【技术实现步骤摘要】
本专利技术涉及自动驾驶、多传感器融合定位、图像识别，具体涉及一种室外停车场环境下自动巡检机器人的导航与寻车方法。
技术介绍
1、传统的人工停车管理和车辆寻找的效率低下，亟需新的解决方案来提高停车场的管理和运营效率。
2、鉴于传感器技术、自动驾驶、人工智能等技术的快速发展，自动化和智能化系统得以实现。这些技术使得室外巡检机器人能够在复杂的环境中高效工作。
3、现有的室外机器人巡检方案，如公开号为cn118518124a、cn118362122a的专利技术，等主要存在以下几点不足：
4、(1)现有的定位输入源主要由全球导航卫星系统(g1obal navigation satellitesystem,gnss)以及惯性导航系统(inertial navigation system,ins)组成。然而，gnss信号易受到环境的影响，基于gnss/ins组合的机器人定位性能会迅速下降。
5、(2)停车场中，由于存在大量车辆和行人，确保机器人在巡检过程中能够有效避开障碍物至关重要。这不仅是为了防止潜在的安全隐患，还能避免交通阻碍。
6、(3)在巡检过程中，如何准确识别所有停车并将位置信息实时发送给用户，以便用户能够自主高效的寻车。
技术实现思路
1、为了克服以上现有技术存在的缺陷，本专利技术提出一种室外停车场环境下自动巡检机器人的导航与寻车方法，该方法能够有效解决复杂环境下机器人定位精度下降问题，能够在有效完成巡检任务的同时进行避障，
2、为了实现上述目的，本专利技术采用的技术方案是：
3、一种室外停车场环境下自动巡检机器人的导航与寻车方法，包括以下步骤；
4、步骤1：按照事先设定的巡检路线遥控车辆，利用ndt算法对停车场环境进行slam建图；
5、步骤2：在slam建图过程中录制gnss巡检轨迹点，按照预先设置的距离阈值对录制的巡检轨迹点进行采样保存；
6、步骤3：当gnss有信号时，利用gnss位置信息、imu姿态信息、轮式里程计作为扩展状态卡尔曼滤波器(extended state kalman filter，eskf)的输入进行全局融合定位，并利用组合定位结果作为雷达里程计的初始位姿变换(r,t)，消除ndt作为雷达里程计的累计误差；
7、当gnss遭受遮挡无信号时，将雷达里程计代替gnss位置信息，利用雷达里程计、imu姿态信息、轮式里程计实现局部融合定位；
8、步骤4：基于全局融合定位与局部融合定位的组合定位结果，利用全局纯跟踪算法，实现室外移动机器人的导航；
9、步骤5：利用机器人顶部的激光雷达对障碍物进行聚类识别；
10、步骤6：在已知组合定位、全局路径、障碍物基础上，进行局部路径规划；
11、步骤7：在机器人巡检过程中，利用图像识别算法识别车牌，便于后续用户基于车牌自主寻车；
12、步骤8：基于微信小程序的扫码寻车。
13、所述步骤1中ndt配准算法的公式为：
14、
15、通过上述公式得到机器人在地图中的位姿(r*,t*)，其使得目标点云与源点云所有配对点距离之和f(r*,t*)最小，其中f(r*,t*)为所有配对点距离之和；(r*,t*)为ndt估计机器人在地图中的位姿；r*为机器人相对于地图起点的旋转；t*为机器人相对于地图起点的平移；min为最小化所有配对点的距离之和；np为配对点个数，pi与qi为目标点云与源点云的一对配对点；||2为配对点的欧式距离。
16、所述步骤3具体为：
17、gnss位置信息、imu姿态信息、轮式里程计、激光里程计之间eskf融合流程分为以下五步：
18、3.1)预测当前车辆状态，根据上一时刻的最优估计状态预测当前时刻状态
19、
20、其中为状态转移矩阵，表示从上一状态推测出当前状态；为控制矩阵，表示控制量ut-1对当前状态的影响，如加速度；中的^表示它是一个估计值，而非真实值，中的-表示并非最佳估计；
21、3.2)根据上一时刻最优预测状态的噪声(误差)的协方差矩阵pt-1，计算当前预测状态的噪声(误差)协方差矩阵pt-；
22、pt-＝fpt-1ft+q
23、其中pt-1表示上一时刻的噪声(误差)协方差矩；q表示噪声(误差)协方差矩阵；
24、3.3)计算表示卡尔曼系数；
25、
26、其中kt表示卡尔曼系数；h表示从预测状态到传感器观测状态zt之间的维度变换关系；r表示观测状态的噪声(误差)协方差矩阵；
27、3.4)优化预测状态得到最优预测状态作为滤波器的最终输出，也作为下一次迭代的输入；
28、
29、其中表示实际的传感器观测状态zt与预测的传感器观测状态之间的残差；
30、3.5)更新最优预测状态的噪声(误差)协方差矩阵，下一次迭代中使用；
31、pt＝(i-kth)pt-
32、其中pt为最优预测状态的噪声(误差)协方差矩阵；i为单位矩阵。
33、所述步骤4具体为：
34、具体跟踪过程总共分为以下四步：
35、4.1)为了使车辆后轮跟踪全局轨迹path到达预瞄点p，在三角形a o p中需要满足的正弦定理关系，车辆通过跟踪预瞄点，实现寻迹，
36、
37、化简得
38、
39、其中，r表示转弯半径；ld表示预瞄距离；
40、4.2)在阿克曼前轮转向(ackermann turn)模型中，以后轮为中心进行圆周运动，在三角形a o b中计算转向半径r；
41、
42、其中δf表示前轮转向角；l表示车辆距轴，a为车辆后轮中心；b为车辆前轮中心；o为车辆转向中心；p为车辆预瞄点，
43、4.3)联立4.1)与4.2)，得到纯追踪算法的转向角；
44、
45、4.4)计算预瞄点与车身的夹角；
46、
47、其中a表示预瞄点与车身的夹角；β表示预瞄点与x轴的夹角；表示车辆航向角；(x1 y1)表示车辆后轮a中心坐标；(x2 y2)表示车辆后轮b中心坐标；(x3 y3)表示预瞄点p坐标。
48、所述步骤5总共分为以下两步：
49、5.1)点云体素下采样，点云高度裁剪，裁剪车辆顶部以上点云；这两种做法大大减少了后续参与运算的点数，降低计算量；
50、5.2)分离地面点云与非地面点云，利用欧几里得聚类算法对非地面点云进行障碍物聚类，欧几里得聚类算法的原理是在点云数据中，同一个物体的点云簇中两点之间的距离小于一定的值，而不同物体之间的点云簇之间的距离大于一定的值，将距离小于设定距离阈值的点合并成一类，从而完成聚类过程。...
【技术保护点】
1.一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤1中NDT配准算法的公式为：
3.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤3具体为：
4.根据权利要求3所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤4具体为：
5.根据权利要求4所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤5总共分为以下两步：
6.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤6局部路径规划总共分为以下四步：
7.根据权利要求6所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，
8.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤7中图像识别车牌流程如下所示。
9.根
...【技术特征摘要】
1.一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤1中ndt配准算法的公式为：
3.根据权利要求1所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤3具体为：
4.根据权利要求3所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤4具体为：
5.根据权利要求4所述的一种室外停车场环境下自动巡检机器人的导航与寻车方法，其特征在于，所述步骤5总共分为以下两步：
【专利技术属性】
技术研发人员：蒋才桂，李正磊，刘欣武，张浩，崔文亮，蒋君伟，
申请(专利权)人：西安交通大学，
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。