[发明专利]一种移动机器人在核事故复杂环境中的自主导航方法

权利要求书

1.一种移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述方法包括如下步骤：

步骤1、对辐射场分布地图进行处理，进行栅格化，得到辐射代价地图；

步骤2、对环境点云地图进行处理，投影成灰度图像，处理获得图像梯度，得到坡度代价地图；

步骤3、将所述辐射代价地图与所述坡度代价地图叠加，得到多层代价地图；

步骤4、根据所述环境点云地图以及当前雷达数据，利用Scan Context算法进行定位，获得机器人在环境中的定位信息；

步骤5、根据所述多层代价地图和所述定位信息，使用改进A*算法规划合理路径，使机器人到达目标位置。

2.如权利要求1所述的移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述辐射代价地图包括辐射警戒代价地图和辐射剂量代价地图，所述坡度代价地图包括坡度警戒代价地图和坡度移动代价地图。

3.如权利要求2所述的移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述步骤1中，所述辐射场分布地图处理过程具体包括如下步骤：

步骤1.1、选取合适的栅格大小；

步骤1.2、计算每个栅格对应位置的辐射剂量率，得到所述辐射剂量代价地图；

步骤1.3、选取辐射剂量阈值，将辐射剂量超过所述辐射剂量阈值的栅格标记为障碍物，得到所述辐射警戒代价地图。

4.如权利要求2所述的移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述步骤2中，所述环境点云地图处理过程具体包括如下步骤：

步骤2.1、对点云进行裁剪，去除高处天花板在路径规划中的无效信息；

步骤2.2、使用RANSAC算法识别地面；

步骤2.3、对所述点云进行校正，旋转所述点云，使地面与水平面重合；

步骤2.4、选取合适的栅格大小；

步骤2.5、计算栅格对应区域内的所述点云高度平均值；根据所述点云高度最大值和最小值，线性映射到灰度图像的灰度值，将所述点云投影成灰度图像；

步骤2.6、对所述灰度图像进行闭运算，填补孔洞；

步骤2.7、使用sobel算子计算0°,45°,90°和135°方向的梯度，得到4张所述坡度移动代价地图；

步骤2.8、选取梯度阈值，将坡度超过所述梯度阈值的栅格标记为障碍物，得到所述坡度警戒代价地图。

5.如权利要求2所述的移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述步骤3中，所述多层代价地图处理过程具体包括如下步骤：

步骤3.1、将所述辐射警戒代价地图和所述坡度警戒代价地图叠加，将辐射剂量超过所述辐射剂量阈值或者坡度超过所述坡度阈值的栅格标记为障碍物；

步骤3.2、所述辐射剂量代价地图和所述坡度移动代价地图单独存放，栅格内存储移动到该栅格的对应代价。

6.如权利要求1所述的移动机器人在核事故复杂环境中的自主导航方法，其特征在于，所述步骤4中，所述Scan Context算法具体包括如下步骤：

步骤4.1、将当前雷达数据的点云划分成20个环，每个环分成60等份，共1200个格子；

步骤4.2、计算每个格子里点云的最大高度值，将点云用一个二维图像scan context表示；

步骤4.3、进一步计算列的均值，得到一个1×60列向量ring key；计算行的均值，得到一个20×1行向量sector key；

步骤4.4、用所述列向量ring key构造kd-tree，并且执行KNN搜索，得到候选匹配scancontext；

步骤4.5、对所述候选匹配scan context，使用所述行向量sector key对齐，得到偏移量；

步骤4.6、对所述候选匹配scan context施加偏移量，然后比较获得机器人位置。