本發(fā)明屬于建筑機器人，特別是涉及一種基于多傳感器融合的建筑機器人及其定位方法。

背景技術(shù)：

1、隨著建筑行業(yè)的高質(zhì)量快速發(fā)展和自動化水平的提高，建筑機器人已經(jīng)成為現(xiàn)代建筑工程中不可或缺的重要工具，而精確和可靠的建筑機器人定位系統(tǒng)成為提高施工效率與安全性的關(guān)鍵技術(shù)。在目前的建筑機器人定位技術(shù)中，已有一些基于多傳感器融合的方法，如利用gps、慣性測量單元(imu)、激光雷達等傳感器結(jié)合使用，但這些方法存在不足之處。傳統(tǒng)的gps定位在室內(nèi)環(huán)境下精度不高，并且容易受到建筑物遮擋的影響，導(dǎo)致定位不準確。單一傳感器的使用往往無法滿足復(fù)雜環(huán)境下的定位需求，例如在高樓大廈或密集建筑群內(nèi)，傳感器的信號易受到干擾或阻塞，導(dǎo)致定位精度下降。imu雖然可以提供機器人的姿態(tài)信息，但長時間使用容易積累誤差，導(dǎo)致定位漂移問題。基于激光雷達的視覺定位方法雖然具有一定的精度和靈活性，但在復(fù)雜建筑環(huán)境中往往受到光照、遮擋和紋理等因素的影響，容易出現(xiàn)定位失效或誤差較大的情況?，F(xiàn)有技術(shù)在定位過程中往往無法充分考慮建筑物的結(jié)構(gòu)和布局信息，缺乏對建筑環(huán)境的全面認知，導(dǎo)致定位不夠精確和可靠。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在提供了一種基于多傳感器融合的建筑機器人及其定位方法，解決了現(xiàn)有的建筑機器人定位技術(shù)存在定位不夠精確和不可靠的問題。

2、為了達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案如下：

3、提供了一種基于多傳感器融合的建筑機器人，其包括機器人本體，所述機器人本體上設(shè)置有激光雷達、雙目相機、慣性測量單元和無跡卡爾曼濾波器；激光雷達用于獲取周圍環(huán)境的三維點云數(shù)據(jù)；雙目相機用于獲取周圍環(huán)境的圖像數(shù)據(jù)；慣性測量單元用于獲取機器人本體的動態(tài)數(shù)據(jù)；無跡卡爾曼濾波器用于將三維點云數(shù)據(jù)、圖像數(shù)據(jù)和動態(tài)數(shù)據(jù)轉(zhuǎn)化到相同的坐標系，實時生產(chǎn)機器人本體的定位結(jié)果。

4、進一步地，所述雙目相機安裝在機器人本體的前部或頂部，圖像數(shù)據(jù)包括機器人本體行進路徑和作業(yè)面的圖像；

5、所述慣性測量單元安裝在機器人本體的中心質(zhì)心位置；動態(tài)數(shù)據(jù)包括機器人本體的姿態(tài)、加速度和角速度數(shù)據(jù)。

6、本發(fā)明還提供一種基于多傳感器融合的建筑機器人的定位方法，其包括：

7、步驟1、部署建筑機器人；

8、步驟2、將激光雷達、雙目相機、慣性測量單元和無跡卡爾曼濾波器安裝在機器人本體上；

9、步驟3、校準激光雷達、雙目相機和慣性測量單元；

10、步驟4、激光雷達獲取周圍環(huán)境的三維點云數(shù)據(jù)、雙目相機獲取周圍環(huán)境的圖像數(shù)據(jù)、慣性測量單元獲取機器人本體的動態(tài)數(shù)據(jù)；

11、步驟5、對步驟4中的三維點云數(shù)據(jù)、圖像數(shù)據(jù)和動態(tài)數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；

