【技术实现步骤摘要】
本专利技术涉及导航测绘领域，具体来说，涉及一种用于密闭隧道环境的轨行区巡检机器人自主定位方法。
技术介绍
1、巡检机器人是用于替代人工对设备和现场环境进行检查和维护的机器人，它们能够自主的巡检，检测现场设备、温度、湿度、液位等状态，并在发现问题时及时发出警报，这种技术有助于确保设备和现场环境的安全性，同时提高生产效率。
2、目前，巡检机器人在作业过程中面临一些挑战，例如，在隧道基础设施检测方面，检测时存在车轮转速里程定位不准、惯性导航和里程计组合定位误差大等问题，这些问题导致隧道基础设施检测缺陷及病害定位难度增大，从而影响了作业效率。此外，由于检测数据不能与轨枕、接触网等精确对应，因此不能直接依据检测数据制定维修计划，限制了巡检机器人的实用性。根据社会需求和市场调研，关于地铁方面的定位集中在列车运行定位，而城轨隧道环境下的巡检机器人自主定位与导航研究基本处于空白阶段。
3、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、针对相关技术中的问题，本专利技术提出一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，以克服现有相关技术所存在的上述技术问题。
2、为此，本专利技术采用的具体技术方案如下：
3、一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，包括以下步骤：
4、s1、采用激光高精度slam方法，构建密闭隧道环境中的轨道行驶区域环境地图；
5、s2、利用相机和激光雷达对轨道行驶区域环境
6、s3、基于联合标定后的数据，运用联合概率密度算法确定相机和激光雷达的权值分配，并进行数据融合；
7、s4、将融合后的数据进行预处理，构建车辆安全距离模型；
8、s5、利用车辆安全距离模型，获取路径规划，实现密闭隧道环境的轨行区巡检机器人自主定位。
9、可选地，采用激光高精度slam方法，构建密闭隧道环境中的轨道行驶区域环境地图包括以下步骤：
10、s11、采用激光高精度slam方法，对密闭隧道环境中的行驶区域进行点云特征的全场景扫描，并获取有限元辐射边界；
11、s12、基于有限元辐射边界，利用体积坐标积分公式推导有限元辐射边界的计算公式；
12、s13、结合点云特征的全场景扫描数据和有限元辐射边界的计算公式，获取行驶区域的环境信息；
13、s14、根据行驶区域的环境信息，建立非稳态温度场的数学模型，并利用newton-raphson迭代方法求解非稳态温度场；
14、s15、根据非稳态温度场的数学模型，推导jacobi矩阵表达式和迭代计算表达式，用于迭代求解温度场；
15、s16、利用温度场分布，构建行驶区域环境地图。
16、可选地，有限元辐射边界的计算公式为：
17、q＝∫∫(t*r2*cosθ*ds)；
18、式中，q表示单位时间内通过辐射边界的能量；
19、t表示辐射边界的热状态或辐射特性；
20、r表示计算点与辐射边界之间的距离；
21、θ表示辐射边界面元的法向与计算点之间的夹角；
22、ds表示辐射边界的区域。
23、可选地，非稳态温度场迭代计算公式为：
24、
25、式中，表示第k次迭代的单位体内温度场；
26、表示第k+1次迭代的单位体内温度场；
27、k表示迭代次数；
28、l表示时刻；
29、f表示非线性函数；
30、f′表示一阶偏导数。
31、可选地，利用相机和激光雷达对轨道行驶区域环境地图中的数据进行联合标定包括以下步骤：
32、s21、利用相机和激光雷达对轨道行驶区域内的数据进行采集，获取图像数据和点云数据；
33、s22、利用图像数据计算目标平面在相机坐标系中的位置，并对相机的内部参数进行标定；
34、s23、根据相机和激光雷达的相对位置，将目标平面在相机坐标系中的位置转换为激光雷达坐标系中的位置；
35、s24、基于目标平面在激光雷达坐标系中的位置，结合点云数据，通过点云平面拟合方法，获得目标平面在激光雷达坐标系中的实际位置；
36、s25、根据目标平面在相机坐标系中的位置和目标平面在激光雷达坐标系中的实际位置，通过最小化两者的法向误差和平面距离误差，获得相机和激光雷达的联合标定。
37、可选地，基于联合标定后的数据，运用联合概率密度算法确定相机和激光雷达的权值分配，并进行数据融合包括以下步骤：
38、s31、基于联合标定后的数据，提取相机和激光雷达的观测数据；
39、s32、运用马氏距离对相机和激光雷达的观测数据进行匹配，并对匹配的观测数据进行筛选；
40、s33、根据观测数据筛选结果，将相机和激光雷达的观测数据进行对齐处理；
41、s34、将对齐后的观测数据输入联合概率密度算法中进行计算，确定相机和激光雷达的权值分配；
42、s35、利用权值分配结果，将相机和激光雷达的数据进行融合。
43、可选地，马氏距离的计算公式为：
