一种深部受限空间下无人有轨电机车坡度及弯道通行方法技术

本发明专利技术公开了一种深部受限空间下无人有轨电机车坡度及弯道通行方法，有轨电机车匀速在井下巷道内行进，通过固态激光雷达实时采集行进过程中的道路数据并反馈给工业控制计算机获得原始三维点云数据包及imu数据；然后使用RANSAC算法分割出地面点云数据，以及非地面点云数据。根据采集的imu数据，计算出当前固态激光雷达的位姿，用来反馈电机车是否在坡度上行驶，进而得出上下坡长度及位置，并在上坡时电机车加大油门，下坡时减小油门，保证车匀速正常行驶；依据巷道墙壁的形状判断是否为弯道，并计算弯道的曲率及弯道所处位置。使无人有轨电机车能精确识别上下坡及弯道，从而保证无人有轨电机车在矿井下的顺利通行。无人有轨电机车在矿井下的顺利通行。无人有轨电机车在矿井下的顺利通行。

【技术实现步骤摘要】
一种深部受限空间下无人有轨电机车坡度及弯道通行方法


[0001]本专利技术涉及一种无人驾驶车的环境感知方法，具体是一种深部受限空间下无人有轨电机车坡度及弯道通行方法。

技术介绍

[0002]煤矿辅助运输是矿井生产系统的重要环节，承担着人员、设备和材料等运输任务。辅助运输分为轨道运输、无轨运输。有些矿区地质构造异常复杂，巷道断面小，采煤工作面推进长度短，一般为400～600m；一个采区每年更换采煤工作面次数多，辅助运输线路随工作地点的延伸或迁移频繁；巷道围岩多为复合型软岩，巷道顶板破碎冒落、底板鼓起现象严重。巷道坡度大、变坡及拐弯多，如何实现其无人驾驶,对于减少财产损失及人员伤亡率,降低运输成本,提高采矿工作效率,具有重大的应用前景和战略价值。
[0003]环境感知是实现井下有轨电机车无人驾驶的基础。现今国内外环境感知避障通行主要的研究方向是在高速公路环境和城市道路环境下,而针对于井下特殊环境下的坡度及弯道通行至今少有人提及。并且相对于地面道路，井下巷道结构复杂、上下坡度较大及狭窄多弯，使得在井下巷道环境下顺利通行十分困难，费时费力。现有的方式一般是在有轨电机车上通过激光雷达和相机融合感知，但是这种方式处理数据复杂，加大了运算量，并且井下巷道光照度低，相机难以还原真实环境，导致无人有轨电机车在遇到上下坡及弯道时误判断为障碍物进行停车，或者由于未检测出上下坡及弯道导致经过上下坡及弯道时车速过快发生脱轨的情况，因此如何提供一种方法，使无人有轨电机车能精确识别上下坡及弯道，从而保证无人有轨电机车在矿井下的顺利通行，是本行业的研究方向之一。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术提供一种深部受限空间下有轨电机车坡度及弯道通行方法，使无人有轨电机车能精确识别上下坡及弯道，从而保证无人有轨电机车在矿井下的顺利通行。
[0005]为了实现上述目的，本专利技术采用的技术方案是：一种深部受限空间下无人有轨电机车坡度及弯道通行方法，具体步骤为：
[0006](1)将固态激光雷达安装在无人有轨电机车前部车头处，所述固态激光雷达内设有加速度计和陀螺仪，且固态激光雷达的朝向能自动旋转，然后开启固态激光雷达且保持固态激光雷达朝向无人有轨电机车行进的正前方，以井下巷道口为起点，使无人有轨电机车以匀速沿轨道向前移动，同时使用工业控制计算机存储固态激光雷达测量数据的bag包及陀螺仪和加速度计每次采集的imu数据，无人有轨电机车在井下巷道内遍历所有行驶区域，工业控制计算机根据采集到的数据，去除数据中的杂点和噪声，获得原始三维点云的数据包及遍历全程的imu数据；
[0007](2)对得到的原始三维点云进行地面分割处理，使用RANSAC(Random Sample Consensus)算法分割出地面点云数据，以及非地面点云数据；
