[发明专利]考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法

说明书

本发明公开了一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法，该方法包括：步骤1，通过激光点云数据的几何特性，提取符合预设曲率特征的点云作为特征点，建立同一特征点在两帧相邻时刻点云数据中的匹配关系，并构建代价函数，以轮式机器人位姿为变量构造ICP问题，获得轮式机器人位姿信息；步骤2，检测候选动态障碍物；步骤3，估计动态障碍物状态。本发明不需要结合多传感器，在使用单一传感器的前提下进行动态障碍物检测目的，使系统更加高效，而且安全性更高。

技术领域

本发明涉及激光雷达障碍物检测技术领域，特别是关于一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法。

背景技术

现如今，在人工智能高速发展的推动下，机器人技术正从传统工业制造向教育娱乐、医疗服务和勘探勘测方向迅速扩展，甚至也影响着自动驾驶等交叉领域。这些科技应用不断进步使得人们生活越发便捷。在众多驱动方式不同的机器人中，轮式机器人(WMR)由于其机械结构成熟，被广泛应用在了各行各业，例如物流机器人、仓储机器人和扫地机器人等。其中，智能机器人系统便为其核心组成部分，具有重要的研究意义。

智能机器人系统主要由三大技术部分组成，即环境感知、决策规划和运动控制，是一种综合性的智能控制系统。为保证安全，完成作业任务，机器人的避障功能必不可少，如扫地机器人智能避障功能和自动驾驶汽车主动防撞技术等，而这些需求都离不开障碍物检测这一关键技术。

障碍物检测技术通常基于视觉传感器或激光传感器所开展，但由于单目相机在尺度上的模糊性以及双目相机在深度估计方面的范围局限性，不适用于机器人的实时避撞过程。而激光雷达由于测量精度高、测距范围广的特性常被作为主要感知传感器，应用到移动机器人及无人驾驶汽车上。

随着机器人应用场景的复杂性不断提升，在机器人运动过程中不仅需要对障碍物进行准确检测，同时也需要对障碍物的运动状态做进一步预测，根据障碍物的预测轨迹，从而使机器人在路径规划过程中更新安全路线以避免碰撞。根据运动状态不同，可将障碍物分成两类，一是静态障碍物，如建筑物和绿化带等，机器人与静态障碍物的相对速度来源于机器人自身运动；而机器人与动态障碍物的相对速度不仅取决于自身速度，还取决于动态障碍物的运动状态。如何最大限度地估计障碍物状态，以实现最高效安全的避障，仍是一个待研究的课题。现有方案主要有两种：一是结合深度学习技术，在提取出环境语义信息的基础上，判断障碍物是否为可能运动的物体，如行人、车辆，从而进行避障优先级决策。但其无法在不知晓机器人自身运动状态前提下仅利用单帧信息估计出障碍物运动状态，此外，深度学习技术强依赖于其训练数据库，需要并行计算加速，硬件成本高，环境适应性低，并非是障碍物检测技术落地的首要之选。二是将多源传感器信息结合，如激光雷达结合轮式编码器或惯性导航单元在推算出机器人自身运动状态的同时，对障碍物进行有效跟踪，从而进行避障规划。

为降低系统硬件拓扑复杂度，提高系统可靠性，通常希望复用少量传感器实现多目标功能。目前基于单一传感器的动态障碍物识别方法仍不成熟，相关理论仍有待进一步完善。

发明内容

本发明的目的在于提供一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法，该方法包括：

步骤1，通过激光点云数据的几何特性，提取符合预设曲率特征的点云作为特征点，建立同一特征点在两帧相邻时刻点云数据中的匹配关系，并构建代价函数，以轮式机器人位姿为变量构造ICP问题，获得轮式机器人位姿信息；

步骤2，根据步骤1获得的轮式机器人的位姿信息，检测候选动态障碍物；

步骤3，根据步骤2检测得到的候选动态障碍物，估计动态障碍物状态。

进一步地，步骤1中，所述提取符合预设曲率特征的点云作为特征点的方法具体包括：