首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于3D激光雷达的多特征融合IGV定位与建图方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:杭州电子科技大学

摘要:本发明公开了一种基于3D激光雷达的多特征融合IGV定位与建图方法。主要包括数据采集处理、扫描匹配及局部地图构建、后端优化、回环检测四个过程;数据采集处理是对3D激光雷达传感器的数据处理;扫描匹配及局部地图构建是对处理过的激光点云数据采用帧‑子图的匹配方式,本发明利用具有角度、距离、反光强度等多特征信息的三维地标解算初始位姿,通过占据栅格地图,构建局部最优子图;后端优化对于不断迭代的子图,采用图的优化策略,用高斯牛顿法解决优化问题,并利用三维地标加速求解过程,从而消除累计误差;回环检测中存储所有轨迹,采用多分辨率地图,通过分支定界法加速计算,完成闭环检测。最终实现AGV的高精度定位和建图。

主权项:1.一种基于3D激光雷达的多特征融合IGV定位与建图方法,其特征在于,包括如下步骤:S1:将整个地图场景划分为大小相同的若干立方体,赋予每个立方体一定概率值,其中三维地标区域概率值赋予1,构建三维占据栅格地图;在地图中加入具有撕裂点、角点、直线、圆弧多种特征的三维地标,用3D激光雷达传感器对三维地标进行标定,根据实际距离和角度信息定义IGV初始位姿;S2:对3D激光雷达传感器获取的数据进行预处理,记3D激光雷达采集的激光点为C,其中包含时间戳、反光强度、距离和角度信息;步骤S1定义的IGV在世界坐标系下初始位姿为x,y,θ,那么扫描到的激光点在世界坐标系下的坐标xc,yc为: 其中,d为C中包含的距离信息,θ为C中包含的角度信息;激光点C的点云数据结构由xc、yc、时间戳、反光强度构成,设在k时刻在雷达坐标系L下获得的一帧点云为其中tk=k为获取这一帧点云时的时间戳,为k时刻在雷达坐标系L下点云中第i个点的坐标;由此可以根据雷达扫描时间、扫描角度、角度分辨率实现对三维点云数据有序化;最后,对有序化的点云采用范围滤波、体素滤波、点云去噪去除不需要的点云,输出预处理后的点云数据;其中,范围滤波去除不在3D激光雷达场景内的点云;体素滤波使用部分点云代替整体点云并保存原点云特征,降低点云数量;点云去噪是去除范围滤波和体素滤波产生的噪声;S3:对预处理后的3D激光雷达传感器数据进行扫描匹配,对于处理后的3D激光雷达传感器数据采用帧-子图的插入方式,其中一帧由若干点云组成,子图由若干帧组成;当前帧插入子图之前,需要对扫描帧位姿和当前的子图进行优化,让帧中所有激光点落在当前子图中的概率和最大,则问题可转化为求解以下最小二乘问题: 其中,ξ为IGV位姿,函数M为占据栅格地图中某个坐标为障碍物的概率,函数Siξ为一帧中i号激光点照射到的障碍物在占据栅格地图中的坐标;最小二乘问题为局部最优问题,需要一个初始位姿估计,若此时IGV静止,初始位姿可由步骤S1解算得出,若IGV运行中,则由编码器和IMU预测提供初始位姿;由此求解可得得到对当前帧和子图的位姿变换关系矩阵Tξ如下: 其中,Rξ为旋转矩阵,tξ为平移矩阵,子图使用概率网格描述;S4:局部地图构建,对于3D激光雷达传感器持续扫描匹配,采用子图集策略,首先构建子图集合,每个子图集合由若干子图构成,子图集的最后两个子图,分别记为P1和P2,当前帧与P1匹配,并插入P1和P2中,由于子图由若干帧组成,当P2中的帧数量达到阈值数目后,标记P1已经完成,并建新的子图,将原来的P2记为新的P1,新的子图则记为P2,继续进行当前帧的插入过程;通过子图集策略,增加点云占据栅格代价函数、平移代价函数、旋转代价函数三种约束,构建局部最优子图;S5:后端优化,由于步骤S3中激光雷达传感器扫描帧仅与当前子图进行匹配,环境地图是由一系列子图构成的,因此会存在累积误差;对此,3D激光雷达传感器获取的扫描帧在插入子图时的位姿会被缓存到内存,当子图不再变化时,所有的扫描帧和子图都会被用来进行闭环检测;采用图的优化方式,以多特征三维地标和IGV位姿为顶点,以步骤S3得到的当前帧和子图的位姿变换关系矩阵和此时IGV观测的位姿变换关系的误差函数为边,总体优化问题变为若干条边加和的形式,构建目标优化函数如下: 上式中,函数E为误差函数,通过分别表示在一定约束条件下,子图的位姿和扫描帧的位姿,m为子图数量,n为扫描帧数量;相对位姿ξij表示扫描帧j在子图i中的匹配位置,与其相关的协方差矩阵Ωij共同构成优化约束;结合高斯牛顿法进行优化问题的快速求解,得到帧和子图优化后的转换关系;S6:轨迹位姿获取,在步骤S4构建局部地图的同时,结合运动控制量的输入,多特征三维地标作为观测量,使用IMU和编码器预测IGV位姿,获得IGV运行轨迹;S7:闭环检测,对于步骤S6获得的轨迹位姿进行存储,再次经过轨迹上某一点时,采用分支定界法快速遍历所有轨迹,得到历史帧;若当前帧和历史帧匹配成功,则在步骤S5中图优化问题中增加一条边,形成约束完成闭环检测。

全文数据:

权利要求:

百度查询: 杭州电子科技大学 一种基于3D激光雷达的多特征融合IGV定位与建图方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。