【技术实现步骤摘要】
本专利技术涉及移动机器人定位，特别是涉及一种基于多传感器融合的移动机器人定位方法。
技术介绍
1、移动机器人在复杂环境下执行自主移动的任务过程中，面临一个重要挑战就是如何实现高精度实时定位。在已有先验地图的条件下，目前主要方法有三种：一是参考汽车的定位方法，使用全球导航卫星系统(gnss)进行定位；二是使用移动机器人里程计与惯性测量单元(imu)，通过估测移动机器人相对初始点的位置与姿态实现定位；三是使用单一传感器如激光雷达进行基于先验地图的定位。
2、上述三种方案均有不足之处。第一种方案，对于使用gnss定位的方法，由于移动机器人与汽车的工作环境不同，移动机器人通常在室内环境或遮挡物较多的室外环境执行任务，而以上场景下gnss系统会因为接收到的星数过少失去定位精度或无法获得定位信息，从而无法精确定位，并且gnss的定位精度较低，通常无法满足定位需求。第二种使用移动机器人轮式里程计和imu进行位姿估计的方案只能完成在平整地面和小范围内的定位要求，如果在大范围和不平整地面情况下，移动机器人很快会因为累计误差导致定位误差越来越大。对于第三种方案，近年来，使用激光雷达进行移动机器人定位的方式越来越多，通常使用的多为迭代最近点算法(icp)点云匹配方法或正态分布变换算法(ndt)点云匹配方法进行匹配定位。但是icp算法对于初始值非常敏感，在匹配过程中很容易出现局部极值问题，ndt算法对于初始值不敏感，但是定位精度不高。同时，第三种方案需要首先指定移动机器人当前的位置后才能进行匹配定位，并且如果匹配失败，同样会因累计误差导致匹
3、cn114413894a公开了基于多传感器融合的移动机器人定位方法，其使用双gps计算出当前坐标和朝向作为激光雷达点云匹配的初始位置与姿态，在移动机器人运行时，激光雷达点云做精准定位，同时使用移动机器人轮式里程计和imu做运动的估计，如果当前激光雷达点云定位结果不符合要求，则采用轮式里程计和imu定位结果。然而在有物体遮蔽情况或在室内场景下，移动机器人无法接收到gps信号，当激光雷达点云定位结果失效时，轮式里程计和imu会因地面不平整造成的轮胎打滑的原因逐渐偏离正确定位结果，不能达到非常好的效果，并且在定位过程中由于累计误差的存在，定位误差会越来越大。
4、根据分析可知，目前已有的定位方式多依附于单一传感器，当传感器失效时就会发生定位失败的问题。已有的多传感器融合的定位方式仅仅依靠激光雷达的点云匹配结果，通常使用ndt或icp点云匹配算法，如果点云匹配失败，在累计误差的影响下，移动机器人定位会逐渐偏离实际位置直至完全定位失败。
技术实现思路
1、本专利技术的目的是旨在解决在城市或室内环境下的移动机器人高精度实时定位问题，而提供一种能够提高移动机器人在已有地图下的基于多传感器融合的高精度移动机器人定位方法，该方法能有效的实现移动机器人在城市或室内环境中的高精度实时定位，在移动机器人处于陌生环境初始化时或发生移动机器人绑架问题时能够及时更新准确位置。
2、为实现本专利技术的目的所采用的技术方案是：
3、一种基于多传感器融合的移动机器人定位方法，包括：
4、s1：加载高精点云地图，对激光雷达、gnss、imu的数据预处理，得到预处理后的激光雷达点云数据、imu数据和gnss数据；
5、s2：根据激光雷达点云数据、gnssgns、imu数据进行定位初始化得到移动机器人的初始位置与姿态，将激光雷达获取的局部点云子地图按照移动机器人的初始化位置与姿态移动到全局高精点云地图对应位置；
