【技术实现步骤摘要】
本专利技术涉及无人驾驶，更具体地说，本专利技术涉及一种基于slam的矿用无轨胶轮车无人驾驶系统。
技术介绍
1、我国在近些年来开始加快推进煤矿智能化建设，智能型矿井辅助运输系统是其中最重要的运输方式之一，无轨胶轮车是井下运输工作人员、物料的一种重要运输设备，它具有效率高、用途广、机动性强等众多优点，但是，由于井下环境恶劣、路况复杂，且矿用运输车辆运输次数多，路线长，仅靠人工驾驶车辆存在许多安全隐患。所以，为了提升矿用运输车的可靠性，有必要将无人驾驶技术推广应用于煤矿井下运输。
2、井下无人驾驶技术的难点之一在于感知和自主导航系统，目前，slam技术已广泛用于各类自主移动平台中，其中激光slam和视觉slam是两种最主要的slam方案，激光slam建图效果好但获得的环境信息量少，回环检测容易匹配错误，视觉slam受制于光照和运动条件，可能会导致特征提取不正确或位姿丢失，在井下环境中，将激光雷达和双目相机进行组合是提升slam系统精度和鲁棒性的重要方式。
3、煤矿井下辅助运输作业环节繁杂，安全事故频发，无轨胶轮车作为煤矿井下重要辅助设备，无人驾驶是其智能化发展的必然方向。对于矿用无轨胶轮车来说，能够在启动后，对周围环境有较为精确的判断，对障碍物及时做出反应，避开障碍物并迅速规划新的路径，可以大幅度提升车辆自主行驶的能力。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的目的在于提供一种基于slam的矿用无轨胶轮车无人驾驶系统，以实现无轨胶轮车在井下无人
2、为实现上述目的，本专利技术提供如下技术方案：一种基于slam的矿用无轨胶轮车无人驾驶系统，包括感知单元、整车控制单元、路径规划避障单元；
3、优选的，感知单元包括前端扫描模块、回环控制模块、后端优化模块和建图导航模块。在前端扫描模块，由双目相机和激光雷达组成前端先进行数据采集，再进行数据上传，处理后读取视觉点特征信息和激光雷达中读取的平面特征信息，最后进行数据的融合，融合处理后可直接到后端优化模块读取数据来矫正小车位姿，建立局部地图，此种建图方法的反馈形式即是：在前端扫描模块处理后所获取的信息通过回环控制模块，识别读取车辆之前经过的位置，重新建图定位提高精度，再到后端优化模块匹配对比前后数据，建立局部地图，最后来到建图导航模块，通过a*算法进行全局路径规划，然后建立完整地图，进行自主导航。
4、优选的，所述a*算法是：从起点出发，并将起点设置为父亲节点，然后向四周进行探索，计算探索到下一步的预估代价，避免累计误差，取其中最小预估代价值的点为下一个节点，重复操作，直至找到终点。
5、优选的，所述a*算法原理具体为以下内容：
6、假设f(s)为父亲节点到目标点的预估消耗，g(s)为父亲节点到当前节点的实际消耗，h(s)为当前节点至目标节点的估计消耗，即启发函数。a*算法的估价函数f(s)表示为：
7、f(s)＝g(s)+h(s)
8、即从起点出发，并将起点设置为父亲节点，有目的地向目标位置搜索，寻找离当前点f(s)最小预估代价值的点，将该点作为下一个有效节点，继续寻找离当前点f(s)最小预估代价值的点，循环此操作，直至寻找目标位置所在点。
9、优选的，所述矿用无轨胶轮车包括：感知系统、车轮、制动器、电机、整车控制器、电机控制器、蓄电池、电池管理系统、电动机、线控制动系统和线控转向系统。
10、优选的，所述感知系统传感器由双目相机和激光雷达组成。
