智能机器人建图与定位中崎岖地形的点云滤除方法、系统、设备和介质
- 国知局
- 2024-09-19 14:33:07
本发明属于智能机器人自主导航,具体涉及一种智能机器人建图与定位中崎岖地形的点云滤除方法、系统、设备和介质。
背景技术:
1、智能机器人应用在各行各业,当智能机器人应用于割草时,智能割草机器人通过单线激光雷达等传感器提取作业区域环境特征,建立地图,通过地图描绘当前作业环境的特征,在作业过程中通过匹配环境特征与地图中的环境特征信息估计机器人当前所处位置,然而崎岖地形给建图和定位带来了巨大挑战,机器人在水平地面能够扫描到高于地面的崎岖地形,而随着机器人与崎岖地形的接近,地形的改变带动机器人姿态发生改变,雷达扫描的角度会向上倾斜;导致此类崎岖地形在地图中消失,此类地形特征的反复地出现与消失,造成了环境感知系统与定位特征匹配系统的数据紊乱,从而导致定位系统精度的降低;在自主导航方面陡峭程度较小的崎岖地形可视作一种机器人可以越过的障碍物,然而搭载单线激光雷达的智能割草机器人在建图过程中常常将其识别为不可越过的障碍物,以此建立的错误地图会诱导路径规划器做出绕行的错误决策。因此此类特殊地形对于智能割草机器人的作业效果和安全性有着巨大的影响。
技术实现思路
1、本发明的目的在于克服现有技术中的不足,提供一种智能机器人建图与定位中崎岖地形的点云滤除方法、系统、设备和介质,能够在机器人建图和定位过程中,无需复杂的实时计算,即可实现对崎岖地形快速甄别以及对崎岖地形的点云进行滤除,从而避免由于崎岖地形导致主动导航中数据紊乱和定位精度低。
2、本发明提供了如下的技术方案:
3、第一方面,提供一种智能机器人建图与定位中崎岖地形的点云滤除方法,所述智能机器人上部署有上下分布的第一单线激光雷达和第二单线激光雷达,所述第一单线激光雷达以水平方式进行照射,第二单线激光雷达以倾斜向上的方式进行照射,且第二单线激光雷达与水平面的倾斜角度为智能机器人的最大爬坡角度;
4、所述方法包括以下步骤:
5、实时获取智能机器人在建图与定位过程中的原始点云数据,所述原始点云数据包括第一单线激光雷达和第二单线激光雷达扫描的原始点云数据;
6、根据第一单线激光雷达和第二单线激光雷达是否扫描到同一障碍物,初次识别当前障碍物的类型;当识别的障碍物类型为疑似崎岖地形后,开始将疑似崎岖地形的原始点云数据进行持续性滤除,形成初次滤波后的点云数据库;
7、根据智能机器人到达设定位置的原始点云数据,对疑似崎岖地形进行二次甄别,若疑似崎岖地形为非目标地形,则当前障碍物滤除完成,将非目标地形的原始点云数据添加回初次滤波后的点云数据库,形成目标点云数据库;若疑似崎岖地形为目标崎岖地形,将初次滤波后的点云数据库作为目标点云数据库,直至原始点云数据中障碍物消失,则当前障碍物滤除完成。
8、可选地,所述根据第一单线激光雷达和第二单线激光雷达是否扫描到同一障碍物,初次识别当前障碍物的类型中,
9、初次识别的障碍物类型包括不可越过障碍、可越过障碍和疑似崎岖地形;
10、判断第一单线激光雷达和第二单线激光雷达是否扫描到同一障碍物,若第一单线激光雷达和第二单线激光雷达均扫描到同一障碍物,则当前障碍物的类型为不可越过障碍;若第一单线激光雷达和第二单线激光雷达均未扫描到障碍物,则当前障碍物的类型为可越过障碍;若第一单线激光雷达扫描到障碍物,第二单线激光雷达未扫描到同一障碍物,则当前障碍物的类型为疑似崎岖地形。
11、可选地,所述判断第一单线激光雷达和第二单线激光雷达是否扫描到同一障碍物,包括:
12、将第一单线激光雷达和第二单线激光雷达的扫描点云分别进行聚类,获得第一单线激光雷达对应的多个点云簇和第二单线激光雷达对应的多个点云簇;
13、对第一单线激光雷达对应的多个点云簇和第二单线激光雷达对应的多个点云簇分别进行去噪;
14、判断第一单线激光雷达至其对应的第m个点云簇的距离以及第二单线激光雷达至其对应的第n个点云簇的距离是否满足设定条件,若满足,则第一单线激光雷达和第二单线激光雷达扫描到同一障碍物,若不满足,则第二单线激光雷达和第一单线激光雷达未扫描到同一障碍物;
15、所述设定条件为:
16、
17、其中,l1为第二单线激光雷达至第n个点云簇的距离,l0为第一单线激光雷达至第m个点云簇的距离,θ为第二单线激光雷达和第一单线激光雷达照射方向的夹角,h为在水平方向上,第二单线激光雷达和第一单线激光雷达之间的距离,k为设定阈值。
18、可选地,所述根据智能机器人到达设定位置的原始点云数据,对疑似崎岖地形进行二次甄别,包括:
19、设置智能机器人与障碍物的最小距离阈值;
20、获取智能机器人到达最小距离阈值的原始点云数据;
