技术新讯 > 测量装置的制造及其应用技术 > 一种移动机器人实时地图构建与定位方法及装置与流程  >  正文

一种移动机器人实时地图构建与定位方法及装置与流程

  • 国知局
  • 2024-11-06 14:30:11

本发明涉及移动机器人导航,具体而言,涉及一种基于2d激光雷达的移动机器人实时地图构建与定位方法及装置。

背景技术:

1、移动机器人导航领域中,地图和导航作为其最重要的部分,为机器人的应用起到关键性的作用,例如在医院室内大场景中,由于缺乏卫星定位信号传统的导航技术将会失败。如果有预先制作的空间地图,在室内空间运行的机器人可以通过一些特征图形或标记点进行定位和导航。如果它是在一个未知的环境中移动,则必须同时执行定位和建图(slam),目前主流的两种方法是视觉slam和激光slam。

2、然而,准确的定位需要一个精确的地图,反之亦然。定位和映射必须同时执行,这就产生了一个复杂的问题。视觉slam使用视觉摄像机作为主要传感器,在图像中的特征,然后使用这些特征来匹配已知的图像进行定位。有效的视觉slam需要提取和匹配特性,计算量大,并且对硬件损耗较大。匹配点的图像坐标与空间坐标之间的关系是非线性的。匹配这些特征将引入许多约束条件,使多变量优化问题的过程更加复杂且较慢。此外,视觉摄像机不能从无文本区域提取特征,这也限制了视觉slam的使用。激光slam主要使用激光雷达进行传感环境,通过对不同时间点云的匹配和比较,可以确定激光雷达的相对运动和姿态变化。其优点是稳定性好,地图信息简单、准确,计算量小。

3、但是解决slam问题最重要的核心是找到运动和观测模型,为估计和测量更新提供有效且一致的计算,由于在测量中存在噪声,后续的估计将传输噪声误差,其中,slam的计算方法大致分为滤波方法和优化方法两类。滤波法基于高斯滤波器和粒子滤波器两种类型。高斯滤波器包括卡尔曼滤波器(kf)和扩展卡尔曼滤波器(ekf)等高斯滤波器,分别处理线性和非线性问题;优化方法通常采用位姿图优化来最小化平方误差并求解slam;此外,人工智能学习方法目前也被用于解决slam问题,而上述方法均需要依赖于对原有的建筑布局进行比较,以完成房间、楼层、建筑的本地化和地图构建方能实现,对于原有的建筑布局进行比较,实现本地化和地图构建的过程相对较为复杂,在应用于机器人领域中,当场景发生变化时,地图的更新迭代较为复杂,不利于定位和依赖于定位进行的导航等作业。因此,本技术提出了一种移动机器人实时地图构建与定位方法及装置,以至少部分解决现有技术中可能存在的问题。

技术实现思路

1、为了克服上述问题或者至少部分地解决上述问题,本发明实施例提供一种仅使用2d激光雷达实时地图构建与地图定位方法,通过简单的几何旋转特征快速找到空间中相互垂直的壁,无需对原有的建筑布局进行比较,以完成房间、楼层、建筑的本地化和地图构建。

2、本发明的实施例是这样实现的:

3、本技术实施例提供一种移动机器人实时地图构建与定位方法,所述方法包括:

4、获取二维激光雷达的扫描数据,并通过预设算法进行坐标系映射变换,完成构建网格图;

5、对网格图中的网格点进行周期性采样,形成一个网格,并通过预设参数条件进行过滤,得到具有网格模式的网格;

6、依据过滤后的所述网格,确定边界框,并进行网络投影,得到z轴为目标主轴,确定x轴和y轴对应的全局坐标系,以及依据网格的参数校准激光雷达的俯仰角;

7、基于所述全局坐标系,依据网格的第k个采样,将激光雷达姿态帧附加到机器人,并根据预设条件,将激光雷达点云从一个场景转换到另一个场景来实现导航。

8、在本发明的一些实施例中,所述获取二维激光雷达的扫描数据,并通过预设算法进行坐标系映射变换,完成构建网格图,包括:

