一种巡逻机器人全局定位的方法、系统、装置和介质制造方法及图纸

本申请涉及一种巡逻机器人全局定位的方法、系统、装置和介质，其中，该方法包括：通过RTK和IMU获取机器人当前的全局粗定位，并将三维激光雷达点云数据与全局粗定位的点云数据进行ICP配准，得到全局初始定位；在机器人运动状态下，根据雷达点云数据计算LiDAR里程计，根据LiDAR里程计从全局地图中提取子地图，计算雷达点云数据与子地图的scan

【技术实现步骤摘要】
一种巡逻机器人全局定位的方法、系统、装置和介质


[0001]本申请涉及导航定位
，特别是涉及一种巡逻机器人全局定位的方法、系统、装置和介质。

技术介绍

[0002]随着计算机技术的快速发展，自动驾驶领域的发展也越来越迅速，其中，自动驾驶技术中最重要的就是如何准确定位。如今的自动驾驶定位一般采用的是组合定位的方式，例如，先获取车辆上设置的激光雷达采集的连续的多帧点云数据；针对每帧点云数据，将点云数据与点云数据在点云地图中对应的子地图进行点云地图匹配，匹配结果为点云数据的初步定位结果；根据该初步定位结果，可以获取点云数据在点云地图中的全局定位结果；最后根据全局定位结果以及车辆的车端里程计、陀螺仪等提供的相对位姿，获取车辆的最终定位结果。
[0003]然而，现有的定位方法中，仅基于点云匹配进行初步定位，会导致定位结果过于依赖原始点云地图的精度，若原始点云地图存在鬼影，那么初始定位结果就会不准确；里程计提供的相对位姿只能提供局部精确的定位信息，全局定位不准确，且里程计的误差会随着机体的不断运动而变大，比如发生车轮打滑等恶劣情况时，其很难提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种巡逻机器人全局定位的方法，其特征在于，所述方法包括：通过RTK传感器和IMU获取机器人当前的全局粗定位，并将三维激光雷达点云数据与所述全局粗定位的点云数据进行ICP配准，得到全局初始定位；在机器人运动状态下，根据雷达点云数据计算LiDAR里程计，并根据所述LiDAR里程计从全局地图中提取子地图，计算雷达点云数据与所述子地图的scan
‑
map匹配；根据LiDAR里程计旋转与平移量判断获取关键帧，根据所述关键帧构建LiDAR里程计因子、scan
‑
map匹配因子以及RTK全局约束因子，并融合所述scan
‑
map匹配因子、LiDAR里程计因子和RTK全局约束因子，通过Gtsam优化得到机器人的实时全局定位结果。2.根据权利要求1所述的方法，其特征在于，在通过RTK传感器和IMU获取机器人当前的全局粗略定位之前，所述方法包括：预先采集待巡逻场景数据，并根据所述场景数据，通过LIO
‑
SAM构建当前场景的全局地图；通过体素滤波滤除所述全局地图中的杂质点，并通过直通滤波滤除所述全局地图中z值较大的点，得到优化后的全局地图。3.根据权利要求2所述的方法，其特征在于，将三维激光雷达点云数据与所述全局粗定位的点云数据进行ICP配准包括：根据全局粗定位，计算三维激光雷达点云数据与全局地图的最佳ICP匹配转换关系，构建误差方程，具体误差方程如下：其中，R和t分别为全局粗定位T
init
的旋转矩阵和平移向量的初值，P
global
为全局地图，P
init
为当前点云数据。4.根据权利要求1所述的方法，其特征在于，根据雷达点云数据计算LiDAR里程计包括：通过IMU积分数据去除LiDAR的运动畸变，然后对所述雷达点云数据进行滤波处理，得到降噪的激光雷达采样数据；计算所述激光雷达采样数据的曲率值，提取出其中曲率值较小的plane特征点和曲率值较大的edge特征点；通过匹配帧间edge特征点和plane特征点，构建误差方程，并通过LM优化算法计算得到LiDAR里程计。5.根据权利要求1所述的方法，其特征在于，根据所述LiDAR里程计从全局地图中提取子地图，并计算雷达点云数据与所述子地图的scan
‑
map匹...

【专利技术属性】
技术研发人员：朱志远，姜峰，占家旺，黄志勇，查长海，陈鹏，徐天，
申请(专利权)人：五八智能科技杭州有限公司，
类型：发明
国别省市：