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】
本专利技术涉及导航,特别涉及一种机器人导航系统及其导航方法。
技术介绍
1、现有的方法大多采用视觉相机(如特斯拉视觉导航方案)、深度相机(宇树科技)或者激光雷达(百度无人车、google无人车)的方法进行机器人导航作业,单独采用视觉传感器,所感知的障碍物立体信息不足,单独采用激光并不能充分利用目标的纹理及特征信息,为障碍的分类带来了困难。
技术实现思路
1、鉴于上述问题,本专利技术的目的是提出一种机器人导航装置及其导航方法,通过激光雷达和深度相机相结合的方式识别机器人前方的障碍物并根据障碍物的位置进行躲避。
2、为实现上述目的,本专利技术采用以下具体技术方案:
3、本专利技术提供一种机器人导航方法,包括以下步骤:
4、s1:通过相机模块和激光雷达模块分别采集障碍物的图像数据和点云数据;
5、s2:对图像数据和点云数据进行配准,配准后的图像数据与点云数据一一对应;
6、s3:分别对图像数据和点云数据中的障碍物进行识别,得到障碍物中心点与机器人之间的直线距离;
7、s4:当直线距离小于预定距离时,机器人停止;当障碍物离开后,机器人继续工作。
8、优选地,步骤s2包括以下子步骤:
9、s21:通过polyworks在点云数据中对纸箱上的指定点进行标记;
10、s22:通过photoshop在图像数据中找到指定点的对应点;
11、s23:通过张正友相机内参标定方法,使用m
12、s24:根据内参和外参计算得到旋转矩阵r和平移矩阵t,将点云数据转为相机数据的像素坐标。
13、优选地,步骤s3中对图像数据进行识别的过程包括以下子步骤:
14、s31:制作训练样本,在图像数据中圈定障碍物;
15、s32:通过深度学习的目标识别算法训练障碍物分类器;
16、s33:根据障碍物分类器对图像数据中的障碍物进行识别,得到障碍物在图像数据中的位置坐标;
17、s34:计算障碍物中心点与机器人之间的距离o1。
18、优选地,步骤s3中对点云数据进行识别的过程为:
19、采用基于depth_clustering的点云快速鲁棒聚类方法处理点云数据,得到障碍物中心的位置坐标,并计算障碍物中心点与机器人之间的距离o2;
20、同时利用d-s证据理论方法对距离o1与距离o2进行融合,得到融合距离值,并作为障碍物中心与机器人之间的真实距离。
21、本专利技术还提供一种利用上述机器人导航方法实现的机器人导航系统,包括:
22、雷达模块,用于扫描机器人的周围环境,采集点云数据;
23、相机模块,用于采集图像数据;
24、数据配准模块,用于对图像数据和点云数据进行配准,配准后的图像数据与点云数据一一对应;
25、计算控制模块用于分别对图像数据和点云数据中的障碍物进行识别并计算障碍物与机器人之间的直线距离,当直线距离小于预定距离时,计算控制模块控制机器人停止运动。
26、优选地,定位模块包括高精度卫星定位单元和定位标签;
27、高精度卫星定位单元用于实现机器人在室外厘米级的定位;
28、定位标签用于实现机器人在室内厘米级的定位。
29、优选地,数据配准模块包括:
30、标记单元,用于通过polyworks在点云数据中对纸箱上的指定点进行标记;
31、寻找单元,用于通过photoshop在图像数据中找到指定点的对应点;
32、标定单元,用于通过张正友相机内参标定方法,使用matlab工具箱帮助标定,得到相机模块的内参;通过高斯牛顿速降法得到相机模块的外参;
33、转换单元,用于根据相机模块的内参和外参计算得到旋转矩阵r和平移矩阵t,将点云数据转为相机数据的像素坐标。
34、优选地,计算控制模块包括:
35、圈定单元,用于在图像数据中圈定障碍物;
36、训练单元,用于通过深度学习的目标识别算法训练障碍物分类器;
37、识别单元,用于根据障碍物分类器对图像数据中的障碍物进行识别,得到障碍物在图像数据中的位置坐标;
38、第一计算单元,用于计算障碍物中心点与机器人之间的距离o1。
39、优选地,计算控制模块还包括:
40、第二计算单元,采用基于depth_clustering的点云快速鲁棒聚类方法处理点云数据,得到障碍物中心的位置坐标,并计算障碍物中心点与机器人之间的距离o2;
41、第三计算单元,利用d-s证据理论方法对距离o1与距离o2进行融合,得到融合距离值,并作为障碍物中心与机器人之间的真实距离。
42、与现有的技术相比,本专利技术针对开放式农业场景采用深度相机和16线激光雷达相结合实现障碍物的检测及避让,可以充分利用障碍物的纹理和三维信息,对障碍物进行监测、识别及定位,另外采用的定位模块包括高精度北斗卫星定位子模块和autolaborrtk970定位标签。两者可根据环境使用,在室外大面积作业工况下,高精度卫星定位子模块可实现机器人厘米级的定位。在设施农业中,定位标签可实现室内厘米级别的定位。本专利技术较传统的gps方案以及rtk定位方案,具有定位精度高,不需要铺设rtk基站的特点,采用该系统可以在提高定位精度的同时降低系统布局的成本。
本文档来自技高网...【技术保护点】
1.一种机器人导航方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的机器人导航方法,其特征在于,步骤S2包括以下子步骤:
3.根据权利要求2所述的机器人导航方法,其特征在于,步骤S3中对图像数据进行识别的过程包括以下子步骤:
4.根据权利要求3所述的机器人导航方法,其特征在于,步骤S3中对点云数据进行识别的过程为:
5.一种机器人导航系统,利用权利要求1-4中任一项所述的机器人导航方法实现,其特征在于,包括:
6.根据权利要求5所述的机器人导航系统,其特征在于,还包括定位模块;定位模块包括高精度卫星定位单元和定位标签;
7.根据权利要求5所述的机器人导航系统,其特征在于,数据配准模块包括:
8.根据权利要求5所述的机器人导航系统,其特征在于,计算控制模块包括:
9.根据权利要求8所述的机器人导航系统,其特征在于,计算控制模块还包括:
【技术特征摘要】
1.一种机器人导航方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的机器人导航方法,其特征在于,步骤s2包括以下子步骤:
3.根据权利要求2所述的机器人导航方法,其特征在于,步骤s3中对图像数据进行识别的过程包括以下子步骤:
4.根据权利要求3所述的机器人导航方法,其特征在于,步骤s3中对点云数据进行识别的过程为:
5.一种机器人导航系统,利用权利要求1-4中任一项...
【专利技术属性】
技术研发人员:刘培勋,马天娇,贾平,孙海江,
申请(专利权)人:中国科学院长春光学精密机械与物理研究所,
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。