CN115561730A - 基于激光雷达特征识别的定位导航方法 - Google Patents
基于激光雷达特征识别的定位导航方法 Download PDFInfo
- Publication number
- CN115561730A CN115561730A CN202211412625.XA CN202211412625A CN115561730A CN 115561730 A CN115561730 A CN 115561730A CN 202211412625 A CN202211412625 A CN 202211412625A CN 115561730 A CN115561730 A CN 115561730A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- characteristic
- angular
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本申请公开了基于激光雷达特征识别的定位导航方法。该方法包括:当可行走设备驶入特征识别区后,从该可行走设备搭载激光雷达所获雷达点云数据中提取断点数据;根据断点数据,获得角点;从角点中确定用以形成特征三角板的特征角点;基于特征角点附近的激光雷达点云信息,获得特征三角板的物理角点,并依据物理角点得到设备的位姿信息,以由位姿信息得到可行走设备的定位导航信息。本申请方法,不仅无需对现有车载硬件进行升级或改装即可具有较高的停靠精度,而且采用高效的断点、角点搜索算法,极大提升了算法的运行效率。再者,无需在导航的全程开启,只需在进入特征识别区域后才开启,节省了系统的算力。
Description
技术领域
本申请涉及导航的技术领域,尤其涉及基于激光雷达特征识别的定位导航方法。
背景技术
不同于传统的电磁导引和磁条导引方式,基于激光SLAM导引的移动机器人具有更高的柔性。其中基于电磁、磁条的导引方式需要在地面提前铺设导引装置,并且一次铺设完毕后,后期不方便更改铺设路线,这样就导致了后期的升级维护成本极高,并且严重影响生产效率。但基于电磁、磁条的导引方式能够具有较好的稳定性,从而使移动机器人在导航过程中具有较高的行驶精度和停止精度。
激光SLAM导引作为一种新型技术被广泛应用在扫地机器人、工业物流搬运机器人、仓储机器人、服务机器人以及医疗机器人上,依靠其高柔性、高性价比、高精度的特点备受科技研发者的青睐。激光SLAM导引技术的最大亮点之一就是环境适应能力强,在未知环境中,通过一系列算法能够实现自主构建地图,并且不需要依赖其他辅助设备,所以当移动机器人需要变更行走路线时,能快速进行规划。
目前,基于激光SLAM技术的设备其导航精度能够达到±50mm,其中影响导航精度的根本原因是由于激光SLAM技术本身的定位精度不高。在移动机器人的一些领域中,对机器人行驶过程中的精度要求并不高,而对停靠点的精度要求较高。例如扫地机器人在扫地的过程中并不需要太高的导航精度,但是当其需要自动归位充电时,也即需要自主导航至某一停靠点时,就需要较高的停靠精度。然而目前激光SLAM技术±50mm的导航精度并不能满足一些场景下的移动机器人停靠精度。
申请号CN202111093246.4提出的基于UWB的室内移动机器人定位方法,能够获得较高的移动机器人定位精度,但需要在可行走设备上UWB模块,该模块价格高昂并且只能提供坐标信息,无法直接提供可行走设备角度信息,该方法在大范围推广应用上还是会受到较大限制。
发明内容
有鉴于此,本申请提供激光雷达特征识别的定位导航方法,能够在不增加额外硬件的基础上,能够使可行走设备实现精准停靠。
本申请提供一种激光雷达特征识别的定位导航方法,包括:
当设备驶入特征识别区后,从该设备搭载激光雷达所获雷达点云数据中提取断点数据;
根据所述断点数据,获得角点;
从所述角点中确定用以形成特征三角板的特征角点;
基于所述特征角点附近的激光雷达点云信息,获得特征三角板的物理角点,并依据物理角点得到所述设备的位姿信息,以由所述位姿信息得到设备的定位导航信息。
可选地,所述获得角点的方式为滤波和去噪算法。
可选地,获得特征三角板的物理角点具体为:通过最小二乘法拟合出直线,将直线的交点确立为特征三角板的物理角点。
可选地,所述“从雷达点云数据中提取断点数据”具体包括:
将包含角度和长度的激光雷达点云信息通过坐标变换,转化为相对于设备局部坐标系中的二维坐标点;
针对所述二维坐标点确认离散点,并将所述离散点的集合界定为断点数据。
可选地,所述“针对所述二维坐标点确认离散点”具体包括:
可选地,所述“根据所述断点数据,获得角点”具体包括:
