[发明专利]带障碍物记忆功能的多激光雷达数据融合方法在审
申请号: | 201811596732.6 | 申请日: | 2018-12-25 |
公开(公告)号: | CN109507689A | 公开(公告)日: | 2019-03-22 |
发明(设计)人: | 肖湘江 | 申请(专利权)人: | 肖湘江 |
主分类号: | G01S17/93 | 分类号: | G01S17/93 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 410000 湖南省长沙市开*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 全局地图 激光雷达 障碍物 激光雷达数据 记忆功能 生命周期 数据链表 权重 融合 全局 测量障碍物 点云数据 激光数据 循环扫描 坐标转化 点数据 保存 点距 噪点 机器人 过滤 删除 存储 检测 转化 | ||
本发明提供一种带障碍物记忆功能的多激光雷达数据融合方法。包括步骤:设定主、辅激光雷达;若障碍物仅辅激光雷达可见时,将辅激光雷达测量障碍物的点云数据坐标转化为全局地图坐标;判断全局数据链表中是否存在该点对应的全局地图坐标?否则保存至全局数据链表,并为该点创造生命周期;是则将该点对应的全局地图坐标权重加一;辅激光雷达每循环扫描一周,该点对应的全局地图坐标权重减少,对应生命周期也减少;检测全局数据链表中存储的全局地图坐标的权重、生命周期以及该点距机器人的距离,选择仅保存该点数据或删除该点或转化为融合激光数据。本发明提供的所述方法带有障碍物记忆功能,能实时有效的融合多激光雷达数据,同时有效过滤噪点。
技术领域
本发明涉及激光雷达技术领域,具体涉及一种带障碍物记忆功能的多激光雷达数据融合方法。
背景技术
激光作为当前机器人导航重要器件,相当于机器人的眼睛,在机器人避障时,激光数据的实时性和准确性决定了机器人能否安全避障。由于结构遮挡以及机器人安装高度等问题,现有激光雷达设备性能不佳、单一激光覆盖范围有限,因此,需要多激光雷达协调作业。
多激光雷达协调作业最重要的问题是多激光雷达数据的融合。激光雷达高速扫描,以10hz、2000点数据激光为例,激光每0.1秒需要处理2000个数据点,每个数据点都有特定的角度、时间,且点和点的时间差仅为1/20000s,在如此短的时间内,不同的设备很难做到时间同步,且不同设备性能不一,这就会导致当机器人或者障碍物运动时,不同激光探测到的障碍物信息不同,如果直接对不同激光数据进行融合,会产生大量噪点,且障碍物相对雷达运动速度越快,误差越大。
现有技术中存在两种数据融合方法:一是自适应消息同步方法:这种方法相当于时间同步器,从多个激光接收不同的消息后,当且仅当多个激光雷达具有相同时间戳的消息时才输出各自的点云数据。因此会由于强行等待时间同步而导致消息发布频率下降。二是直接融合方法:这种方法直接对多个激光雷达数据进行融合,缺点明显,不仅会因为时间差导致同步错误,出现大量噪点,而且也没有考虑障碍记忆功能。
发明内容
本发明针对以上问题提出带障碍物记忆功能的多激光雷达数据融合方法,首创性提出了障碍物生命周期的概念来记忆发现的障碍物,不仅能有效解决运动障碍噪点问题,对于避障后期低矮障碍不可见的现象也能有效解决。
本发明提供一种带障碍物记忆功能的多激光雷达数据融合方法,具体包括如下步骤:
步骤S1:设定主激光雷达和辅激光雷达;
步骤S2:若障碍物对于主激光雷达不可见而辅激光雷达可见时,将辅激光雷达测量的障碍物的点云数据坐标(x′,y′)转化为全局地图坐标(x,y);
步骤S3:判断全局数据链表中是否存在该点云数据坐标(x′,y′)对应的全局地图坐标(x,y)?若否,则保存至全局数据链表,并为该点创造生命周期T;若是,则将该点云数据坐标(x′,y′)对应的全局地图坐标(x,y)权重加一;
步骤S4:辅激光雷达每循环扫描一周,该点云数据坐标(x′,y′)对应的全局地图坐标(x,y)权重减少一定量μ,其生命周期T对应减少一定量v;
步骤S5:检测全局数据链表中存储的点云数据坐标(x′,y′)对应的全局地图坐标(x,y)的权重、生命周期T以及该点距机器人的距离,当权重<2,仅保存该点数据并不转化为融合激光数据;当生命周期T<0,删除该点;当该点到机器人的距离大于阈值时,删除该点;其他情况,转化为融合激光数据。
在本发明提供的带障碍物记忆功能的多激光雷达数据融合方法的一种较佳实施例中,步骤S2所述点云数据坐标(x′,y′)转化为全局地图坐标(x,y)的公式为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于肖湘江,未经肖湘江许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811596732.6/2.html,转载请声明来源钻瓜专利网。