【技术实现步骤摘要】
本申请涉及自动驾驶，具体涉及一种无人清洁车定位导航方法及装置。
技术介绍
1、自2018年工信部、公安部、交通运输部联合发布《智能网联汽车道路测试管理规范(试行)》后，各地方政府陆续出台政策，积极将无人环卫车引入当地环卫项目，则直接推动了无人环卫行业发展。据了解，2023年深圳市城市管理和综合执法局将在全市启动无人清扫车试点示范项目，引导环卫服务企业增加小型环卫机械设备投入，全面提升环卫作业效率和质量，打造深圳环卫作业机械化、智能化样板。在政府的强需求、政策的强制推动下，无人环卫行业将蓬勃发展。
2、自主无人车的定位是确定无人车本体在三维工作环境下相对于全局坐标系的位置及姿态，是实现无人车导航规划的最基本环节，可分为相对定位和绝对定位两种方式。相对定位技术可以采用i mu、里程计等传感器，计算极小时间间隔内的位移累积得到车轮移动路程。也可以采用激光雷达或者相机进行局部地图间的特征匹配。绝对定位技术是基于自然陆标或人工陆标进行定位，如gps系统。
3、航迹推算定位方法由于累积误差的原因，只能进行局部定位，无法得到更加准确的全局位姿信息；信标定位方法需要在环境中布置相应的设备，价格相对来说比较昂贵；基于地图匹配的视觉方法容易受到光线的影响，且计算消耗较大。目前无人清洁车在环境差，胡同、死角、遮挡区域多的复杂环境工作，会导致常规的自动驾驶技术无法施展。为解决上述问题，本专利技术提出一种无人清洁车定位导航方法，可应用于复杂环境。
技术实现思路
1、本申请的主要目的在
2、第一方面，本专利技术提供一种无人清洁车定位导航方法，包括以下步骤：
3、采用5g+wifi的双通信模式传输点云数据进行三维实时建图，得到三维场景图；
4、利用融合多传感器定位算法对多个传感数据进行融合定位，确定无人清洁车在所述三维场景图中的初始位置；
5、根据无人清洁车的初始位置，利用动静结合规划算法在三维场景图中规划出无人清洁车局部可行的避障路线；
6、实时采集避障路线上的地面图像，利用垃圾检测识别模型对地面图像进行道路垃圾检测识别，同时对所识别的垃圾进行分类，并根据垃圾类别优化所述避障路线。
7、进一步地，所述融合多传感器定位算法采用数据平滑和改进自适应加权融合算法。
8、进一步地，所述利用融合多传感器定位算法对多个传感数据进行融合定位，包括：
9、利用融合多传感器定位算法融合超声波雷达、里程计、gps定位器的数据以及物体识别算法输出的物体定位信息，确定无人清洁车在三维场景图中的位姿。
10、进一步地，所述多个传感器数据包括imu数据、里程计信息、超声波雷达数据、gps定位数据中至少一种。
11、进一步地，所述根据无人清洁车的初始位置，利用动静结合规划算法在三维场景图中规划出无人清洁车局部可行的避障路线，包括：
12、基于三维场景图，利用最优路径搜素算法找出一条连通无人清洁车起点和终点的静态路线；
13、通过感知系统获取无人清洁车周围的环境信息，利用动态规划算法对静态路线上的动静态障碍物进行实时避障决策与路径重规划，得到无人清洁车局部可行的避障路线。
14、进一步地，所述动态规划算法采用teb算法。
15、进一步地，所述垃圾检测识别模型的训练过程包括：
16、构建样本泛化图片训练集；
17、以地面杂物为核心检测目标，对垃圾检测识别算法进行算法精简优化，并基于精简优化后的垃圾检测识别算法建立深度神经网络模型；所述垃圾检测识别算法采用cascade-yolov5算法；所述精简优化内容包括高精度分类器配置、anchor卷积配置、维度聚类、直接位置预测、细粒度特征获取、多尺度训练中一种或多种；所述深度神经网络模型为darknet-19网络模型；
18、利用样本泛化图片训练集对深度神经网络模型进行垃圾检测识别训练，得到垃圾检测识别模型；所述垃圾检测识别模型包括依次顺序连接的输入层、22个卷积层、5个池化层和输出层，所述卷积层与池化层之间设有批量归一化层。
19、进一步地，所述构建样本泛化图片训练集的方法包括图片缩放、图片归一化、数据增强和特征增强中的至少一种。
20、进一步地，所述实时采集避障路线上的地面图像，利用垃圾检测识别模型对地面图像进行道路垃圾检测识别，同时对所识别的垃圾进行分类，并根据垃圾类别优化所述避障路线，包括：
21、在无人清洁车按照避障路线进行清洁的过程中，通过感知系统实时采集避障路线上的地面图像，并将地面图像输入垃圾识别检测模型进行识别检测，得到垃圾检测识别结果；