从所述断点周围的激光雷达点云数据中,选择特征点,该特征点的第一方向上、第二方向上各存在一拟合线段;
检测是否满足预定条件,A、该特征点共线于第一方向的拟合线段;B、该特征点共线于第二方向的拟合线段;C、该第一方向的拟合线段靠近特征点的端点共线于第二方向的拟合线段;D、该第二方向的拟合线段靠近特征点的端点共线于第一方向的拟合线段;
当所述预定条件同时满足预定条件时,判定所述特征点为角点。
可选地,所述“确定特征角点”具体包括:
判断角点与激光雷达之间的距离,若该距离大于预设距离则将其剔除;
判断角点左右两侧线段的总长,如果总长之差大于阈值,则将其剔除;
提取到最符合特征三角板的角点信息;
基于特征三角板角点附近的激光雷达点云信息,通过最小二乘法拟合出两条直线,两条直线的交点即为特征三角板的物理角点。
以上提供的,具有以下有益效果:
1.本申请基于激光雷达特征识别的定位导航方法,无需对现有车载硬件进行升级或改装即可具有较高的停靠精度。
2.本申请基于激光雷达特征识别的定位导航方法,采用高效的断点、角点搜索算法,极大提升了算法的运行效率。
3.本申请基于激光雷达特征识别的定位导航方法,无需在导航的全程开启,只需在进入特征识别区域后才开启,节省了系统的算力。
4.本申请基于激光雷达特征识别的定位导航方法,能广泛应用可行走设备的精准停靠等领域。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1为本申请实施例提供的扫描范围的示意图。
图2为本申请实施例提供的激光雷达断点数据提取示意图。
图3为本申请实施例提供的激光雷达角点数据提取示意图。
图4为本申请实施例提供的定位导航方法的流程框图流程框图。
图5为本申请实施例提供的激光雷达角点数据的提取流程。
图6为本申请实施例提供的提取属于特征三角板角点的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本申请提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
参考图4-图6,本申请基于激光雷达特征识别的定位导航方法,适用于可行走设备。如本文所用的“可行走设备”,是指能够在被支撑面上发生行走的设备,包括但不限于扫地机器人、巡逻机器人、车辆或智能快递车等。
上述定位导航方法,包括以下步骤:
步骤S1:参考图1,从导航起点S到导航终点G,搭载激光雷达的可行走设备(例如扫
地机器人等),通过常规的导航定位算法驶入特征识别区Z。若激光雷达的扫描半径为
,则特征识别区Z的半径r应设置为。角度为的特征三角板应安装在导航终
点的正后方,并且角度为的特征三角板其开口夹角需满足,上述设置有
利于激光雷达对角度为的特征三角板进行特征提取。
步骤S2:可行走设备驶入特征识别区Z后,首先借助激光雷达数据对断点和角点数据进行提取。本定位导航方法并不是导航的全程都开启,仅在可行走设备被判定为驶入特征识别区Z后才开启,节省了算力。
步骤S201:将包含角度和长度的激光雷达点云信息通过坐标变换,转化为相对于
可行走设备的局部坐标系中的二维坐标点。激光雷达的点云数据返回格式为,其中表示点云与激光雷达之间的距离,表示点云与激光雷达之
间的偏转角。为了便于后续对激光雷达点云数据的处理,需要将其进行坐标转化,具体转化
公式如下:
步骤S202:对激光雷达点云数据进行筛选,寻找出断点数据,为后续角点的提取减少了干扰,降低了数据处理的运算量。
参考图2,具体实现原理如下:规定为点与上一点之间的直线距离,为点与下一点之间的直线距离,若,则认为
点是“离散”的,反之则认为点是“连续”的。如果点是“离散”的则将其纳入到断点
点集中,断点点集数据是实时更新的。其中为判定阈值。
步骤S203:因为在断点附近是不存在角点的,从上述所确定的断点的附近点云数据开始,向远离断点的方向进行搜索特征点。
步骤S204:基于前述的局部坐标系,首先确定线段P1P2的斜率k1以及线段P2P3的斜
率k2,得到两斜率的平均值,其次将线段P3P4的斜率k3与进行比较,如果两者之差的绝对
值小于阈值,则将P3纳入到位于同一直线的点集中,并基于斜率k1、k2、k3重算平均值。
参考图3,定义线段P1P2的斜率,线段P2P3的斜率,线段
的斜率。在本方法中,预定最少三个点云数据才能拟合成一条直线。以图3为
例,针对一段激光雷达数据,首先分析前三个点P1、P2、P3,由它们组成线段的斜率分别为k1、
k2,此时可以定义由点P1、P2、P3构成了直线L1,并且该直线的斜率构成,其平
均值为。其次分析点P3是否在直线L1上,若满足,则认为点P3在直线
