一种基于激光技术的复合地图构建方法及系统与流程 专利技术说明

测量装置的制造及其应用技术1.本发明涉及人工智能技术领域，特别涉及一种基于激光技术的复合地图构建方法及系统。背景技术：2.近年来，随着移动机器人技术的发展，移动机器人广泛应用于各种场景中，例如工厂运输、酒店送货、家庭清洁等。目前，在平整地面的场景中，移动机器人使用2d激光雷达技术进行定位地图构建，在地面不平整的场景中，例如地面存在用于覆盖走线的上下斜坡的工厂，同层接口之间存在落差及上下斜坡的楼宇，有出入口、减速带的地下停车场等，移动机器人使用3d激光雷达技术进行定位地图构建。3.然而，在地面不平整的场景中，移动机器人使用2d激光技术进行定位地图构建时会将高斜坡扫描成障碍物，并将其视作不可通过的区域，导致定位地图与实际场景不符，而移动机器人使用3d激光雷达技术可以解决上述问题，但其导致系统将更加复杂，软硬件成本更高，因此针对非平整地面的场景，需研发一种成本低、精度高的复合地图构建方法及系统。技术实现要素：4.为了解决在非平整地面的场景中无法进行低成本、高精度地构建地图的问题，本发明提供了一种基于激光技术的复合地图构建方法及系统。5.为了解决以上技术问题，本发明采用以下技术方案：6.第一方面，本发明实施例提供一种基于激光技术的复合地图构建方法，包括如下步骤：7.将定位杆安装在应用场景中的各个斜坡上；8.使用2d激光技术对应用场景进行扫描；9.判断移动机器人所处区域，当所述移动机器人位于平面时，对所处平面构建平面栅格地图，所述平面栅格地图包括高度信息，当所述移动机器人位于斜坡时，基于所述定位杆对斜坡构建斜坡点云地图；10.将所有的平面栅格地图、斜坡点云地图拼接融合而成所述复合地图。11.在一些实施例中，所述复合地图构建方法还包括步骤：12.在复合地图构建过程中，调节激光扫描方向，使其与水平面始终保持平行。13.在一些实施例中，所述复合地图构建方法还包括步骤：14.当移动机器人离开一个区域进入另一区域时，保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时移动机器人的姿态；15.所述将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图为：16.基于所述地图信息，将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。17.在一些实施例中，所述对所处平面构建平面栅格地图包括：18.使用编码器计算移动机器人里程计；19.基于所述里程计，对所处平面构建平面栅格地图。20.在一些实施例中，所述判断移动机器人所处区域包括：21.使用惯性测量传感器测量所述移动机器人的加速度、俯仰角和横滚角；22.基于惯性测量传感器数据，判断移动机器人所处区域。23.在一些实施例中，所述将定位杆安装在应用场景中的各个斜坡上为：24.将定位杆从斜坡底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面。25.在一些实施例中，所述定位杆是横截面为正六边形的锥形垂直杆。26.第二方面，本发明实施例提供一种基于激光技术的复合地图构建系统，包括：定位杆和移动机器人；27.所述定位杆，用于反射激光定位，安装在应用场景的各个斜坡上；28.所述移动机器人包括激光扫描模块、区域判断构建模块和融合地图模块；29.所述激光扫描模块，使用2d激光技术对应用场景进行扫描；30.所述区域判断构建模块，用于判断所述移动机器人所处区域，当所述移动机器人位于平面时，对所处平面构建平面栅格地图，所述平面栅格地图包括高度信息，当所述移动机器人位于斜坡时，基于所述定位杆对斜坡构建斜坡点云地图；31.所述融合地图模块，用于将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。32.在一些实施例中，所述激光扫描模块在所述复合地图构建系统运行中，调节激光扫描方向，使其与水平面始终保持平行。33.在一些实施例中，所述移动机器人还包括：地图信息保存模块；34.当移动机器人离开一个区域进入另一区域时，所述地图信息保存模块保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时所述移动机器人的姿态；35.