[发明专利]基于点云的SLAM移动机器人机场道路检测数据获取方法

权利要求书

1.基于点云的SLAM移动机器人机场道路检测数据获取方法，其特征在于，包括以下步骤：

S10，开启静态扫描；

S20，使用SLAM的动态扫描；

S30，通过水平扫描确定扫描位置和扫描角度；

S40，将具有颜色信息的数据融合；

S50，扫描具有功能匹配的注册点云；

S60，测试与分析；

S70，结果分析。

2.根据权利要求1所述的方法，其特征在于，所述使用SLAM的动态扫描为，基于2D地图从点A(x，y)的可见区域，沿移动机器人轨迹的每个潜在扫描点分配适合度得分。

3.根据权利要求1所述的方法，其特征在于，所述通过水平扫描确定扫描位置和扫描角度为，采用LiDAR扫描和增量构建的地图之间执行激光扫描匹配，获得姿态估计和环境的平面地图。

4.根据权利要求1所述的方法，其特征在于，所述通过水平扫描确定扫描位置和扫描角度为，根据Hector SLAM数据在构建的2D地图中找到当前方向上最远的点；移动机器人将其确定为本地目标位置，当移动到本地目标时，通过使用垂直的LiDAR数据避免障碍。

5.根据权利要求1所述的方法，其特征在于，所述将具有颜色信息的数据融合为，使用针孔相机模型将来自RGB相机的颜色信息映射到从激光扫描仪获得的3D点云数据上，获得融合的点云数据；使用棋盘格图案进行校准，确定摄像机的固有参数；通过测量摄像机和LiDAR之间的物理位置关系来获得变换矩阵。

6.根据权利要求5所述的方法，其特征在于，所述扫描具有功能匹配的注册点云为，通过使用随机样本共识方法消除通用特征的错误匹配，实现几何一致性；再通过匹配点云数据中的真实公共特征点，以进行初始对齐来估计每次扫描之间的平移和旋转，从而获得刚体变换矩阵；3D点云中的点与2D摄像机图像平面中的特征点之间的关系使用针孔相机模型找到；通过平面匹配算法实现最终对齐。

7.根据权利要求6所述的方法，其特征在于，所述测试与分析为，选择某个机场的全部道面和建筑物周围的室外环境作为测试平台，以验证建议的框架：首先执行高分辨率静态扫描；完成静态扫描和RGB映射后，启动动态扫描过程；水平扫描仪使用Hector SLAM收集水平距离信息，执行定位并构建2D地图；采用四个垂直扫描仪同时收集3D信息以避免障碍，并以3D方式进行预扫描以感知周围环境。