L1上,并且更新斜率构成,更新其平均值,其中为斜率比
较阈值。综上,一条直线L1包含有斜率构成k1以及平均值两种信息,并且最少三个离散点
云信息才能构成一条直线。
步骤S205:若点为角点,则该点与其第一方向例如左侧连续的N-1个点可以近似
拟合为一条直线,且与其第一方向例如右侧连续的N-1个点也可以近似拟合为一条直线,并
且左侧的线段靠近该点的端点与右侧线段不能拟合成直线,右侧的线段靠近该点的端点与
左侧线段不能拟合成直线。
具体而言,本文设置N为6为例,依次计算线段P1P2、P2P3、P3P4、P4P5、P5P6的斜率,发
现k1、k2、k3、k4、k5分别与平均值的绝对值小于阈值,则说明P1-P6均能拟合成直线。当计算到
线段P6P7的斜率k6时,其值k6与最新平均值两者差的绝对值大于阈值,此时可以判定
点P7不共线于P1、P2、P3、P4、P5、P6所拟合成的线段L1,并且线段L1可以宣告探索完毕,此时斜
率构成。根据上述直线判别法开始探索直线L2,直线L2首先由点
P6、P7、P8组成,此时的斜率构成为,其平均值为。若P7、P8、
P9、P10、P11在直线L2上,则称点P7为角点。若点P9不在直线L2上,则称点P6为伪角点;
步骤S3:在提取到的一系列角点中通过滤波和去噪算法提取出属于特征三角板的角点信息。在实际环境中必然会扫描到较多的角点特征,此时需要通过一定的算法,从中提取出特征三角板的角点。
步骤S303:提取到了最符合特征三角板的角点信息。
步骤S4:基于特征三角板角点附近的激光雷达点云位置信息,通过最小二乘法分别拟合出左右两条直线,两条直线的交点即为特征三角板的真实物理角点。受限于激光雷达的硬件性能,特征三角板的真实物理角点与激光雷达扫描到的角点会有一定的偏差。
步骤S5:通过上述算法,可以得到可行走设备与特征三角板真实物理角点之间的相对位姿,而特征三角板的位姿在全局坐标系中是确定的,从而可以推算出可行走设备在全局坐标系中的精确位姿。
步骤S6:根据上述精确二次定位算法步骤,不断更新定位信息并作为可行走设备导航系统的输入,从而确保可行走设备可以准确地抵达目标点。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (7)
1.一种基于激光雷达特征识别的定位导航方法,其特征在于,包括:
当可行走设备驶入特征识别区后,从该可行走设备搭载激光雷达所获雷达点云数据中提取断点数据;
根据所述断点数据,获得角点;
从所述角点中确定用以形成特征三角板的特征角点;
基于所述特征角点附近的激光雷达点云信息,获得特征三角板的物理角点,并依据物理角点得到所述设备的位姿信息,以由所述位姿信息得到可行走设备的定位导航信息。
2.根据权利要求1所述定位导航方法,其特征在于,所述获得角点的方式为滤波和去噪算法。
3.根据权利要求1所述定位导航方法,其特征在于,获得特征三角板的物理角点具体为:通过最小二乘法拟合出直线,将直线的交点确立为特征三角板的物理角点。
4.根据权利要求1所述定位导航方法,其特征在于,所述“从雷达点云数据中提取断点数据”具体包括:
将包含角度和长度的激光雷达点云信息通过坐标变换,转化为相对于设备局部坐标系中的二维坐标点;
针对所述二维坐标点确认离散点,并将所述离散点的集合界定为断点数据。
6.根据权利要求4所述定位导航方法,其特征在于,所述“根据所述断点数据,获得角点”具体包括:
从所述断点周围的激光雷达点云数据中,选择特征点,该特征点的第一方向上、第二方向上各存在一拟合线段;
检测是否满足预定条件,A、该特征点共线于第一方向的拟合线段;B、该特征点共线于第二方向的拟合线段;C、该第一方向的拟合线段靠近特征点的端点共线于第二方向的拟合线段;D、该第二方向的拟合线段靠近特征点的端点共线于第一方向的拟合线段;
当所述预定条件同时满足预定条件时,判定所述特征点为角点。
7.根据权利要求1所述定位导航方法,其特征在于,所述“确定特征角点”具体包括:
判断角点与激光雷达之间的距离,若该距离大于预设距离则将其剔除;
判断角点左右两侧线段的总长,如果总长之差大于阈值,则将其剔除;
提取到最符合特征三角板的角点信息;