所述融合地图模块，基于所述地图信息，将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。36.在一些实施例中，所述移动机器人还包括：编码器；37.所述编码器，用于计算移动机器人里程计；38.所述移动机器人基于所述里程计，对所处平面构建平面栅格地图。39.在一些实施例中，所述移动机器人还包括惯性测量传感器；40.所述惯性测量传感器，用于测量所述移动机器人的加速度、俯仰角和横滚角；41.所述区域判断构建模块基于所述惯性测量传感器数据，用于判断所述移动机器人所处区域。42.在一些实施例中，所述定位杆是横截面为正六边形的锥形垂直杆。43.本发明提供的一种基于激光技术的复合地图构建方法及系统，与现有技术相比，本发明取得的技术效果包括：44.1.本发明将成本低的定位杆安装在应用场景中的各个斜坡上，使用技术成熟、成本低的2d激光技术对应用场景进行扫描，对平面构建平面栅格地图，基于所述定位杆对斜坡构建斜坡点云地图，将所有的平面栅格地图、斜坡点云地图拼接融合而成所述复合地图，有效解决了使用现有2d激光技术无法对非平面应用场景构建地图的问题，同时解决了使用3d激光技术构建地图精度底、价格昂贵、系统复杂高的问题，即本发明将简单的定位杆和技术成熟、成本低的2d激光技术相结合实现了对非平面的应用场景的高精度复合地图构建，并且具有系统简单、低成本的优势。45.2.本发明在复合地图构建过程中，调节激光扫描方向，使其与水平面始终保持平行，使计算定位杆的位置的算法复杂度更低。46.3.本发明在移动机器人离开一个区域进入另一区域时，保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时移动机器人的姿态；基于所述地图信息，可高效地找到各地图拼接融合的关系，使各区域交界处的地图更清晰，进而使将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图的速度更快，精度更高，定位更准。47.4.本发明使用编码器计算移动机器人里程计，并基于所述里程计，使用激光技术对平面构建平面栅格地图，使构建的应用场景地图精度更高。48.5.本发明使用惯性测量传感器测量所述移动机器人的加速度、俯仰角和横滚角，并基于该惯性测量传感器数据，判断移动机器人所处区域，减少人为的区域判断和人的系统操作参与程度，使复合地图构建系统操作更简单，减少复合地图构建的人工成本。49.6.本发明将定位杆从斜坡底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面，使移动机器人定位计算复杂度更低，进而使斜坡点云图的构建速度更快、更高效。50.7.本发明使用横截面为正六边形的锥形垂直杆用于斜坡点云图的构建，使移动机器人接收的来自定位杆的激光反射点数量更多，更有规律性，使定位杆的定位更精准，从而使斜坡点云图构建的精度更高，计算处理速度更快。附图说明51.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。52.图1为本发明基于激光技术的复合地图构建方法流程图；53.图2为本发明步骤s16的流程图；54.图3a、3b为本发明应用场景的简易示意图；55.图4为本发明定位杆结构示意图；56.图5为本发明定位杆安装示意图；57.图6为本发明定位杆检测定位算法示意图；58.图7为本发明基于激光技术的复合地图构建系统结构示意图；59.图8为本发明移动机器人简易模型结构图；60.图9为本发明激光雷达云台结构示意图。具体实施方式61.为了使本领域技术人员更好地理解本发明的方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的其他方案，都应当属于本发明的保护范围。62.为了便于本领域人员理解本发明的实施例，以下对本发明涉及的技术术语做出解释。63.使用2d激光技术的移动机器人具有体积小、成本低、效果好等特点被广泛应用于各个行业，该类移动机器人使用2d激光技术扫描、感知其所处应用场景的障碍物位置信息构建平面栅格地图，但移动机器人工作的应用场景中可能有斜坡，甚至有由斜坡连接的多层平面且斜坡高度高于移动机器人激光扫描的高度的情况，移动机器人在该应用场景中构建地图时必会将斜坡和更高层的平面扫描成障碍物，并将其视作不可通过的区域，而如果人为控制该移动机器人使用现有2d激光技术对斜坡构建地图时其所构建的地图会有巨大误差无法用于地图导航定位。