[发明专利]一种基于激光雷达点云数据的定位方法

说明书

本发明公开了一种基于激光雷达点云数据的定位方法，步骤如下：采集移动设备当前所在位置实时周边环境的点云数据，把点云中的各点依次相连形成多边形。对实时点云数据进行筛选处理，形成凸多边形。对凸多边形进行等距分割并采样，得到定位分割点云数据集合。根据移动设备的位姿，基于移动设备可能所在区域的已知地图，对该区域的障碍物像素点的点云数据进行采样。将障碍物像素点的点云数据转换，并把点云中的各点依次相连形成多边形。对多边形的每条边进行等距分割并采样，得到障碍物分割点云数据集合。采用ICP算法对定位分割点云数据集合和障碍物分割点云数据集合进行配对计算，得到当前移动设备的真实位置坐标和修正后的位姿数据，完成定位。

技术领域

本发明属于导航技术领域，尤其涉及一种基于激光雷达点云数据的定位方法。

背景技术

在智能机器人或无人驾驶领域，定位技术是实现路径规划、控制决策和执行任务的先决条件，对导航、避障、建图起着尤为关键的作用。定位问题可以描述为移动设备（机器人或车辆）如何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。对于采用激光雷达导航系统进行定位的移动设备来说，设备在开机时，处于定位未知的一种状态，如何可以提高此时的定位精度和定位效率是业内需要解决的问题之一。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种可以提高定位精度及效率的基于激光雷达点云数据的定位方法。

本发明的目的采用以下技术方案实现：

一种基于激光雷达点云数据的定位方法，包括以下步骤：

S1、实时点云数据采集步骤，通过激光雷达采集移动设备当前所在位置实时周边环境的点云数据；

S2、实时点云数据多边形构建步骤；基于采集到的周边环境的实时点云数据，利用点云距离信息，把点云中的各点按照角度分辨率从大到小的顺序依次相连，形成多边形；

S3、实时点云数据筛选处理步骤，对实时点云数据进行筛选处理，形成凸多边形；

S4、实时点云数据分割步骤，对凸多边形的每一条边进行等距分割，得到定位分割点云数据，对定位分割点云数据采样，得到定位分割点云数据集合；

S5、障碍物像素点的点云数据采集步骤，根据移动设备的位姿，基于移动设备可能所在区域的已知地图，对该区域的障碍物像素点的点云数据进行采样；

S6、障碍物像素点的点云数据转换步骤，将障碍物像素点的点云数据转换为基于距离信息的点云数据；

S7、障碍物像素点点云数据多边形构建步骤，基于转换后得到的障碍物点云数据，利用点云距离信息，把点云中的各点按照角度分辨率从大到小的顺序依次相连，形成多边形；障碍物像素点点云数据分割步骤，对障碍物像素点点云数据多边形构建步骤得到的多边形的每条边进行等距分割，得到障碍物分割点云数据，对障碍物分割点云数据采样，得到障碍物分割点云数据集合；

S8、定位计算步骤，采用ICP算法对定位分割点云数据集合和障碍物分割点云数据集合进行配对计算，得到当前移动设备的真实位置坐标和修正后移动设备的位姿数据，完成移动设备的定位。

进一步的，实时点云数据筛选处理步骤中，对于实时点云数据多边形构建步骤中所构建的多边形，依次检查多边形相邻的两条边，如果相邻的两条边所形成的外角小于180度，则将两条边的交点从多边形中删除，再将这两条边剩余的两个点相连，形成一个新的多边形；重复以上步骤，直至得到的多边形的两两相邻的边形成的外角均不小于180°。

进一步的，实时点云数据筛选处理步骤中，在删除障碍物的点云数据之前，还包括干扰物删除步骤，该步骤如下：对实时点云数据多边形构建步骤中所构建的多边形，如果多边形相邻的两个点之间的距离大于设定阈值，则将这些相邻的点删除，对于剩下的点按照角度分辨率从大到小的顺序依次相连。