一种大型场景图元地图切换方法、系统、装置及存储介质制造方法及图纸

本发明专利技术提供了一种大型场景图元地图切换方法、系统、装置及存储介质，该方法包括：S1、构建大型场景的点云地图和图元数据库；S2、根据图元地图进行机器人定位并实时切换图元。本发明专利技术首先将完整大型场景的高精度点云地图按照图元进行切割，用于构建完整大型场景的图元数据库；然后根据图元数据库动态加载机器人当前位置周围的图元，组成局部大型场景的图元地图，用于实时计算当前机器人在大型场景中的位置；并且根据当前的机器人位置和预测的行动路径，决策当前切换到图元数据库中的哪些图元，并实时更新局部大型场景的图元地图；实现了机器人能在超大型场景中进行快速实时无感的图元切换，同时能在算力有限的硬件设备上进行精准的3D空间定位。准的3D空间定位。准的3D空间定位。

【技术实现步骤摘要】
一种大型场景图元地图切换方法、系统、装置及存储介质


[0001]本专利技术涉及一种大型场景地图切换策略，尤其涉及一种基于实时路径规划的大型场景图元地图切换方法、系统、装置及存储介质，属于变电站设备巡检机器人


技术介绍

[0002]目前，机器人定位主要采用超声波导航定位技术，视觉导航定位技术，GPS全球定位系统，光反射导航定位技术，WIFI
‑
SLAM，LIDAR
‑
SLAM(雷达建图与定位)等。若想机器人能够在同一场景进行重复工作，构建地图就是其中一个强有力的解决方案，构建可复用地图的主要方式有视觉导航定位技术、雷达定位与建图技术等。
[0003]其中，雷达建图与定位技术包括建图阶段和定位阶段，先在建图阶段利用激光雷达构建场景周围环境的点云地图，然后在定位阶段利用建图阶段构建的雷达点云地图进行巡检机器人的定位，主要实现方案为如下：
[0004]1、建图阶段：
[0005]1‑
1、利用激光雷达传感器感知场景的周围环境，得到一帧一帧的雷达点云数据；
[0006]1‑
2、利用IMU(惯性测量单元)去除雷达点云的运动畸变；
[0007]1‑
3、利用雷达点云ICP算法(Iterative Closest Points，又称迭代最近点算法)，计算两帧雷达点云之间的相对位姿变换，通过位姿变换将所有的雷达点云数据融合到一起，形成一张完整场景的点云地图；
[0008]1‑
4、通过回环优化降低整个建图过程中出现的累积误差。
[0009]2、定位阶段：
[0010]2‑
1、利用建图阶段构建的点云地图，结合激光雷达实时采集每一帧雷达点云，用以实时计算巡检机器人雷达在点云地图当中的位置。
[0011]但是，上述方法具有一定的技术缺陷：以固态激光雷达为例，目前主流的固态激光雷达1秒钟能扫描240000个点，将海量的这样的点融合起来就会形成一张庞大稠密的点云地图，然而算力受限的机器人完全无法根据上述点云地图进行正常工作，即使将每一帧的雷达点云都进行降采样，机器人依然无法运行如此庞大的数据量。这种情况极大地限制了巡检机器人的工作半径，使得机器人只能在小范围场景下进行工作，对于专注于巡检领域的机器人来说无疑是一个巨大灾难，因为在大多数情况下，现有机器人巡检的往往都是一个庞大区域，而不是一个小范围场景。
[0012]因此，本专利技术亟待研发一种能够对大型场景地图进行切割与切换的技术方案，以解决目前巡检机器人遇到的技术瓶颈。

