【技术实现步骤摘要】
一种多源里程融合SLAM井下导航方法
[0001]本专利技术涉及一种多源里程融合
SLAM
井下导航方法,属于导航定位
。
技术介绍
[0002]井下
SLAM
技术是指在井下或类似复杂环境中进行同时定位与地图构建的技术,其是井下无人车实现自主导航的重要技术构成
。
在这种环境中,传统的导航方法如全球定位系统
(GPS)
往往无法准确工作,因为
GPS
信号很容易受到井下结构和地质条件的干扰而失去精度
。
因此,井下
SLAM
技术成为一种重要的解决方案
。
传统的
SLAM
技术基于单一传感器,如激光雷达或摄像头,来同时定位机器人
/
车辆并构建环境地图
。
在井下环境中,可能存在着多种挑战,例如光照不足
、
浊度高的水
、
尘埃和烟尘
、
复杂的障碍物等
。
这些因素会影响传感器的性能和数据质量,限制了传统
SLAM
方法的可靠性和精度
。
因此,井下环境由于局限性和复杂性,导致了单一
SLAM
方法的一些困难和局限性
。
为了解决这些问题,提出了多源里程融合
SLAM
导航方法,实现井下无人车更好的定位和地图构建精度,提高井下无人车自主导航
、
路径规划和控制的机动 ...
【技术保护点】
【技术特征摘要】
1.
一种多源里程融合
SLAM
井下导航方法,其特征在于,包括以下步骤:
S201
:根据井下无人车的外形结构,布置导航装置;
S202
:对导航装置进行联合参数标定;
S203
:井下无人车根据多类型数据采集装置进行数据采集,获取井下无人车多类型里程计信息和多类型井下巷道环境感知信息,将多源里程计信息融合获取车辆高精度姿态信息,井下无人车根据自身高精度姿态信息和多类型井下巷道环境感知数据进行融合定位,并构建
SLAM
高精度三维地图;
S204
:井下无人车根据给定目标点
、
自身姿态信息和
SLAM
三维地图进行路径规划,获取从当前位置到目标点的目标路径信息,且对规划路径进行优化;
S205
:井下无人车根据自身姿态信息
、
位置信息和目标路径信息生成导航控制指令,以控制其底盘按照目标路径进行移动
。2.
根据权利要求1所述的一种多源里程融合
SLAM
井下导航方法,其特征在于,所述步骤
S201
中的导航装置包括上层控制单元
(101)、
底层控制单元
(102)
和无人车底盘
(103)
;上层控制单元
(101)
包括
IMU(104)、
深度相机传感器
(105)、
激光雷达
(106)、
远程
PC(109)、
无线网卡
(111)
和主控制器
(112)
,
IMU(104)、
深度相机传感器
(105)、
激光雷达
(106)
与主控制器
(112)
连接,无线网卡
(111)
设置在主控制器
(112)
中,远程
PC(109)
通过无线路由器
(110)
和主控制器
(112)
连接;底层控制单元
(102)
包括车载控制器
(113)、
转向电机控制器
(114)
和驱动电机控制器
(115)
,转向电机控制器
(115)、
驱动电机控制器
(114)
与车载控制器
(113)
通过
can
接口连接,主控制器
(112)
与车载控制器
(113)
通过
can
接口连接;无人车底盘
(103)
包括轮式底盘
(116)、
霍尔编码器
(118)、
减速电机
(119)
和悬架
(117)
,减速电机
(119)
内置于井下无人车车轮中,霍尔编码器
(118)
与减速电机
(119)
连接,左右两个悬架
(117)
的上端和下端均与轮式底盘
(116)
连接
。3.
根据权利要求1所述的一种多源里程融合
SLAM
井下导航方法,其特征在于,所述步骤
S203
中多类型里程计分别为激光里程计
、
视觉里程计
、
轮式里程计和
IMU
里程计;井下无人车根据自身高精度姿态信息和多类型井下巷道环境感知数据进行融合定位,并提取视觉特征信息和激光雷达点云信息,融合井下无人车高精度定位信息,采用基于视觉词袋和概率地图的
SLAM
方法,将视觉特征和激光雷达数据分别转换为视觉词袋和概率数据,通过
BoW
模型构建
SLAM
高精度三维地图
。4.
