【技术实现步骤摘要】
本专利技术属于移动机器人导航和路径规划领域，具体涉及一种用于室外低速无人车辆的激光雷达盲区避障方法。
技术介绍
1、基于全局定位和事先建立的地图进行全局路径规划以及基于实时激光雷达或相机数据进行局部路径规划是常用的移动机器人路径规划方法，但是，目前的局部路径规划难以解决当障碍物处于激光雷达盲区中时可能产生碰撞的问题。
2、路径规划需要利用点云获取代价地图，因此需要对点云进行降采样等处理以去除干扰因素，或者从点云中提取需要的特征。在点云处理方面，地面过滤目前存在一些方案，例如使用ransac拟合平面来识别地面点云或者更低开支、更简单的基于z轴的高度过滤方法，但是这些方法会出现开支与性能无法兼顾的情况。现有的路沿提取方案也有类似的问题，这导致其在低成本的车载计算平台上无法实现可靠的性能。此外，为了局部建图的稳定性，对动态物体的过滤是必要的。
3、在关键的局部建图和定位方面，目前存在一些可行的利用全局定位或者局部定位的局部建图方案，但全局定位的高计算成本、低频率和在大场景下维持高精度的困难让采用全局定位的局部建图方法存在相应的问题，局部定位虽然能满足较低计算成本和实时的要求，但又无法保证定位的可靠性，imu(inertial measurement unit，惯性测量单元)的累积误差或者配准带来的定位抖动都是影响定位稳定性的因素。
技术实现思路
1、为解决现有技术的不足，实现了低性能开支和内存负载下的扫地机器人盲区避障，同时提升局部建图定位精度的目的，本专利技术采
2、一种用于室外低速无人扫地车辆的激光雷达盲区避障方法，包括如下步骤：
3、步骤s1：对车辆所处场景的原始点云信息分别进行过滤和路沿提取的处理，并整合处理后的点云；
4、对激光雷达采集车辆附近的点云帧flt，进行过滤和特征提取，滤去地面和动态对象的点云，提取路沿特征，再将过滤后的点云帧ftf与提取路沿的点云帧fte进行融合，得到融合后的点云帧fto；
5、步骤s2：基于动态加权里程计，获取车辆的实时局部定位结果；局部定位相较于全局定位，计算开支大幅减小，可以同时满足实时性和低运算成本的要求，且在大场景下相比全局定位的精度更高；
6、局部定位通过配准历史点云和当前帧点云，得到车辆的估计位姿pndt，通过车载惯性测量单元imu和编码器构建的短期数据里程计，得到车辆位姿pie，这部分数据能提供短期内的局部定位数据，但仅依靠imu数据进行姿态估计会导致车辆转弯时产生明显的横向误差，为了避免横向误差，分别计算两种位姿历史变化的方差，基于短时间内方差计算的动态权重因子对定位结果加权融合，得到融合后的定位结果pfused，该定位可以有效避免低特征场景对于ndt算法的限制和累积误差对imu准确性的影响，也减少了转弯时的横向误差，在各种场景中表现良好；
7、步骤s3：根据实时的定位数据，对处理后的点云进行拼接，得到保留盲区内障碍物的局部地图。
8、进一步地，所述步骤s1中的地面过滤，为了让地面过滤对于不同车辆来源的点云自适应，应对预先不知晓激光雷达坐标系相对于地面坐标系的转换关系的情况，本专利技术利用ransac平面拟合方法拟合出地面所在的平面，由此倒推计算出激光雷达坐标系和地面坐标系间的转换关系tr，ransac平面拟合的流程为随机采集点云集合中三个不同的点以拟合平面，计算每次拟合的结果中内点和外点的比例，通过多次迭代确定平面所处位置，根据tr推出仅旋转变换的转换矩阵mr，再将flt通过矩阵mr转换到与地面平行的坐标系b中，得到ft，从而使地面过滤拥有自适应性，通过地面过滤的自适应，可以适应不同的数据集以进行仿真测试，也可以应用在激光雷达安装情况不同的车辆上而不需要手动调整，最后在设定的坡度范围内，识别来自地面的点云并对其进行过滤。
9、进一步地，路沿一般是低矮的，在地面过滤中精确地过滤地面而保留路沿信息是非常困难的，因此在点云处理流程中，过滤之外对ft并行进行了路沿提取所述步骤s1中的路沿提取，通过平面拟合出的地面平面和激光雷达坐标系原点的距离，选取过滤高度hf，以保证获取的近地点在保证包含路沿信息的同时尽可能减少干扰点云，与地面过滤不同，地面过滤追求滤去全部的地面点，允许一定范围内的对非地面点的滤除，而路沿提取过程要求的是获取的近地点尽可能真实，通过过滤高度hf和z轴坐标对ft进行过滤，得到近地点pc和远地点pf，基于远地点pf进行左右路沿的区分并应用到近地点pc中，得到包含左右路沿的近地点集合ftl、ftr，对近地点集合进行特征提取，得到路沿提取的点云帧fte。在这一步骤中使用ransac曲线拟合时，为了排除车辆的影响，还需要选择较远的点作为拟合的选取点。
10、进一步地，所述近地点pc和远地点pf的公式如下：
11、pc＝{pi∈praw|zi≤hf}
12、pf＝{pi∈praw|zi>hf}
13、其中，praw表示ft中点的集合，pi表示第i个点，表示第i个点对应的z轴。
14、进一步地，所述步骤s1中的地面过滤，是利用激光雷达坐标系和地面坐标系之间的坐标转换数据，在设定的坡度范围内，识别来自地面的点云并对其进行过滤，包括如下步骤：
15、首先，将flt通过仅旋转操作变换到与地面平行的坐标系b中，得到ft，对ft中点云进行过滤，滤去明显不属于地面的点和来自车辆本身的点，得到点集pl；
16、然后，对于pl，基于点云在x-y平面的角度属性进行区间划分，在每一个角度区间的点云集合中，将点按照x-y平面上与原点的距离进行排序，角度区间范围根据激光雷达分辨率确定，这一步操作是为了实现快速实时的滤波，在每一个角度区间的有序点云集合qθ中，将满足以下条件的点视为地面点云：
17、与前点的连线和xy平面的夹角θ1≤αmax，且前点为地面点云；
18、θ1≤αmax，前点不为地面点云，但与坐标为(0,0,-hl)的连线和x-y平面的夹角θ2≤βmax；
19、θ1＞αmax，但θ2≤βmax；
20、其中，αmax表示设定的局部允许坡度，βmax表示设定的全局允许坡度，hl表示激光雷达距离地面的高度，由此得到地面点云集合pl’。
