一种多传感器融合精确定位及自主导航方法技术

本发明专利技术公开了一种多传感器融合精确定位及自主导航方法，包括步骤S1：通过多传感器获取点云数据；S2：对多传感器的融合处理并得到全局地图信息；S3：基于构建的三维点云地图进一步进行自主导航系统的定位；S4：进行局部路径规划。以融合轮式里程计与IMU改进Cartographer地图构建算法的方式，能在变电站复杂环境内构建高精度的环境地图。此外，还提升局部路径规划的效果，在不同的窗口模式下根据当前障碍物总密度值与临界条件进行比较，满足条件则在障碍物比较密集的环境采用范围较小的窗口搜索路径，在障碍物稀疏的环境下采用范围较大的窗口搜索路径，使巡检机器人可以快速搜索可行进的方向，解决了背景技术中提出的问题。问题。问题。

【技术实现步骤摘要】
一种多传感器融合精确定位及自主导航方法


[0001]本专利技术涉及机器人定位与导航
，尤其涉及一种多传感器融合精确定位及自主导航方法。

技术介绍

[0002]机器人的自主活动在很多领域内如在变电站巡检等都有着广泛应用，针对环境的复杂化和定位及路线规划精度的高准确性，机器人自主活动中单一传感器已经无法获取精确的环境地图信息，针对变电站等环境非结构的特点，传统算法搜索速度慢、路径质量低、获得路径并非最优，智能算法训练成本高、输出不稳定，动态适应性差，但是传统算法相比较而言稳定、成熟。除此之外，当机器人在自主活动中遇到未知障碍物时，目前多为依靠全局路线规划来躲避障碍物，但是面对未知且复杂的障碍物时，单纯依靠全局路线规划会造成无法躲避障碍物。

技术实现思路

[0003]本专利技术所述的一种多传感器融合精确定位及自主导航方法，解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种多传感器融合精确定位及自主导航方法，包括以下步骤：
[0005]S1：通过多传感器获取点云数据，所述多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器融合精确定位及自主导航方法，其特征在于，包括以下步骤：S1：通过多传感器获取点云数据，所述多传感器数据包括轮式里程计数据与IMU数据；S2：对多传感器的融合处理并通过全局SLAM中局部SLAM相结合的方式得到全局地图信息；S3：基于构建的三维点云地图进一步进行自主导航系统的定位；S4：基于双窗口VFH(VectorField Histogram)算法进行局部路径规划。2.根据权利要求1所述的一种多传感器融合精确定位及自主导航方法，其特征在于，所述步骤S2具体为：S201：将轮式里程计数据与IMU数据进行融合处理，通过扩展卡尔曼滤波器，校准里程计打滑带来的误差；S202：将激光雷达数据经过体素滤波和自适应体素滤波进行点云数据处理；S203：Cartographer在局部SLAM中通过非线性优化(ceres solver)的方法将融合后的轮式里程计数据和激光数据与子地图进行匹配，生成较好的子地图；S204：在全局SLAM中将局部SLAM建立的子地图累积误差进行误差消除，将得到的每个子地图以相匹配的位姿进行融合，得到全局地图信息。3.根据权利要求1所述的一种多传感器融合精确定位及自主导航方法，其特征在于，所述步骤S3具体为：S301：接收里程计发来的里程计位置，并在上一帧位置的基础上进行偏移，获得预测位置Predict_pose；S302：接收新的点云后，进行预测获得NDT_pose；S303：融合Predict_pose和NDT_pose，获得当前位置。4.根据权利要求1所述的一种多传感器融合精确定位及自主导航方法，其特征在于，所述步骤S4具体为：S401：计算当前窗口障碍物密度；S402：根据条件自动调整窗口范围；S403：计算扇区个数以及各扇区内障碍物密度值；S404：通过阈值确定可选择前进方向；S405：最后通过代价函数确定进行方向；S406：判断是否抵达目标点，若是则结束进程，若否则继续执行步骤S201
‑
S406。5.根据权利要求4所述的一种多传感器融合精确定位及自...

【专利技术属性】
技术研发人员：韦双双，朱智勇，樊春凤，覃凯，韦雪山，雷宁，李桂鑫，冯琳，陈志聪，陈跃，周俊宇，黄勇，何祖文，黄柳升，林小云，赵丰，韦繁，罗准，陈世文，付茂雪，卢世桥，莫建明，周雪影，刘杨，杨小兴，省志华，韦经纶，覃正伟，黄海梅，陈炜龙，张格芬，赵黄勇，
申请(专利权)人：广西电网有限责任公司来宾供电局，
类型：发明
国别省市：