本發(fā)明屬于自動駕駛車輛定位,特別涉及一種用于井工礦動態(tài)環(huán)境的融合定位方法和系統(tǒng)。
背景技術:
1、在礦山環(huán)境中,自動駕駛技術的應用可以大大提高礦山作業(yè)的效率和安全性。然而,礦山環(huán)境復雜,包括長走廊、岔路口等各種復雜的地形,這對自動駕駛技術提出了更高的要求。同時,定位技術也是自動駕駛技術的重要組成部分,它決定了自動駕駛車輛在環(huán)境中的位置和姿態(tài),從而影響到自動駕駛的安全性和準確性。
2、在現(xiàn)有的技術中,通常采用激光slam(simultaneous?localization?andmapping)進行建圖和定位。激光slam是一種通過激光雷達獲取環(huán)境信息,并同時進行定位和地圖構建的技術,但是井下環(huán)境復雜,長走廊效應十分明顯,動態(tài)點對定位的影響極大。其次,還會使用odom(里程計)、imu(慣性測量單元)、lidar(激光雷達)以及uwb的融合定位。里程計信息過解析can報文數(shù)據(jù),讀取左右車輪的速度信息,簡化模型,構建后輪差速模型,從而推導出以后輪軸中點為中心的里程計模型。但是,現(xiàn)有的定位技術一般使用imu、odom、lidar、uwb的多傳感器融合定位,odom來自于底盤信息,累積誤差較大。因此,如何在井工礦環(huán)境下實現(xiàn)自動駕駛的動態(tài)點剔除,降低輸入的累積誤差,提高定位的精度和穩(wěn)定性,是當前亟待解決的問題。
技術實現(xiàn)思路
1、為了解決上述技術問題,本發(fā)明提出了一種用于井工礦動態(tài)環(huán)境的融合定位方法和系統(tǒng),剔除環(huán)境中動態(tài)障礙物對長走廊環(huán)境下定位的影響,提高定位的準確性和魯棒性。
2、為實現(xiàn)上述目的,本發(fā)明采用以下技術方案:
3、一種用于井工礦動態(tài)環(huán)境的融合定位方法,包括以下步驟:
4、將獲取的目標車輛的歷史激光雷達數(shù)據(jù)、歷史imu數(shù)據(jù)和歷史里程計數(shù)據(jù)分別進行時間同步和空間標定后,進行slam建圖得到點云地圖;對所述點云地圖預處理后得到用于定位的先驗地圖;
5、獲取目標車輛的第一實時點云數(shù)據(jù),并對第一實時點云數(shù)據(jù)中不在同一坐標系下的點云進行配準;然后采用聚類算法判斷第一實時點云數(shù)據(jù)的動態(tài)性,對第一實時點云數(shù)據(jù)進行動態(tài)點剔除得到第二實時點云數(shù)據(jù);
6、獲取目標車輛的第一實時imu數(shù)據(jù)、第一底盤車速信息和第一slam位姿;從第一實時imu數(shù)據(jù)獲取航向角,從第一slam位姿中獲取初始位姿;利用初始姿態(tài)和單位時間位姿變換不斷疊加得到更新后里程計信息;
7、將更新后里程計信息、第二實時點云數(shù)據(jù)和第一實時imu數(shù)據(jù)進行卡爾曼融合定位輸出最終融合定位信息。
8、進一步的,時間同步的過程包括:利用ptp時間同步策略對歷史激光雷達數(shù)據(jù)和歷史imu數(shù)據(jù)進行時間同步。
9、進一步的,所述進行slam建圖得到點云地圖的過程包括:
10、將標定后的歷史激光雷達數(shù)據(jù)、歷史imu數(shù)據(jù)和歷史里程計數(shù)據(jù)均輸入至即時定位與地圖構建算法中得到點云地圖。
11、進一步的,獲取目標車輛的第一實時點云數(shù)據(jù),并對第一實時點云數(shù)據(jù)中不在同一坐標系下的點云進行配準的過程包括:
12、獲取激光雷達的連續(xù)掃描幀,且每一幀包括相同數(shù)量的點;
13、對不在同一坐標系下的點云數(shù)據(jù)采用迭代最近點算法進行配準,用于確保點云數(shù)據(jù)之間的準確對齊。
14、進一步的,對不在同一坐標系下的點云數(shù)據(jù)采用迭代最近點算法進行配準的具體過程包括:
15、計算相鄰點之間的歐式距離:
16、;
17、其中,為第次掃描點云的位置;為第次掃描點云的位置;
18、如果在一個時間窗口內的總掃描次數(shù)為,點出現(xiàn)的次數(shù)為,且每次出現(xiàn)時的位置變化低于位置閾值,則計算一個時間窗口的一致性評分為:
19、;
20、如果一致性評分小于評分閾值,計算其出現(xiàn)位置的標準差:
21、;
22、其中,是點的次出現(xiàn)的平均位置,為標準差;
23、利用決策公式確定點的動態(tài)性:
24、;
25、其中,為標準差最小閾值;為一致性評分最大閾值。
26、進一步的,采用聚類算法判斷第一實時點云數(shù)據(jù)的動態(tài)性的具體過程包括:
27、;
28、其中,為實時點云數(shù)據(jù)在時間的聚類質心;為實時點云數(shù)據(jù)在時間的聚類質心;為相鄰時刻點云數(shù)據(jù)的質心偏移;
29、;
30、其中,為實時點云數(shù)據(jù)在時間聚類的形狀描述符;為實時點云數(shù)據(jù)在時間聚類的形狀描述符;為實時點云數(shù)據(jù)在連續(xù)時間幀的差異。
31、進一步的,對第一實時點云數(shù)據(jù)進行動態(tài)點剔除的過程包括:
32、;
33、其中,為質心偏移的預設閾值;為形狀變化的預設閾值;
34、如果滿足質心偏移大于質心偏移的預設閾值,或者形狀變化大于形狀變化的預設閾值之一,則認定為動態(tài)點,標記為1,否則為非動態(tài)點,標記為0;
35、采用統(tǒng)計離群值移除算法,對動態(tài)點進行剔除。
36、進一步的,利用初始姿態(tài)和單位時間位姿變換不斷疊加得到更新后里程計信息的過程包括:初始姿態(tài)與單位時間位姿變換相乘,得到完整的位態(tài)信息,并發(fā)布里程計到徹底的坐標位置關系得到更新后里程計信息。
37、進一步的,將更新后里程計信息、第二實時點云數(shù)據(jù)和第一實時imu數(shù)據(jù)進行卡爾曼融合定位的過程包括:
38、將第一實時imu數(shù)據(jù)或者更新后里程計信息作為預測值,將第二實時點云數(shù)據(jù)和將先驗地圖輸出的點云地圖做ndt掃描匹配得到的結果作為觀測值,融合定位輸出最終融合定位信息。
39、本發(fā)明還提出了一種用于井工礦動態(tài)環(huán)境的融合定位系統(tǒng),包括預處理模塊、配準剔除模塊、更新模塊和融合定位模塊;
40、所述預處理模塊用于將獲取的目標車輛的歷史激光雷達數(shù)據(jù)、歷史imu數(shù)據(jù)和歷史里程計數(shù)據(jù)分別進行時間同步和空間標定后,進行slam建圖得到點云地圖;對所述點云地圖預處理后得到用于定位的先驗地圖;
41、所述配準剔除模塊用于獲取目標車輛的第一實時點云數(shù)據(jù),并對第一實時點云數(shù)據(jù)中不在同一坐標系下的點云進行配準;然后采用聚類算法判斷第一實時點云數(shù)據(jù)的動態(tài)性,對第一實時點云數(shù)據(jù)進行動態(tài)點剔除得到第二實時點云數(shù)據(jù);
42、所述更新模塊用于獲取目標車輛的第一實時imu數(shù)據(jù)、第一底盤車速信息和第一slam位姿;從第一實時imu數(shù)據(jù)獲取航向角,從第一slam位姿中獲取初始位姿;利用初始姿態(tài)和單位時間位姿變換不斷疊加得到更新后里程計信息;
43、所述融合定位模塊用于將更新后里程計信息、第二實時點云數(shù)據(jù)和第一實時imu數(shù)據(jù)進行卡爾曼融合定位輸出最終融合定位信息。
44、
技術實現(xiàn)要素:
中提供的效果僅僅是實施例的效果,而不是發(fā)明所有的全部效果,上述技術方案中的一個技術方案具有如下優(yōu)點或有益效果:
45、本發(fā)明提出了一種用于井工礦動態(tài)環(huán)境的融合定位方法和系統(tǒng),屬于自動駕駛車輛定位技術領域,該方法包括以下步驟:將獲取的目標車輛的歷史激光雷達數(shù)據(jù)、歷史imu數(shù)據(jù)和歷史里程計數(shù)據(jù)分別進行時間同步和空間標定后,進行slam建圖得到點云地圖;對所述點云地圖預處理后得到用于定位的先驗地圖;獲取目標車輛的第一實時點云數(shù)據(jù),并對第一實時點云數(shù)據(jù)中不在同一坐標系下的點云進行配準;然后采用聚類算法判斷第一實時點云數(shù)據(jù)的動態(tài)性,對第一實時點云數(shù)據(jù)進行動態(tài)點剔除得到第二實時點云數(shù)據(jù);獲取目標車輛的第一實時imu數(shù)據(jù)、第一底盤車速信息和第一slam位姿;從第一實時imu數(shù)據(jù)獲取航向角,從第一slam位姿中獲取初始位姿;利用初始姿態(tài)和單位時間位姿變換不斷疊加得到更新后里程計信息;將更新后里程計信息、第二實時點云數(shù)據(jù)和第一實時imu數(shù)據(jù)進行卡爾曼融合定位輸出最終融合定位信息?;谝环N用于井工礦動態(tài)環(huán)境的融合定位方法,還提出了一種用于井工礦動態(tài)環(huán)境的融合定位系統(tǒng)。本發(fā)明剔除環(huán)境中動態(tài)障礙物對長走廊環(huán)境下定位的影響,提高定位的準確性和魯棒性。
46、本發(fā)明將imu數(shù)據(jù)與車速信息進行融合發(fā)布為里程計,避免傳統(tǒng)的車速里程計模型帶來的累積誤差,且里程計位姿可根據(jù)實際情況進行調整。