64.实施例165.图1示出了本发明基于激光技术的复合地图构建方法流程图，由图1可知一种基于激光技术的复合地图构建方法，包括如下步骤：66.s12、将定位杆安装在应用场景中的各个斜坡上。67.本发明的应用场景如图3a所示，其具有一个斜坡连接的两个不同高度平面，或者具有多个斜坡连接两个不同高度平面(图未示出)，又或者如图3b所示，其具有两个斜坡连接的三个不同高度平面。本实施例以图3a所示的应用场景对本发明进行描述，其他应用场景基本相同，不再赘述。68.本发明定位杆优选地选取特定形状的垂直杆，例如横截面为正六边形的锥形垂直杆，其长度优选50cm，顶部正六边形边长为2cm，底部正六边形边长为22cm，如图4所示。该定位杆是由激光反射材料制成或是定位杆表面覆盖一层激光反射材料以节约成本，其用于安装在应用场景中的各个斜坡上或附近，以清晰地反射激光实现精准测距。优选地，如图5所示，应用场景由一斜坡4连接的两平面3组成，将定位杆2以垂直水平面的方式安装在斜坡4的侧边及前后，进一步地，将定位杆2从斜坡4底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡4的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面。定位杆与周边障碍物之间距离大于10cm更好。69.使用横截面为正六边形的锥形垂直杆用于斜坡点云图的构建，使移动机器人接收的来自定位杆的激光反射点数量更多，更有规律性，使定位杆的定位更精准，从而使斜坡点云图构建的精度更高，计算处理速度更快。70.将定位杆从斜坡底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面，使移动机器人定位计算复杂度更低，进而使斜坡点云图的构建速度更快、更高效。71.s14、使用2d激光技术对应用场景进行扫描。72.本发明移动机器人使用现有2d激光技术对应用场景进行扫描，如图5所示，移动机器人1移动至平面3和斜坡4交界处时将扫描到定位杆2。73.s16、判断移动机器人所处区域，当所述移动机器人位于平面时，对所处平面构建平面栅格地图，所述平面栅格地图包括高度信息，当所述移动机器人位于斜坡时，基于所述定位杆对斜坡构建斜坡点云地图。如图2所示，该步骤s16由如下子步骤实现：74.s162、判断移动机器人所处区域。75.移动机器人使用2d激光技术对应用场景进行扫描，判断其所处区域。可以采用人为控制的方式告知移动机器人目前所处的区域是平面还是斜坡，优选地，使用惯性测量传感器测量所述移动机器人的加速度、俯仰角和横滚角，基于惯性测量传感器数据，判断移动机器人所处区域，减少人为的区域判断和人的系统操作参与程度，使复合地图构建方法、系统操作更简单，减少复合地图构建的人工成本，其具体区域条件判断如下：76.条件1：移动机器人z轴/高度方向的加速度绝对值小于预定值，例如9m/s2，且持续时间大于预定值，例如1秒；移动机器人府仰角和横滚角的绝对值和大于预定值，例如10度，且持续时间大于预定值，例如1秒；77.条件2：移动机器人z轴/高度方向的加速度绝对值大于预定值，例如9.3m/s2，且持续时间大于预定值，例如1秒；移动机器人府仰角和横滚角的绝对值和小于预定值，例如10度，且持续时间大于预定值，例如1秒；78.当满足条件1时，判断移动机器人进入斜坡，当进入斜坡之后，移动机器人满足条件2，判断移动机器人离开/退出斜坡。79.s164、当所述移动机器人位于平面时，对所处平面构建平面栅格地图，所述平面栅格地图包括高度信息。80.当移动机器人位于平面时，使用2d激光技术对所处平面构建平面栅格地图，例如使用cartographer、coreslam、karto-slam等成熟算法对该平面构建平面栅格地图，本发明构建的平面栅格地图，含有高度信息，以区分不同高度的平面区域。81.优选地，使用编码器计算移动机器人里程计，并基于所述里程计，使用2d激光技术对平面构建平面栅格地图，使构建的应用场景地图精度更高。82.s166、当所述移动机器人位于斜坡时，基于所述定位杆对斜坡构建斜坡点云地图。具体实现方式如下：83.