[发明专利]一种基于数据挖掘的地理环境特征地图构建与导航方法

说明书

技术领域

本发明属于自动控制领域，具体涉及一种地面无人移动平台的地理环境地图构建与导航方法。

背景技术

地面无人移动平台是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。地面无人移动平台的机动性与智能化程度取决于它的自主导航能力，而准确、快速的自主导航功能则是建立在精确的地理环境的地图信息基础上的。因此研究先进的地理环境地图构建与导航的方法能够为增强地面无人移动平台的智能化，为其现代化应用打开局面。

现有的基于地面无人移动平台的地理环境地图构建与导航方法包括如下：

（1）3D激光点云的处理。该方法一般是在柱坐标系下一定距离范围内进行可通行性分析。然而3D激光雷达点云数据具有近密远疏的特性，在进行可通行性分析时，远处稀疏点容易被忽略，而且点云数据不能够理想分类，从而导致在提取地形特征表征出现较大误差。

（2）3D激光点云数据与摄像头图像信息的匹配与融合。该方法一般是按照摄像头与激光雷达坐标匹配后的结果直接将数据合并，或者只采用激光雷达与摄像头，激光雷达与里程计等少量数据源进行融合。由于匹配与融合的数据源较少，无法保证匹配的准确度。

（3）SLAM即时定位与地图构建。SLAM方法可以描述为:地面无人移动平台在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和传感器数据进行自身定位,同时建造增量式地图。SLAM方法大致可分为两类：一类为基于概率模型的方法，另一类为非概率模型方法。许多基于卡尔曼滤波的SLAM方法如完全SLAM、压缩滤波、FastSLAM就属于概率模型方法。非概率模型方法有SM-SLAM、扫描匹配、数据融合(data association)、基于模糊逻辑等。在使用SLAM方法进行定位时，需要添加人工路标，同时在进行位置移动时，计算复杂且计算量大。

基于现有的上述方法在进行地图构建与导航时，无法保证地面无人移动平台的准确度，同时复杂的算法以及巨大的计算量无法满足现代化的要求。

发明内容

有鉴于此，本发明的目的在于提出一种地面无人移动平台的地理环境地图构建与导航方法。该方法能够保证所构建的全局地图的准确性，同时能够降低计算的复杂程度，使计算量减少。

为达到上述目的，本方法包括如下步骤：

步骤一、获取当前时刻地面无人移动平台周围环境的3D激光点云以及全景图像；

步骤二、对3D激光点云和全景图像进行处理并匹配，获得地面无人移动平台周围环境中各物体的特征向量，所述特征向量同时包含3D激光点云和全景图像所表征的物体特征；

步骤三、将步骤二中得到的每一物体的特征向量均输入至神经网络，神经网络将所有的物体的特征向量进行归类，最终输出特征环境模型；

步骤四、依据特征环境模型建立当前时刻局部地图，若当前时刻已有局部地图，则将已有局部地图与特征环境模型进行匹配，判断若特征环境模型中具有与局部地图不匹配的环境特征，按照特征环境模型更新该局部地图；

步骤五、根据地面无人移动平台的当前时刻的位置以及预测的下一时刻的位置，按照根据此时的局部地图选择合适的路线进行行驶；

步骤六、经过上述五个步骤之后，对地面无人移动平台进行位置评估，判断地面无人移动平台是否达到最终目标，若未达到最终目标，则返回步骤一；若已达到最终目标则该流程结束，最终的局部地图为全局地图。

进一步地，上述步骤二按照如下具体步骤进行：

步骤201、根据3D激光点云中各点的坐标信息对各点进行粗分类，获得每个子类的特征值；

步骤202、对于所有子类的特征值进行聚类，将该聚类结果记为点云分类，将3D激光点云中各点划分入其对应的点云分类中，使用点云分类描述地面无人移动平台周围环境中的各物体；

步骤203、获取每一点云分类的边缘特征点，将每一点云分类的边缘特征点映射到全景图像的坐标系下；在全景图像的坐标系下，利用计算几何中的目标边界多边形表示算法，将每一点云分类依据其边缘特征点划分多边形，获得点云多边形；

步骤204、对全景图像进行边缘特征点检测，根据检测结果进行图像划分，该划分结果记为图像分类，使用图像分类描述地面无人移动平台周围环境中的各物体；采用计算几何的目标边界多边形表示算法，将每一图像分类依据其边缘特征点划分多边形，即为图像多边形；