一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法技术

本发明专利技术属于移动车辆自主导航定位技术领域，具体为一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法。包括以下步骤，S100：机器人在移动过程中，通过激光雷达获取环境激光数据，通过表面污染监测仪获取场景的辐射数据；S200：处理步骤S100所得的环境激光数据，得到关于核辐射工厂的栅格地图；S300：处理步骤S100所得的辐射数据，将表面污染监测仪探测到的α/β辐射信息映射到代价地图中，从而将栅格地图与辐射地图进行融合；S400：对辐射强度进行划分，设置不同的辐射等级，并显示在最终得到的融合结果中。本发明专利技术采用SLAM技术实现机器人自主α/β辐射检测。器人自主α/β辐射检测。器人自主α/β辐射检测。

【技术实现步骤摘要】
一种基于SLAM的针对辐射工厂的
α
/
β
辐射地图构建方法


[0001]本专利技术属于移动车辆自主导航定位
，具体为一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法。

技术介绍

[0002]在广泛使用核能代替传统能源的今天，核燃料泄漏的威胁也在日益增加。核辐射对人体具有很强的辐射伤害，对环境也会造成不可逆的污染。利用机器人代替人工进行核辐射检测对安全生产生活具有重要意义。对于α射线和β射线的检测是十分必要的。首先，通过检测α射线和β射线，我们可以确定辐射源的位置，从而避免对微小元器件的干扰；其次，有效地检测辐射源可以防止吞服含有辐射源的食品，达到保护人身健康安全的目的。
[0003]当前针对α射线和β射线的检测分为以下几种：直接探测、间接探测。直接测量是用监测仪器进行，可以测量固定污染，也可测量松散污染。测量时，以适当距离在待测对象的上方放置探测器，按预定时间间隔测量并记录读数。间接测量是用涂片采样方法确定松散污染的水平。对一些不能活动的固体或者贮存有液体的表面，或者测量仪器不能靠近表面，直接测量是困难的，此时只能采用间接测量方法。无论是直接测量还是间接测量的方法，都无法实现对区域整体辐射水平的测量，并且测量精度难以保证。自主辐射探测是在直接测量的基础上，将探测器固定到移动机器人上，结合SLAM技术实现在复杂环境下使用机器人代替工作人员进行自主辐射探测。自主核辐射检测成为发展趋势。近年来，通过机器人携带核辐射传感器进行自主和辐射检测成为研究热点。
专利技术内容
[0004]本专利技术为了实现辐射源的探测与定位，提供一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法。
[0005]本专利技术采取以下技术方案：一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法，包括以下步骤，S100：机器人在移动过程中，通过激光雷达获取环境激光数据，通过表面污染监测仪获取场景的辐射数据；S200：处理步骤S100所得的环境激光数据，得到关于核辐射工厂的栅格地图；S300：处理步骤S100所得的辐射数据，将表面污染监测仪探测到的α/β辐射信息映射到代价地图中，从而将栅格地图与辐射地图进行融合；S400：对辐射强度进行划分，设置不同的辐射等级，并显示在最终得到的融合结果中。
[0006]步骤S200的具体过程为，S201：状态预测：当前时刻粒子的位姿首先由运动模型进行更新，在初始值上增加高斯采样的噪声，进行一个粗略状态估计，得到粒子点的新位姿。
[0007]S202：扫描匹配：在S201的粗略估计得到粒子的位姿点基础上，以找到一个使当前观测与已有地图最贴合的位姿，以改进基于里程计模型的提议分布。
[0008]S203：计算每个粒子的权重。
[0009]S204：根据每个粒子的权重进行重采样。
[0010]S205：对于每个粒子根据传感器观测数据和机器人当前位姿更新地图中的每个特征。
[0011]步骤S202的过程为，机器人向负x，正x，负y，正y，左旋转，右旋转一共六个状态移动预测位姿，计算每个状态下的匹配得分，选择最高得分对应的位姿为最优位姿；获得最优粒子位姿后，把粒子采样范围更改到激光雷达观测模型所代表的尖峰区域；其中，的范围定义为，搜索出匹配度最高的位姿点就是观测区间的概率峰值区域；接下来确定该尖峰区域所代表的高斯分布的均值和方差。
[0012]步骤S204的具体过程为，通过计算有效粒子容量，使用有效样本容量来衡量粒子的退化程度，在粒子点集中根据权重进行降序排列为；根据从中筛选有效粒子，其中代表就近取整函数；使用扰动粒子代替退化粒子保证粒子点总量保持不变，具体操作为：使用扰动粒子代替退化粒子保证粒子点总量保持不变，具体操作为：使用扰动粒子代替退化粒子保证粒子点总量保持不变，具体操作为：其中和分别为均值和协方差，代表随机扰动，且，为扰动的缩放权重，值越大代表扰动越大，取值为；退化粒子是指在上一步有效筛选中未被选中的粒子，此时使用扰动粒子代替退化粒子从而保持粒子总量不变。
[0013]更新粒子权重，得到新的粒子集。
[0014]步骤S300的具体过程为，S301：初始化：在步骤S200建立栅格地图的基础上构建辐射代价地图；机器人首次启动或者进入新的环境后，根据步骤S200建的栅格地图获得自定义辐射地图的尺寸大小、分辨率以及障碍物的基本信息，此时辐射地图是一个空白的代价地图；
S302：机器人探测辐射信息的过程中，当遇到动态障碍物时，在代价地图中更新障碍物信息；S303：机器人探测辐射信息的过程中，根据辐射信息更新代价地图，成辐射地图构建。
[0015]步骤S302的具体过程为：将机器人内部雷达探测形成的点云进行相应的坐标变换,即,其中，和是地图中点的坐标信息，和是世界坐标系中点的坐标，res为地图的分辨率，和是地图中初始点的坐标信息；将其对应的位置关系由世界坐标系映射入地图坐标系，将雷达获取的信息进行处理,在雷达的扫描范围内,点云的存在区域为障碍物区,不存在的区域为空闲区域；之后将雷达获得的障碍物信息经过坐标变换后,与静态地图层障碍物信息对比过滤,再由世界坐标系映射入地图坐标系,在地图坐标系中实现动态障碍物的更新。
[0016]步骤S303的具体过程为：机器人携带表面污染监测仪进行探测场景中的α和β辐射信息，当α和β粒子进入复合闪烁体灵敏区时,α和β粒子与复合闪烁体中各自的灵敏探测介质相互作用,产生不同幅度的光脉冲信号；光脉冲信号通过光电倍增管转变为电脉冲信号,通过信号处理单元进行预处理后,单片机系统记录α和β信号的计数率,然后输出数据到ROS中进行地图构建；传入ROS中的辐射数据是该区域探测到的辐射值，在ROS中将辐射值转换成代价地图的代价值，并将代价值映射到之前生成的空白代价地图中，最终完成辐射地图构建。
[0017]步骤S400的具体过程为，根据不同辐射值对应不同的代价值，在辐射探测过程中设置不同辐射等级，根据不同的等级来区别辐射污染程度，其中绿色代表低剂量值，紫色代表中剂量值，粉色代表高剂量值，通过颜色区分辐射强度；。
[0018]与现有技术相比，本专利技术具有以下有益效果：1.本专利技术采用SLAM技术实现机器人自主α/β辐射检测。
[0019]2.本专利技术针对Gmapping算法的选择性重采样导致粒子多样性和粒子退化问题，提出了使用随机扰动重采样代替选择性重采样算法。
[0020]3.本专利技术提出一个辐射分布地图融合方法，将带有颜色编码的辐射地图映射到改进Gmapping构建的环境栅格地图上，该地图拥有不同的辐射分布等级，可以实时显示场景中的辐射强度。
附图说明
[0021]图1表示本专利技术所述的地图融合的流程图；图2表示本专利技术所述的改进Gmapping方法的总流程图；图3表示辐射地图融合的过程。
具体实施方式
[0022]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法，其特征在于：包括以下步骤，S100：机器人在移动过程中，通过激光雷达获取环境激光数据，通过表面污染监测仪获取场景的辐射数据；S200：处理步骤S100所得的环境激光数据，得到关于核辐射工厂的栅格地图；S300：处理步骤S100所得的辐射数据，将表面污染监测仪探测到的α/β辐射信息映射到代价地图中，从而将栅格地图与辐射地图进行融合；S400：对辐射强度进行划分，设置不同的辐射等级，并显示在最终得到的融合结果中。2.根据权利要求1所述的基于SLAM的针对辐射工厂的α/β辐射地图构建方法，其特征在于：所述步骤S200的具体过程为，S201：状态预测：当前时刻粒子的位姿首先由运动模型进行更新，在初始值上增加高斯采样的噪声，进行一个粗略状态估计，得到粒子点的新位姿；S202：扫描匹配：在S201的粗略估计得到粒子的位姿点基础上，以找到一个使当前观测与已有地图最贴合的位姿，以改进基于里程计模型的提议分布；S203：计算每个粒子的权重；S204：根据每个粒子的权重进行重采样；S205：对于每个粒子根据传感器观测数据和机器人当前位姿更新地图中的每个特征。3.根据权利要求2所述的基于SLAM的针对辐射工厂的α/β辐射地图构建方法，其特征在于：所述步骤S202的过程为，机器人向负x，正x，负y，正y，左旋转，右旋转一共六个状态移动预测位姿，计算每个状态下的匹配得分，选择最高得分对应的位姿为最优位姿；获得最优粒子位姿后，把粒子采样范围更改到激光雷达观测模型所代表的尖峰区域；其中，的范围定义为，搜索出匹配度最高的位姿点就是观测区间的概率峰值区域；接下来确定该尖峰区域所代表的高斯分布的均值和方差。4.根据权利要求2所述的基于SLAM的针对辐射工厂的α/β辐射地图构建方法，其特征在于：所述步骤S204的具体过程为，通过计算有效粒子容量，使用有效样本容量来衡量粒子的退化程度，在粒子点集中根据权重进行降序排列为；根据从中筛选有效粒子，其中代表就近取整函数；使用扰动粒子代替退化粒子保证粒子点总量保持不变，具体操作为：
其中和分别为均值和协方差，代表随机扰动，且，为扰动的缩放权重，值越大代表扰动越大，取值为；退化粒子是指在上一步筛选中删除的粒子，此时使用扰动粒子代替退化粒子从而保持粒子总量不变；更新粒子权重，得到新...

【专利技术属性】
技术研发人员：程兰，刘欣，续欣莹，阎高伟，任密蜂，张喆，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：