[发明专利]一种基于多传感器融合的电缆沟智能巡检机器人建图方法

权利要求书

1.一种基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述方法包括以下步骤：

步骤1、采集巡检机器人内部传感器和外部传感器的观测信息，获得巡检机器人的定位；

步骤2、根据RBpf-slam算法在自身定位的基础上建立环境地图，获得位姿和地图的联合分布公式，其中，所述建立环境地图包括将所述的观测信息均转换为激光数据格式并进行坐标变换；

步骤3、通过采样、计算权重、重采样和地图估计实现不断迭代来估计每一时刻巡检机器人的位姿算法。

2.如权利要求1所述的基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述步骤1包括：

基于巡检机器人的内部传感器的观测信息获得里程计；

基于巡检机器人的外部传感器的观测信息获得观测数据；

所述内部传感器的观测信息为巡检机器人控制信息，所述外部传感器的观测信息为巡检机器人测量得到的障碍物信息，包括激光雷达测得的激光信息、深度相机测量得到的深度信息和超声波测量得到的距离信息。

3.如权利要求2所述的基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述里程计计算如下：

u_1:k＝(u₁,u₂,…,u_k)

式中，u_t表示巡检机器人控制信息，所述控制信息是巡检机器人在k-1到k之间左右轮子的速度；

所述观测数据是巡检机器人路过全部障碍物信息，计算如下：

z_1:k＝(z₁,z₂,…,z_k)

式中，z_t表示障碍物信息。

4.如权利要求1所述的基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述位姿和地图的联合分布公式如下：

P(X_1:k,M|z_1:k,u_1:k-1)＝P(M|X_1:k,z_1:k)·P(X_1:k|z_1:k,u_1:k-1)

式中，X_1:k＝(X(1),X(2),…,X(k))表示巡检机器人整个k时间的位姿向量，M＝(M(1),M(2),…,M(k))表示巡检机器人运动的整个过程中观测得到的周围障碍物位姿信息，P(X_1:k|z_1:k,u_1:k-1)表示巡检机器人得到初始位姿后预测下一时刻机器人位姿后验概率密度分布，P(M|X_1:k,z_1:k)表示将巡检机器人预测的位姿后验概率密度分布结合所述观测数据来预测得到电缆沟内部障碍物地标位姿地图概率密度分布。

5.如权利要求1所述的基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述建立环境地图包括以下步骤：

步骤1、获取激光数据信息和伪激光数据信息；

步骤2、进行巡检机器人的坐标变换，包括所述外部传感器与巡检机器人本体坐标变换、巡检机器人全局坐标框架与局部坐标框架坐标变换。

6.如权利要求5所述的基于多传感器融合的电缆沟智能巡检机器人建图方法，其特征在于，所述激光数据信息是所述激光雷达测得的以激光雷达原点为中心而获得的激光信息、所述伪激光数据信息是将所述深度信息和所述距离信息转换成对应的激光数据格式。