9、通过预设的二维激光雷达以环形扫描的方式,获取至少两个环角ψn和两个方位角αa并确定经过障碍物外侧壁上的一条非线性曲线和一条垂直线,其中,所述环角ψn为激光与水平方向夹角,方位角αa为激光在水平方向上经过的角度;

10、根据信号的返回时间,确定单个射线距离,依据射线距离、所述环角和所述方位角,确定激光雷达数据;依据激光雷达数据,将扫描的球面坐标到矩形坐标系的球面变换矩,确定环角、方位角以及射线距离的模拟值;

11、根据激光雷达分辨率,将环角、方位角以及射线距离的模拟值,进行离散化处理,获得逆变换参数;通过笛卡尔坐标系,进行处理逆变换参数,将激光雷达运动映射回激光雷达姿态坐标系,完成建图。

12、在本发明的一些实施例中,所述对网格图中的网格点进行周期性采样,形成一个网格,并通过预设参数条件进行过滤,得到具有网格模式的网格,包括:

13、激光雷达点形成了一组不同于墙上的矩形网格点,即使激光雷达精确地直立定位,其中,网格点呈钟形,其高度较小,而激光雷达更接近墙壁,网格点可以水平转换为多段线,每个方位角垂直转换为多段线,通过水平线段和垂直线段在第k个采样时间t周期形成一个网格;确定所述网的四边形的四个顶点和对应的四分之一大小的法向量;

14、通过聚类条件、垂直条件和纵横比条件,对法向量进行过滤,保留具有网格模式的网格。

15、在本发明的一些实施例中,所述依据过滤后的所述网格,确定边界框,并进行网络投影,得到z轴为目标主轴,确定x轴和y轴对应的全局坐标系,以及依据网格的参数校准激光雷达的俯仰角,包括:

16、将过滤后的网格,确定一个边界框,将所述边界框投影到三维坐标的x和y轴构成的水平面;

17、将lidar图像投影在所述水平面上,并绕z轴旋转一个角度γ,得到旋转后的最小面积;依据所述最小面积确定,以z轴为目标主轴,确定x轴和y轴对应的全局坐标系,并依据网格的参数校准激光雷达的俯仰角。

18、在本发明的一些实施例中,所述基于所述全局坐标系,依据网格的第k个采样,将激光雷达姿态帧附加到机器人,并根据预设条件,将激光雷达点云从一个场景转换到另一个场景来实现导航,包括:

19、基于所述全局坐标系,根据网格的第0个采样点,导出最小边界框,并定义姿态框;

20、通过消除所述俯仰角将所述姿态框简化为三维张量;

21、根据所述三维张量、姿态帧的位移和方位角,计算激光雷达在后面的机器人导航期间的姿态帧;

22、在第k次采样时间内,将激光雷达姿态帧附加到机器人,并根据预设条件,将激光雷达点云从一个场景转换到另一个场景来实现导航。

23、在本发明的一些实施例中,所述通过预设的二维激光雷达以环形扫描的方式,获取至少两个环角ψn和两个方位角αa并确定经过障碍物外侧壁上的一条非线性曲线和一条垂直线,包括:

24、激光雷达扫描仪以恒定的速度绕旋转轴旋转,将旋转轴定义为并发射一束光线阵列,通过光线阵列的恒定旋转速度,使相同的激光射线在空间中形成环,并且将旋转速度乘以感知的采样时间得到分辨率的方位角αa,其中,环以不同的角度从激光雷达中心向外射入空间,表示为环角ψ,将第n个环的仰角定义为环角ψn,方位角αa同一激光雷达图像环上第a射线的摆动角;

25、通过激光雷达射线点根据其不同的环角ψn和方位角αa投射到障碍物外侧壁上,具有相同环角ψn但不同方位角αa的光线形成一个锥面,当锥面与平面壁相交时,确定一条非线性曲线,以及具有相同方位角αa但不同环角ψn的光线形成一个平面,当平面表面与平面墙相交时,可以确定一条垂直线。