移动机器人使用2d激光技术进行扫描，获取激光扫描数据，基于所述扫描数据，使用定位杆检测定位算法获得定位杆的位置以及对应扫描高度的定位杆横截面的半径。84.当移动机器人移动到斜坡底部或顶部将进入斜坡时，保存当前平面栅格地图和进入斜坡的初始位置。移动机器人在斜坡上一边移动一边激光扫描，获取每帧激光扫描数据，优选地，在斜坡上移动时，移动机器人调节其激光扫描方向，使其与水平面始终保持平行，从而使定位杆检测定位算法复杂度更低，进而使本实施例的复合地图构建方法的应用更高效，更简单。85.所述定位杆检测定位算法具体如下：86.第一步：获取当前帧激光扫描数据p＝{p1，p2，……，pn}，pn表示激光扫描到的障碍点；87.第二步：按照顺序遍历p，同时计算相邻两个障碍点之间的距离，当距离大于阈值，例如5cm时，将其分段，否则将其组合，即将p中的障碍点分组，得到若干个障碍点集合l，记为p＝{l1，l2，……，lm}，其中l＝{pi，……，pj}；88.第三步：对每一个障碍点集合l，计算其内部两两点之间距离，并取最大的距离dm,如果距离dm大于阈值h1(可取25cm)或者小于阈值h2(可取15cm)，则舍弃该障碍点集合，否则保留；89.第四步：对每一个保留的障碍点集合l，采用霍夫变换直线检测方法提取响应最大的两条直线，计算它们之间的夹角α。如果无法提取两条直线或夹角α不符合条件：|α-120°|》10°，则舍弃该障碍点集合l；90.第五步：对其中一个保留的障碍点集合l，提取其两条拟合直线，分别记为a，b，如图6所示；91.计算直线a与直线b的交点，记为c；又设障碍点集合l的两边端点分别为a和b；92.取线段ca和cb中的长度更大的值，记为r；93.假设ca较长，找到直线b上另外一点b’使|cb’|＝r；94.以a、b’点为圆心分别做半径r的圆，两个圆的新交点即为定位杆的中心点，记为o。实际计算如下:95.xo＝xa+xb′-xc96.yo＝ya+yb′-yc97.其中，(xa，ya)，(xb’，yb’)，(xc，yc)，(xo，yo)分别为点a、点b’、点c、中心点o的坐标。98.对所有保留的障碍点集合，进行第五步的处理，可以得到当前帧激光扫描数据p所检测到的多个定位杆的位置on(相对于移动机器人坐标系)，同时可以得到对应的横截面半径rn。99.使用上述定位杆检测定位算法可获得每帧激光扫描数据中的所有定位杆的位置以及对应扫描高度的定位杆横截面的半径，即在第i帧数据中，获取n个定位杆的位置，记为定位杆位置点集合(相对于移动机器人坐标系)，同理，在第i+1帧数据中，获取k个定位杆的位置，记为定位杆位置点集合100.对于相邻两帧激光扫描数据的定位杆位置点集合，如第i帧定位杆位置点集合和第i+1帧定位杆位置点集合采用最近点迭代算法实现定位杆位置点集合的相同位置的快速对齐，同时，使用icp匹配算法或通用方程解出测量这两个定位杆位置点集合时，移动机器人的二维度平面位置姿态变化(δxi+1,δyi+1,δθi+1)；101.基于第i帧移动机器人所在位置，结合移动机器人的二维平面位置姿态变化，计算得到第i+1帧移动机器人所在位置，进入斜坡的初始位置是已知的，因此可获得移动机器人在斜坡上每一帧激光扫描数据的平面投影位置与方向角，即第i帧的移动机器人的平面投影位置与方向角记为(xi,yi,θi)；102.进一步地找到第i帧激光扫描数据中距离移动机器人最近的定位杆，获取该定位杆的对应的截面半径，记为ri。因此可获得当前移动机器人激光所在高度为zi，具体计算如下：[0103][0104]其中，f表示经历几次定位杆，h表示为定位杆的长度，加号表示移动机器人沿斜坡上行，减号表示沿着斜坡下行。f的次数可由检测到ri在定位杆底部到顶部的跳变得到，如在2cm到22cm的跳变得到。[0105]进一步地得到第i帧激光扫描数据中移动机器人在斜坡上的3d空间位置，记为(xi,yi,zi,θi)。[0106]在移动机器人一次上行斜坡或者一次连续下行斜坡过程中，结合得到的移动机器人的上述每帧3d空间位置，将每帧激光障碍检测数据剔除定位杆的激光点，然后累计投影到地图坐标系，即可得到与平面栅格地图位于同一坐标系的斜坡点云地图。需要指出的是，受到连续帧的高度不同，而激光测量为水平方向影响，该斜坡点云地图由水平分层的激光数据累加而来，因此也是由分层的点云构成。[0107]s18、将所有的平面栅格地图、斜坡点云地图拼接融合而成所述复合地图。