买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明提供了一种基于地面端多激光点云融合的移动机器人跟踪定位方法，包括点云跟踪和点云定位。在点云跟踪阶段，利用卡尔曼滤波方法跟踪场景中机器人集群的目标点云，建立卡尔曼滤波模型，根据深度优先策略搜索目标点云，利用交并比方法进行关联性匹配，将关联性最大结果作为当前帧目标点云，并更新卡尔曼滤波模型参数，实现目标点云的实时跟踪及粗定位。在点云定位阶段，通过离线方式建立模板机器人的栅格概率模型，并将机器人在线运行时的实时点云与栅格概率模型进行匹配以提高定位精度，完成机器人的实时精定位。本发明所设计的移动机器人跟踪定位方法，有效提高了机器人目标点云的跟踪鲁棒性和定位精度。

主权项：1.一种基于地面端多激光点云融合的移动机器人跟踪定位方法，其特征在于：包括以下步骤：步骤1：激光雷达部署及点云预处理：在工作场景中部署多源激光雷达传感器，针对离线阶段的模板机器人或在线阶段的目标机器人，采集多源激光点云数据，根据不同雷达来源设置索引，将不同雷达的激光点云合并到同一坐标系下构成目标点云；通过层次聚类将目标点云转化为AABB包围盒集合，以包围盒为结点构建空间层次树，根据不同雷达索引判断包围盒内的激光点云是否源自同一雷达，即是否同源；步骤2：卡尔曼滤波点云跟踪：使用辅助定位装置或手工方式粗略定位模板机器人或目标机器人的目标包围盒，利用目标包围盒初始化跟踪框并建立卡尔曼滤波模型，并将初始跟踪框参数作为初始帧的跟踪框最优值；在进行激光点云跟踪时，采用深度优先搜索策略，将前一帧跟踪框与当前帧层次树中的包围盒通过交并比方法进行关联性匹配，根据匹配结果确定是否搜索到目标点云；若未搜索到目标点云，在预测方程中使用前一帧跟踪框的参数最优值计算当前帧跟踪框的参数最优值；若搜索到目标点云，使用卡尔曼滤波增益系数作为权重，综合考虑跟踪框参数的预测值、观测值与绝对真实值的接近程度，对跟踪框参数的预测值与观测值进行加权求和，作为跟踪框的参数最优值；并使用当前帧的跟踪框参数最优值更新卡尔曼滤波模型参数；步骤3：目标点云位姿估计粗定位：在点云坐标系下，针对模板机器人或目标机器人的点云包围盒进行分类；当包围盒点云数据为同源点云时，将目标点云分类为“L”型或“I”型点云，若为“L”型则使用旋转卡尺法拟合目标点云的最小面积矩形；当包围盒点云数据为非同源点云或“I”型同源点云时，通过凸包点集提取和旋转卡尺法拟合目标点云的最小面积矩形；并利用最小面积矩形计算目标点云的中心位姿向量，实现机器人粗定位；步骤4：离线阶段模板机器人概率模型构建：在离线阶段，采用相似变换将模板机器人的目标点云从点云坐标系变换至栅格坐标系，在多次采样过程中使用Bresenham画线算法对栅格概率进行更新，以栅格概率矩阵形式构建模板机器人的先验概率栅格模型；步骤5：在线阶段目标机器人实时精定位：当在线阶段时，通过刚体变换和相似变换两步，将当前帧目标机器人的目标点云从全局点云坐标系转换至局部栅格坐标系，采用双线性插值法构建目标机器人的实时概率栅格模型；通过实时概率栅格模型与先验概率栅格模型的模型匹配优化，构建目标机器人实时相对位姿的误差模型，并利用非线性优化对误差模型中的栅格概率值进行递归迭代，寻找实时相对位姿的最优值，从而获得目标机器人的实时绝对位姿，实现机器人实时精定位。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于地面端多激光雷达点云的移动机器人跟踪定位方法