用于野外自主移动机器人的突变地形检测方法技术

本发明专利技术公开了用于野外自主移动机器人的突变地形检测方法，涉及点云处理技术领域，其技术方案要点是：基于里程计技术获得序贯雷达点云数据间的相对位姿；基于该相对位姿将序贯雷达点云数据进行拼接，并基于拼接结果构建致密的三维地形模型；基于该三维地形模型，分析周围环境中突变地形的地表属性

【技术实现步骤摘要】
用于野外自主移动机器人的突变地形检测方法


[0001]本专利技术涉及点云处理
，更具体地说，它涉及用于野外自主移动机器人的突变地形检测方法
。

技术介绍

[0002]为了适应复杂多变的野外环境，机器人在野外作业时要具有更强的自主性，其中的重要的功能是能够根据环境来调整定位导航系统，在野外自动驾驶领域，无人平台需要通过感知与重建技术获取野外环境的形貌地图，并通过导航技术对平台进行定位，随后利用检测技术对地图进行分析与标记得到包含特征信息的属性地图
。
属性地图可以更好的帮助机器人理解周围环境，从而提高机器人的导航定位等能力
。
[0003]在现有技术中，三维地图的重建精度即感知与重建技术的优劣，大大影响着检测精度
。
因此，本专利技术旨在提供一种用于野外自主移动机器人的突变地形检测方法，以解决上述的所提到的技术问题
。

