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() 一种基于2D激光雷达的传送带精确定位方法技术_技高网

一种基于2D激光雷达的传送带精确定位方法技术

技术编号:41330528 阅读:5 留言:0更新日期:2024-05-20 09:51
本发明专利技术提供一种基于2D激光雷达的传送带精确定位方法,属于传感器定位领域,所述基于2D激光雷达的传送带精确定位方法包括感知步骤、提取步骤以及定位步骤,感知步骤利用2D激光雷达扫描周围环境场景,并将距离、角度信息矩阵存储在嵌入式平台中;提取步骤对感知步骤生成的距离、角度信息矩阵计算,以提取出传送带的特征线段;定位步骤在提取出特征线段之后,选取特征线段的特征点转化极坐标以进行精确定位。

【技术实现步骤摘要】

本专利技术涉及传感器定位领域,具体是一种基于2d激光雷达的传送带精确定位方法。


技术介绍

1、室内定位技术能够保证agv小车行驶至指定的位置。使用单线激光雷达作为传感器,能够有效得对室内环境进行建图和定位。但是由于传动带的位置存在一定的偏差,因此直接使用室内定位技术并不能够保证agv小车准确移动到传送带前面,因此需要对传送带进行特征识别,并进行精确定位。

2、一般而言,室内激光雷达对特征线段的提取主要有两类方法:递归方法和序惯方法。递归算法有迭代适应点 (iterative end point fit, iepe)算法和分割-合并(split-merge, sm)算法。iepe算法将首尾点连成一条直线,然后进行递归分割。split-merge算法的计算过程是一种反复分割和合并的过程;序惯方法有基于点间距离的分割(pointdistance based methods, pdbs)算法、连续边缘跟踪(successive edge following,sef)算法、直线追踪(line tracking, lt)算法和不依赖于局部信息的霍夫变换(houghtransform, ht)算法。pdbs利用激光雷达相邻点的欧式距离来判断角点。sef算法优化了pdbs算法,直接利用原始激光雷达数据的插值进行判断角点。因为激光雷达数据在空间上的分布存在着近密远疏的特性,导致这两种方法在阈值选取上存在一定的困难。lt算法根据点到拟合直线的距离来判断角点。

3、一般而言,现有的序惯类算法普遍存在无法对相交直线进行分割的缺点,递归类算法存在对线段过分割或欠分割的现象。如何提高激光雷达的特征线段提取准确性,是本领域的重要技术课题之一。


技术实现思路

1、本专利技术的目的在于提供一种基于2d激光雷达的传送带精确定位方法,该方法的特征线段提取简单、效率和准确性高,为后续机器人在环境地图中进行路径规划和导航提供了可能。

2、实现本专利技术目的的技术方案是:

3、一种基于2d激光雷达的传送带精确定位方法,其特征在于,包括如下步骤:

4、1)感知步骤:利用2d激光雷达扫描周围环境场景,并生成距离、角度信息矩阵存储在嵌入式平台中;

5、2)提取步骤:对感知步骤生成的距离、角度信息矩阵计算,以提取出传送带的特征线段;

6、3)定位步骤:在提取出特征线段之后,选取特征线段的特征点转化极坐标以进行精确定位。

7、步骤1)中,所述感知步骤包括:使用室内自主导航小车上的2d激光雷达扫描周围的环境,生成一帧点云数据,将该帧点云数据以距离、角度矩阵的形式存储在嵌入式平台中。

8、步骤2)中,所述提取步骤包括:计算当前帧点云数据相邻点之间的距离,如果某点与相邻点之间的距离大于阈值λ,则该点与其他点不连续;由此可以得出该帧所有的连续点的点集σz;使用迭代适应点方法,将连续点点集zi的两端断点连接成直线l1,计算该点集内各点到直线l1的距离,如果距离大于阈值γ,则将该点设置为角点,并以该点为新的端点,原点集分为新的两个点集zi1和zi2,并重新运用迭代适应点方法判定是否有新的角点,并确定完所有的点集σz的角点情况;接着使用最小二乘法拟合所有的点集的点,拟合成特征线段,将所有特征线段集计为σl。

9、步骤3)中,所述定位步骤包括:将所有特征线段σl与提存储在嵌入式平台flash中的传送带线段特征进行匹配,取匹配度最高的特征线段li为当前帧扫描到的传送带特征线段;取线段li的中点为特征点,转换极坐标为笛卡尔坐标,并将此作为精确定位坐标;取线段li与flash中传送带特征直线之间的夹角α为自主导航小车与传送带之间的偏差角,并用以后续的导航纠偏中。

10、有益效果:本专利技术提供的一种基于2d激光雷达的传送带精确定位方法,首先在嵌入式平台中启动激光雷达并进行范围扫描,通过获取的2d激光点云数据进行坐标系转换将其转换成二维点云地图,在此基础上对点云数据进行特征提取,将提取的特征线段与传送带进行匹配,提高了定位效果。

本文档来自技高网...

【技术保护点】

1.一种基于2D激光雷达的传送带精确定位方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于2D激光雷达的传送带精确定位方法,其特征在于,所述感知步骤包括:使用室内自主导航小车上的2D激光雷达扫描周围的环境,生成一帧点云数据,将该帧点云数据以距离、角度矩阵的形式存储在嵌入式平台中。

3.根据权利要求2所述的基于2D激光雷达的传送带精确定位方法,其特征在于,所述提取步骤包括:计算当前帧点云数据相邻点之间的距离,如果某点与相邻点之间的距离大于阈值λ,则该点与其他点不连续;由此可以得出该帧所有的连续点的点集ΣZ;使用迭代适应点方法,将连续点点集Zi的两端断点连接成直线L1,计算该点集内各点到直线L1的距离,如果距离大于阈值γ,则将该点设置为角点,并以该点为新的端点,原点集分为新的两个点集Zi1和Zi2,并重新运用迭代适应点方法判定是否有新的角点,并确定完所有的点集ΣZ的角点情况;接着使用最小二乘法拟合所有的点集的点,拟合成特征线段,将所有特征线段集计为Σl。

4.根据权利要求3所述的基于2D激光雷达的传送带精确定位方法,其特征在于,所述定位步骤包括:将所有特征线段Σl与提存储在嵌入式平台FLASH中的传送带线段特征进行匹配,取匹配度最高的特征线段li为当前帧扫描到的传送带特征线段;取线段li的中点为特征点,转换极坐标为笛卡尔坐标,并将此作为精确定位坐标;取线段li与FLASH中传送带特征直线之间的夹角α为自主导航小车与传送带之间的偏差角,并用以后续的导航纠偏中。

...

【技术特征摘要】

1.一种基于2d激光雷达的传送带精确定位方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于2d激光雷达的传送带精确定位方法,其特征在于,所述感知步骤包括:使用室内自主导航小车上的2d激光雷达扫描周围的环境,生成一帧点云数据,将该帧点云数据以距离、角度矩阵的形式存储在嵌入式平台中。

3.根据权利要求2所述的基于2d激光雷达的传送带精确定位方法,其特征在于,所述提取步骤包括:计算当前帧点云数据相邻点之间的距离,如果某点与相邻点之间的距离大于阈值λ,则该点与其他点不连续;由此可以得出该帧所有的连续点的点集σz;使用迭代适应点方法,将连续点点集zi的两端断点连接成直线l1,计算该点集内各点到直线l1的距离,如果距离大于阈值γ,...

【专利技术属性】
技术研发人员:匡兵邱德宪黄春德
申请(专利权)人:桂林电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1