【技术实现步骤摘要】
基于面阵激光传感器的同步定位和建图方法及装置
[0001]本申请涉及定位和建图
，具体涉及一种基于面阵激光传感器的同步定位和建图方法及装置。
技术介绍
[0002]随着移动机器人智能化的发展，其对于环境感知能力提出了更高的要求。目前，移动机器人自主导航作业的能力依赖于机器人的同时定位与建图(Simultaneous Localization and Mapping，SLAM)的能力。SLAM能力很大程度上依赖于使用的传感器。当今主流的算法主要基于激光雷达实现，即移动机器人通过激光扫描获得所处环境的2D或3D点云，获取周围障碍物的信息，以确定自身在环境中所处的位置并同时构建所处环境的地图。常用的激光雷达包括两种：机械式激光雷达和固态激光雷达。其中，机械式激光雷达体积较大，价格较为昂贵；固态激光雷达尺寸较机械式激光雷达更小，成本也更低一些，但由于视场角有限，通常需要使用更多台来达到较大的视场角，也意味着较高的成本。
技术实现思路
[0003]本申请实施例针对上述情况，提出了一种基于面阵激光传感器的同步定位和...
【技术保护点】
【技术特征摘要】
1.一种基于面阵激光传感器的同步定位和建图方法，其特征在于，包括：对面阵激光传感器采集的点云数据进行预处理，确定移动机器人在机器人坐标系下的观测点云；根据所述移动机器人的姿态测量单元采集的运动信息，确定所述移动机器人的状态估计量；根据所述观测点云和所述状态估计量构建误差修正量，并对所述移动机器人的状态估计量进行修正，得到所述移动机器人的修正状态量；根据所述移动机器人的修正状态量，将所述机器人坐标系下的观测点云转换到世界坐标系下，从而确定所述移动机器人的位姿并同步更新三维概率体素地图。2.根据权利要求1所述的方法，其特征在于，所述对面阵激光传感器采集的点云数据进行预处理，确定移动机器人在机器人坐标系下的观测点云，包括：创建三维体素网格，所述三维体素网格的尺寸是根据所述点云数据在传感器坐标系下的坐标值以及预设的采样目标确定的；确定落于所述三维体素网格的每个三维空间立方体的所述点云数据的第一质心；基于所述传感器坐标系到所述机器人坐标系的第一转换矩阵，将各个所述第一质心从所述传感器坐标系转换到所述机器人坐标系，得到所述观测点云。3.根据权利要求1所述的方法，其特征在于，所述姿态测量单元包括：轮式里程计和惯性测量单元；所述根据所述移动机器人的姿态测量单元采集的运动信息，确定所述移动机器人的状态估计量，包括：读取所述轮式里程计采集的第一运动信息，所述第一运动信息包括线速度和第一测量白噪声；读取所述惯性测量单元采集的第二运动信息，所述第二运动信息包括角速度、第二测量白噪声和随机游走高斯白噪声；根据所述第一运动信息和所述第二运动信息，确定所述移动机器人的名义状态量和误差状态量；对所述名义状态量和所述误差状态量作和，得到所述移动机器人的状态估计量。4.根据权利要求1所述的方法，其特征在于，所述根据所述观测点云和所述状态估计量构建误差修正量，并对所述移动机器人的状态估计量进行修正，得到所述移动机器人的修正状态量，包括：基于后验高斯分布，构建所述误差修正量，所述误差修正量包括状态量误差项和观测误差项；通过卡尔曼滤波增益计算误差修正量，以更新所述移动机器人的状态估计量；确定更新后的所述误差修正量是否小于预设的误差阈值，若是，则将更新后的所述状态估计量作为所述修正状态量。5.根据权利要求4所述的方法，其特征在于，所述观测误差项是根据下述方法确定的：根据所述移动机器人的状态估计量，确定所述机器人坐标系到所述世界坐标系的第二转换矩阵，根据所述第二转换矩阵，将所述观测点云从所述机器人坐标系转换到所述世界坐标系，得到第一空间点云；
估计所述第一空间点云中的任意一个目标点的曲率，从而确定所述第一空间点云的特征类型；根据所述任意一个目标点、以及与所述任意一个目标点的特征类型相同的三维概率体素地图的地...
【专利技术属性】
技术研发人员：蔡为燕，
申请(专利权)人：北京石头创新科技有限公司，
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。