深度视觉相机与激光雷达融合的导航方法、系统及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113848561A(43)申请公布日2021.12.28(21)申请号202111146005.1(22)申请日2021.09.28(71)申请人中通服创立信息科技有限责任公司地址610000四川省成都市高新区神仙树北路14号(72)发明人梁贵轩马焱坤周可佳(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王宝筠(51)Int.Cl.G01S17/86(2020.01)G01C21/20(2006.01)权利要求书2页说明书5页附图1页(54)发明名称深度视觉相机与激光雷达融合的导航方法、系统及设备(57)摘要本发明公开了一种深度视觉相机与激光雷达融合的导航方法，包括：S1利用深度视觉相机和激光雷达获取信息，并根据该信息生成地图；S2在生成的地图中对自身即时位置进行定位；S3规划从自身即时位置到目的地的路径。将两种传感器所得到的信息进行汇总，以激光雷达数据为主，辅助增加深度视觉摄像头提供的轮廓、大小、相对位置等信息后，可以在粒子权重估算方面得到更准确的权重值，从而构建更准确的地图，使得导航更加精确。CN113848561ACN113848561A权利要求书1/2页1.一种深度视觉相机与激光雷达融合的导航方法，其特征在于包括：S1利用深度视觉相机和激光雷达获取信息，并根据该信息生成地图；S2在生成的地图中对自身即时位置进行定位；S3规划从自身即时位置到目的地的路径。2.根据权利要求1所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于步骤S1包括：S11设定粒子数量，并通过激光雷达将粒子平均分布在规划区域内；S12根据状态转移方程对每个粒子进行状态估计，从而产生与之对应的预测粒子；S13将深度视觉相机采集到的信息与激光雷达采集到的信息进行叠加获得更精确的预测粒子，并对预测粒子进行评价并赋予相应的权重，权重大小和其与真实值的差距成反比，即与真实值的差距越小权重越大；S14对预测粒子进行筛选，保留权重大于设定值的预测粒子，部分保留权重小于设定值的预测粒子，并添加新的预测粒子使得预测粒子的总量不变；S16选取最优预测粒子，利用激光雷达采集的信息构建2D地图，并在按照2D地图运动的过程中利用深度视觉相机采集的信息构建3D地图。3.根据权利要求2所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于所述步骤S12中状态转移方程为：P(:,i)＝P(:,i)+distance*[‑cos(k*theta)；sin(k*theta)]+wgn(2,1,10*log10(Q))Idist＝norm(P(:,i)‑Z(:,k))IIw(i)＝(1/sqrt(R)/sqrt(2*pi))*exp(‑(dist)^2/2/R)IIIP(:,i)为粒子群；theta＝pi/T表示旋转角度(T为测量时间)；k为当前时间；Q为过程噪声；Wgn为高斯白噪声计算函数；Norm函数，在向量空间里对向量赋予长度和大小；R为测量噪声；Sqrt求平方根函数；Exp指数函数。4.根据权利要求2所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于步骤S13中，将深度视觉相机采集到的信息与激光雷达采集到的信息进行叠加包括：S131对激光雷达采集的数据进行分析，得到规划区域中障碍物的距离信息；S132对深度视觉相机采集的数据进行分析，得到规划区域中障碍物的旋转角度信息；S133融合距离信息和旋转角度信息。5.根据权利要求4所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于所述步骤S133包括：设深度视觉相机获取的旋转角度信息为ZV，激光雷达获取的距离信息为ZL；若可配对，则2CN113848561A权利要求书2/2页式中：从公式IX中可以获得其协方差矩阵：ijij式中：EL,EV分别是ZL,ZV的协方差矩阵；ij2根据ZL,ZV之间的马氏距离的X验证进行相容性判断：式中：d＝rank(hij),α为可信度；i当出现Lt与Vt中有多个特征相匹配时，则选取与其距离最近的特征作为最佳匹配；通过基本的扩展卡尔曼滤波进行信息融合：6.根据权利要求2所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于还包括滤波步骤S15，所述滤波步骤S15包括：循环执行步骤S12、步骤S13、步骤S14。7.根据权利要求1所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于：所述步骤S2采用AMCL来实现。8.根据权利要求1所述的一种深度视觉相机与激光雷达融合的导航方法，其特征在于：所述步骤S3采用move_base来实现。9.一种导航系统，其特征在于：包括深度视觉相机和激光雷达，并采用权利要求1～8中任意一项所述的导航方法进行导航。10.一种智能设备，其特征在于：装配有权利