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：重庆大学

摘要：本发明公开一种面向野外恶劣环境下的机器人自主可通过方法及机器人，涉及机器人自主运动领域。本发明通过对激光雷达采集野外环境的3D点云数据进行基于欧式聚类和K‑Means聚类的分割和噪点去除，提高了数据稳定性，适用于复杂、大尺寸野外恶劣场景；对机器人实时定位采用基于概率的方式求解，减小了整个定位过程的计算量，调高定位的效率；并将机器人的位姿一起纳入可通过性分析中，降低了可通过性分析中的不确定性，解决了机器人野外环境下点云数据量大、定位实时性和可通过性分析精度差的无法自适应学习的问题。

主权项：1.一种面向野外恶劣环境下的机器人自主可通过方法，其特征在于，包括：机器人在野外作业区域移动过程中，利用激光雷达实时采集野外环境的3D点云数据；采用欧式聚类算法和K-Means聚类算法对所述3D点云数据进行分割和噪点去除，获得当前处理好的点云数据；当所述机器人中不存在先验点云地图或先验点云地图和当前处理好的点云数据匹配误差大于误差阈值时，利用当前处理好的点云数据构建三维点云地图，并根据所述三维点云地图获得机器人本体的位姿；其中，利用当前处理好的点云数据构建三维点云地图，并根据所述三维点云地图获得机器人本体的位姿，具体包括：对相邻两帧点云数据进行特征提取；将提取的特征进行匹配，构建雷达里程计和三维点云地图；采用卡尔曼滤波的方式融合雷达里程计和三维点云地图，获得机器人本体的位姿；根据所述当前处理好的点云数据，采用概率的方式定位机器人本体的当前位置；基于机器人本体的位姿和当前处理好的点云数据，采用深度学习的方法对环境进行可通过性分析；若可通过性分析失败，则在当前位置利用激光雷达再次采集野外环境的点云数据，并返回步骤“采用欧式聚类算法和K-Means聚类算法对所述3D点云数据进行分割和噪点去除，获得当前处理好的点云数据”；若可通过性分析成功，则依据可通过性分析的结果在当前位置和目标位置之间进行路径规划，并根据规划的路径控制机器人到达目标位置；当所述机器人中存在先验点云地图且先验点云地图和当前处理好的点云数据匹配误差小于或等于误差阈值时，根据所述先验点云地图获得机器人本体的位姿，并返回步骤“基于机器人本体的位姿和当前处理好的点云数据，采用深度学习的方法对环境进行可通过性分析”。

全文数据：

权利要求：

百度查询： 重庆大学 面向野外恶劣环境下的机器人自主可通过方法及机器人