6、s3：使用激光雷达精准定位，将当前实时获得的激光点云数据与全局高精点云地图中的子地图匹配，根据基于改进的gicp激光点云匹配方法所获得的源点云与目标点云的相对位姿旋转矩阵r和相对平移矩阵t，将当前坐标转换为全局定位坐标；
7、s4：根据所述全局定位坐标，将当前激光点云数据制作成扫描上下文描述符，将扫描上下文描述符与对应的全局坐标一起存储至描述符数据库；
8、s5：获取当前移动机器人坐标匹配得分，根据匹配得分判断是否需要更新当前的移动机器人位置与姿态的数据，若匹配得分高于等于阈值，则更新；否则，判断发生定位失败或移动机器人绑架问题，循环执行s2到s5，进行移动机器人位置与姿态重定位，直至定位任务结束。
9、步骤s1中，所述加载高精点云地图，包括加载已有的定位空间范围内的高精激光点云地图与构建高精点云地图时生成的地图描述符数据库，所述地图描述符数据库存储有实时更新的扫描上下文描述符数据；其中，所述扫描上下文描述符数据是在生成高精点云地图过程中，使用多线激光雷达在每个关键帧的位置生成的数据。
10、步骤s1中，所述的对激光雷达、gnss、imu的数据预处理，包括：以gnss系统的时间戳为基准，将激光雷达、imu与gnss的时间戳对齐，完成时间同步；标定imu内部参数与imu与多线激光雷达的外部参数；对激光雷达的点云数据进行运动畸变去除，以及将gnss系统接收到的经度、纬度和高度转换为高精点云地图中的enu坐标系下的相对地图原点的坐标信息。
11、步骤s2中，所述根据激光雷达点云数据、gnssgns、imu数据进行定位初始化得到初始位置与姿态，包括，判断当前的gnss系统接收星数是否大于等于预设数量，若是则使用gnss系统信息进行定位初始化，获得当前粗略位置；
12、否则使用当前多线激光雷达获取到的点云信息制作扫描上下文描述符，将扫描上下文描述符与高精点云地图描述符数据库对比，从高精点云地图描述符数据库中搜索最相似的描述符，找到当前的位置，获得当前粗略位置；
13、获得当前粗略位置后，读取imu的数据，获取移动机器人当前的航向角，将其作为多线激光雷达点云数据的航向角初始值，使用改进的点云匹配方法获取当前的精准位置与姿态，定位初始化结束。
14、其中，所述使用gnss系统信息进行定位初始化，得到移动机器人的初始化位置与姿态，包括：读取当前gnss系统的时间戳、经度、纬度、高度与当前的经度、纬度和高度相对高精点云地图原点的坐标信息，获取当前多线激光雷达点云信息构建点云子地图，根据gnss获取的坐标信息将点云子地图移动到高精点云地图的对应位置上，将当前多线激光雷达数据移动到高精点云地图对应的坐标位置处，获得当前粗略位置，具体包括：
15、获取gnss系统信息为sgnss＝[gpstime，lattitude，longitude，altitude]，获取imu模块的状态simu＝[xroll，xpitc，xyaw，ax，ay，az，ωx，ωy，ωz]，gpstime表示gnss系统当前时刻的时间戳，lattitude表示gnss系统当前时刻的纬度，longitude表示gnss系统当前时刻的经度，altitude模块当前时刻的高度，xroll表示imu模块的横滚角值，xpitc表示imu模块的俯仰角值，xyaw本文档来自技高网...