技术实现思路

[0004]本专利技术的目的是提供用于野外自主移动机器人的突变地形检测方法，以解决现有技术中检测精度不高的相关技术问题
。
[0005]本专利技术的上述技术目的是通过以下技术方案得以实现的：用于野外自主移动机器人的突变地形检测方法，所述检测方法包括以下步骤：
[0006]S1
：获取序贯雷达点云数据；
[0007]S2
：基于多传感器融合的高精度里程计技术，获取所述帧间位姿；
[0008]S3
：基于所述帧间位姿，将所述序贯雷达点云数据融合拼接，得到所述多帧累计雷达点云数据；
[0009]S4
：基于贝叶斯生成核推断的高度预测技术，结合所述多帧累计雷达点云数据，构建所述致密地形模型；
[0010]S5
：通过所述致密地形模型，将所述多帧累计雷达点云数据，拟合成致密三维地形图；
[0011]S6
：提取所述致密三维地形图中的数据信息，分析周围环境中突变地形的地表属性
。
[0012]本专利技术进一步设置为：在步骤
S4
构建所述致密地形模型之前还包括：对所述多帧累计雷达点云数据进行预处理，引入
BGK
方法优化融合拼接结果
。
[0013]本专利技术进一步设置为：所述序贯雷达点云数据通过激光雷达传感器扫描获取
。
[0014]本专利技术进一步设置为：所述致密三维地形图包括致密高程图以及掩膜图，所述致密三维地形图中的数据信息主要为致密高程图中的高度均值
、
最大高度值
、
最小高度值
、
高度方差和掩膜值等信息
。
[0015]本专利技术进一步设置为：分析周围环境中突变地形的地表属性主要是利用致密三维
地形图的数据信息对周围环境中突变地形进行检测标记，所述突变地形包括负障碍物
、
正障碍物
、
陡坡以及悬崖
。
[0016]本专利技术还提供用于野外自主移动机器人的突变地形检测系统：所述检测系统包括：
[0017]数据获取模块，用于获取序贯雷达点云数据；
[0018]位姿获取模块，用于基于多传感器融合的高精度里程计技术，获取所述帧间位姿；
[0019]数据融合模块，用于基于所述帧间位姿，将所述序贯雷达点云数据融合拼接，得到所述多帧累计雷达点云数据；
[0020]模型构建模块，用于基于贝叶斯生成核推断的高度预测技术，结合所述多帧累计雷达点云数据，构建所述致密地形模型；
[0021]地形图拟合模块，用于通过所述致密地形模型，将所述多帧累计雷达点云数据，拟合成致密三维地形图；
[0022]数据分析模块，用于提取所述致密三维地形图中的数据信息，分析周围环境中突变地形的地表属性
。
[0023]本专利技术进一步设置为：所述检测系统还包括数据预处理模块，用于对所述多帧累计雷达点云数据进行预处理，引入
BGK
方法优化融合拼接结果
。
[0024]本专利技术还提供一种可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述的突变地形检测方法的步骤
。
[0025]本专利技术还提供一种移动机器人装置，包括存储器
、
处理器和显示器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述显示器显示处理器的运行结果，其特征在于，所述处理器运行所述计算机程序时执行上述的突变地形检测方法的步骤
。
[0026]综上所述，本专利技术具有以下有益效果：
[0027]1.
在本专利技术中，能够通过以致密三维地形图为输入，提取致密三维地形图中的数据信息，其中包括致密高程图中的高度均值
、
栅格最大值
、
栅格最小值和方差信息，分析致密高程图中各栅格内的信息数据，并结合掩膜图对栅格信息数据进行进一步处理，得到对应语义分析结果即语义属性图
。
[0028]2.
在本专利技术中，将激光扫描与惯性导航技术相结合实现环境感知与定位，其检测精度更高
、
可于夜间环境使用且性价比较高；同时能够利用构建得到的致密三维地形图进行突变地形的检测与标记
。
[0029]3.
在本专利技术中，通过引入多传感器融合的高精度里程计，能够将稀疏的序贯雷达点云数据进行融合拼接，形成多帧累计雷达点云数据，从而为构建稠密的三维地形图提供有利的条件
。
附图说明
[0030]图1是本专利技术实施例中用于野外自主移动机器人的突变地形检测方法的流程图；
[0031]图2是本专利技术实施例中用于野外自主移动机器人的突变地形检测方法的模块连接图；
[0032]图3是本专利技术实施例中语义分析的流程图；
[0033]图4是本专利技术实施例中三种突变地形于激光雷达探测下的特征表现示意图；
[0034]图5是本专利技术实施例中各沟
、
坑等负障碍点云示意图；
[0035]图6是本专利技术实施例中负障碍检测算法流程图；
[0036]图7是本专利技术实施例中负障碍区域的检测效果图，其中
A
为属性地图，
B
为高程地图；
[0037]图8是本专利技术实施例中悬崖地形区域的检测效果图，其中
A
为属性地图，
B
为高程地图；
[0038]图9是本专利技术实施例中中间栅格与四邻域栅格之间的选取示意图；
[0039]图
10
是本专利技术实施例中陡坡地形区域的额检测示意图，其中
A
为属性地图，
B
为高程地图
。
具体实施方式
[0040]为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述
。
[0041]应当明确，所描述的实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
用于野外自主移动机器人的突变地形检测方法，其特征在于，所述检测方法包括以下步骤：
S1
：获取序贯雷达点云数据；
S2
：基于多传感器融合的高精度里程计技术，获取所述帧间位姿；
S3
：基于所述帧间位姿，将所述序贯雷达点云数据融合拼接，得到所述多帧累计雷达点云数据；
S4
：基于贝叶斯生成核推断的高度预测技术，结合所述多帧累计雷达点云数据，构建所述致密地形模型；
S5
：通过所述致密地形模型，将所述多帧累计雷达点云数据，拟合成致密三维地形图；
S6
：提取所述致密三维地形图中的数据信息，分析周围环境中突变地形的地表属性
。2.
根据权利要求1所述的用于野外自主移动机器人的突变地形检测方法，其特征在于，在步骤
S4
构建所述致密地形模型之前还包括：对所述多帧累计雷达点云数据进行预处理，引入
BGK
方法优化融合拼接结果
。3.
根据权利要求1所述的用于野外自主移动机器人的突变地形检测方法，其特征在于，所述序贯雷达点云数据通过激光雷达传感器扫描获取
。4.
根据权利要求1所述的用于野外自主移动机器人的突变地形检测方法，其特征在于，所述致密三维地形图包括致密高程图以及掩膜图，所述致密三维地形图中的数据信息主要为致密高程图中的高度均值
、
最大高度值
、
最小高度值
、
高度方差和掩膜值等信息
。5.
根据权利要求1所述的用于野外自主移动机器人的突变地形检测方法，其特征在于，分析周围环境中突变地形的地表...

【专利技术属性】
技术研发人员：付浩，谢广磊，王硕，孙振平，徐昕，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：