[发明专利]一种用于移动机器人的激光雷达点云运动畸变校正方法

说明书

一种用于移动机器人的激光雷达点云运动畸变校正方法，首先利用二维激光雷达采集一帧激光点云数据，与此同时，采集轮速计和惯性测量单元的数据并将两者数据融合，得到机器人融合位姿序列；已知机器人坐标系与二维激光雷达坐标系的转换关系，即可将机器人融合位姿序列转换为二维激光雷达位姿序列；通过对二维激光雷达位姿序列进行插值，得到激光点云位姿序列，该位姿序列描述了每个激光点云的运动过程；以最后一个激光点云所在坐标系为基准坐标系，利用得到的激光点云位姿序列将每个激光点云坐标转换至该坐标系下；最后重新封装激光点云数据，其中，该时间戳为最后一个激光点云的时间戳。本发明提高了移动机器人后续进行的建图精确性和定位鲁棒性。

技术领域

本发明属于机器人技术领域，尤其涉及一种用于移动机器人的激光雷达点云运动畸变校正方法，适用于智能机器人利用校正后的激光点云开展建图和定位工作。

背景技术

近年来随着机器人行业的飞速发展，各行各业对移动机器人的需求越来越广泛。因此，移动机器人需要被部署至各种行业应用中，而能够适应各种变换的环境，成本较低并且能在其中正常运作的移动机器人将受到青睐。二维激光雷达作为成本较低的环境感知设备，广泛应用于上述移动机器人中。但由于二维激光雷达采集点云数据的频率较低，移动机器人在快速平移或者旋转的过程中，采集的点云数据将会产生运动畸变，该畸变将影响移动机器人的建图精度和定位鲁棒性。

传统的移动机器人只通过轮速计对激光点云数据进行校正，其中轮速计具有较高的测量频率，可以在短时间内有效测量移动机器人的移动距离，但无法提供精准可靠的转动角度，更因为移动机器人存在轮胎打滑和颠簸情况，影响测量精度。而有的移动机器人只通过惯性测量单元校正激光点云数据，其中惯性测量单元同样具有较高的测量频率，可以精确测量短时间内移动机器人转动角度，但其测量加速度精度不足，所以无法提供位移方面的点云数据运动畸变校正。

发明内容

为了克服已有技术的不足，本发明提供了一种用于移动机器人的激光雷达点云运动畸变校正方法。通过使用扩展卡尔曼滤波融合轮速计和惯性测量单元数据，旨在校正移动机器人在快速运动过程中二维激光雷达点云数据出现的平移和旋转畸变。

本发明解决其技术问题所采用的技术方案是：

一种用于移动机器人的激光雷达点云运动畸变校正方法，所述方法包括以下步骤：

S1.利用二维激光雷达采集一帧激光点云数据，与此同时，采集轮速计和惯性测量单元的数据并将两者数据使用扩展卡尔曼滤波进行融合，得到机器人坐标系下的融合位姿序列；

S2.已知机器人坐标系与二维激光雷达坐标系的转换关系，将机器人融合位姿序列转换为二维激光雷达位姿序列，该位姿序列描述了单帧激光点云数据采集过程中二维激光雷达的运动过程；

S3.根据收到数据的时间戳和当前激光帧整体扫描时间，估计第一个激光点云时间戳，在此基础之上，根据激光点云的时间间隔，估计每一个激光点云的时间戳，针对每一个激光点云时间戳，通过与二维激光雷达位姿序列进行时间戳比对，找到其前后相邻的两个二维激光雷达位姿；

S4.利用单一激光点云前后相邻的两个二维激光雷达位姿和三者的时间戳，通过线性插值和球面线性插值分别求出对应的激光点云位姿的位移和旋转四元数，得到激光点云位姿序列，并特别记录最后一个激光点云的位姿和时间戳；

S5.以最后一个激光点云所在的坐标系为基准坐标系，利用激光点云位姿序列，将所有激光点云坐标转换至该坐标系；

S6.重新封装此一帧校正后的激光点云数据，其中该帧激光点云数据的时间戳为最后一个激光点云时间戳。

进一步，所述步骤S1中，轮速计和惯性测量单元分别能在高频率采样下局部精确地估计移动机器人位移和旋转，通过扩展卡尔曼滤波来融合轮速计和惯性测量单元两者数据。移动机器人的状态方程表示为：