11、优选的，所述以双目相机为主的视觉slam，信息来源就是相机在每个时刻所获得的图像，直接利用图像像素信息并计算相机的相对运动状况，并采用惯性传感器辅助提高视觉里程计的动态适应性，通过相邻帧的图像来估计车辆的运动轨迹，从而完成整体的定位和地图构建工作，以激光雷达为主的激光slam，使用图优化方法，处理方式是将车辆在不同时刻的位姿抽象为点，在不同位姿上的观测所产生的约束抽象为边，通过非线性最小二乘法进行优化。根据两种传感器的特点，可以利用双目相机与激光雷达融合，最终完成定位建图工作。该融合slam框架主要是通过相机辅助激光雷达进行定位建图工作。
12、优选的，所述矿用无轨胶轮车驱动系统采用四个轮边电机驱动，制动和转向均采用线控系统。
13、优选的，所述无人驾驶控制策略是：以已知的本车信息和地图信息为基础，启动车辆后，再获取双目相机和激光雷达搜集到的信息，处理融合后先进行局部的路径规划，再根据实际行车过程中的传感器搜集到的信息对小车进行位姿调整，并实时更新路径信息和地图，以保证汽车的稳步行驶。
14、本专利技术的有益效果是：
15、1、本专利技术，采用双目相机和激光雷达作为传感器，将激光slam和视觉slam相结合，通过视觉图像特征信息和激光雷达中读取的点云特征信息，来实现感知系统对于整车无人驾驶系统的自主导航意义；
16、2、本专利技术，整车采用电驱动，驱动方式为轮边电机驱动，转向和制动均采用线控系统，取消了部件间的机械连接，实现了矿用无轨胶轮车的高度电气化；
17、3、本专利技术，启动后从已知信息和传感器检测信息出发，在行驶过程中通过控制单元不断对小车的位姿进行调整，不断对路径信息和地图进行更新，以保证无轨胶轮车的正常作业，实现了较好的闭环控制。
本文档来自技高网...【技术保护点】
1.一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述SLAM建图导航模块包含前端扫描模块、回环控制模块、后端优化模块和建图导航模块，所述整车车身框架模块包含相机、激光雷达传感器、车轮、制动器、电机、整车控制器、电机控制器、蓄电池、电池管理系统、电动机、循迹信号、制动和转向信号处理器、线控制动和转向系统，所述的无人驾驶控制策略模块对全局进行控制，并在后续行程中不断更新车辆当前数据。
2.根据权利要求1所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述SLAM建图导航模块包括：前端扫描模块、回环控制模块、后端优化模块和建图导航模块，包含的传感器有相机(1)和激光雷达(2)。该融合SLAM框架主要是通过相机辅助激光雷达进行定位建图工作，以相机为主的视觉SLAM，主要的观测信息就是相机在每个时刻获得的图像，通过相邻帧的图像来估计车辆的运动轨迹，从而完成整体的定位和地图构建工作，以激光雷达为主的激光SLAM，使用图优化方法，处理方式是将车辆在不同时刻的位姿抽象为点，根据在不同位姿上的观测所产生的约束抽象为边，通过非线性最小二乘法进行优化，结合两种
3.根据权利要求2所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述SLAM建图导航模块中的前端扫描模块，由双目相机和雷达组成前端先进行数据处理，融合处理后可直接到后端优化模块读取数据来矫正小车位姿，建立局部地图，反馈方式主要通过回环控制模块先识别车辆之前经过的位置，重新建图定位提高精度，再到后端优化模块匹配对比前后数据，建立局部地图，最后来到建图导航模块，通过A*算法进行全局路径规划，进行自主导航。
4.根据权利要求2所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述整车感知系统由双目相机和一个置于车顶的激光雷达组成，通过视觉图像特征信息和激光雷达中读取的点云特征信息来实现感知系统的作用。