12、步驟6、無跡卡爾曼濾波器將預(yù)處理后的三維點云數(shù)據(jù)、圖像數(shù)據(jù)和動態(tài)數(shù)據(jù)轉(zhuǎn)化到相同的坐標系并進行數(shù)據(jù)融合，實時生產(chǎn)機器人的定位結(jié)果；

13、步驟7、輸出定位結(jié)果。

14、具體地，在步驟3中，激光雷達與雙目相機之間通過轉(zhuǎn)換矩陣t進行空間配準，轉(zhuǎn)換矩陣t的計算公式為：

15、t＝[rcl?tcl?0?1]?1)

16、

17、其中，rcl是3×3的旋轉(zhuǎn)矩陣，tcl是3×1的平移向量；是雙目相機坐標系中的點，是激光雷達坐標系中的點；

18、將n對對應(yīng)點帶入計算公式2)中，得到n個方程組，使用最小二乘法求解n個方程組，可以得到rcl、tcl和轉(zhuǎn)換矩陣t。

19、進一步地，在步驟3中，對慣性測量單元進行零偏校準和比例因子校準；

20、所述零偏校準用于消除性測量單元在靜止狀態(tài)下輸出的非零值；

21、所述比例因子校準用于確保慣性測量單元的輸出值與實際物理量之間的比例關(guān)系正確。

22、進一步地，，在步驟4中，所述激光雷達通過發(fā)射激光脈沖并測量反射回來的時間差來獲取環(huán)境中物體的距離信息，距離信息的計算公式為：

23、

24、其中，d為距離信息；c為光速；δt為時間差；激光雷達會掃描周圍環(huán)境，生成三維點云數(shù)據(jù)，其中每個點都包含了其在三維空間中的坐標信息(x,y,z)；

25、所述雙目相機采集的圖像數(shù)據(jù)需要進行立體匹配和深度計算，從而得到圖像中每個像素點的深度值；

26、通過在一個相機采集的圖像中選取一個點pl，在另一個相機采集的圖像中搜索與點pl對應(yīng)的點pr，并讓點pl和點pl之間的像素距離最小實現(xiàn)立體匹配；

27、每個像素點深度值的計算公式為：

28、

29、其中，z為每個像素點深度值；m為雙目相機的焦距；b為雙目相機的基線距離；h為雙目相機的像素距離；

30、所述慣性測量單元包括陀螺儀和加速度計，實時測量建筑機器人的括機器人本體的姿態(tài)、加速度和角速度數(shù)據(jù)。

31、進一步地，在步驟6中無跡卡爾曼濾波器進行數(shù)據(jù)融合包括：

32、步驟6.1、建立狀態(tài)方程描述機器人狀態(tài)隨時間的變化，狀態(tài)方程為：

33、xk＝f(xk-1,uk)+wk

34、其中，xk為機器人的狀態(tài)向量，f為狀態(tài)轉(zhuǎn)移函數(shù)機器人的狀態(tài)向量，uk為慣性測量單元的控制輸入，wk是過程噪聲，通常假設(shè)為高斯噪聲；

35、步驟6.2、建立測量方程描述激光雷達和雙目相機與機器人狀態(tài)之間的關(guān)系；測量方程為：

36、zk＝h(xk)+vk

37、其中，zk為機器人的測量向量，h(xk)為測量函數(shù)；vk為測量噪聲；

38、步驟6.3、無跡卡爾曼濾波器根據(jù)當(dāng)前機器人的狀態(tài)向量的平均值和協(xié)方差矩陣，通過無跡變換生成sigma點集，并將sigma點集帶入狀態(tài)方程計算得到預(yù)測狀態(tài)的sigma點集；

39、當(dāng)前機器人的狀態(tài)向量的平均值的計算公式為：

40、

41、協(xié)方差矩陣的計算公式為：

42、

43、其中，為當(dāng)前機器人的狀態(tài)向量的平均值，ξi是sigma點集，和是sigma點對應(yīng)的權(quán)重，qk是過程噪聲協(xié)方差矩陣；

