[发明专利]一种基于激光雷达扫描匹配算法的移动机器人定位方法

说明书

本发明公开了一种基于激光雷达扫描匹配算法的移动机器人定位方法，包括1.分别对激光雷达相邻两采样周期的扫描数据进行角点特征提取，得到参考角点特征点集和待配准角点特征点集；2.对参考角点特征点集和待配准角点特征点集进行关联特征点配对得到初步配对点集；3.求解参考角点特征点集和待配准角点特征点集之间的整体匹配参数旋转矩阵和平移矩阵；4.对设置匹配阈值，滤除旋转矩阵和平移矩阵之间的无效关联特征；5.计算机器人在相邻两采样周期内的运动增量以及完成当前时刻机器人位姿估计。本发明通过对室内结构化特征进行分析，以环境中存在的角点特征代替传统ICP算法中的原始激光雷达扫描数据点作为改进型ICP算法的输入数据，提高匹配算法效率。

技术领域

本发明属于移动机器人导航定位技术领域，具体为一种实现移动机器人自主定位的方法，适用室内结构化场景中根据环境特征匹配信息对移动机器人进行定位。

背景技术

定位技术是移动机器人实现自主导航中最基础的环节，是其实现路径规划、控制决策和执行任务的先决保证条件，对于运动目标跟踪、机器人导航、地图生成等具有重要意义。

定位问题可以描述为机器人通过传感器感知环境或自身运动状态，经过合理的数学模型和算法处理，最终得到自身在工作环境中的精确位置。在一般环境中，移动机器人的位姿通常使用三维向量来表示，即相对于全局坐标位置的横向、纵向平移分量和代表其朝向的旋转角度分量。

常用于定位中的传感器主要有惯性传感器、视觉传感器、激光雷达、超声波等，由于激光雷达具有测距范围大、精度高、环境适应能力强等特点，因此基于激光雷达扫描匹配算法的定位方法已逐渐成为移动机器人定位研究中的热点，该类方法通过匹配相邻两帧的激光雷达环境扫描距离数据估计出相邻采样周期间的相对位姿增量，对其进行叠加得到机器人当前位姿估计，其本质是搜索能够使相邻两帧激光雷达扫描数据之间的最佳匹配的变换关系。

在扫描匹配算法中，迭代最近点算法(ICP)在精度和鲁棒性方面都有着良好的表现，因此是激光雷达扫描匹配的主流算法，该类方法中比较典型的有：基于点-点特征、点-特征、特征-特征的关联匹配方法。

其中基于点-点的关联匹配方法输入数据简单，但数据量太大，算法收敛速度慢，算法实时性易受影响；基于点-特征的匹配方法利用点到直线的距离特征进行匹配，在室内结构化明显的简单环境中效果较好，但是在仓库通道等线段相似特征较多的复杂环境下易出现“一对多”特征误匹配现象；基于特征-特征的匹配方法是近年来比较流行的一种匹配方法，该类方法对特征提取的准确度和精度有较高的依赖性，但不同的方法又有各自的针对性和适用场所；除此之外，在特征关联匹配过程中，传统ICP算法默认待匹配的两组数据完全重合或一组扫描数据是另一组扫描数据的严格子集，而在实际应用中，由于机器人运动和激光传感器测量误差的存在，根本不存在完全符合上述条件的点云集合，即两组数据是近似关联的，从而求解出的两组数据的变换参数是某种准则下的整体最优匹配，并不是严格意义上的完全对应点对匹配，在这一过程中，由于部分数据点没有关联点存在，如果对所有数据进行关联匹配，则会把一些无效点当成有效点来匹配，上述问题的存在会影响到算法的精度。

因此，急需一种在室内环境中适应性好，实时性和精度都较高的移动机器人自主定位方法。

发明内容

有鉴于此，为了解决上述问题，本发明提供一种基于激光雷达扫描匹配算法的移动机器人定位方法。此方法为工程上实现移动机器人在室内环境中的自主定位提供了一种解决方案，方法简单易行、实时性好、精度高，室内环境下具有较好的适用性。

为实现上述目的及其他目的，本发明提供一种基于激光雷达扫描匹配算法的移动机器人定位方法，该方法包括以下步骤：

步骤1.分别对激光雷达相邻两采样周期的扫描数据进行角点特征提取，得到参考角点特征点集P和待配准角点特征点集Q；

步骤2.对参考角点特征点集P和待配准角点特征点集Q进行关联特征点配对得到初步配对点集M；