一种面向巷道巡检机器人导航控制方法技术

本发明专利技术提供了一种面向巷道巡检机器人导航控制方法，涉及巷道机器人导航技术领域

【技术实现步骤摘要】
一种面向巷道巡检机器人导航控制方法


[0001]本专利技术涉及巷道机器人导航
，尤其涉及一种面向巷道巡检机器人导航控制方法
。

技术介绍

[0002]煤炭在开采方法上一般划分为露天开采和地下开采两种
。
在煤矿地下开采过程中，由于煤层和地质条件的差异，巷道环境条件极其复杂，其主要受煤与瓦斯突出
、
矿井涌水
、
岩爆等灾害的威胁
。
巷道安全巡检是保障生产安全的重要措施，研发巷道巡检机器人已成为当前煤炭行业发展的重要趋势
。
可靠的导航技术是无轨式巡检机器人安全行驶的基础，经过多年发展，自主导航技术逐渐成熟，已经在地面移动机器人得到了广泛应用，但应用到井下仍存在许多问题亟待解决
。
[0003]传统导航的路径规划算法与轨迹跟踪技术对全局地图的准确性高度依赖，在实时不同环境中的灵活性和适应性较差，机器人容易偏离预设路线或碰撞障碍物，且对计算资源和存储空间的需求较大，因此相关技术中的巡检机器人的自主导航算法难以在实际应用中取得良好的效果
。

技术实现思路

[0004]本专利技术要解决的技术问题是：传统
DBSCAN
算法在对点云数据的聚类处理过程中由于部分错误的合并与拆分，所导致巷道巡检机器人无法准确识别路况信息的问题，以及对大批量不同复杂程度数据采用同种拟合方法所导致计算资源及存储空间需求过大的问题
。
[0005]为解决上述问题，本专利技术提供了一种面向巷道巡检机器人导航控制方法，其采用的技术方案如下：获取二维激光雷达实时采集的点云数据，并根据点云数据生成目标关键点簇；提取目标关键点簇对应的环境形状特征，将环境形状特征与预设的巷道类型对应的巷道形状特征进行匹配，确定巷道巡检机器人所面对的当前巷道类型；基于当前巷道类型及目标关键点簇，建立巷道巡检机器人所处巷道的局部环境地图模型，并根据局部环境地图模型中的关键点估计巷道巡检机器人的位姿信息；获取巷道巡检机器人的任务目标点坐标，并基于局部环境地图模型
、
任务目标点坐标及位姿信息构建实时局部势力场；基于实时局部势力场控制巷道巡检机器人前往任务目标点坐标的实时运动轨迹
。
[0006]与现有技术相比，本专利技术具有以下有益效果：本专利技术通过实时获取二维激光雷达实时采集的点云数据，再根据获取的点云数据构建局部环境地图模型从而实现对巷道巡检机器人实时运动轨迹的控制，相比于传统导航对全局地图的高度依赖，更容易及时避免偏离预设路线或碰撞障碍物的情况，提高了巷道巡检机器人面对突发状况的适应力，提高了巷道巡检机器人在井下行驶的安全性；本专利技术基于巷道类型采用不同策略建立巷道巡检机器人所处巷道的局部环境地
图模型，可以使构建的局部环境地图模型更贴合实时的地形特征，提高了巷道巡检机器人行驶过程中所依赖环境地图模型的准确性；本专利技术在面对简单地形特征时采用简单的模型构建方法可以节省巷道巡检机器人的计算资源和存储空间；本专利技术通过实时局部势力场来控制巷道巡检机器人前往任务目标点坐标的实时运动轨迹，首先可以对巷道巡检机器人的位置进行实时调整，使得机器人可以灵活地避开障碍物和危险区域，降低路径规划计算时间的同时选择最优路径前往目标点，同时，实时局部势力场的控制也可以处理包括非结构化的巷道，不同形状和大小障碍物等复杂的工作环境使得巷道巡检机器人的稳定行驶更具有鲁棒性，而且，通过最优路径的规划可以降低能耗，延长巷道巡检机器人的工作时间
。
附图说明
[0007]图1是本专利技术一实施例示出的一种面向巷道巡检机器人导航控制方法的流程图
。
[0008]图2是本专利技术一实施例示出的设置有二维激光雷达巷道巡检机器人的示意图
。
[0009]图3是本专利技术一实施例示出的对点云数据进行聚类处理生成初始关键点簇的算法流程图
。
[0010]图4是本专利技术一实施例示出的基于初始关键点簇之间的相似度合并初始关键点簇，以生成目标关键点簇的算法流程图
。
[0011]图5是本专利技术一实施例示出的聚类算法及相似度计算方法对点云数据处理后的效果对比示意图
。
[0012]图6是本专利技术一实施例示出的对于简单形状部分拟合建立第一局部模型的算法流程图
。
[0013]图7是本专利技术一实施例示出的拟合算法对目标关键点簇处理后的效果示意图
。
[0014]图8是本专利技术一实施例示出的路口角点
、
中心点信息提取的示意图
。
[0015]图9是本专利技术一实施例示出的巷道巡检机器人在通行路口时于局部势力场中的受力分析图
。
[0016]图
10
是本专利技术一实施例示出的局部势力场对巷道巡检机器人实时运动轨迹的影响示意图
。
[0017]图
11
是本专利技术一实施例示出的巷道巡检机器人于
T
形路口中位姿的示意图
。
[0018]图
12
是本专利技术一实施例示出的巷道巡检机器人于十字路口中位姿的示意图
。
[0019]图
13
是本专利技术一实施例示出的巷道巡检机器人于直角路口中位姿的示意图
。
[0020]图
14
是本专利技术一实施例示出的巷道巡检机器人在井下的运动轨迹示意图
。
[0021]图
15
是本专利技术一实施例示出的基于获取到的点云数据控制巷道巡检机器人的整体流程图
。
具体实施方式
[0022]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述
。
[0023]如图1所示，本专利技术公开了一种面向巷道巡检机器人导航控制方法，包括以下步骤：步骤
S101
，获取二维激光雷达实时采集的点云数据，并根据点云数据生成目标关
键点簇；如图2所示，所述巷道巡检机器人包括摄像头
201、
二维激光雷达
202、
差速驱动轮
203
及万向支撑轮
204。
在巷道巡检机器人的运动过程中：摄像头
201
用于采集巷道巡检机器人所处环境的图像信息，其通过视觉传感器将实时图像数据传输给机器人系统，用于帮助巷道巡检机器人进行目标识别
、
路线规划以及障碍物避让等任务
。
[0024]二维激光雷达
202
用于根据所发射激光束的反射信号来测量巷道巡检机器人周围环境的距离及形状信息
。
[0025]当巷道巡检机器人处于有光环境时，摄像头
201
及二维激光雷达
202
协同进行周围环境信息的获取；当其处于无光环境时，周围环境信息的获取由二维激光雷达
202
完成
。
[0026]差速驱动轮
...