21、判定第二单线激光雷达与第一单线激光雷达是否扫描到同一障碍物,若第二单线激光雷达与第一单线激光雷达扫描到同一障碍物,则当前疑似崎岖地形为非目标地形,若第二单线激光雷达与第一单线激光雷达未扫描到同一障碍物,则当前疑似崎岖地形为目标崎岖地形。
22、可选地,所述当识别的障碍物类型为疑似崎岖地形后,开始将疑似崎岖地形的原始点云数据进行持续性滤除,形成初次滤波后的点云数据库,包括:
23、n1:将第一单线激光雷达扫描的激光束进行依次的排序;
24、n2:根据处于当前位置的第一单线激光雷达所扫描的当前障碍物的点云数据,获取疑似崎岖地形宽度方向上两个端点的点云坐标;
25、n3:将两个端点的点云坐标转化为极坐标,并根据两个端点的极角和扫描激光束的排序,获取两个端点对应的扫描激光束的序号,记为滤除端点序号;
26、n4:仅获取位于两个滤除端点序号之外的扫描激光束所扫描的点云数据,形成初次滤波后的点云数据库;
27、n5:在智能机器人建图与定位的移动过程中,重复执行步骤n2-n4,直至当前障碍物滤除完成。
28、可选地,所述步骤n3包括:
29、获取两个端点的极角;
30、根据第一单线激光雷达的扫描角度和扫描频率对应的扫描激光束个数,确定相邻两个扫描激光束的角度增量;
31、根据两个端点的极角和相邻两个扫描激光束的角度增量,获取两个端点对应的扫描激光束的序号,记为滤除端点序号。
32、第二方面,提供一种智能机器人建图与定位中崎岖地形的点云滤除系统,所述智能机器人上部署有上下分布的第一单线激光雷达和第二单线激光雷达,所述第一单线激光雷达以水平方式进行照射,第二单线激光雷达以倾斜向上的方式进行照射,且第二单线激光雷达与水平面的倾斜角度为智能机器人的最大爬坡角度;所述系统包括:
33、获取模块,用于实时获取智能机器人在建图与定位过程中的原始点云数据,所述原始点云数据包括第一单线激光雷达和第二单线激光雷达扫描的原始点云数据;
34、识别滤除模块,用于根据第一单线激光雷达和第二单线激光雷达是否扫描到同一障碍物,初次识别当前障碍物的类型;当识别的障碍物类型为疑似崎岖地形后,开始将疑似崎岖地形的原始点云数据进行持续性滤除,形成初次滤波后的点云数据库;
35、二次甄别模块,用于根据智能机器人到达设定位置的原始点云数据,对疑似崎岖地形进行二次甄别,若疑似崎岖地形为非目标地形,则当前障碍物滤除完成,将非目标地形的原始点云数据添加回初次滤波后的点云数据库,形成目标点云数据库;若疑似崎岖地形为目标崎岖地形,将初次滤波后的点云数据库作为目标点云数据库,直至原始点云数据中障碍物消失,则当前障碍物滤除完成。
36、可选地,所述第一单线激光雷达和第二单线激光雷达通过安装支架安装在机器人上;所述安装支架包括有第一u型支座、第二u型支座和弧形板;所述第一单线激光雷达安装在第一u型支座上,所述第二单线激光雷达安装在第二u型支座上,所述第一u型支座的两端均连接有弧形板;所述弧形板上设有弧形分布的多个定位孔;所述第二u型支座倒扣在第一u型支座上,且一端通过横跨第二u型支座的连接轴铰接在两个弧形板上,另一端通过定位插销连接在其中一组定位孔内。
37、第三方面,提供一种计算机设备,包括处理器和存储器;其中,处理器执行存储器中保存的计算机程序时实现第一方面中任一项所述的智能机器人建图与定位中崎岖地形的点云滤除方法的步骤。
38、第四方面,提供一种计算机可读存储介质,用于存储计算机程序;计算机程序被处理器执行时实现第一方面中任一项所述的智能机器人建图与定位中崎岖地形的点云滤除方法的步骤。
39、与现有技术相比,本发明的有益效果是:
40、(1)本发明通过第一单线激光雷达和第二单线激光雷达实现了对崎岖地形以及其它阻挡机器人前进的障碍物的甄别,去除了崎岖地形带来的干扰型点云,提升了导航系统决策的准确率,同时对崎岖地形点云的滤除增强了机器人位于崎岖地形远处和近处的环境特征一致性,降低了崎岖地形对智能割草机器人导航系统影响。
41、(2)本发明通过对第一单线激光雷达的点云数据进行一系列处理,在原始数据层面实现了特殊地形的过滤,仅需直接调用原始的雷达数据,即可实现崎岖地形的甄别和过滤功能,最大程度避免了对成熟建图和定位算法的修改,从而使得本方法具备更强的适用性,且更易于实现。
42、(3)本发明通过点云层面的滤波和数据优化,使得其可以像常规雷达点云一样被所有需要的程序调用,诸如距离检测程序,障碍物规避程序等,为其提供了可靠的数据来源,强化机器人相关方面的能力。
本文地址:https://www.jishuxx.com/zhuanli/20240919/298769.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表