[0008](3)工业控制计算机先选择步骤(1)中一次采集的imu数据及其对应时刻，通过imu数据计算出当前固态激光雷达的位姿，进而根据固态激光雷达的位姿，确定该imu数据对应时刻无人有轨电机车是否在上下坡行驶，重复本步骤多次，从而能对每次采集的imu数据进行分析，获得各个对应时刻无人有轨电机车是否处于上下坡，然后将各个对应时刻乘以步骤(1)无人有轨电机车的行驶速度，进而得出上下坡长度及位置；
[0009](4)根据步骤(2)中分割出来的非地面点云数据，依据巷道墙壁的形状判断是否为弯道，并计算弯道的曲率及弯道所处位置，通过弯道的曲率对固态激光雷达进行相应的旋转，使固态激光雷达的x轴与轨道平行，防止固态激光雷达将巷道侧帮误识别为障碍物；
[0010](5)无人有轨电机车开始正常运输时，根据步骤(3)确定的上下坡长度及位置和步骤(4)确定的弯道的曲率及所处位置，当无人有轨电机车经过上下坡或弯道时，能自动调整行驶速度，从而保证无人有轨电机车顺利通行。
[0011]进一步，所述步骤(1)中无人有轨电机车以1m/s的速度匀速运行。
[0012]进一步，所述步骤(2)地面分割处理的具体过程为：
[0013]A、首先沿无人有轨电机车行进方向将原始三维点云分成若干个子点云段，使每个子点云段中地面设定为平面，减小坡度变化对分割结果的影响，然后对每个子点云段中点云数据使用RANSAC算法分割出地面点云；RANSAC算法分割地面具体流程：
[0014]B、选择一个子点云段中点云数据作为数据集，随机在数据集中选取几个点设为局内点，根据局内点拟合成平面模型，点的个数选择要依据平面的特征确定，即拟合一个平面，则至少需要选取三个点且不共线；根据设定的阈值(该阈值是指以拟合的平面为基准，平面两边其他点云到该平面的距离；如果在阈值内，就可以认为点在平面上，如阈值能设为1cm)依次计算数据集中的其他点是否满足该平面模型，如果满足，记为该平面的局内点；完成所有点的计算后，记录下本次平面模型的局内点数量；若得出的局内点数量大于等于平面模型原有的局内点数量，则以本次计算获得的各个局内点拟合成新的平面模型，并替换原有的平面模型，然后再次重复上述计算数据集内其他点是否满足当前平面模型，若得出的局内点数量小于平面模型原有的局内点数量，则保留当前平面模型，并重新在数据集中随机选取同样数量的点设为局内点，然后根据当前局内点拟合成平面模型，重复上述计算步骤，如此重复迭代多次，直至满足迭代退出条件，退出循环，得到整个迭代过程中最优的平面模型；然后根据该平面模型对当前子点云段中点云数据进行分割地面，获得该子点云段的地面点云数据，以及非地面点云数据；
[0015]C、重复步骤B对其他子点云段进行分割地面，从而获得原始三维点云的地面点云数据，以及非地面点云数据。
[0016]进一步，所述迭代退出条件确定的过程为：
[0017]采用W表示随机抽到局内点的概率，P表示置信度，该置信度表示RANSAC算法在运行后提供有用结果的期望概率；n表示计算平面模型参数需要选取的数据个数，k表示迭代次数，则W
n
表示随机抽取的n个点都是局内点的概率；1
‑
W
n
表示至少存在一个局外点的概率；(1
‑
W
n
)
k
表示迭代k次都至少存在一个局外点的概率；当k足够大时，这个概率会变得很小，意味着平面模型可信度越高；
[0018]那么迭代k次至少能获得一组最优平面模型参数的概率为1
‑
(1
‑
W
n
)
k
[0019]这个概率等于置信度参数P，有P＝1
‑
(1
‑
W
n
)
k
[0020]取对数，反推k的值为k＝log(1
‑
P)/log(1
‑
W
n
)
k
[0021]该k值就即为迭代退出条件，当实际迭代次数大于k时，退出循环。
[0022]进一步，所述步骤(3)具体过程为：...