【技术保护点】

【技术特征摘要】
1.
一种面向巷道巡检机器人导航控制方法，由设置有二维激光雷达的巷道巡检机器人执行，其特征在于，所述方法包括：获取二维激光雷达实时采集的点云数据，并根据所述点云数据生成目标关键点簇；提取所述目标关键点簇对应的环境形状特征，将所述环境形状特征与预设的巷道类型对应的巷道形状特征进行匹配，确定所述巷道巡检机器人所面对的当前巷道类型；基于所述当前巷道类型及所述目标关键点簇，建立所述巷道巡检机器人所处巷道的局部环境地图模型，并根据所述局部环境地图模型中的关键点估计所述巷道巡检机器人的位姿信息；获取所述巷道巡检机器人的任务目标点坐标，并基于所述局部环境地图模型
、
所述任务目标点坐标及所述位姿信息构建实时局部势力场；基于所述实时局部势力场控制所述巷道巡检机器人前往所述任务目标点坐标的实时运动轨迹
。2.
根据权利要求1所述的面向巷道巡检机器人导航控制方法，其特征在于，所述根据所述点云数据生成目标关键点簇，包括：对所述点云数据进行聚类处理，生成初始关键点簇；基于所述初始关键点簇之间的相似度合并所述初始关键点簇，生成目标关键点簇
。3.
根据权利要求2所述的面向巷道巡检机器人导航控制方法，其特征在于，所述对所述点云数据进行聚类处理，生成初始关键点簇，包括：
S31
，在所述点云数据中任意选择一未访问点作为实施点；
S32
，获取所述实施点距离巷道巡检机器人的第一距离，并对所述第一距离进行加权，生成关于所述实施点的加权半径系数；所述加权半径系数计算公式如下：（1）其中，
dist
p
为该实施点的第一距离，
laser
range
为所述二维激光雷达的扫描距离，常数
C
为所述加权半径系数
ε
的初始值；
S33
，获取预设的邻域半径阈值，以所述实施点为圆心构建邻域；
S34
，基于所述加权半径系数及该实施点的第一距离构建如下指数衰减函数（2）：（2）其中，
ε
为加权半径系数；
S35
，计算该实施点到所述点云数据中其余各数据点的第二距离，并基于所述加权半径系数及第二距离确定该实施点到其余每个数据点的加权距离；
S36
，将所述实施点到其余每个数据点的加权距离与所述邻域半径阈值进行比较，确定加权距离小于或者等于邻域半径阈值的邻域内数据点个数；
S37
，根据所述加权距离小于或者等于邻域半径阈值的邻域内数据点个数，计算该实施点的邻域密度；所述邻域密度计算公式如下：（3）其中，
num
为加权距离小于或者等于邻域半径阈值的邻域内数据点个数，
λ
(dist
p
)
为指
数衰减函数，
Σλ
(dist
p
)
为加权距离小于或者等于邻域半径阈值的邻域内所有数据点指数衰减系数之和；
S38
，获取预设的密度阈值，基于该实施点的邻域密度及密度阈值的相对大小，判断该实施点是否为核心点；若该实施点的邻域密度小于密度阈值，则遍历该实施点的邻域内数据点，判断每个邻域内数据点的邻域密度是否大于或者等于密度阈值：若该邻域内数据点中至少有一个数据点的邻域密度大于或者等于密度阈值，将该实施点加入到初始簇中且标记为已访问点，并通过广度优先算法记录该实施点的邻居节点，将邻居节点加入到初始关键点簇中并标记为已访问点；若该邻域内数据点中没有数据点的邻域密度大于或者等于密度阈值，将该实施点从点云数据中删除；
S39
，重复执行步骤
S31
至
S38
，直至遍历完所述点云数据中的所有数据点，输出关于点云数据的初始关键点簇
。4.
根据权利要求2所述的面向巷道巡检机器人导航控制方法，其特征在于，所述基于所述初始关键点簇之间的相似度合并所述初始关键点簇，生成目标关键点簇，包括：
S41
，计算所有初始关键点簇中的密度最大点及密度最小点；
S42
，遍历所有初始关键点簇中两个初始关键点簇的所有组合方式，并在所遍历到当前组合方式中的两个初始关键点簇内分别选取属于同一直线特征的拟合点，按照当前两初始关键点簇内密度最大点到密度最小点的方...

【专利技术属性】
技术研发人员：王宏伟，李超，梁威，李永安，陶磊，李炙芫，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：