【技术实现步骤摘要】
本专利技术涉及推耙机定位，尤其涉及一种基于卸船机激光协同定位的推耙机定位方法。
技术介绍
1、自主移动机器人（autonomous mobile robot，amr）是一种能够自主感知环境和导航的移动机器人，在没有工作人员干预的情况下可以根据自身搭载的传感器探测到的环境信息进行避障、决策和路径规划。无人工程机械是自主移动机器人中的一种，在工况复杂的工程环境中进行工作。在散货码头的运煤船中有很多该类的工程机械，其中推耙机是最多、最重要的一种。第一、由于工程机械同时进行工作，但是他们的传感器各自独立。第二、推耙机的激光传感器、视觉传感器等都难以穿越煤层感知，对煤层坡面后面的情况没有很好的估计，在运动过程中会出现危险情况。因此传统方法存在仅使用推耙机的激光雷达数据不能够获取煤坡后部的情况，同时，仅使用卸船机的全局地图信息，由于距离过远使得误差大且点云稀少的问题。
2、例如，一种在中国专利文献上公开的“一种基于雷达、惯性、视觉融合的陆空在线协同定位方法”，其公告号：cn117870652b，公开了包括无人机和无人车均通过机载雷达、惯性单元融合实现自身定位，同时基于无人机视觉观测无人车相对位置，随后采用无人机和无人车点云融合配准的方式实现相对位姿估计，但是该方案中没有考虑到同一特征在不同系统中检测结果差异的影响。
技术实现思路
1、为了解决现有技术中煤堆造成检测不准确影响运动安全的问题，本专利技术提供一种基于卸船机激光协同定位的推耙机定位方法，对不同激光数据分别降采样后进行协同定
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种基于卸船机激光协同定位的推耙机定位方法，包括：分别获取同一帧的第一激光数据和第二激光数据，根据时间戳对两个激光数据进行筛选；
4、建立基于时间码和激光雷达维数的第一索引标记，根据第一索引标记将第一激光数据进行分组，将每个分组进行体素滤波更新；
5、建立基于点云兴趣区间的第二索引标记，根据第二索引标记将第二激光数据进行筛选；
6、根据两个索引标记判断对应激光数据的数据量是否相似，若相似，通过广义迭代最临近点进行配准，配准后生成优化地图。通过使用卸船机的全局激光雷达信息，实现对推耙机的实时定位，结合推耙机的激光雷达数据，准确获取煤坡后的情况，通过卸船机数据对的推耙机协同定位，更新高精度的全局地图，实现了推耙机在船舱等无特征点的复杂情况下的定位。通过时间戳分别对卸船机和推耙机的激光点云数据进行第一次对齐和筛选，提高点云的匹配程度。通过第一索引标记对推耙机的激光点云进行降采样，减少了重复点云的影响，通过第二索引标记对卸船机的激光点云进行降采样，减少了无关点云的影响，从而使得两种激光点云的数据量和分布情况接近，提高配准的准确性。通过索引对数据量进行判断，实现从特征层面对点云数据的数据量进行判断，当判断相似时，代表此时两个激光点云精度达到要求。最后通过广义迭代最临近点进行配准，实现地图的高精度更新。
7、作为优选的，获取第一激光数据对应的第一点云数据，确定第一点云数据对应的第一索引标记；
8、获取第二激光数据对应的第二点云数据，确定第二点云数据对应的第二索引标记，比较第一索引标记和第二索引标记。获取第一点云数据时通过体素滤波处理第一激光数据，获取第二激光数据时通过兴趣区间处理第二激光数据；确定处理后的两个激光数据各自对应的索引标记，对索引标记进行比较，从而实现数据量在其他特征维度的比较，使得数据量判断相似后的数据精度更高。
9、作为优选的，所述的配准时，包括通过分布采样确定初始误差值，确定初始误差的待估计的分布参数，通过最大似然估计确定当前出现概率最大的第一旋转矩阵。实现获取测量环节的误差，实现高精度配准。
10、作为优选的，所述的配准时，还包括根据第一旋转矩阵建立优化函数，通过优化函数确定第二旋转矩阵和位移矩阵；
11、通过分解优化函数中的第一旋转矩阵得到第三旋转矩阵。通过第一旋转矩阵的优化确定配准过程中最准确的误差最小的转换矩阵。
12、作为优选的，所述的对两个激光数据进行筛选时，将第一激光数据和第二激光数据的时间戳进行对齐，将对齐后的第一激光数据和第二激光数据再根据点云距离筛选；
13、设定点云距离范围，将点云距离范围之外的激光数据去除。初步对无关点云进行筛除。
14、作为优选的，所述的对两个激光数据进行筛选后，分别对第一激光数据和第二激光数据进行降采样，降采样后进行配准；
15、进行基于误差项和残差的协同定位。便于算力低下的嵌入式cpu进行大规模运算。
16、作为优选的，所述的建立第一索引标记时，确定第一激光数据在当前时间戳的旋转角度，根据旋转角度确定相对时间；
17、确定第一激光数据的投影信息，根据投影信息确定每帧角度，结合相对时间生成第一索引标记。实现对于推耙机点云信息中重复点云的去除。
18、作为优选的，所述的建立第二索引标记时，根据点云数据的距离和其偏离中心轴的角度对第二激光数据进行分区；
19、以卸船机所在区域作为中心区域，结合中心区域周围八个方向的区域作为兴趣区间。使得在不改变点云密度的情况下尽可能减少配准无关的数据，从而减少卸船机点云的数据量。