[0108]使用成熟的地图拼接融合算法，将上述步骤得到的所有的平面栅格地图和斜坡点云地图拼接融合而成复合地图。[0109]本实施例将成本低的定位杆安装在应用场景中的各个斜坡上，使用技术成熟、成本低的2d激光技术对应用场景进行扫描，对平面构建平面栅格地图，基于所述定位杆对斜坡构建斜坡点云地图，将所有的平面栅格地图、斜坡点云地图拼接融合而成所述复合地图，有效解决了使用现有2d激光技术无法对非平面应用场景构建地图的问题，同时解决了使用3d激光技术构建地图精度底、价格昂贵、系统复杂高的问题，即本实施例将简单的定位杆和技术成熟、成本低的2d激光技术相结合实现了对非平面的应用场景的高精度复合地图构建，并且具有系统简单、低成本的优势。[0110]实施例2[0111]本实施例与实施例1基本相同，与其不同的是基于激光技术的复合地图构建方法还包括以下步骤：[0112]当移动机器人离开一个区域进入另一区域时，保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时移动机器人的姿态；[0113]此时步骤s18将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图为：[0114]基于所述地图信息，将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。[0115]本实施例在移动机器人离开一个区域进入另一区域时，保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时移动机器人的姿态；基于所述地图信息，可高效地找到各地图拼接融合的关系，使各区域交界处的地图更清晰，进而使将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图的速度更快，精度更高，定位更准。[0116]实施例3[0117]图7示出了本发明基于激光技术的复合地图构建系统结构示意图，由图7可知一种基于激光技术的复合地图构建系统，包括：移动机器人1和定位杆2；所述移动机器人1包括激光扫描模块11、区域判断构建模块12和融合地图模块13。[0118]所述定位杆2，用于反射激光定位，安装在应用场景的各个斜坡上。[0119]本发明的应用场景如图3a所示，其具有一个斜坡连接的两个不同高度平面，或者具有多个斜坡连接两个不同高度平面(图未示出)，又或者如图3b所示，其具有两个斜坡连接的三个不同高度平面。本实施例以图3a所示的应用场景对本发明进行描述，其他应用场景基本相同，不再赘述。[0120]本发明定位杆2优选地选取特定形状的垂直杆，例如横截面为正六边形的锥形垂直杆，其长度优选50cm，顶部正六边形边长为2cm，底部正六边形边长为22cm，如图4所示。该定位杆2是由激光反射材料制成或是定位杆2表面覆盖一层激光反射材料以节约成本，其用于安装在应用场景中的各个斜坡上或附近，以清晰地反射激光实现精准测距。优选地，如图5所示，应用场景由一斜坡4连接的两平面3组成，将定位杆2以垂直水平面的方式安装在斜坡4的侧边及前后，进一步地，将定位杆2从斜坡4底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡4的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面。定位杆与周边障碍物之间距离大于10cm更好。[0121]使用横截面为正六边形的锥形垂直杆用于斜坡点云图的构建，使移动机器人接收的来自定位杆的激光反射点数量更多，更有规律性，使定位杆的定位更精准，从而使斜坡点云图构建的精度更高，计算处理速度更快。[0122]本发明的应用场景如图3a所示，其具有一个斜坡连接的两个不同高度平面，或者具有多个斜坡连接两个不同高度平面(图未示出)，又或者如图3b所示，其具有两个斜坡连接的三个不同高度平面。本实施例以图3a所示的应用场景对本发明进行描述，其他应用场景基本相同，不再赘述。[0123]本发明定位杆优选地选取特定形状的垂直杆，例如横截面为正六边形的锥形垂直杆，其长度优选50cm，顶部正六边形边长为2cm，底部正六边形边长为22cm，如图4所示。该定位杆是由激光反射材料制成或是定位杆表面覆盖一层激光反射材料以节约成本，其用于安装在应用场景中的各个斜坡上或附近，以清晰地反射激光实现精准测距。