[发明专利]融合UWB和单目视觉SLAM的煤矿井下车辆定位方法

说明书

本发明涉及煤矿井下车辆自动驾驶的技术领域，尤其是一种融合UWB和单目视觉SLAM的煤矿井下车辆定位方法，获取车辆前视摄像头图像；加载井下目标检测模型进行图像目标检测；加载ORB‑SLAM制作的全局地图；对地图关键帧和当前前视摄像头图像中同一目标ROI区域进行特征匹配；通过匹配成功的帧确定车辆位姿，读取车辆在地图中位置；将两者位置信息统一到UWB坐标系，获取位置和速度更新；通过EKF扩展卡尔曼滤波进行车辆运动量和观测量更新，最终得到UWB和视觉SLAM融合后的车辆井下定位。该该融合UWB和单目视觉SLAM的煤矿井下车辆定位方法具有实现车辆在井下高精度定位的优点。

技术领域

本发明涉及煤矿井下车辆自动驾驶的技术领域，尤其是一种融合UWB和单目视觉SLAM的煤矿井下车辆定位方法。

背景技术

目前，在类似煤矿井下封闭受限空间中，针对车辆采用无人驾驶技术实现自主智能运行的案例已经相对成熟。如在地面码头、机场、车站及工业园区等封闭场所，一些特殊车辆（如摆渡车、扫地车、搬运车等）在无人参与的情况下实现了安全高效自主运行。在矿山应用方面，国外露天煤矿自动驾驶矿卡车已经运行多年，不论是地面还是露天矿的自动驾驶车辆定位方案均依赖于GNSS（全球卫星导航系统）信号。

然而井工开拓的煤矿井下环境相较于露天煤矿存在无GNSS信号问题、视觉SLAM（同步定位与建图）“长廊效应”的问题以及UWB（超宽带通信技术）动态定位精度低的问题，“长廊效应”是指在又长又直、两侧是墙壁的长廊环境中,SLAM容易发生误匹配定位丢失的情况。因此，地面无人驾驶相关定位方案无法直接应用于煤矿井下，需结合煤矿井下特点提出一种简单高效的定位方法。

井下自动驾驶属于起步阶段，对于井下自动驾驶车辆的定位多借助于室内定位技术，室内定位技术包括蓝牙、UWB、RFID（射频识别）、红外、超声波、ZigBee（无线网上传输协议）等，其中的UWB技术目前在室内定位具有较大市场应用较为广泛，在煤矿井下车辆和人员定位也已有应用，其需要在井下布置定位基站，车辆上配置定位终端获取车辆到基站的距离，从而实现车辆在井下的定位。UWB定位通常有三种方式：信号到达角（AOA）、接收信号强度（RSS）以及信号到达时间（TOA）或信号到达时间差（TDOA）,高精度的UWB定位一般是基于时间测量来计算，采用TDOA的定位方法，则只需要考虑定位基站即参考节点之间保持时钟同步，不需要参考移动台与参考节点之间的时钟同步，实现较为容易，设备成本低。基于视觉的同时定位和地图构建（SLAM）技术近年来发展迅速，视觉SLAM研究主要分为三大类:单目、双目(或多目)以及RGBD。大多数视觉SLAM系统的工作方式是通过连续的相机帧，跟踪设置关键点，以三角算法定位其3D位置，同时使用此信息来逼近推测相机自己的姿态。主流SLAM算法包括基于EKF的卡尔曼滤波的SLAM、基于粒子滤波的SLAM和基于图优化的SLAM等。与其他的SLAM方法相比，ORB-SLAM结合EKF具有较高的定位精度和实时性。

UWB属于有源定位方法，虽然定位精度比较高，但当信号受到干扰时，会产生较大的误差。单目视觉ORB-SLAM属于无源定位方法，当环境比较单一或运动速度比较快时容易出现跟踪失败导致系统崩溃，并且该方法属于相对定位方式，定位会随着时间增加而发散。根据上述分析可以认为在复杂的室内环境下仅仅依靠某一种定位方法，很难取得鲁棒性好、精度高的定位结果。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明提出一种融合UWB和单目视觉SLAM的煤矿井下车辆定位方法，该融合UWB和单目视觉SLAM的煤矿井下车辆定位方法具有实现车辆在井下高精度定位的优点。

根据本发明实施例的融合UWB和单目视觉SLAM的煤矿井下车辆定位方法，具体步骤如下：

第1步骤、获取车辆前视摄像头图像；

第2步骤、加载井下目标检测模型进行图像目标检测；

第3步骤、加载ORB-SLAM制作的全局地图；