根据权利要求1所述的一种多源里程融合
SLAM
井下导航方法,其特征在于,所述步骤
S204
中井下无人车从当前位置到目标点的目标路径信息获取方法为:根据构建的
SLAM
高精度三维地图,井下无人车获取了巷道坡度
、
宽度和长度信息;同时利用激光雷达和视觉相机对周围环境进行感知,实时获取巷道周围环境的障碍物信息;同时,遵守保持安全距离
、
避免与障碍物碰撞的约束条件,朝着最短路径
、
最小成本和最大效率优化目标原则进行全局最优路径规划;在全局路径规划基础上,井下无人车根据实时障碍物信息进行局部调整,以生成井下无人车从当前位置到目标点的全局目标路径;根据给定目标点
、
自身姿态信息和
SLAM
高精度三维地图进行全局路径规划,获取井下无人车的全局路径,进而根据全局路径中实时障碍物信息进行局部调整,以生成井下无人车的目标路径
。5.
根据权利要求1所述的一种多源里程融合
SLAM
井下导航方法,其特征在于,所述步骤
S205
中控制井下无人车底盘按照目标路径进行移动的方法为:将全局路径转换为车辆局部坐标系下的局部路径,把全局路径划分为一系列线段,计算每个线段的曲率
、
切向角和横向误差数据,并将其转化到车辆局部坐标系下,生成局部路径;利用井下无人车激光雷达
、
深度相机
、IMU、
霍尔编码器的传感器测量值,计算车辆的位置
、
速度和方向状态信息,对传感器数据进行卡尔曼滤波;根据车辆状态估计值和局部路径信息,计算车辆的控制命令;根据控制命令实际控制车辆行驶,以保持车辆在规划路径上行驶;在行驶过程中进行路径校正,路径校正根据车辆当前位置和局部路径信息,计算车辆需要进行的偏差修正值,并通过控制命令进行实时调整;通过实时状态估计
、
车辆控制和路径校正操作,不断反馈状态误差
、
路径误差和控制响应信息,对控制算法进行优化和调整,以实现更好的路径跟踪效果;对井下无人车的姿态信息
、
位置信息和目标路径进行
PID
控制算法处理,获取井下无人车的位姿控制量,进而根据位姿控制量生成驱动转向指令,以控制井下无人车按照目标路径移动
。6.
根据权利要求1所述的一种多源里程融合
SLAM
井下导航方法,其特征在于,所述步骤
S203
中多源里程计信息融合获取车辆高精度姿态信息方法为:激光里程计的计算方法为:式中,
v
x,s
和
v
y,s
为激光雷达的速度,
ω
s
为激光雷达的角度,
θ
为扫描点的极坐标角度,
r
为扫描点的极坐标直径,
N
为扫描的大小,
FOV
为为扫描仪的视野,
t
为时间,
α
为扫描坐标;视觉里程计的计算方法为:
zp
=
C(RX+T)
,表示
z
为
p
的深度值,为相机平面的一个像素,位于照片中的
[u,v]
位置
,
其中
f
x
,f
y
为相机焦距
,c
x
,c
y
为主点的坐标
,X
=
[x y z]
是一个三维空间点,
R
和
T
是带估计的旋转矩阵和平移向量;
IMU
里程计的计算方法为:里程计的计算方法为:
式中
x0、y0、z0
分别为:初始俯仰角,初始滚转角,初始偏航角,
a
x
、a
y
、a
z
为加速度计的三轴数据,
s、c
分别表示
sin
函数和
cos
函数,分别表示磁力计三轴数据,分别表示磁场数据在导航下的投影数据;轮式里程计的计算方法为:
V
L
=
ω
*(L+D)
=
ω
*(R+d)
=
V+
ω
d
,
V
R
=
ω
*L
=
ω
*(R
‑
...
【专利技术属性】
技术研发人员:鲍久圣,李芳威,阴妍,杨磊,王茂森,吕玉寒,
申请(专利权)人:中国矿业大学,
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。