5.根据权利要求2所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述整车车身框架模块包括：相机(1)、激光雷达传感器(2)、车轮(3)、制动器(4)、电机(5)、整车控制器(6)、电机控制器(7)、蓄电池(8)、电池管理系统(9)、电动机(10)、循迹信号、制动信号和转向信号处理器(11)、线控制动系统和线控转向系统(12)。
6.根据权利要求3所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述整车框架：整车驱动采用电驱动，所述转向制动均采用线控系统。
7.根据权利要求1-6所述的一种基于SLAM的矿用无轨胶轮车无人驾驶系统，其特征在于：所述无人驾驶控制策略模块包括：以搜集到的已知信息为基础，启动车辆后，再获取前端扫描模块计算搜集到的周围环境信息，然后启动对全局路径的局部规划，此时即可开始按照控制单元所规划的路径进行正式行驶，在无轨胶轮车行驶的过程中，伴随着传感器的同步识别、搜集和计算周围环境信息，对信息数据处理融合后，进而做出判断并反馈到控制单元中，对无轨胶轮车的下一步执行内容做出指示，若前方不存在障碍物阻碍无轨胶轮车的行驶，即可继续保持期望路径继续行驶；若前方存在障碍物阻碍无轨胶轮车的行驶，则先根据视觉和激光雷达传感器所反馈出的周围环境信息，对信息数据处理融合，进入回环控制模块，将当前所获取的信息与先前前端扫描模块中获取的信息，进行提取后得到关于无轨胶轮车当前环境状态及位置的最新信息，再进入后端优化模块，将数据匹配对比，将处理信号发给控制单元，通过整车控制器对小车的位姿进行纠正，并对下一步所执行的命令做出指示，完成命令后，沿着新地图行驶并保持更新的状态，在接下来的行程中，重复上述操作以保证无轨胶轮车后续能够稳步行驶，完成作业内容。
...【技术特征摘要】
1.一种基于slam的矿用无轨胶轮车无人驾驶系统，其特征在于：所述slam建图导航模块包含前端扫描模块、回环控制模块、后端优化模块和建图导航模块，所述整车车身框架模块包含相机、激光雷达传感器、车轮、制动器、电机、整车控制器、电机控制器、蓄电池、电池管理系统、电动机、循迹信号、制动和转向信号处理器、线控制动和转向系统，所述的无人驾驶控制策略模块对全局进行控制，并在后续行程中不断更新车辆当前数据。
2.根据权利要求1所述的一种基于slam的矿用无轨胶轮车无人驾驶系统，其特征在于：所述slam建图导航模块包括：前端扫描模块、回环控制模块、后端优化模块和建图导航模块，包含的传感器有相机(1)和激光雷达(2)。该融合slam框架主要是通过相机辅助激光雷达进行定位建图工作，以相机为主的视觉slam，主要的观测信息就是相机在每个时刻获得的图像，通过相邻帧的图像来估计车辆的运动轨迹，从而完成整体的定位和地图构建工作，以激光雷达为主的激光slam，使用图优化方法，处理方式是将车辆在不同时刻的位姿抽象为点，根据在不同位姿上的观测所产生的约束抽象为边，通过非线性最小二乘法进行优化，结合两种传感器的特点，可以利用双目相机与激光雷达融合，最终完成定位建图工作。
3.根据权利要求2所述的一种基于slam的矿用无轨胶轮车无人驾驶系统，其特征在于：所述slam建图导航模块中的前端扫描模块，由双目相机和雷达组成前端先进行数据处理，融合处理后可直接到后端优化模块读取数据来矫正小车位姿，建立局部地图，反馈方式主要通过回环控制模块先识别车辆之前经过的位置，重新建图定位提高精度，再到后端优化模块匹配对比前后数据，建立局部地图，最后来到建图导航模块，通过a*算法进行全局路径规划，进行自主导航。
4.根据权利要求2所述的一种基于slam的矿用无轨胶轮车无人驾驶系统，其特征在于：所述整车感知系统由双目相机和一个置...
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。