优选地，如图5所示，应用场景由一斜坡4连接的两平面3组成，将定位杆2以垂直水平面的方式安装在斜坡4的侧边及前后，进一步地，将定位杆2从斜坡4底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡4的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面。定位杆与周边障碍物之间距离大于10cm更好。[0124]使用横截面为正六边形的锥形垂直杆用于斜坡点云图的构建，使移动机器人接收的来自定位杆的激光反射点数量更多，更有规律性，使定位杆的定位更精准，从而使斜坡点云图构建的精度更高，计算处理速度更快。[0125]将定位杆从斜坡底部开始以垂直水平面的方式依次排列地安装在应用场景中的各个斜坡的侧边，并且在各相邻的两个定位杆中前一个定位杆的顶部与后一个定位杆的底部位于同个水平面，使移动机器人定位计算复杂度更低，进而使斜坡点云图的构建速度更快、更高效。[0126]所述激光扫描模块11，使用2d激光技术对应用场景进行扫描。[0127]本实施例移动机器人1的激光扫描模块11使用现有2d激光技术对应用场景进行扫描，如图5所示，移动机器人1移动至平面3和斜坡4交界处时将使用激光扫描模块11扫描到定位杆2。[0128]所述区域判断构建模块12，用于判断所述移动机器人1所处区域，当所述移动机器人1位于平面时，对所处平面构建平面栅格地图，所述平面栅格地图包括高度信息，当所述移动机器人1位于斜坡4时，基于所述定位杆2对斜坡构建斜坡点云地图。[0129]移动机器人1的激光扫描模块11使用2d激光技术对应用场景进行扫描，所述区域判断构建模块12接收人操作发出的指令，通过该指令判断移动机器人1所处区域是平面还是斜坡，优选地，所述移动机器人1还包括惯性测量传感器，使用惯性测量传感器测量所述移动机器人1的加速度、俯仰角和横滚角，基于惯性测量传感器数据，所述区域判断构建模块12判断移动机器人1所处区域，减少人为的区域判断和人的系统操作参与程度，使复合地图构建方法、系统操作更简单，减少复合地图构建的人工成本，其具体区域条件判断如下：[0130]条件1：移动机器人z轴/高度方向的加速度绝对值小于预定值，例如9m/s2，且持续时间大于预定值，例如1秒；移动机器人府仰角和横滚角的绝对值和大于预定值，例如10度，且持续时间大于预定值，例如1秒；[0131]条件2：移动机器人z轴/高度方向的加速度绝对值大于预定值，例如9.3m/s2，且持续时间大于预定值，例如1秒；移动机器人府仰角和横滚角的绝对值和小于预定值，例如10度，且持续时间大于预定值，例如1秒；[0132]当满足条件1时，判断移动机器人进入斜坡，当进入斜坡之后，移动机器人满足条件2，判断移动机器人离开/退出斜坡。[0133]当移动机器人1位于平面时，使用2d激光技术对所处平面构建平面栅格地图，例如使用cartographer、coreslam、karto-slam等成熟算法对该平面构建平面栅格地图，本发明构建的平面栅格地图，含有高度信息，以区分不同高度的平面区域。[0134]优选地，所述移动机器人1还包括：编码器，使用编码器计算移动机器人1里程计，并基于所述里程计，使用2d激光技术对平面构建平面栅格地图，使构建的应用场景地图精度更高。[0135]当所述移动机器人1位于斜坡时，基于所述定位杆2对斜坡构建斜坡点云地图。具体实现方式如下：[0136]移动机器人1使用2d激光技术进行扫描，获取激光扫描数据，基于所述扫描数据，使用定位杆检测定位算法获得定位杆的位置以及对应扫描高度的定位杆横截面的半径。[0137]当移动机器人1移动到斜坡底部或顶部将进入斜坡时，保存当前平面栅格地图和进入斜坡的初始位置。移动机器人1在斜坡上一边移动一边激光扫描，获取每帧激光扫描数据，优选地，在斜坡上移动时，移动机器人1的所述激光扫描模块11调节其激光扫描方向，使其与水平面始终保持平行，从而使定位杆检测定位算法复杂度更低，进而使本实施例的复合地图构建方法的应用更高效，更简单。