20、作为优选的，所述的生成优化地图时，通过配准生成点云子地图，当前一帧内存在地图时，使用所述的点云子地图对前一帧的地图进行更新得到优化地图；
21、当不存在前一帧或前一帧内没有地图时，将点云子地图作为优化地图。对任意时刻任意帧进行地图优化时，能够根据不同情况生成准确的地图。
22、作为优选的，所述的生成优化地图时，根据第三旋转矩阵生成状态转移矩阵，并根据前一时刻的位姿预测当前时刻的位姿；
23、基于预测结果确定对应卡尔曼增益，通过卡尔曼增益对应后验概率分布确定当前估计值。实现推耙机和卸船机的协同定位。
24、本专利技术具有如下优点：
25、（1）通过使用卸船机的全局激光雷达信息，实现对推耙机的实时定位，结合推耙机的激光雷达数据，准确获取煤坡后的情况，通过卸船机数据对的推耙机协同定位，更新高精度的全局地图，实现了推耙机在船舱等无特征点的复杂情况下的定位；（2）分别从重复点云和无关点云的角度对点云进行降采样，结合索引标记判断点云的数据量，实现从特征层面对点云配准前判断，从而使得两个激光点云精度达到要求，最终完成地图的高精度更新。
本文档来自技高网...【技术保护点】
1.一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，包括：分别获取同一帧的第一激光数据和第二激光数据，根据时间戳对两个激光数据进行筛选；
2.根据权利要求1所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的判断数据量时，获取第一激光数据对应的第一点云数据，确定第一点云数据对应的第一索引标记；
3.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的配准时，包括通过分布采样确定初始误差值，确定初始误差的待估计的分布参数，通过最大似然估计确定当前出现概率最大的第一旋转矩阵。
4.根据权利要求3所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的配准时，还包括根据第一旋转矩阵建立优化函数，通过优化函数确定第二旋转矩阵和位移矩阵；
5.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的对两个激光数据进行筛选时，将第一激光数据和第二激光数据的时间戳进行对齐，将对齐后的第一激光数据和第二激光数据再根据点云距离筛选；
6.根
7.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的建立第一索引标记时，确定第一激光数据在当前时间戳的旋转角度，根据旋转角度确定相对时间；
8.根据权利要求1所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的建立第二索引标记时，根据点云数据的距离和其偏离中心轴的角度对第二激光数据进行分区；
9.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的生成优化地图时，通过配准生成点云子地图，当前一帧内存在地图时，使用所述的点云子地图对前一帧的地图进行更新得到优化地图；
10.根据权利要求4所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的生成优化地图时，根据第三旋转矩阵生成状态转移矩阵，并根据前一时刻的位姿预测当前时刻的位姿；
...【技术特征摘要】
1.一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，包括：分别获取同一帧的第一激光数据和第二激光数据，根据时间戳对两个激光数据进行筛选；
2.根据权利要求1所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的判断数据量时，获取第一激光数据对应的第一点云数据，确定第一点云数据对应的第一索引标记；
3.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的配准时，包括通过分布采样确定初始误差值，确定初始误差的待估计的分布参数，通过最大似然估计确定当前出现概率最大的第一旋转矩阵。
4.根据权利要求3所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的配准时，还包括根据第一旋转矩阵建立优化函数，通过优化函数确定第二旋转矩阵和位移矩阵；
5.根据权利要求1或2所述的一种基于卸船机激光协同定位的推耙机定位方法，其特征在于，所述的对两个激光数据进行筛选时，将第一激光数据和第二激光数据的时间戳进行对齐，将对齐后的第一激光数据和第二激光数据再根据点云距离筛选；...
【专利技术属性】
技术研发人员：刘盛辉，周琦，滕卫明，范海东，沈炳华，欧林林，禹鑫燚，张国民，冯宇，冯远静，焦奎洸，韦祖奎，
申请(专利权)人：浙江省白马湖实验室有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。