【技术实现步骤摘要】
本专利技术属于激光导航，具体涉及一种基于双二维激光雷达的导航方法及系统。
技术介绍
1、目前，有多种激光slam导航技术和系统可供选择。这些技术可以基于不同类型的激光雷达和算法，包括：二维激光slam：使用二维激光雷达进行环境建模和定位。常见的二维slam系统包括hector slam、gmapping、和cartographer。三维激光slam：使用三维激光雷达来获取更丰富的环境信息，通常用于无人机或自动驾驶汽车等需要高级感知的应用。多传感器融合：一些slam系统还融合了不同类型的传感器数据，如视觉、惯性测量单元和gps数据，以提高定位的准确性和鲁棒性。
2、但是由于技术方案的成本和精度相制约，例如对于仓库物流实现无人自动导航之类的需要控制成本和保证精度的应用，现有的导航技术方案面临着这样几个主要问题：1、前期环境改造成本过高，后期改造难度大；2、环境辅助传感器要求较高，同一套导航设备换环境需要调试时间较长；3、低成本传感器精度不足，信息少；使用高成本传感器又不太现实。
技术实现思路
1、本专利技术提出了一种基于双二维激光雷达的导航方法及系统，基于双二维激光雷达在保证低成本的前提下实现高精度的定位和导航。
2、本专利技术的第一方面提供了一种基于双二维激光雷达的导航方法，所述方法包括：
3、使用ndt算法将获取的前二维点云数据和后二维点云数据进行融合，得到融合点云数据；
4、以帧为单位对融合点云数据进行匹配计算，得到相邻两帧间的机器
5、根据机器人当前的位置坐标，结合所述栅格地图，得到机器人在所述栅格地图中的位置；
6、根据预设的目标位置，结合所述栅格地图以及机器人在所述栅格地图中的位置，使用dwa算法进行路径规划，得到最优移动路径；
7、根据最优移动路径，完成机器人对目标位置的移动导航。
8、上述方案使用双二维激光雷达这种低成本传感器用于传输激光数据，降低了测量成本；先将测量的二维点云数据融合得到融合点云数据，完成将前后两个无关的雷达数据对齐，以获取更多的环境信息，而且融合后的数据也更方便后续的计算处理；然后对相邻两帧之间的融合点云数据进行匹配计算，以构建栅格地图为后续的导航路线规划提供数据支撑；最后根据预设的目标位置并结合所述栅格地图，以不和障碍物发生碰撞为目标得到准确的最优移动路径，实现了在保证低成本的前提下实现高精度的定位和导航。
9、在第一方面的一种可能的实现方法中，使用ndt算法将前二维点云数据和后二维点云数据进行融合，得到融合点云数据，具体为：
10、将当前机器人所在空间划分为若干个网格，并将前二维点云数据添加到各个网格中；
11、计算各个网格的正态分布概率密度函数的参数；其中，所述参数包括均值矩阵和协方差矩阵；
12、使用预设的姿态向量对后二维点云数据进行最优姿态变换，并将处理后的后二维点云数据变换到前二维点云数据在各个网格的位置上，得到融合点云数据。
13、上述方案将两个无关的二维点云数据通过姿态转换等进行对齐融合，方便获得更多的环境信息，为后续识别障碍物提供数据支撑，提升了路径规划的精确度；而且融合点云数据能方便计算机对后续的计算进行处理，提升了数据处理效率。
14、在第一方面的一种可能的实现方法中，均值矩阵和协方差矩阵，具体为：
15、正态分布概率密度函数的均值矩阵μ，具体公式为：
16、
17、其中，m为网格中扫描点的总数，xk为网格中第k个扫描点的位置；
18、正态分布概率密度函数的协方差矩阵h，具体公式为：
19、
20、在第一方面的一种可能的实现方法中，以帧为单位对融合点云数据进行匹配计算，得到相邻两帧间的机器人相对姿态信息，并以所述机器人相对姿态信息构建栅格地图，具体为：
21、根据融合点云数据构建初始栅格地图；
22、对相邻两帧间的融合点云数据进行迭代计算，得到相邻两帧间的机器人相对姿态信息；
23、当接收到新的数据帧时，使用数据帧对应的融合点云数据优化相邻两帧间的机器人相对姿态信息
24、根据优化后的相邻两帧间的机器人相对姿态信息，更新初始栅格地图的栅格状态，得到最终的栅格地图。
25、上述方案通过融合点云数据构建初始栅格地图，并对融合点云数据进行迭代计算以提升初始栅格地图的精确度。
26、在第一方面的一种可能的实现方法中，相邻两帧间的机器人相对姿态信息，具体为：
27、
28、其中，hk为融合点云数据的第k个数据点，k为融合点云数据的数据点总数，t为相邻两帧间的融合点云数据的变换矩阵，msmooth为对栅格的概率值进行平滑处理，ξ为最小时t对应的值。
29、在第一方面的一种可能的实现方法中，根据机器人当前的位置坐标，结合所述栅格地图，得到机器人在所述栅格地图中的位置，具体为：
30、根据机器人当前的状态方程和观测方程，通过运动概率密度函数进行推算，得到机器人当前的位置坐标；
31、将机器人当前的位置坐标映射到所述栅格地图中，得到机器人在所述栅格地图中的位置。
32、上述方案根据实际上机器人的运动参数进行推算，得到准确的机器人当前位置信息，并将所述机器人当前位置信息映射到栅格地图中，获得准确的机器人在所述栅格地图中的位置，为后面针对机器人当前位置做出最优路径规划提供高精度的数据支撑。
33、在第一方面的一种可能的实现方法中，根据预设的目标位置，结合所述栅格地图以及机器人在所述栅格地图中的位置，使用dwa算法进行路径规划，得到最优移动路径，具体为：
34、根据所述栅格地图和机器人的设备参数，确定最终采样空间；
35、根据最终采样空间和机器人在所述栅格地图中的位置，对机器人的运动轨迹进行推算，得到若干个运动轨迹；
36、使用预设的轨迹评价函数对所述运动轨迹进行评估，得到最优移动路径。
37、上述方案根据机器人的设备参数确定合理的最终的采样空间以提升最优导航路线规划的合理性；然后根据最终的采样空间对生成的运动轨迹进行评估，得到满足要求的、准确的最优导航路线，能降低机器人在运行过程中和障碍物发生碰撞的概率，且显著提升机器人巡检效率。
38、在第一方面的一种可能的实现方法中，根据所述栅格-地图和机器人的设备参数，确定最终采样空间，具体为：
39、根据机器人的设备参数，确定机器人的速度阈值和加速度阈值；
40、根据机器人的的速度阈值，构建采样速度空间；
41、根据机器人的的加速度阈值，构建采样加速度空间；
42、根据栅格地图，确定目标区域的障碍物信息；
43、根据目标区域的障碍物信息，构建采样约束条件；其中，采样约束条件表示某一时刻移本文档来自技高网...
【技术保护点】
1.一种基于双二维激光雷达的导航方法，其特征在于，包括：
2.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述使用NDT算法将前二维点云数据和后二维点云数据进行融合，得到融合点云数据，具体为：
3.根据权利要求2所述的基于双二维激光雷达的导航方法，其特征在于，所述均值矩阵和协方差矩阵，具体为：
4.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述以帧为单位对融合点云数据进行匹配计算，得到相邻两帧间的机器人相对姿态信息，并以所述机器人相对姿态信息构建栅格地图，具体为：
5.根据权利要求4所述的基于双二维激光雷达的导航方法，其特征在于，所述相邻两帧间的机器人相对姿态信息，具体为：
6.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述根据机器人当前的位置坐标，结合所述栅格地图，得到机器人在所述栅格地图中的位置，具体为：
7.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述根据预设的目标位置，结合所述栅格地图以及机器人在所述栅格地图中的位置，使用
8.根据权利要求7所述的基于双二维激光雷达的导航方法，其特征在于，所述根据所述栅格-地图和机器人的设备参数，确定最终采样空间，具体为：
9.一种基于双二维激光雷达的导航系统，其特征在于，包括：数据融合模块、栅格地图生成模块、机器人定位模块、最优移动路径生成模块和机器人导航模块；
10.一种终端设备，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的一种基于双二维激光雷达的导航方法的步骤。
...【技术特征摘要】
1.一种基于双二维激光雷达的导航方法，其特征在于，包括：
2.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述使用ndt算法将前二维点云数据和后二维点云数据进行融合，得到融合点云数据，具体为：
3.根据权利要求2所述的基于双二维激光雷达的导航方法，其特征在于，所述均值矩阵和协方差矩阵，具体为：
4.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述以帧为单位对融合点云数据进行匹配计算，得到相邻两帧间的机器人相对姿态信息，并以所述机器人相对姿态信息构建栅格地图，具体为：
5.根据权利要求4所述的基于双二维激光雷达的导航方法，其特征在于，所述相邻两帧间的机器人相对姿态信息，具体为：
6.根据权利要求1所述的基于双二维激光雷达的导航方法，其特征在于，所述根据机器人当前的位置坐...
【专利技术属性】
技术研发人员：尹邦政，王思博，朱静，林灿鸿，潘泽群，沈翰林，陈景佳，蔡梓涵，
申请(专利权)人：广州铁路职业技术学院广州铁路机械学校，
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。