[0138]所述定位杆检测定位算法具体如下：[0139]第一步：获取当前帧激光扫描数据p＝{p1，p2，……，pn}，pn表示激光扫描到的障碍点；[0140]第二步：按照顺序遍历p，同时计算相邻两个障碍点之间的距离，当距离大于阈值，例如5cm时，将其分段，否则将其组合，即将p中的障碍点分组，得到若干个障碍点集合l，记为p＝{l1，l2，……，lm}，其中l＝{pi，……，pj}；[0141]第三步：对每一个障碍点集合l，计算其内部两两点之间距离，并取最大的距离dm,如果距离dm大于阈值h1(可取25cm)或者小于阈值h2(可取15cm)，则舍弃该障碍点集合，否则保留；[0142]第四步：对每一个保留的障碍点集合l，采用霍夫变换直线检测方法提取响应最大的两条直线，计算它们之间的夹角α。如果无法提取两条直线或夹角α不符合条件：|α-120°|》10°，则舍弃该障碍点集合l；[0143]第五步：对其中一个保留的障碍点集合l，提取其两条拟合直线，分别记为a，b，如图6所示；[0144]计算直线a与直线b的交点，记为c；又设障碍点集合l的两边端点分别为a和b；[0145]取线段ca和cb中的长度更大的值，记为r；[0146]假设ca较长，找到直线b上另外一点b’使|cb’|＝r；[0147]以a、b’点为圆心分别做半径r的圆，两个圆的新交点即为定位杆的中心点，记为o。实际计算如下:[0148]xo＝xa+xb′-xc[0149]yo＝ya+yb′-yc[0150]其中，(xa，ya)，(xb’，yb’)，(xc，yc)，(xo，yo)分别为点a、[0151]点b’、点c、中心点o的坐标。[0152]对所有保留的障碍点集合，进行第五步的处理，可以得到当前帧激光扫描数据p所检测到的多个定位杆的位置on(相对于移动机器人坐标系)，同时可以得到对应的横截面半径rn。[0153]使用上述定位杆检测定位算法可获得每帧激光扫描数据中的所有定位杆的位置以及对应扫描高度的定位杆横截面的半径，即在第i帧数据中，获取n个定位杆的位置，记为定位杆位置点集合(相对于移动机器人坐标系)，同理，在第i+1帧数据中，获取k个定位杆的位置，记为定位杆位置点集合[0154]对于相邻两帧激光扫描数据的定位杆位置点集合，如第i帧定位杆位置点集合和第i+1帧定位杆位置点集合采用最近点迭代算法实现定位杆位置点集合的相同位置的快速对齐，同时，使用icp匹配算法或通用方程解出测量这两个定位杆位置点集合时，移动机器人的二维度平面位置姿态变化(δxi+1,δyi+1,δθi+1)；[0155]基于第i帧移动机器人所在位置，结合移动机器人的二维平面位置姿态变化，计算得到第i+1帧移动机器人所在位置，进入斜坡的初始位置是已知的，因此可获得移动机器人在斜坡上每一帧激光扫描数据的平面投影位置与方向角，即第i帧的移动机器人的平面投影位置与方向角记为(xi,yi,θi)；[0156]进一步地找到第i帧激光扫描数据中距离移动机器人最近的定位杆，获取该定位杆的对应的截面半径，记为ri。因此可获得当前移动机器人激光所在高度为zi，具体计算如下：[0157][0158]其中，f表示经历几次定位杆，h表示为定位杆的长度，加号表示移动机器人沿斜坡上行，减号表示沿着斜坡下行。f的次数可由检测到ri在定位杆底部到顶部的跳变得到，如在2cm到22cm的跳变得到。[0159]进一步地得到第i帧激光扫描数据中移动机器人在斜坡上的3d空间位置，记为(xi,yi,zi,θi)。[0160]在移动机器人1一次上行斜坡或者一次连续下行斜坡过程中，结合得到的移动机器人的上述每帧3d空间位置，将每帧激光障碍检测数据剔除定位杆的激光点，然后累计投影到地图坐标系，即可得到与平面栅格地图位于同一坐标系的斜坡点云地图。需要指出的是，受到连续帧的高度不同，而激光测量为水平方向影响，该斜坡点云地图由水平分层的激光数据累加而来，因此也是由分层的点云构成。[0161]所述融合地图模块13，用于将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。[0162]所述融合地图模块13使用成熟的地图拼接融合算法，将上述得到的所有的平面栅格地图和斜坡点云地图拼接融合而成复合地图。[0163]本实施例将成本低的定位杆用于安装在应用场景中的各个斜坡上，使用技术成熟、成本低的2d激光技术对应用场景进行扫描，对平面构建平面栅格地图，基于所述定位杆对斜坡构建斜坡点云地图，将所有的平面栅格地图、斜坡点云地图拼接融合而成所述复合地图，有效解决了使用现有2d激光技术无法对非平面应用场景构建地图的问题，同时解决了使用3d激光技术构建地图精度底、价格昂贵、系统复杂高的问题，即本实施例将简单的定位杆和技术成熟、成本低的2d激光技术相结合实现了对非平面的应用场景的高精度复合地图构建，并且具有系统简单、低成本的优势。