44、d2＝(z-μ)tσ-1(z-μ)；
45、式中，d2表示马氏距离的平方；
46、z表示观测值向量；
47、μ表示环境的均值向量；
48、σ表示环境的协方差矩阵的逆矩阵；
49、t表示转置。
50、可选地，将对齐后的观测数据输入联合概率密度算法中进行计算，确定相机和激光雷达的权值分配中，根据联合概率密度算法的计算公式为：
51、
52、式中，dc表示相机的观测数据；
53、dl表示激光雷达的观测数据；
54、wc表示相机的权值；
55、wl表示激光雷达的权值；
56、p(c)表示相机的先验概率；
57、p(l)表示激光雷达的先验概率；
58、p(dc)表示相机观测数据的边际概率；
59、p(dl)表示相激光雷达测数据的边际概率；
60、p(dc∣c)表示相机观测数据的条件概率；
61、p(dl∣c)表示相机观测数据的条件概率。
62、可选地，将融合后的数据进行预处理，构建车辆安全距离模型包括以下步骤：
63、s41、对融合后的数据进行清洗和过滤，并提取特征数据；
64、s42、基于特征数据，建立车辆安全距离模型；
65、s43、将清洗和过滤后的数据输入车辆安全距离模型，并进行评估；
66、s44、根据评估结果，对车辆安全距离模型进行优化处理；
67、s45、利用优化后的车辆安全距离模型计算车辆安全距离。
68、可选地本文档来自技高网...
【技术保护点】
1.一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，该用于密闭隧道环境的轨行区巡检机器人自主定位方法包括以下步骤：
2.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述采用激光高精度SLAM方法，构建密闭隧道环境中的轨道行驶区域环境地图包括以下步骤：
3.根据权利要求2所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述有限元辐射边界的计算公式为：
4.根据权利要求2所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述非稳态温度场迭代计算公式为：
5.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述利用相机和激光雷达对轨道行驶区域环境地图中的数据进行联合标定包括以下步骤：
6.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述基于联合标定后的数据，运用联合概率密度算法确定相机和激光雷达的权值分配，并进行数据融合包括以下步骤：
7.根据
8.根据权利要求6所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述将对齐后的观测数据输入联合概率密度算法中进行计算，确定相机和激光雷达的权值分配中，根据联合概率密度算法的计算公式为：
9.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述将融合后的数据进行预处理，构建车辆安全距离模型包括以下步骤：
10.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述利用车辆安全距离模型，获取路径规划，实现密闭隧道环境的轨行区巡检机器人自主定位包括以下步骤：
...【技术特征摘要】
1.一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，该用于密闭隧道环境的轨行区巡检机器人自主定位方法包括以下步骤：
2.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述采用激光高精度slam方法，构建密闭隧道环境中的轨道行驶区域环境地图包括以下步骤：
3.根据权利要求2所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述有限元辐射边界的计算公式为：
4.根据权利要求2所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述非稳态温度场迭代计算公式为：
5.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自主定位方法，其特征在于，所述利用相机和激光雷达对轨道行驶区域环境地图中的数据进行联合标定包括以下步骤：
6.根据权利要求1所述的一种用于密闭隧道环境的轨行区巡检机器人自...
【专利技术属性】
技术研发人员：张骏，王晗宇，金小仙，张雪峰，陈秋洋，朱雷，
申请(专利权)人：合肥市轨道交通研究院有限公司，
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。