21、进一步地，所述ft中点的集合praw＝{pi|pi＝(xi,yi,zi,ii),i＝1,2,……,n}，则获取pl的公式如下：
22、pl＝{pi∈praw|zi≤h，xi2+yi2≥d2}
23、其中，pl表示最终保留下来的用于地面过滤的点云集合，xi、yi、zi、ii分别表示点在ft中的三维空间坐标以及反射强度，n表示点的数量，h表示设定的明显不属于地面的点的最低高度，d表示近车距离；
24、再将pl’与praw中其余的点ph拼接，得到过滤地面点云后的点云帧ft’。
25、进一步地，所述步骤s2中的历史点云和当前帧点云本文档来自技高网...
【技术保护点】
1.一种用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于包括如下步骤：
2.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S1中的地面过滤，利用平面拟合方法拟合出地面所在的平面，倒推计算出激光雷达坐标系和地面坐标系间的转换关系TR，根据TR推出仅旋转变换的转换矩阵MR，再将Flt通过矩阵MR转换到与地面平行的坐标系B中，得到Ft，最后在设定的坡度范围内，识别来自地面的点云并对其进行过滤。
3.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S1中的路沿提取，通过平面拟合出的地面平面和激光雷达坐标系原点的距离，选取过滤高度hf，通过过滤高度hf和z轴坐标对Ft进行过滤，得到近地点PC和远地点PF，基于远地点PF进行左右路沿的区分并应用到近地点PC中，得到包含左右路沿的近地点集合Ftl、Ftr，对近地点集合进行特征提取，得到路沿提取的点云帧Fte。
4.根据权利要求3所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述近地点PC和远地点PF
5.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S1中的地面过滤，是利用激光雷达坐标系和地面坐标系之间的坐标转换数据，在设定的坡度范围内，识别来自地面的点云并对其进行过滤，包括如下步骤：
6.根据权利要求5所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述Ft中点的集合Praw＝{pi|pi＝(xi,yi,zi,Ii),i＝1,2,……,n}，则获取PL的公式如下：
7.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S2中的历史点云和当前帧点云的配准，是将当前时刻的点云帧Fto作为源点云，将用于配准的历史点云地图Memt作为目标点云，采用正态分布变换来匹配源点云和目标点云，得到6自由度的位姿变换关系Ttlidar，通过位姿变换关系Ttlidar计算车辆的估计位姿PNDT。
8.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S2中短期数据里程计，使用惯性测量单元的偏航角ψ与编码器获得的线速度v进行融合，得到一个3自由度里程计X＝[x,y,ψ]T，将前一时刻的位姿记为Xpre，则X＝Xpre+△X，位姿变化△X的计算过程为：
9.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S2中基于短时间内方差计算的动态权重因子对定位结果加权融合，是将历史的位姿变化结果表示为集合：
10.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤S3中，在随车移动的坐标系ML中不断丢弃旧的点云，坐标系ML和坐标系B之间的转换关系应保持恒定，且ML中不断更新点云位姿，由于点云帧是独立存储的，在每次位姿更新时，对于集合Poset，只进行如下操作：
...【技术特征摘要】
1.一种用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于包括如下步骤：
2.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤s1中的地面过滤，利用平面拟合方法拟合出地面所在的平面，倒推计算出激光雷达坐标系和地面坐标系间的转换关系tr，根据tr推出仅旋转变换的转换矩阵mr，再将flt通过矩阵mr转换到与地面平行的坐标系b中，得到ft，最后在设定的坡度范围内，识别来自地面的点云并对其进行过滤。
3.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤s1中的路沿提取，通过平面拟合出的地面平面和激光雷达坐标系原点的距离，选取过滤高度hf，通过过滤高度hf和z轴坐标对ft进行过滤，得到近地点pc和远地点pf，基于远地点pf进行左右路沿的区分并应用到近地点pc中，得到包含左右路沿的近地点集合ftl、ftr，对近地点集合进行特征提取，得到路沿提取的点云帧fte。
4.根据权利要求3所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述近地点pc和远地点pf的公式如下：
5.根据权利要求1所述的用于室外低速无人扫地车辆的激光雷达盲区避障方法，其特征在于：所述步骤s1中的地面过滤，是利用激光雷达坐标系和地面坐标系之间的坐标转换数据，在设定的坡度范围内，识别来自地面的点云并对其进行过滤，包括如下步骤：
6.根据权利要求5所述的用于室外低速无人扫地车辆的激光雷达盲...
【专利技术属性】
技术研发人员：胡腾飞，周逸群，杨国青，李红，吕攀，潘之杰，
申请(专利权)人：浙江大学，
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。