CN105573318A - 基于概率分析的环境构建方法 - Google Patents
基于概率分析的环境构建方法 Download PDFInfo
- Publication number
- CN105573318A CN105573318A CN201510940000.4A CN201510940000A CN105573318A CN 105573318 A CN105573318 A CN 105573318A CN 201510940000 A CN201510940000 A CN 201510940000A CN 105573318 A CN105573318 A CN 105573318A
- Authority
- CN
- China
- Prior art keywords
- robot
- represent
- barrier
- formula
- laser radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 16
- 230000004888 barrier function Effects 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Abstract
本发明涉及一种基于概率分析的环境构建方法,属于机器人或无人车技术领域。本发明通过一种基于概率分析的环境构建方法利用激光雷达提供的点云数据,对机器人当前的未知外部环境进行统计分析,将激光雷达采集的点云数据转换成可通行、未知以及障碍物等三类状态的地形分类地图,从而实现准确地构建环境,提高了环境构建的精度,为机器人自主导航时的障碍规避提供了可靠保障。
Description
技术领域
本发明涉及机器人或无人车技术领域,具体涉及一种基于概率分析的环境构建方法
背景技术
环境构建主要是指机器人对外部未知环境进行自主识别与理解,构建或恢复真实的环境信息,是机器人进行自主导航所必需的关键技术,具有重要的研究意义与应用价值。由于激光雷达测距与定位精度高、性价比高等特点,利用激光雷达构建未知的环境成为重要的研究内容。在获取激光雷达点云数据后,传统的环境建模方法是通过带高斯噪声概率误差模型补偿位置误差,从不精确的数据中恢复精确的环境模型,并假定下一时刻,同一目标会被激光雷达重复扫描。
而实际中,由于点云数据的有限性,恢复的环境模型是不精确的也不会出现点云数据重叠。因此,如何依据有限的点云数据,准确地构建环境成为亟待解决的技术问题。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何依据有限的点云数据,准确地构建环境。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于概率分析的环境构建方法,包括以下步骤:
S1、建立机器人的位姿误差模型,获取激光雷达的点云数据;
S2、利用步骤S1建立的位姿误差模型,确定障碍物满足的概率统计测试;
S3、通过二维栅格单元及其邻域进行障碍物测试,生成地形分类地图,从而实现环境构建。
(三)有益效果
本发明通过一种基于概率分析的环境构建方法利用激光雷达提供的点云数据,对机器人当前的未知外部环境进行统计分析,将激光雷达采集的点云数据转换成可通行、未知以及障碍物等三类状态的地形分类地图,从而实现准确地构建环境,提高了环境构建的精度,为机器人自主导航时的障碍规避提供了可靠保障。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合实施例,对本发明的具体实施方式作进一步详细描述。
本发明实施例提供的一种基于概率分析的环境地图构建方法,包括以下步骤:
步骤S1:建立机器人的位姿误差模型,获取激光雷达点云数据;
为了补偿因机器人横滚角、俯仰角导致的分类误差,以一阶马尔科夫模型作为机器人的位姿误差模型,该模型如式(1)所示:
其中,(xt,yt,zt)表示t时刻机器人的位置;(φt,θt,φt)表示t时刻机器人的姿态角;wt表示随时间变化、服从正态分布:N(wt-1,R)的高斯噪声;vt表示瞬间的、服从正态分布:N(0,Q)的高斯噪声;R和Q表示时不变的噪声协方差矩阵,分别用式(2)与式(3)表示:
根据观测数据得到准确的机器人位姿信息。
定义激光雷达在t时刻第i个元素的观测数据为观测距离为观测角为则激光雷达的点云数据通过式(4)计算得到:
其中,Tt表示t时刻由机器人姿态角构成的旋转矩阵;xs与Ts表示激光雷达相对于机器人局部坐标系的偏移量和方向角。
步骤S2:确定基于概率统计的障碍物测试;
利用步骤S1建立的一阶马尔科夫模型,将障碍物测试转化为基于概率统计的问题。给定两点(Xt1 i,Yt1 i,Zt1 i)和t2>t1,高度差分的概率分布如式(5)所示:
表示正态分布,表示均值,表示方差。
其中,表示值Ztk i(j)的雅克比矩阵(k=1,2),上标i(j)表示i或j。假定观测角βt1 i=βt2 j并忽略激光雷达的偏移量xs,则用式(6)近似表示。
合并式(5)和式(6),得式(7):
因此,基于概率统计的障碍物测试表示为:
其中,H表示障碍物高度阈值;λ表示误差概率阈值,并令λ=0.03。则上式(8)可表示为如式(9)所示:
由上式(9)可知,障碍物测试的概率随着时间差分的增加逐渐降低。因此,障碍物测试的判断依据主要集中在激光雷达点云数据中邻近的两点。
步骤S3:通过二维栅格单元及其邻域进行障碍物测试,生成地形分类地图,从而实现环境构建。
二维栅格地图包含了环境的有用信息。当分析一组新的点云数据时,基于概率分析的方法需要相对应的2维栅格单元及其领域,其中,每个栅格单元存储一个相对较大的值Zmax和一个相对较小的值Zmin。在栅格单元中当观测到一个新的数据时,分别与其领域中的Zmax和Zmin比较,如果一个满足步骤2障碍物测试,则标记该栅格单元状态为障碍物;同时,在栅格单元中,当观测值Z小于该Zmin或大于Zmax时,则分别用观测值Z替代。假定栅格单元初始状态为未知状态,当有新的观测数据时,改变栅格单元及其邻域的状态为可通行状态,如果栅格单元满足障碍物测试,则改变栅格单元及其邻域状态为障碍物,若不满足,仍为可通行状态,没有观测数据的栅格单元为初始的未知状态,进而生成包含未知、可通行、障碍物三种状态的地形分类地图。