22、根据垃圾检测识别结果对所识别的垃圾进行分类，并根据垃圾类别优化所述避障路线，包括：
23、对于可清扫的垃圾，及时调整当前的避障路线对可清扫的垃圾进行清扫；
24、对于不可清扫的垃圾，若不可清扫的垃圾不在当前的避障路线上，则不调整当前的避障路线，并提示用户；若不可清扫的垃圾位于当前的避障路线上，则调整当前的避障路线以绕开不可清扫的垃圾。
25、第二方面，本专利技术还提供一种无人清洁车定位导航装置，包括：
26、场景建模模块，用于采用5g+wifi的双通信模式传输点云数据进行三维实时建图，得到三维场景图；
27、融合定位模块，用于利用融合多传感器定位算法对多个传感数据进行融合定位，确定无人清洁车在所述三维场景图中的初始位置；
28、路线规划模块，用于根据无人清洁车的初始位置，利用动静结合规划算法在三维场景图中规划出无人清洁车局部可行的避障路线；
29、导航优化模块，用于实时采集避障路线上的地面图像，利用垃圾检测识别模型对地面图像进行道路垃圾检测识别，同时对所识别的垃圾进行分类，并根据垃圾类别优化所述避障路线。
30、本专利技术具有以下有益效果：
31、1)采用轻量化部署模型方法，仅采用融合多传感器定位算法融合定位，以及利用动静结合规划算法进行路线动态规划，可以有效减少数据样本及对计算设备的需求，可有效降低计算成本；
32、2)采用多传感器融合定位算法可避免单一传感器在复杂工作环境中因定位不准确导致漏扫甚至发生事故的风险，使得无人清洁车可以在复杂环境中工作。
本文档来自技高网...【技术保护点】
1.一种无人清洁车定位导航方法，其特征在于，包括以下步骤：
2.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述融合多传感器定位算法采用数据平滑和改进自适应加权融合算法。
3.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述利用融合多传感器定位算法对多个传感数据进行融合定位，包括：
4.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述多个传感器数据包括IMU数据、里程计信息、超声波雷达数据、GPS定位数据中至少一种。
5.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述根据无人清洁车的初始位置，利用动静结合规划算法在三维场景图中规划出无人清洁车局部可行的避障路线，包括：
6.如权利要求5所述的无人清洁车定位导航方法，其特征在于，所述动态规划算法采用TEB算法。
7.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述垃圾检测识别模型的训练过程包括：
8.如权利要求7所述的无人清洁车定位导航方法，其特征在于，所述构建样本泛化图片训练集的方法包括图片缩放、
9.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述实时采集避障路线上的地面图像，利用垃圾检测识别模型对地面图像进行道路垃圾检测识别，同时对所识别的垃圾进行分类，并根据垃圾类别优化所述避障路线，包括：
10.一种无人清洁车定位导航装置，其特征在于，包括：
...【技术特征摘要】
1.一种无人清洁车定位导航方法，其特征在于，包括以下步骤：
2.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述融合多传感器定位算法采用数据平滑和改进自适应加权融合算法。
3.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述利用融合多传感器定位算法对多个传感数据进行融合定位，包括：
4.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述多个传感器数据包括imu数据、里程计信息、超声波雷达数据、gps定位数据中至少一种。
5.如权利要求1所述的无人清洁车定位导航方法，其特征在于，所述根据无人清洁车的初始位置，利用动静结合规划算法在三维场景图中规划出无人清洁车局部可行的避障路线，包括：...
【专利技术属性】
技术研发人员：黄玲，朱珍，莫康信，
申请(专利权)人：广东工程职业技术学院，
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。