44、步驟6.4、將預(yù)測狀態(tài)的sigma點集代入測量方程，計算得到預(yù)測觀測量的sigma點集；

45、步驟6.5、根據(jù)預(yù)測觀測量的sigma點集和實際觀測值，計算卡爾曼增益，并利用卡爾曼增益更新狀態(tài)估計的均值和協(xié)方差矩陣；

46、卡爾曼增益的計算公式為：

47、

48、更新狀態(tài)估均值的計算公式為：

49、

50、更新狀態(tài)協(xié)方差矩陣的計算公式為：

51、

52、其中，rk是測量噪聲協(xié)方差矩陣，hk是測量方程的雅可比矩陣，zk是在時刻k的測量值，是通過測量函數(shù)h得到的預(yù)測測量值。

53、進一步地，在步驟6中，機器人的定位結(jié)果為無跡卡爾曼濾波器進行數(shù)據(jù)融后輸出的更新狀態(tài)估均值，該更新狀態(tài)估均值是一個向量，包含了機器人在三維空間中的位置(x,y,z)、速度和姿態(tài)；

54、更新狀態(tài)估均值的表達式為：

55、

56、其中，(xk,yk,zk)表示機器人在第(k)個時間步的三維位置；為表示機器人在在第(k)個時間步的三維速度。

57、進一步地，在步驟7中，對定位結(jié)果進行坐標變化并通過顯示屏可視化展示；定位結(jié)果進行坐標變化的計算公式為：

58、[xk?yk?zk]＝rm[xk?yk?zk]+tk

59、其中，[xk,yk,zk]為地圖坐標系下的位置；[xk,yk,zk]為機器人坐標系下的位置；rm為機器人坐標系到地圖坐標系的旋轉(zhuǎn)矩陣；tk為平移向量。

60、本發(fā)明的有益效果為：1、提高定位精度與穩(wěn)定性：多傳感器融合技術(shù)能夠集成來自不同傳感器的數(shù)據(jù)，如激光雷達、視覺相機、imu(慣性測量單元)等。每種傳感器都有其特定的優(yōu)勢和適用場景，通過融合不同傳感器的數(shù)據(jù)，可以相互補充，從而顯著提高定位精度。例如，激光雷達可以提供高精度的距離信息，視覺相機可以提供豐富的紋理和顏色信息，而imu則可以提供加速度和角速度等動態(tài)信息。

61、2、通過融合技術(shù)的方法，本發(fā)明極大地增強了機器人對于外部干擾因素的魯棒性。例如，在視線被遮擋或光線條件惡劣時，激光雷達和imu數(shù)據(jù)的權(quán)重會可進行調(diào)整，確保定位系統(tǒng)的可靠性。相反，若雷達探測受到限制，雙目相機和imu的數(shù)據(jù)則可填補空白，保障連續(xù)的定位效果。

62、3、多傳感器融合技術(shù)可以實現(xiàn)實時更新和動態(tài)調(diào)整。通過不斷融合來自不同傳感器的數(shù)據(jù)，機器人可以實時更新其位置估計，并根據(jù)環(huán)境的變化動態(tài)調(diào)整其運動方向，確保其在復(fù)雜環(huán)境中高效、安全地完成任務(wù)。

63、綜上所述，本發(fā)明可使建筑機器人無論在室內(nèi)還是室外復(fù)雜環(huán)境中完成高精度的自主定位。全方位的傳感器數(shù)據(jù)覆蓋與智能的融合處理方法使其減少誤差積累，提高當(dāng)機器人在復(fù)雜環(huán)境如大面積遮擋或傳感器暫時失效等狀況的操作靈活性。此系統(tǒng)相對于傳統(tǒng)的單一傳感器定位方法在精度、穩(wěn)定性、魯棒性方面都有較高的提升，為建筑機器人的自動化施工提供了技術(shù)支持。