通过以上步骤,基于概率分析的环境构建方法将激光雷达观测到的点云数据转换为包含可通行、未知以及障碍物等三种状态的栅格地图,为机器人自主导航时的障碍规避提供可靠保障。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种基于概率分析的环境构建方法,其特征在于,包括以下步骤:
S1、建立机器人的位姿误差模型,获取激光雷达的点云数据;
S2、利用步骤S1建立的位姿误差模型,确定障碍物满足的概率统计测试;
S3、通过二维栅格单元及其邻域进行障碍物测试,生成地形分类地图,从而实现环境构建。
2.如权利要求1所述的方法,其特征在于,步骤S1中,以一阶马尔科夫模型作为机器人的位姿误差模型,即式(1):
其中,(xt,yt,zt)表示t时刻机器人的位置;(φt,θt,φt)表示t时刻机器人的姿态角;wt表示随时间变化、服从正态分布:N(wt-1,R)的高斯噪声;vt表示瞬间的、服从正态分布:N(0,Q)的高斯噪声;R和Q表示时不变的噪声协方差矩阵,分别用式(2)与式(3)表示:
根据观测数据得到准确的机器人位姿信息。
定义激光雷达在t时刻第i个元素的观测数据为观测距离为观测角为则激光雷达的点云数据通过式(4)计算得到:
其中,Tt表示t时刻由机器人姿态角构成的旋转矩阵;xs与Ts表示激光雷达相对于机器人局部坐标系的偏移量和方向角。
3.如权利要求2所述的方法,其特征在于,步骤S2具体为:
给定两点(Xt1 i,Yt1 i,Zt1 i)和t2>t1,高度差分的概率分布如式(5)所示:
其中,▽tk i(j)(Z)表示值Ztk i(j)的雅克比矩阵(k=1,2),上标i(j)表示i或j。假定观测角βt1 i=βt2 j,并忽略激光雷达的偏移量xs,则▽tk i(j)(Z)用式(6)近似表示;
合并式(5)和式(6),得式(7):
则基于概率统计的障碍物测试表示为:
其中,H表示障碍物高度阈值;λ表示误差概率阈值,并令λ=0.03。则上式(8)可表示为式(9):
4.如权利要求3所述的方法,其特征在于,步骤S3具体为:假定二维栅格单元初始状态为未知状态,当有新的观测数据时,改变二维栅格单元及其邻域的状态为可通行状态,如果二维栅格单元满足步骤S2的障碍物测试,则改变二维栅格单元及其邻域状态为障碍物,若不满足,仍为可通行状态,没有观测数据的二维栅格单元为初始的未知状态,进而生成包含未知、可通行、障碍物三种状态的地形分类地图。
5.如权利要求4所述的方法,其特征在于,判断是否满足步骤S2的障碍物测试具体为:二维栅格单元的每个栅格单元存储一个相对较大的值Zmax和一个相对较小的值Zmin,在栅格单元中当观测到一个新的数据时,分别与其领域中的Zmax和Zmin比较,如果一个满足步骤S2的障碍物测试,则标记该栅格单元状态为障碍物;同时,在栅格单元中,当观测值Z小于Zmin或大于Zmax时,则用观测值Z替代Zmin或Zmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510940000.4A CN105573318B (zh) | 2015-12-15 | 2015-12-15 | 基于概率分析的环境构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510940000.4A CN105573318B (zh) | 2015-12-15 | 2015-12-15 | 基于概率分析的环境构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105573318A true CN105573318A (zh) | 2016-05-11 |
CN105573318B CN105573318B (zh) | 2018-06-12 |
Family
ID=55883572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510940000.4A Active CN105573318B (zh) | 2015-12-15 | 2015-12-15 | 基于概率分析的环境构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105573318B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
CN108628318A (zh) * | 2018-06-28 | 2018-10-09 | 广州视源电子科技股份有限公司 | 拥堵环境检测方法、装置、机器人及存储介质 |
CN108960294A (zh) * | 2018-06-12 | 2018-12-07 | 中国科学技术大学 | 一种基于视觉的移动机器人地形分类方法 |
CN109050535A (zh) * | 2018-07-25 | 2018-12-21 | 北京理工大学 | 一种基于车辆姿态的快速地形工况辨识方法 |
CN109116867A (zh) * | 2018-09-28 | 2019-01-01 | 拓攻(南京)机器人有限公司 | 一种无人机飞行避障方法、装置、电子设备及存储介质 |
CN109520505A (zh) * | 2018-12-03 | 2019-03-26 | 中国北方车辆研究所 | 一种自主导航拓扑地图生成方法 |
CN109917376A (zh) * | 2019-02-26 | 2019-06-21 | 东软睿驰汽车技术(沈阳)有限公司 | 一种定位方法及装置 |
CN110507246A (zh) * | 2019-08-14 | 2019-11-29 | 深圳市银星智能科技股份有限公司 | 避障回充方法及具有激光雷达的清洁设备避障回充系统 |
