[发明专利]一种基于激光雷达的AGV室内地图构建方法及系统

说明书

本发明公开了一种基于激光雷达的AGV室内地图构建方法及系统，系统包括数据采集部分、控制部分和地图构建部分，数据采集部分包括激光雷达、里程计和数据采集单元，控制部分包括直流电机、电机驱动模块和控制单元，地图构建部分包括地图构建单元和数据处理单元，数据采集单元、控制单元和地图构建部分组成主控平台系统。通过扩展信息滤波算法(EIF‑SLAM)结合激光雷达和里程计信息构建栅格地图，在保证地图精度的前提下提高了AGV在室内未知环境中的实时地图构建效率。

技术领域

本发明涉及AGV导航技术领域，特别涉及一种基于激光雷达的AGV室内地图构建方法及系统。

背景技术

AGV(Automatic Guided Vehicle)，即自动导引运输车，其多用于汽车、码头电商、仓储、物流等需搬运人力需求较大的企业。通过AGV配合各类机械臂实现货物的自动装卸和搬运，彻底将人力从搬运环节解放出来，减少企业的职工需求，降低人力成本。

AGV在未知环境中需要进行自主导航，这时拥有环境地图尤为重要。在未知环境中，利用自身传感器的数据同时进行定位和建图，同时利用已创建的地图进行实时定位，这就是机器人的即时定位与地图构建(SLAM)。从SLAM问题的最初提出到发展，计算效率和定位精度一直是研究重点。在基于特征的SLAM算法中，扩展卡尔曼滤波算法(EFK-SLAM)的计算复杂度与环境特征个数呈二次方关系，只能在特征点个数小于几百的环境中应用，具有一定的局限性。研究人员在过去的几十年里不断改进，在保证定位精度的前提下提出了不同的SLAM算法。包括压缩扩展卡尔曼滤波算法(CEKF-SLAM)、粒子滤波算法(Fast-SLAM)、扩展信息滤波算法(EIF-SLAM)、稀疏扩展信息滤波算法(SEIF-SLAM)等。

在移动机器人定位方面，定位精度取决于传感器的精度。一般的传感器例如激光雷达传感器、视觉传感器、超声波传感器、里程计、陀螺仪等都存在着噪声，但是不同传感器之间获取的信息不同，将多传感器的信息进行融合，可以提高精度。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于激光雷达的AGV室内地图构建方法，采用扩展信息滤波算法(EIF-SLAM)结合激光雷达和里程计数据在保证地图精度的前提下用信息矩阵方式提高了位置估计和更新过程中的计算效率。

本发明的另一目的在于提供一种基于激光雷达的AGV室内地图构建系统。

本发明的目的通过以下的技术方案实现：

一种基于激光雷达的AGV室内地图构建方法，包括以下步骤：

S1、激光雷达探测周围环境数据形成360°二维点云数据，同时收集里程计信息；

S2、采集激光雷达探测的数据和里程计数据进行预处理，随后利用扩展信息滤波算法进行位姿估计和更新，并将数据上传到地图构建单元；

S3、地图构建单元利用处理后的激光雷达和里程计数据以设置频率实时建立栅格地图并保存在本地，其中栅格地图用于后续机器人运行时的导航地图。

优选的，步骤S2中，激光雷达数据预处理过程方法为：

从获取的360°二维点云数据中选取AGV正前方180°范围内的二维点云数据，所得环境坐标向量为：

z^k＝(d_k,θ_k)k＝1,2,3,…,N

其中：z^k为点云数据集，d_k为激光雷达在θ_k角度上获取的距离值。

优选的，步骤S2中，里程计数据预处理得到机器人运行速度、转动角度和运动方程，具体方法为：