技术实现思路

[0013]针对上述现存的技术问题，本专利技术的目的在于：通过基于图元切割点云地图以组成大型场景的局部地图，以及实时切换图元更新局部地图的方式，使得机器人在超大型场景当中能够进行快速、实时、无感的图元地图切换，同时在算力有限的硬件设备上能够进行
精准的3D空间定位，提供一种基于实时路径规划的大型场景图元地图切换方法、系统、装置及存储介质。
[0014]为实现上述目的，首先，本专利技术提供一种大型场景图元地图切换方法，包括如下步骤：
[0015]S1、构建大型场景的点云地图和图元数据库：
[0016]S11、使用激光雷达感知大型场景的周围环境，通过每一帧的激光雷达点云，构建完整大型场景的初步点云地图；
[0017]S12、基于初步点云地图，优化当前帧的雷达点云到全局地图的位姿转换，构建完整大型场景的优化点云地图；
[0018]S13、基于优化的点云地图，通过检测回环信息消除累积误差，构建完整大型场景的高精度点云地图；
[0019]S14、基于高精度点云地图，按照图元进行切割后得到图元，构建完整大型场景的图元数据库；
[0020]S2、根据图元地图进行机器人定位并实时切换图元：
[0021]S21、实时感知机器人在大型场景巡检过程中当前的障碍物信息；
[0022]S22、根据完整大型场景的图元数据库，动态加载机器人当前位置周围的图元，以组成局部大型场景的图元地图，并根据当前的图元地图和激光雷达的数据，实时计算当前机器人在大型场景中的位置；
[0023]S23、根据当前的障碍物信息，当前的机器人位置，以及机器人目标点位置，实时规划当前机器人的行动路径；
[0024]S24、根据当前的障碍物信息和实时规划的行动路径，预测当前机器人在接下来一段时间内可能的行动路径；
[0025]S25、根据当前的机器人位置和预测的行动路径，决策当前切换到图元数据库中的哪些图元，并实时更新局部大型场景的图元地图。
[0026]由上述技术方案可知，首先，在建图阶段中，构建完整大型场景的点云地图，进而将点云地图切割成一块一块的图元，并构建完整大型场景的图元数据库。然后，在定位阶段中，基于图元数据库，机器人能够根据当前的位置动态切换周围的图元，并根据所切换的图元组成小地图进行定位，即基于局部大型场景的图元地图进行定位，而非基于传统的完整大型场景的点云地图进行定位。由此，本专利技术方法无需运行庞大的数据量，机器人的工作半径也不会受限制，特别适用于大型场景的机器人巡检工作。这样一来，不仅实现了机器人在超大型场景当中进行快速、实时、无感的地图切换，而且实现了在算力有限的硬件设备上进行精准的3D空间定位。
[0027]本专利技术方法进一步的，所述的S11包括如下步骤：
[0028]S11
‑
1、使用激光雷达感知大型场景周围环境，得到一帧一帧的雷达点云；
[0029]S11
‑
2、采用IMU去除雷达点云的运动畸变；
[0030]S11
‑
3、根据ICP算法计算两帧雷达点云之间的位姿变换，得到位姿变换矩阵；将多帧雷达点云通过位姿变换矩阵转换到第一帧雷达点云的坐标系下，形成一张完整大型场景的初步点云地图。
[0031]本专利技术方法进一步的，所述S12利用雷达点云的强度信息生成图像，并利用视觉导
航定位算法，优化当前帧的雷达点云到全局地图的位姿变换，具体算法如下：
[0032]S12
‑
1、维护一个局部地图，由最新的100帧雷达点云转换到其中某一帧雷达点云的坐标系下形成；同时维护一个全局地图，由所有帧的雷达点云转换到第一帧雷达点云的全局坐标系下形成；
[0033]S12
‑
2、获取局部地图到全局地图的转换矩阵
[0034]S12
‑
3、获取全局地图点LP
g
根据公式投影得到的图像位置，以及根据强度值作为图像像素值得到的图像，在通过Canny边缘提取算法后得到的边E
i
所对应的第j个全局地图点gP
ij
；
[0035]式中：π表示投影操作，用于将三维点投影至二维图像；f表示处理函数，用于将全局地图点转换至二维图像平面；
[0036]并且，获取局部地图点LP
L