【技术保护点】

【技术特征摘要】
1.一种深部受限空间下无人有轨电机车坡度及弯道通行方法，其特征在于，具体步骤为：(1)将固态激光雷达安装在无人有轨电机车前部车头处，所述固态激光雷达内设有加速度计和陀螺仪，且固态激光雷达的朝向能自动旋转，然后开启固态激光雷达且保持固态激光雷达朝向无人有轨电机车行进的正前方，以井下巷道口为起点，使无人有轨电机车以匀速沿轨道向前移动，同时使用工业控制计算机存储固态激光雷达测量数据的bag包及陀螺仪和加速度计每次采集的imu数据，无人有轨电机车在井下巷道内遍历所有行驶区域，工业控制计算机根据采集到的数据，去除数据中的杂点和噪声，获得原始三维点云的数据包及遍历全程的imu数据；(2)对得到的原始三维点云进行地面分割处理，使用RANSAC算法分割出地面点云数据，以及非地面点云数据；(3)工业控制计算机先选择步骤(1)中一次采集的imu数据及其对应时刻，通过imu数据计算出当前固态激光雷达的位姿，进而根据固态激光雷达的位姿，确定该imu数据对应时刻无人有轨电机车是否在上下坡行驶，重复本步骤多次，从而能对每次采集的imu数据进行分析，获得各个对应时刻无人有轨电机车是否处于上下坡，然后将各个对应时刻乘以步骤(1)无人有轨电机车的行驶速度，进而得出上下坡长度及位置；(4)根据步骤(2)中分割出来的非地面点云数据，依据巷道墙壁的形状判断是否为弯道，并计算弯道的曲率及弯道所处位置，通过弯道的曲率对固态激光雷达进行相应的旋转，使固态激光雷达的x轴与轨道平行，防止固态激光雷达将巷道侧帮误识别为障碍物；(5)无人有轨电机车开始正常运输时，根据步骤(3)确定的上下坡长度及位置和步骤(4)确定的弯道的曲率及所处位置，当无人有轨电机车经过上下坡或弯道时，能自动调整行驶速度，从而保证无人有轨电机车顺利通行。2.根据权利要求1所述的深部受限空间下无人有轨电机车坡度及弯道通行方法，其特征在于，所述步骤(1)中无人有轨电机车以1m/s的速度匀速运行。3.根据权利要求1所述的深部受限空间下无人有轨电机车坡度及弯道通行方法，其特征在于，所述步骤(2)地面分割处理的具体过程为：A、首先沿无人有轨电机车行进方向将原始三维点云分成若干个子点云段，使每个子点云段中地面设定为平面，减小坡度变化对分割结果的影响，然后对每个子点云段中点云数据使用RANSAC算法分割出地面点云；RANSAC算法分割地面具体流程：B、选择一个子点云段中点云数据作为数据集，随机在数据集中选取几个点设为局内点，根据局内点拟合成平面模型，点的个数选择要依据平面的特征确定，即拟合一个平面，则至少需要选取三个点且不共线；根据设定的阈值依次计算数据集中的其他点是否满足该平面模型，如果满足，记为该平面的局内点；完成所有点的计算后，记录下本次平面模型的局内点数量；若得出的局内点数量大于等于平面模型原有的局内点数量，则以本次计算获得的各个局内点拟合成新的平面模型，并替换原有的平面模型，然后再次重复上述计算数据集内其他点是否满足当前平面模型，若得出的局内点数量小于平面模型原有的局内点数量，则保留当前平面模型，并重新在数据集中随机选取同样数量的点设为局内点，然后根据当前局内点拟合成平面模型，重复上述计算步骤，如此重复迭代多次，直至满足迭代退出条件，退出循环，得到整个迭代过程中最优的平面模型；然后根据该平面模型对当前子点云段
中点云数据进行分割地面，获得该子点云段的地面点云数据，以及非地面点云数据；C、重复步骤B对其他子点云段进行分割地面，从而获得原始三维点云的地面点云数据，以及非地面点云数据。4.根据权利要求3所述的深部受限空间下无人有轨电机车坡度及弯道通行方法，其特征在于，所述迭代退出条件确定的过程为：采用W表示随机抽到局内点的概率，P表示置信度，该置信度表示RANSAC算法在运行后提供有用结果的期望概率；n表示计算平面模型参数需要选取的数据个数，k表示迭代次数，则W
n
表示随机抽取的n个点都是局内点的概率；1
‑
W
n
表示至少存在一个局外点的概率；(1
‑
...

【专利技术属性】
技术研发人员：朱真才，李会军，贺思奎，高咏，叶宾，钱军，王保瑞，闫万梓，张益东，曹国华，
申请(专利权)人：常州科研试制中心有限公司，
类型：发明
国别省市：