基于特征三角板角点附近的激光雷达点云信息,通过最小二乘法拟合出两条直线,两条直线的交点即为特征三角板的物理角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211412625.XA CN115561730B (zh) | 2022-11-11 | 2022-11-11 | 基于激光雷达特征识别的定位导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211412625.XA CN115561730B (zh) | 2022-11-11 | 2022-11-11 | 基于激光雷达特征识别的定位导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115561730A true CN115561730A (zh) | 2023-01-03 |
CN115561730B CN115561730B (zh) | 2023-03-17 |
Family
ID=84770304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211412625.XA Active CN115561730B (zh) | 2022-11-11 | 2022-11-11 | 基于激光雷达特征识别的定位导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115561730B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415022A (zh) * | 2017-12-21 | 2018-08-17 | 合肥中导机器人科技有限公司 | 一种激光式反射板的坐标系标定方法及激光导航系统 |
CN109085560A (zh) * | 2018-08-13 | 2018-12-25 | 陕西科技大学 | 一种提取激光雷达特征点的方法 |
CN111142117A (zh) * | 2019-12-31 | 2020-05-12 | 芜湖哈特机器人产业技术研究院有限公司 | 融合折角板及占据栅格的混合导航地图构建方法及系统 |
CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
CN112928799A (zh) * | 2021-02-04 | 2021-06-08 | 北京工业大学 | 基于激光测量的移动机器人自动对接充电方法 |
CN112947441A (zh) * | 2021-02-06 | 2021-06-11 | 湖南擎谱数字科技有限公司 | 一种机器人和充电座自动对接充电的控制方法 |
CN113189982A (zh) * | 2021-04-09 | 2021-07-30 | 惠州拓邦电气技术有限公司 | 机器人回充充电桩的方法、装置、机器人及充电桩 |
CN113406658A (zh) * | 2021-05-24 | 2021-09-17 | 西北工业大学 | 一种基于点线特征扫描匹配的移动机器人定位方法 |
CN114511709A (zh) * | 2022-02-08 | 2022-05-17 | 山东新一代信息产业技术研究院有限公司 | 一种高效准确识别角点特征的方法 |
WO2022142759A1 (zh) * | 2020-12-31 | 2022-07-07 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
-
2022
- 2022-11-11 CN CN202211412625.XA patent/CN115561730B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415022A (zh) * | 2017-12-21 | 2018-08-17 | 合肥中导机器人科技有限公司 | 一种激光式反射板的坐标系标定方法及激光导航系统 |
CN109085560A (zh) * | 2018-08-13 | 2018-12-25 | 陕西科技大学 | 一种提取激光雷达特征点的方法 |
CN111142117A (zh) * | 2019-12-31 | 2020-05-12 | 芜湖哈特机器人产业技术研究院有限公司 | 融合折角板及占据栅格的混合导航地图构建方法及系统 |
WO2022142759A1 (zh) * | 2020-12-31 | 2022-07-07 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
CN112928799A (zh) * | 2021-02-04 | 2021-06-08 | 北京工业大学 | 基于激光测量的移动机器人自动对接充电方法 |
CN112947441A (zh) * | 2021-02-06 | 2021-06-11 | 湖南擎谱数字科技有限公司 | 一种机器人和充电座自动对接充电的控制方法 |
CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
CN113189982A (zh) * | 2021-04-09 | 2021-07-30 | 惠州拓邦电气技术有限公司 | 机器人回充充电桩的方法、装置、机器人及充电桩 |
CN113406658A (zh) * | 2021-05-24 | 2021-09-17 | 西北工业大学 | 一种基于点线特征扫描匹配的移动机器人定位方法 |
CN114511709A (zh) * | 2022-02-08 | 2022-05-17 | 山东新一代信息产业技术研究院有限公司 | 一种高效准确识别角点特征的方法 |
Non-Patent Citations (2)
Title |
---|
YITING LIU ET AL.: "An Adaptive Threshold Line Segment Feature Extraction Algorithm for Laser Radar Scanning Environments" * |
满增光等: "从激光扫描数据中提取角点特征的方法", 《南京航空航天大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115561730B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109000649B (zh) | 一种基于直角弯道特征的全方位移动机器人位姿校准方法 | |
CN108958282B (zh) | 基于动态球形窗口的三维空间路径规划方法 | |
US8306738B2 (en) | Apparatus and method for building map | |
CN112014857A (zh) | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 | |
CN112230664B (zh) | 自动回充方法及系统 | |
CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
CN105094130A (zh) | 激光制导地图构建的agv搬运机器人导航方法和装置 | |
CN105806344A (zh) | 一种基于局部地图拼接的栅格地图创建方法 | |
WO2022089537A1 (zh) | 自动回充移动方法及系统 | |
CN110926485B (zh) | 一种基于直线特征的移动机器人定位方法及系统 | |
CN112232139B (zh) | 一种基于Yolo v4与Tof算法相结合的避障方法 | |
Kim et al. | SLAM in indoor environments using omni-directional vertical and horizontal line features | |
CN114119998B (zh) | 一种车载点云地面点提取方法及存储介质 | |
CN113885046A (zh) | 针对低纹理车库的智能网联汽车激光雷达定位系统及方法 | |
CN102306300B (zh) | 基于弯道模型的有损形状道路识别方法 | |
CN113971697A (zh) | 一种空地协同车辆定位定向方法 | |
CN115561730B (zh) | 基于激光雷达特征识别的定位导航方法 | |
CN112539747B (zh) | 一种基于惯性传感器和雷达的行人航位推算方法和系统 | |
CN113030997A (zh) | 一种基于激光雷达的露天矿区可行驶区域检测方法 | |
CN112782721A (zh) | 一种可通行区域检测方法、装置、电子设备和存储介质 | |
CN116358547A (zh) | 一种基于光流估计获取agv位置的方法 | |
CN112285734B (zh) | 基于道钉的港口无人集卡高精度对准方法及其对准系统 | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测系统及避障方法 | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
CN114489050A (zh) | 沿直线行驶的避障路线控制方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |