本公开是关于一种基于点云数据的路径规划方法、基于点云数据的路径规划装置、存储介质及服务器。该基于点云数据的路径规划方法包括基于初始点和目标点构建全局点云图，及基于当前节点构建局部点云图；对全局点云图与局部点云图进行网格化处理；获取局部点云图中待配准点云转换到全局点云图的网格时，得到的匹配准确率；其中匹配准确率用于作为进行路径规划选择下一个节点时优化代价函数的权重参数；基于代价函数在当前节点的相邻节点中确定出路径规划的下一个节点；其中，代价函数的权重中包含有作为权重参数的匹配准确率。将匹配准确率与局部路径规划算法的代价函数相结合，实现对局部路径规划的改进，提高基于高精度地图的路径规划的置信度。
【技术实现步骤摘要】
本公开涉及信息，尤其涉及一种基于点云数据的路径规划方法、基于点云数据的路径规划装置、存储介质及服务器。
技术介绍
1、路径规划技术是移动机器人实现自主导航与避障的一项重要技术。近年来取得很多与之相关的研究成果。原理是指机器人在工作环境中，根据自身传感器对环境的感知，自行规划出一条从起点到目标点的最优或接近最优的路径，使得机器人能够避开工作环境中的障碍物，安全、高效地到达终点。但有时候在路径规划时存在定位不准确，从而造成路径规划出现问题。
技术实现思路
1、有鉴于此，本公开实施例期望提供一种基于点云数据的路径规划方法、基于点云数据的路径规划装置、存储介质及服务器。
2、本公开的技术方案是这样实现的：
3、第一方面，本公开提供一种基于点云数据的路径规划方法。
4、本公开实施例提供的基于点云数据的路径规划方法，包括：
5、基于初始点和目标点构建全局点云图，及基于当前节点构建局部点云图；
6、对所述全局点云图与所述局部点云图进行网格化处理；
7、获取所述局部点云图中待配准点云转换到所述全局点云图的网格时，得到的匹配准确率；其中所述匹配准确率用于作为进行路径规划选择下一个节点时优化代价函数的权重参数；
8、基于所述代价函数，在所述当前节点的相邻节点中确定出所述路径规划的所述下一个节点；其中，所述代价函数的权重中包含有作为所述权重参数的所述匹配准确率。
9、在一些实施例中，所述代价函数f(i)为：</p>10、
11、所述代价函数的权重为：
12、
13、所述匹配准确率为：p(i)；
14、其中，i为待确定的下一个节点，s0为开始点，g0为目标点；d(j，j+1)为从j点到j+1点的欧式距离。
15、在一些实施例中，所述获取所述局部点云图中待配准点云转换到所述全局点云图的网格时，得到的匹配准确率，包括：
16、确定所述全局点云图的每个网格的多维正态分布参数均值和协方差矩阵σ；
17、初始化变换参数p＝(tx.ty，φ)；其中，tx为点云在x轴方向的移动距离，ty为点云在y轴方向的移动距离，φ为点云在空间中旋转角度；
18、通过变换t将局部点云图中待配准的点云转换到全局点云图的网格中；其中，y′i＝t(yi，p)；变换之前的待配准的点；
19、其中，y′i＝1，…，m表示局部点云图中待配准的点云网格内所有扫描点，变换t为：
20、
21、根据正态分布参数计算每个扫描点的概率密度p(y'i)；
22、其中，
23、根据待配准网格中每个扫描点的概率密度p(y'i)，得到所述待配准网格的配准得分score(p)；其中，
24、
25、采用hessian矩阵和牛顿迭代法对score(p)求最小值，达到收敛条件，得到所述待配准网格的匹配准确率p(i)；其中，收敛条件为hδp＝-g，其中g是score(p)的转置梯度，h是score(p)的hessian矩阵。
26、在一些实施例中，所述基于所述代价函数，在所述当前节点的相邻节点中确定出所述路径规划的所述下一个节点，包括：基于所述代价函数，确定出所述当前节点的每个相邻节点对应的节点i距离初始点代价g(i)值；
27、确定所述相邻节点中g(i)值最小的节点作为所述路径规划的所述下一个节点。
28、第二方面，本公开提供一种基于点云数据的路径规划装置，包括：
29、点云图构建模块，用于基于初始点和目标点构建全局点云图，及基于当前节点构建局部点云图；
30、网格化处理模块，用于对所述全局点云图与所述局部点云图进行网格化处理；
31、匹配准确率确定模块，用于获取所述局部点云图中待配准点云转换到所述全局点云图的网格时，得到的匹配准确率；其中所述匹配准确率用于作为进行路径规划选择下一个节点时优化代价函数的权重参数；
32、路径规划模块，用于基于所述代价函数，在所述当前节点的相邻节点中确定出所述路径规划的所述下一个节点；其中，所述代价函数的权重中包含有作为所述权重参数的所述匹配准确率。
33、在一些实施例中，所述代价函数f(i)为：
34、
35、所述代价函数的权重为：
36、
37、所述匹配准确率为：p(i)；
38、其中，i为待确定的下一个节点，s0为开始点，g0为目标点；d(j，j+1)为从j点到j+1点的欧式距离。
39、在一些实施例中，所述匹配准确率确定模块，用于
40、确定所述全局点云图的每个网格的多维正态分布参数均值和协方差矩阵σ；
41、初始化变换参数p＝(tx.ty，φ)t；其中，tx为点云在x轴方向的移动距离，ty为点云在y轴方向的移动距离，φ为点云在空间中旋转角度；
42、通过变换t将局部点云图中待配准的点云转换到全局点云图的网格中；其中，y′i＝t(yi，p)；变换之前的待配准的点；
43、其中，y′i＝1，...，m表示局部点云图中待配准的点云网格内所有扫描点，变换t为：
44、
45、根据正态分布参数计算每个扫描点的概率密度p(y'i)；
46、其中，根据待配准网格中每个扫描点的概率密度p(y'i)，得到所述待配准网格的配准得分score(p)；其中，
47、
48、采用hessian矩阵和牛顿迭代法对score(p)求最小值，达到收敛条件，得到所述待配准网格的匹配准确率p(i)；其中，收敛条件为hδp＝-g，其中g是score(p)的转置梯度，h是score(p)的hessian矩阵。
49、在一些实施例中，所述路径规划模块，用于
50、基于所述代价函数，确定出所述当前节点的每个相邻节点对应的节点i距离初始点代价g(i)值；
51、确定所述相邻节点中g(i)值最小的节点作为所述路径规划的所述下一个节点。
52、第三方面，本公开提供一种计算机可读存储介质，其上存储有基于点云数据的路径规划程序，该基于点云数据的路径规划程序被处理器执行时，实现上述第一方面所述的基于点云数据的路径规划方法。
53、第四方面，本公开提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的基于点云数据的路径规划程序，所述处理器执行所述基于点云数据的路径规划程序时，实现上述第一方面所述的基于点云数据的路径规划方法。
54、根据本公开实施例的基于点云数据的路径规划方法包括基于初始点和目标点构建全局点云图，及基于当前节点构建局部点云图；对全局点云图与局部点云图进行网格化处理；获取局部点云图中待配准点云转换到全局点云图的网格时，得到的匹配准确率；其中匹配准确率用于作为进行路径本文档来自技高网
...
【技术保护点】
1.一种基于点云数据的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于点云数据的路径规划方法，其特征在于，所述代价函数f(i)为：
3.根据权利要求1所述的基于点云数据的路径规划方法，其特征在于，所述获取所述局部点云图中待配准点云转换到所述全局点云图的网格时，得到的匹配准确率，包括：
4.根据权利要求2所述的基于点云数据的路径规划方法，其特征在于，所述基于所述代价函数，在所述当前节点的相邻节点中确定出所述路径规划的所述下一个节点，包括：基于所述代价函数，确定出所述当前节点的每个相邻节点对应的节点i距离初始点代价g(i)值；
5.一种基于点云数据的路径规划装置，其特征在于，包括：
6.根据权利要求5所述的基于点云数据的路径规划装置，其特征在于，所述代价函数f(i)为：
7.根据权利要求5所述的基于点云数据的路径规划装置，其特征在于，所述匹配准确率确定模块，用于
8.根据权利要求6所述的基于点云数据的路径规划装置，其特征在于，所述路径规划模块，用于
9.一种计算机可读存储介质，其特征在于，其上存储有基于点云数据的路径规划程序，该基于点云数据的路径规划程序被处理器执行时，实现权利要求1-4中任一项所述的基于点云数据的路径规划方法。
10.一种服务器，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的基于点云数据的路径规划程序，所述处理器执行所述基于点云数据的路径规划程序时，实现权利要求1-4中任一项所述的基于点云数据的路径规划方法。
...
【技术特征摘要】
1.一种基于点云数据的路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于点云数据的路径规划方法，其特征在于，所述代价函数f(i)为：
3.根据权利要求1所述的基于点云数据的路径规划方法，其特征在于，所述获取所述局部点云图中待配准点云转换到所述全局点云图的网格时，得到的匹配准确率，包括：
4.根据权利要求2所述的基于点云数据的路径规划方法，其特征在于，所述基于所述代价函数，在所述当前节点的相邻节点中确定出所述路径规划的所述下一个节点，包括：基于所述代价函数，确定出所述当前节点的每个相邻节点对应的节点i距离初始点代价g(i)值；
5.一种基于点云数据的路径规划装置，其特征在于，包括：
6.根据权利要求5所述的基于点云...
【专利技术属性】
技术研发人员：孙成帅，陈新，赵洋，
申请(专利权)人：北京新能源汽车股份有限公司，
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。