[0164]本发明的另一个实施例，所述移动机器人1还包括：地图信息保存模块；[0165]当移动机器人离开一个区域进入另一区域时，所述地图信息保存模块保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时所述移动机器人的姿态；[0166]所述融合地图模块13，基于所述地图信息，将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图。[0167]本实施例在移动机器人离开一个区域进入另一区域时，所述地图信息保存模块保存所述离开区域的地图信息，所述地图信息包括所述离开区域的地图、两区域交界处的位置和此时移动机器人的姿态；基于所述地图信息，可高效地找到各地图拼接融合的关系，使各区域交界处的地图更清晰，进而使将所有的平面栅格地图、斜坡点云地图拼接融合而成复合地图的速度更快，精度更高，定位更准。[0168]实施例4[0169]本实施例的基于激光技术的复合地图构建系统与实施例3基本相同，由图7、8、9可知，本实施例移动机器人1为传统移动机器人，支持在平整平面、斜坡上移动，并且具备爬坡能力。所述激光扫描模块11包括激光雷达云台111，所述激光雷达云台固定于所述移动机器人1的顶部，所述激光雷达云台111包括激光雷达112、平面台113、云台imu及控制器114、伺服电机115和固定支架116。所述云台imu及控制器114可实时获取其所固定连接的平面台的俯仰角和横滚角，并基于所述俯仰角和横滚角，通过伺服电机115实时地调整平面台113，确保其与水平面平行，进而保证激光扫描线始终与水平面平行。[0170]本实施例移动机器人1在斜坡上移动，其激光扫描线仍然可以确保水平，从而保证本发明系统的可靠运行。为了保证本实施例系统的可靠性，移动机器人1于水平面移动时激光雷达云台111的伺服电机115锁死在0位置，与传统移动机器人相同；只有当检测到移动机器人1在斜坡上移动时，伺服电机115才开始工作。[0171]为了保证激光的扫描线不被移动机器人1的车体遮挡，激光雷达云台111安装于移动机器人顶中部较高的位置。移动机器人1的其他较低的本体位置上，可以补充安装其他障碍传感器，如超声、红外、深度相机、激光雷达等，以检测规避较低的障碍。[0172]本实施例基于激光技术的复合地图构建系统实时运行过程中，移动机器人1在应用场景中，可依据所构建的复合地图实现实时定位。[0173]当移动机器人1运行在平面时，直接采用传统的激光地图匹配方法，如amcl定位、cartographer定位等，在对应的平面区域实现移动机器人的实时跟踪定位。[0174]当检测到移动机器人1运行到斜坡时，移动机器人1的激光雷达云台111的伺服电机115运行，保证移动机器人1的激光扫描水平，同时进入斜坡定位模式。其运行方式如下：[0175]平面定位暂停，且记录当前移动机器人1的平面地图初始位置(x,y,z,a)；[0176]以平面初始位置(x,y,z,a)为起始点，将其设为移动机器人在斜坡的初始位置，斜坡定位模式启动；[0177]考虑移动机器人连续上下斜坡的情况，当前激光扫描数据为输入，以前一时刻移动机器人位置为起始点，在斜坡点云地图中，搜寻最近的移动机器人匹配位姿，作为移动机器人的实时定位。[0178]其中，搜索匹配过程中仅考虑小幅变化，在小范围内采用对移动机器人位置姿态进行粒子滤波撒点与更新的方式，采样位姿计算匹配误差，实现定位。具体的对第i个位置粒子其匹配误差的计算方法为：[0179][0180]其中，n表示匹配点个数，st表示第t个激光扫描点，t(st|(xi,yi,zi,θi))表示将st按照(xi,yi,zi,θi)进行位置姿态变换投影点，pt表示斜坡点云地图中与投影点匹配的那个点。[0181]匹配误差越大，相应的机器人定位粒子的权值会减少，经多次迭代，粒子群可以收敛到移动机器人的准确位置。[0182]当移动机器人走完斜坡时，退出斜坡定位模型，同时，以此刻机器人的位置作为下一段平面定位的初始位置，继续平面定位。[0183]上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!