CN110543174A (zh) * | 2019-09-10 | 2019-12-06 | 速感科技(北京)有限公司 | 可通行区域图的建立方法、处理方法、装置和可移动设备 |
CN110954912A (zh) * | 2018-10-02 | 2020-04-03 | Ibeo汽车系统有限公司 | 用于光学距离测量的方法和设备 |
CN112180396A (zh) * | 2020-10-21 | 2021-01-05 | 航天科工智能机器人有限责任公司 | 一种激光雷达定位及地图创建方法 |
CN112214010A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN112462758A (zh) * | 2020-11-06 | 2021-03-09 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
CN112731321A (zh) * | 2020-11-27 | 2021-04-30 | 北京理工大学 | 基于mimo认知雷达的移动机器人避障及地图绘制方法 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
KR100962329B1 (ko) * | 2009-02-05 | 2010-06-10 | 연세대학교 산학협력단 | 스테레오 카메라 영상으로부터의 지면 추출 방법과 장치 및이와 같은 방법을 구현하는 프로그램이 기록된 기록매체 |
US20120053755A1 (en) * | 2010-08-30 | 2012-03-01 | Denso Corporation | Traveling environment recognition device and method |
CN103278170A (zh) * | 2013-05-16 | 2013-09-04 | 东南大学 | 基于显著场景点检测的移动机器人级联地图创建方法 |
CN103400416A (zh) * | 2013-08-15 | 2013-11-20 | 东南大学 | 一种基于概率多层地形的城市环境机器人导航方法 |
JP2014127032A (ja) * | 2012-12-26 | 2014-07-07 | Clarion Co Ltd | 車両用外界認識装置 |
-
2015
- 2015-12-15 CN CN201510940000.4A patent/CN105573318B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
KR100962329B1 (ko) * | 2009-02-05 | 2010-06-10 | 연세대학교 산학협력단 | 스테레오 카메라 영상으로부터의 지면 추출 방법과 장치 및이와 같은 방법을 구현하는 프로그램이 기록된 기록매체 |
US20120053755A1 (en) * | 2010-08-30 | 2012-03-01 | Denso Corporation | Traveling environment recognition device and method |
JP2014127032A (ja) * | 2012-12-26 | 2014-07-07 | Clarion Co Ltd | 車両用外界認識装置 |
CN103278170A (zh) * | 2013-05-16 | 2013-09-04 | 东南大学 | 基于显著场景点检测的移动机器人级联地图创建方法 |
CN103400416A (zh) * | 2013-08-15 | 2013-11-20 | 东南大学 | 一种基于概率多层地形的城市环境机器人导航方法 |
Non-Patent Citations (2)
Title |
---|
张彪 等: "使用三维栅格地图的移动机器人路径规划", 《西安交通大学学报》 * |
钟晨: "面向室外环境的移动机器人场景识别与建模", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
CN108960294A (zh) * | 2018-06-12 | 2018-12-07 | 中国科学技术大学 | 一种基于视觉的移动机器人地形分类方法 |
CN108628318A (zh) * | 2018-06-28 | 2018-10-09 | 广州视源电子科技股份有限公司 | 拥堵环境检测方法、装置、机器人及存储介质 |
CN109050535A (zh) * | 2018-07-25 | 2018-12-21 | 北京理工大学 | 一种基于车辆姿态的快速地形工况辨识方法 |
CN109116867A (zh) * | 2018-09-28 | 2019-01-01 | 拓攻(南京)机器人有限公司 | 一种无人机飞行避障方法、装置、电子设备及存储介质 |
CN110954912A (zh) * | 2018-10-02 | 2020-04-03 | Ibeo汽车系统有限公司 | 用于光学距离测量的方法和设备 |
CN110954912B (zh) * | 2018-10-02 | 2023-08-08 | 微视公司 | 用于光学距离测量的方法和设备 |
CN109520505A (zh) * | 2018-12-03 | 2019-03-26 | 中国北方车辆研究所 | 一种自主导航拓扑地图生成方法 |
CN109917376A (zh) * | 2019-02-26 | 2019-06-21 | 东软睿驰汽车技术(沈阳)有限公司 | 一种定位方法及装置 |
