另一方面，提供一种定位系统，基于安装于载体上的LiDAR实现，包括，地图边界滤波模块，其被配置为：获取当前时刻LiDAR所采集的地图边界数据信息，以LiDAR和被观测物体反射点云作为系统观测，构建AIEKF/FIR系统模型，对LiDAR采集的地图边界信息分别进行AIEKF/FIR滤波处理，得到优化后的地图边界信息；地图边界优化模块，其被配置为：将地图边界滤波模块得到的两组滤波器滤波处理后的地图边界信息作为输入，以遗传算法为基础对AIEKF/FIR滤波后的地图边界信息进行融合，最终得到数据融合后的最优地图边界信息。
[0016]本专利技术的有益效果：本专利技术提供了的地图边界滤波方法，其利用AGV搭载LiDAR采集室内环境信息，以LiDAR和被观测物体反射点云构建系统模型，在此基础上对室内环境点云信息分别进行AIEKF/FIR滤波处理，通过滤波得到优化后的环境点云信息；本专利技术提供的地图边界优化方法，其以经过AIEKF/FIR滤波后的环境点云信息作为基于遗传算法数据融合方法的输入，经过编码、选择、交叉以及变异等操作，将AIEKF/FIR滤波的优点相结合，得到全局最优解，和原始数据、FIR滤波处理以及AIEKF滤波处理的方法
相比较，数据融合后的精度分别提升了7本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于遗传算法的地图边界优化数据融合方法，该方法基于安装于载体上的LiDAR实现，其特征在于，该方法包括地图边界滤波方法以及地图边界优化方法，其中，所述地图边界滤波方法包括如下步骤，S1：获取当前时刻LiDAR所采集的地图边界数据信息，以LiDAR和被观测物体反射点云作为系统观测，构建AIEKF/FIR系统模型，对LiDAR采集的地图边界信息分别进行AIEKF/FIR滤波处理，得到优化后的地图边界信息；所述地图边界优化方法包括如下步骤，S2：将上述步骤得到的两组滤波器滤波处理后的地图边界信息作为输入，以遗传算法为基础对AIEKF/FIR滤波后的地图边界信息进行融合，最终得到数据融合后的最优地图边界信息。2.根据权利要求1所述的基于遗传算法的地图边界优化数据融合方法，其特征在于，步骤S1具体包括如下步骤：S11、使搭载的LiDAR随载体按照既定路线移动，通过LiDAR采集运动时扫描的环境信息数据，并保存；S12、获取当前时刻LiDAR与若干个被测物体反射点之间的距离信息和角度信息；S13、基于LiDAR采集的距离信息和角度信息，通过坐标转换解算，得到当前时刻LiDAR测得环境信息在笛卡尔坐标系中的坐标信息；其策略为每次从种群中取出若干数量个体放回抽样；S14、建立AIEKF/FIR滤波器的状态方程和观测方程，通过AIEKF/FIR滤波算法对地图边界信息进行滤波优化处理。3.根据权利要求2所述的基于遗传算法的地图边界优化数据融合方法，其特征在于，步骤S13中，坐标转换公式为：其中，x代表笛卡尔坐标系下横坐标，y代表笛卡尔坐标系下纵坐标，d代表LiDAR到被测物体之间的距离，代表LiDAR与被测物体之间的夹角。4.根据权利要求3所述的基于遗传算法的地图边界优化数据融合方法，其特征在于，步骤S14中，AIEKF/FIR滤波器的状态方程为：
其中，为点云北方向上的位置，为点云东方向上的位置，是LiDAR的北方向上的坐标，是LiDAR的东方向上的坐标，是北方向上的速度，是东方向上的速度，为LiDAR位置变化的时间间隔，是系统噪声；AIEKF/FIR滤波器的观测方程为：其中，h是坐标系中地标的映射，是k时刻点云到LiDAR的距离，是测量噪声。5.根据权利要求4所述的基于遗传算法的地图边界优化数据融合方法，其特征在于，步骤S2具体包括:S21、将AIEKF/FIR两种滤波算法得到的滤波后点云数据分别作为两个个体送至GA，进行二...
【专利技术属性】
技术研发人员：王磊，李健，郭传社，毕淑慧，张博，
申请(专利权)人：山东哈工卓越智能有限公司，
类型：发明
国别省市：
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。