根据公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大型场景图元地图切换方法，其特征在于，包括如下步骤：S1、构建大型场景的点云地图和图元数据库：S11、使用激光雷达感知大型场景的周围环境，通过每一帧的激光雷达点云，构建完整大型场景的初步点云地图；S12、基于初步点云地图，优化当前帧的雷达点云到全局地图的位姿转换，构建完整大型场景的优化点云地图；S13、基于优化的点云地图，通过检测回环信息消除累积误差，构建完整大型场景的高精度点云地图；S14、基于高精度点云地图，按照图元进行切割后得到图元，构建完整大型场景的图元数据库；S2、根据图元地图进行机器人定位并实时切换图元：S21、实时感知机器人在大型场景巡检过程中当前的障碍物信息；S22、根据完整大型场景的图元数据库，动态加载机器人当前位置周围的图元，以组成局部大型场景的图元地图，并根据当前的图元地图和激光雷达的数据，实时计算当前机器人在大型场景中的位置；S23、根据当前的障碍物信息，当前的机器人位置，以及机器人目标点位置，实时规划当前机器人的行动路径；S24、根据当前的障碍物信息和实时规划的行动路径，预测当前机器人在接下来一段时间内可能的行动路径；S25、根据当前的机器人位置和预测的行动路径，决策当前切换到图元数据库中的哪些图元，并实时更新局部大型场景的图元地图。2.根据权利要求1所述的一种大型场景图元地图切换方法，其特征在于，所述的S11包括如下步骤：S11
‑
1、使用激光雷达感知大型场景周围环境，得到一帧一帧的雷达点云；S11
‑
2、采用IMU去除雷达点云的运动畸变；S11
‑
3、根据ICP算法计算两帧雷达点云之间的位姿变换，得到位姿变换矩阵；将多帧雷达点云通过位姿变换矩阵转换到第一帧雷达点云的坐标系下，形成一张完整大型场景的初步点云地图。3.根据权利要求1所述的一种大型场景图元地图切换方法，其特征在于，所述S12利用雷达点云的强度信息生成图像，并利用视觉导航定位算法，优化当前帧的雷达点云到全局地图的位姿变换，具体算法如下：S12
‑
1、维护一个局部地图，由最新的100帧雷达点云转换到其中某一帧雷达点云的坐标系下形成；同时维护一个全局地图，由所有帧的雷达点云转换到第一帧雷达点云的全局坐标系下形成；S12
‑
2、获取局部地图到全局地图的转换矩阵S12
‑
3、获取全局地图点
L
P
g
根据公式投影得到的图像位置，以及根据强度值作为图像像素值得到的图像，在通过Canny边缘提取算法后得到的边E
i
所对应的第j个全局地图点
g
P
ij
；
式中：π表示投影操作，用于将三维点投影至二维图像；f表示处理函数，用于将全局地图点转换至二维图像平面；并且，获取局部地图点
L
P
L
根据公式投影得到的图像，在经过Canny边缘提取算法后得到的第i条边的法向量n
i
和图像特征点q
i
；S12
‑
4、综合以上步骤的信息，定义优化残差的公式为：式中，r
i
表示第i个特征点的残差；表示第i个残差对位姿求导的Jacobian矩阵；δT表示位更新增量；则式中，表示f函数对p进行求导，表示f函数对p进行求导，表示投影函数π对P进行求导；I表示单位矩阵，这里是3
×
3的矩阵，具体构建方式如下:其中，运算符表示将三维向量w构建为一个反对称矩阵，w(x)表示取三维向量的第x维数据；并令式中，r表示残差，J
T
表示残差对位姿求导的Jacobian矩阵；S12
‑
5、采用极大似然估计进行的计算，公式为：max
δT
logp(v；δT)＝min
δT
(r+J
T
δT)
T
(r+J
T
δT)，最优解为并通过进行局部地图到全局地图的位姿转换更新；式中，log运算符表示取对数运算；运算符表示将计算得到的位姿增量更新到当前的位姿上，对当前的位姿进行更新；当||δT
*
||<ε时，ε为位姿更新阈值，结果收敛，终止优化，并将优化后的参数作为局部地图到全局地图的位姿转换。4.根据权利要求1所述的一种大型场景图元地图切换方法，其特征在于，所述S14中按照图元进行切割后得到图元包括如下步骤：S14
‑
1、将高精度点云地图的每一个三维点(x，y，z)根据(x，y)的坐标进行二维切割；S14
‑
2、将x，y分别除以x方向和y方向的图元单位大小，得到一块一块的图元单位大小
...

【专利技术属性】
技术研发人员：粟玉雄，梁超，张义杰，
申请(专利权)人：千巡科技深圳有限公司，
类型：发明
国别省市：