CN112214010B (zh) * | 2019-07-09 | 2022-01-11 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN112214010A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN110507246A (zh) * | 2019-08-14 | 2019-11-29 | 深圳市银星智能科技股份有限公司 | 避障回充方法及具有激光雷达的清洁设备避障回充系统 |
CN110543174A (zh) * | 2019-09-10 | 2019-12-06 | 速感科技(北京)有限公司 | 可通行区域图的建立方法、处理方法、装置和可移动设备 |
CN112180396B (zh) * | 2020-10-21 | 2023-05-23 | 航天科工智能机器人有限责任公司 | 一种激光雷达定位及地图创建方法 |
CN112180396A (zh) * | 2020-10-21 | 2021-01-05 | 航天科工智能机器人有限责任公司 | 一种激光雷达定位及地图创建方法 |
CN112462758A (zh) * | 2020-11-06 | 2021-03-09 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
CN112731321A (zh) * | 2020-11-27 | 2021-04-30 | 北京理工大学 | 基于mimo认知雷达的移动机器人避障及地图绘制方法 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105573318B (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105573318A (zh) | 基于概率分析的环境构建方法 | |
US20210103040A1 (en) | EXTRINSIC CALIBRATION METHOD OF MULTIPLE 3D LiDAR SENSORS FOR AUTONOMOUS NAVIGATION SYSTEM | |
Siagian et al. | Mobile robot navigation system in outdoor pedestrian environment using vision-based road recognition | |
CN101285686B (zh) | 一种农业机械导航分级定位的方法和系统 | |
Li et al. | Localization for intelligent vehicle by fusing mono-camera, low-cost GPS and map data | |
CN104111071B (zh) | 基于激光测距与摄像机视觉融合的高精度位姿解算方法 | |
Vu et al. | Centimeter-accuracy smoothed vehicle trajectory estimation | |
CN103674021A (zh) | 基于捷联惯导与星敏感器的组合导航系统及方法 | |
CN110187372B (zh) | 一种低速无人车园区内组合导航方法及系统 | |
CN114526745B (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
Zheng et al. | High definition map-based vehicle localization for highly automated driving: Geometric analysis | |
CN105204510A (zh) | 一种用于精确定位的概率地图的生成方法及装置 | |
Cai et al. | Mobile robot localization using gps, imu and visual odometry | |
CN103954953A (zh) | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 | |
CN104655135A (zh) | 一种基于地标识别的飞行器视觉导航方法 | |
CN105867373A (zh) | 一种基于激光雷达数据的移动机器人位姿推算方法及系统 | |
CN101762274B (zh) | 基于观测条件数的深空探测器自主定位路标选取方法 | |
US20220383755A1 (en) | Unmanned aerial vehicle positioning method based on millimeter-wave radar | |
Vora et al. | Aerial imagery based lidar localization for autonomous vehicles | |
Yu et al. | Automatic extrinsic self-calibration of mobile LiDAR systems based on planar and spherical features | |
CN107463871A (zh) | 一种基于角特征加权的点云匹配方法 | |
Welte et al. | Estimating the reliability of georeferenced lane markings for map-aided localization | |
CN102052925A (zh) | 基于空间关系约束的适配区景象匹配方法 | |
CN103983270B (zh) | 一种声纳数据的图像化处理方法 | |
Schachtschneider et al. | Creating multi-temporal maps of urban environments of improved localization of autonomous vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |