System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及煤矿智能化,尤其涉及一种矿井无轨车辆的相对位姿估计方法。
技术介绍
1、无轨车辆的自动导航一直是自动控制和机器人应用领域的重要研究课题。但许多情况下,无轨车辆的作业环境昏暗狭窄,例如煤矿井下巷道。井下巷道为拒止卫星信号的环境、巷道中光照强度低且光照分布不均、巷道狭窄且多岔路。为了实现无轨车辆在巷道中的实时相对定位,无轨车辆通常需要搭载二维激光雷达,首先通过聚类的方法将不同壁面的点云分成不同的类,然后提取巷道壁面直线特征来估计无轨车辆的位姿。
2、传统的dbscan(density-based spatial clustering ofapplicationswithnoise)算法能够将不同壁面的点云区分开。然而,在激光雷达回波强度弱、遮挡、环境光影响等因素下,同一壁面上的点云可能稀疏,相邻激光点的间距可能超过聚类半径,导致产生同一壁面的稀疏点云聚为不同类的错误,从而导致位姿估计的误差较大。另外,常用提取直线段的ransac(random sample consensus)算法是针对单条直线,对于路口单壁面的双直线无法获取,更约束不了两直线的相对关系,亦即不能获取无轨车辆相对于巷道路口的位姿。
技术实现思路
1、为解决上述技术问题,本专利技术提供一种矿井无轨车辆的相对位姿估计方法。本专利技术的技术方案如下:
2、一种矿井无轨车辆的相对位姿估计方法,其包括:
3、s1,获取无轨车辆上安装的二维激光雷达扫描到的巷道壁面点云;
5、s3,基于点云旋转的模板区域匹配方式对一次聚类结果进行二次聚类;
6、s4,基于改进的ransac算法提取二次聚类结果中被聚为一类的点云中的一条或两条参考直线段;
7、s5,根据一条或两条参考直线段的参数对无轨车辆的相对位姿进行估计。
8、可选地,所述s3在基于点云旋转的模板区域匹配方式对一次聚类结果进行二次聚类时,包括:
9、s31,使用过无轨车辆中心的两条直线划分模板区域,保证不同的巷道壁面位于不同的模板区域内,这两条直线的方程为公式(1):
10、
11、s32,以坐标原点为中心,以角度递增的方式旋转一次聚类结果,直到一次聚类结果中被聚类为一类的点云没有出现跨模板区域的情况,也即一次聚类结果中被聚为一类的点云全部位于一个模板区域内;
12、s33,将同一模板区域内同一巷道壁面上被聚为不同类的点云合并为一类,得到二次聚类结果。
13、可选地,所述s4在基于改进的ransac算法提取二次聚类结果中被聚为一类的点云中的一条或两条参考直线段时,包括:
14、s41,从二次聚类结果中被聚为一类的点云中选择第一目标点云,所述第一目标点云为二次聚类结果中被聚为多类的点云中的一类点云;
15、s42,从第一目标点云中随机选取两点拟合直线l;
16、s43,分别计算第一目标点云中的每个点与直线l的距离d,并从第一目标面点云中挑选出小于预设距离阈值并且大于预设点数量阈值的第二目标点云,将第二目标点云拟合成第一条参考直线段;
17、s44,从第一目标点云中剔除组成第一条参考直线段的点云,剩下的点云继续执行s42和s43后,判断拟合成的直线段能否作为第二条参考直线段,如果不能,则继续执行s42和s43来寻找第二条参考直线,直至找到第二条参考直线段或者直至确定第一目标点云中仅包括第一条参考直线段。
18、可选地,所述s44在判断拟合成的直线段能否作为第二条参考直线段时,包括:
19、判断第一条参考直线段与拟合成的直线段之间的夹角是否小于预设角度阈值,如果小于预设角度阈值,则确定拟合成的直线段不能作为第二条参考直线段。
20、可选地,所述s5在根据一条或两条参考直线段的参数对无轨车辆的位姿进行估计时,包括如下两种情况:
21、第一种情况:如果参考直线段的条数为一条,即二次聚类结果中被聚为一类的点云中仅提取到第一条参考直线段,则确定无轨车辆处于巷道直道中,并通过第一条参考直线段的参数通过如下公式(2)和公式(3)计算无轨车辆在巷道直道中水平方向的距离dh1和偏转角
22、
23、其中,第一条参考直线段的方程为a1x+b1y+c1=0;
24、第二种情况:如果参考直线段的条数为两条,则确定无轨车辆处于巷道路口,并使用第一条参考直线段的参数通过公式(4)和公式(5)计算无轨车辆在巷道路口中水平方向的距离dh2和偏转角使用第二条参考直线段的参数通过公式(6)计算无轨车辆在巷道路口中竖直方向的距离dv;
25、
26、其中,第二条参考直线段的方程为a2x+b2y+c2=0。
27、上述所有可选技术方案均可任意组合,本专利技术不对一一组合后的结构进行详细说明。
28、借由上述方案,本专利技术的有益效果如下:
29、1、通过基于点云旋转的模板区域匹配方式对一次聚类结果进行二次聚类,实现了对于巷道直道和各种路口中壁面的聚类分割,解决了dbscan算法将同一壁面稀疏点云聚为异类的问题,提高了位姿估计的精度。
30、2、通过基于改进的ransac算法提取二次聚类结果中被聚为一类的点云中的一条或两条参考直线段,并根据参考直线段的参数估计无轨车辆相对于巷道壁面的位姿,解决了传统ransac算法只能提取单条直线,对于路口单壁面的双直线无法获取的问题。
31、上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,并可依照说明书的内容予以实施,以下以本专利技术的较佳实施例并配合附图详细说明如后。
本文档来自技高网...【技术保护点】
1.一种矿井无轨车辆的相对位姿估计方法,其特征在于,包括:
2.根据权利要求1所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述S3在基于点云旋转的模板区域匹配方式对一次聚类结果进行二次聚类时,包括:
3.根据权利要求1或2所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述S4在基于改进的RANSAC算法提取二次聚类结果中被聚为一类的点云中的一条或两条参考直线段时,包括:
4.根据权利要求3所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述S44在判断拟合成的直线段能否作为第二条参考直线段时,包括:
5.根据权利要求1所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述S5在根据一条或两条参考直线段的参数对无轨车辆的位姿进行估计时,包括如下两种情况:
【技术特征摘要】
1.一种矿井无轨车辆的相对位姿估计方法,其特征在于,包括:
2.根据权利要求1所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述s3在基于点云旋转的模板区域匹配方式对一次聚类结果进行二次聚类时,包括:
3.根据权利要求1或2所述的矿井无轨车辆的相对位姿估计方法,其特征在于,所述s4在基于改进的ransac算法提取二次聚类结果中被聚...
【专利技术属性】
技术研发人员:梁威,王宏伟,李永安,李超,罗实,
申请(专利权)人:太原理工大学,
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。