【技术保护点】
1.基于多传感器融合的移动机器人定位方法，其特征在于，包括步骤：
2.根据权利要求1所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S1中，所述加载高精点云地图，包括加载已有的高精激光点云地图与构建高精点云地图时生成的地图描述符数据库，所述地图描述符数据库存储有实时更新的扫描上下文描述符数据；其中，所述扫描上下文描述符数据是在生成高精点云地图过程中，使用多线激光雷达在每个关键帧的位置生成的数据。
3.根据权利要求2所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S1中，所述的对激光雷达、GNSS、IMU的数据预处理，包括：以GNSS系统的时间戳为基准，将激光雷达、IMU与GNSS的时间戳对齐，完成时间同步；标定IMU内部参数与IMU与多线激光雷达的外部参数；对激光雷达的点云数据进行运动畸变去除，以及将GNSS系统接收到的经度、纬度和高度转换为高精点云地图中的ENU坐标系下的相对地图原点的坐标信息。
4.根据权利要求3所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S2中，所述根据激光雷达点云数据、GNSSGNS、I
5.根据权利要求4所述基于多传感器融合的移动机器人定位方法，其特征在于，所述使用GNSS系统信息进行定位初始化，获得当前粗略位置，包括：读取当前GNSS系统的时间戳、经度、纬度、高度与当前的经度、纬度和高度相对高精点云地图原点的坐标信息，获取当前多线激光雷达点云信息构建点云子地图，根据GNSS获取的坐标信息将点云子地图移动到高精点云地图的对应位置上，将当前多线激光雷达数据移动到高精点云地图对应的坐标位置处，获得当前粗略位置，具体包括：
6.根据权利要求5所述基于多传感器融合的移动机器人定位方法，其特征在于，所述使用当前多线激光雷达获取到的点云信息制作扫描上下文描述符，包括：
7.根据权利要求6所述基于多传感器融合的移动机器人定位方法，其特征在于，所述扫描上下文描述符与高精点云地图描述符数据库对比，从高精点云地图描述符数据库中搜索最相似的描述符，找到当前的位置，包括：
8.根据权利要求7所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S3中，所述使用激光雷达精准定位，包括：
9.根据权利要求8所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S3中，所述改进的激光点云匹配方法，包括：将激光点云数据首先进行正态分布变换算法点云粗匹配，在粗匹配结束后进行广义迭代最近点精匹配；
10.根据权利要求9所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤S5中，所述获取当前移动机器人坐标得分，包括获取三维激光点云与局部地图匹配的匹配得分，匹配得分超过设置的阈值时，则使用当前获得的相对位姿旋转矩阵R和相对平移矩阵t，将多线激光雷达的三维点云数据更新到对应的位置，更新当前的移动机器人位置与姿态；否则返回步骤S2,循环执行S2到S5，使用改进激光点云匹配方法更新获得相对位姿旋转矩阵R和相对平移矩阵t，再进行移动机器人位置与姿态重定位。
...【技术特征摘要】
1.基于多传感器融合的移动机器人定位方法，其特征在于，包括步骤：
2.根据权利要求1所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤s1中，所述加载高精点云地图，包括加载已有的高精激光点云地图与构建高精点云地图时生成的地图描述符数据库，所述地图描述符数据库存储有实时更新的扫描上下文描述符数据；其中，所述扫描上下文描述符数据是在生成高精点云地图过程中，使用多线激光雷达在每个关键帧的位置生成的数据。
3.根据权利要求2所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤s1中，所述的对激光雷达、gnss、imu的数据预处理，包括：以gnss系统的时间戳为基准，将激光雷达、imu与gnss的时间戳对齐，完成时间同步；标定imu内部参数与imu与多线激光雷达的外部参数；对激光雷达的点云数据进行运动畸变去除，以及将gnss系统接收到的经度、纬度和高度转换为高精点云地图中的enu坐标系下的相对地图原点的坐标信息。
4.根据权利要求3所述基于多传感器融合的移动机器人定位方法，其特征在于，步骤s2中，所述根据激光雷达点云数据、gnssgns、imu数据进行定位初始化得到初始位置与姿态，包括，判断当前的gnss系统接收星数是否大于等于预设数量，若是则使用gnss系统信息进行定位初始化，获得当前粗略位置；
5.根据权利要求4所述基于多传感器融合的移动机器人定位方法，其特征在于，所述使用gnss系统信息进行定位初始化，获得当前粗略位置，包括：读取当前gnss系统的时间戳、经度、纬度、高度与当前的经度、纬度和高度相对高精点云地图原点的坐...
【专利技术属性】
技术研发人员：郑仁成，李相江，刘建彬，刘启锋，鲁军，杨梓，谢文力，王金哲，王洋，刘家赫，刘福林，王朝旭，刘超，
申请(专利权)人：天津大学，
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。