[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

说明书

本发明公开了基于点云的SLAM移动机器人机场道路检测数据获取方法，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。本发明使点云数据采集过程自动化；即使连续扫描之间的重叠区域很低，也不需要在点云中使用目标或特征，它仍然可以工作；重建大型站点所需的扫描次数较少，从而减少了数据收集的时间和成本。

技术领域

本发明属于三维点云技术领域，涉及一种基于点云的SLAM移动机器人机场道路检测数据获取方法。

背景技术

3D激光扫描技术又可理解为实景复制技术，是测绘领域继GPS技术之后的一次技术革命，是近几年出现的新技术，利用激光测距的原理，通过记录被测物体表面大量的密集的点的三维坐标、反射率和纹理等信息，可快速复建出被测目标的三维模型及线、面、体等各种图建数据。由于三维激光扫描系统可以密集地大量获取目标对象的数据点，因此相对于传统的单点测量，三维激光扫描技术也被称为从单点测量进化到面测量的革命性技术突破。三维激光扫描技术能够提供扫描物体表面的三维点云数据，因此可以用于获取高精度高分辨率的数字地形模型。

激光扫描点云技术广泛适用于各种需求三维数据的行业，如汽车工业、飞机工业、摩托车外壳及内饰、家电，雕塑等。其中，在飞机工业领域，激光扫描点云技术用以获取机场和机场基础设施的3D几何信息，这种技术采用非接触式测量，可以重新构建三维物体表面，速度快、精度高、真实感强，能非常真实准确的得到空间采样点。依托3D点云数据获得机场跑道的平整度、光滑度、坡度以及损坏度等四大重要指标可以节省大量的人力以及有效提高准确率，成为机场道路安全保障的一大重要科学检测及维护的关键性手段。其中，平整度反映了机场道路上各个区域与理想平面之间的偏差程度；而机场道路异物则是指出现在道面上的碎石、废弃金属等外来物来衡量光滑度；坡度分为横向坡度和纵向坡度，对飞机起飞的稳定性产生影响的主要是纵向坡度；损坏度的种类和程度具有不可抗因素以及类型多样性。这些指标的不合格会危害机身结构，影响飞机的起降安全，给机场工作人员及乘客的生命安全带来隐患。

随着激光扫描和摄影测量技术的飞速发展，大小型机场频繁收集几何数据的目的是为了提高可施工性，生产力和现场安全性。然而，由于在典型的机场道路施工中通常存在许多闭塞，传统的静态激光扫描方法受到操作限制。要获得对机场道路地面的完整扫描且不会丢失信息，则需要从施工地周围的多个扫描位置进行激光扫描，这还需要额外的工作来注册每个扫描的点云。作为此问题的替代解决方案，本发明介绍了一种自动移动机器人，该机器人基于不断更新的点云图导航扫描站点。该移动机器人系统利用2D Hector同时定位和(SLAM)技术来估计机器人在xy平面上的实时位置和方向。然后，将2D定位信息用于实时创建未知环境的3D点云，以将其导航路径确定为预扫描过程。该框架的优点是能够确定最佳扫描位置和扫描角度，以减少扫描时间，并减少了实时收集高分辨率点云数据的工作量。移动机器人系统能够捕获具有测量质量的RGB映射的点云数据，并自动注册扫描以进行站点的几何重建。整个系统的性能在室内环境中进行了测试，并获得了可喜的结果。

并发建图与定位(SLAM)是一种使机器人能够估计其当前位置和方向以及环境图的方法：首先，移动机器人能够通过传感器获取周围环境信息，然后再通过传感器获取的当前和历史信息，推测出自身的位置和姿态，最后描绘出自身所处环境的样貌。感知是SLAM的必要条件，只有感知到周围环境的信息才能够可靠地进行定位以及构建环境的地图；而定位和建图则是一个相互依赖的过程：建图依赖于可靠地定位。视觉SLAM的优势在于，与激光扫描仪相比，相机相对于更加便宜，更轻且每单位仪器功耗更低。此外，视觉SLAM能够检测未知环境中使用激光扫描仪难以检测到的物体的颜色和其他视觉特征。尽管具有优势，但仍存在一些局限性，例如：视觉SLAM会在远距离产生错误，容易受到光照条件的影响。