26、在本发明的一些实施例中,所述根据信号的返回时间,确定单个射线距离,依据射线距离、所述环角和所述方位角,确定激光雷达数据;依据激光雷达数据,将扫描的球面坐标到矩形坐标系的球面变换矩,确定环角、方位角以及射线距离的模拟值,包括:

27、通过激光传输过程中,返回信号的返回时间,转换为单个射线距离;

28、依据射线距离、所述环角和所述方位角,确定激光雷达数据为三维张量,并将当前球面坐标转换为矩形坐标系的球面变换矩,以及确定环角、方位角以及射线距离的模拟值。

29、在本发明的一些实施例中,所述根据激光雷达分辨率,将环角、方位角以及射线距离的模拟值,进行离散化处理,获得逆变换参数;通过笛卡尔坐标系,进行处理逆变换参数,将激光雷达运动映射回激光雷达姿态坐标系,完成建图,包括:

30、根据激光雷达分辨率,将环角和方位角的模拟值进行逆变换,获得逆变换参数;

31、通过笛卡尔坐标系中的位置和方向,定义为激光雷达姿态系表示的姿态参数,其中,所述姿态参数包括移动距离、方位角以及对应全局坐标系中的激光雷达绝对俯距角;

32、将包含姿态参数的激光雷达姿态框,通过笛卡尔坐标系进行均匀的连续变换,获得从激光雷达姿态的转换序列中进行更新,其中,所述连续变换与激光雷达运动相对应;

33、通过激光雷达姿态框的笛卡尔坐标系将云点从激光雷达姿态框转换为激光雷达姿态框,其中是从姿态框到姿态框的均匀变换。连续的激光雷达运动也可以在从激光雷达姿态的转换序列中进行更新,并将激光雷达运动映射回激光雷达姿态坐标系定义的坐标系,完成建图。

34、一种移动机器人实时地图构建与定位装置,所述装置包括:

35、建图模块,用于获取二维激光雷达的扫描数据,并通过预设算法进行坐标系映射变换,完成构建网格图;

36、滤波模块,用于对网格图中的网格点进行周期性采样,形成一个网格,并通过预设参数条件进行过滤,得到具有网格模式的网格;

37、投影模块,用于依据过滤后的所述网格,确定边界框,并进行网络投影,得到z轴为目标主轴,确定x轴和y轴对应的全局坐标系,以及依据网格的参数校准激光雷达的俯仰角;

38、定位导航模块,用于基于所述全局坐标系,依据网格的第k个采样,将激光雷达姿态帧附加到机器人,并根据预设条件,将激光雷达点云从一个场景转换到另一个场景来实现导航。

39、一种电子设备,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述一种移动机器人实时地图构建与定位方法。

40、一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述移动机器人实时地图构建与定位方法。

41、相对于现有技术,本发明的实施例至少具有如下优点或有益效果:

42、通过获取二维激光雷达的扫描数据,并通过预设算法进行坐标系映射变换,完成构建网格图;对网格图中的网格点进行周期性采样,形成一个网格,并通过预设参数条件进行过滤,得到具有网格模式的网格;依据过滤后的所述网格,确定边界框,并进行网络投影,得到z轴为目标主轴,确定x轴和y轴对应的全局坐标系,以及依据网格的参数校准激光雷达的俯仰角;基于所述全局坐标系,依据网格的第k个采样,将激光雷达姿态帧附加到机器人,并根据预设条件,将激光雷达点云从一个场景转换到另一个场景来实现导航。通过优化算法过程中的关键步骤,有效地解决了传统方法在噪声处理、地图构建复杂性、定位和导航效率等方面的缺陷,提高准确性、实时性、适应性和鲁棒性。

本文地址:https://www.jishuxx.com/zhuanli/20241106/322480.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。