[发明专利]一种无人物流小车环境感知方法及系统

权利要求书

1.一种无人物流小车环境感知方法，其特征在于，包括：

通过至少两个激光雷达扫描无人物流小车周围环境信息，生成环境点云图像，所述环境点云图像包括多个点云数据，所述至少两个激光雷达的测距范围不相同；

确定所述多个点云数据中的目标地面点云集和目标非地面点云集；

通过超声波雷达获得无人物流小车第一局部环境信息，并将所述第一局部环境信息与所述目标非地面点云集进行融合，生成目标点云图像；

根据所述至少两个激光雷达分别采集所述目标点云图像中同一障碍物信息的至少两个坐标值；

将所述至少两个坐标值按照最优分布式估计融合算法进行融合，生成融合坐标值，并将所述融合坐标值作为所述障碍物信息的坐标值。

2.根据权利要求1所述的无人物流小车环境感知方法，其特征在于，所述通过至少两个激光雷达生成无人物流小车环境点云图像包括：

通过第一激光雷达扫描无人物流小车周围环境信息，生成初始点云图像；

通过GPS/IMU对所述初始点云图像进行畸变校正，生成校正点云图像；

通过第二激光雷达采集无人物流小车第二局部环境信息，并将所述第二局部环境信息和所述校正点云图像进行融合，生成所述环境点云图像。

3.根据权利要求2所述的无人物流小车环境感知方法，其特征在于，所述通过GPS/IMU对所述初始点云图像进行畸变校正包括：

通过GPS/IMU分别采集无人物流小车在所述第一激光雷达的扫描周期内当前帧的第一位姿信息以及与所述当前帧相邻的前一帧的第二位姿信息；

通过预设的坐标转换、第一位姿信息和第二位姿信息对初始点云图像进行畸变校正。

4.根据权利要求3所述的无人物流小车环境感知方法，其特征在于，所述第一位姿信息包括第一横摆角、第一俯仰角、第一航向角、位移，所述第二位姿信息包括第二横摆角、第二俯仰角、第二航向角；所述通过预设的坐标转换、第一位姿信息和第二位姿信息对初始点云图像进行畸变校正具体为：

p’＝R_ip_i+T_i

式中，p’为畸变校正后的初始点云图像中各个点云数据的坐标值；R_i为总旋转矩阵；p_i为畸变校正前的初始点云图像中各个点云数据的坐标值；T_i为位移矩阵；为姿态矩阵；C为第一激光雷达的扫描周期；[]^T为转置矩阵；t_i当前帧和与所述当前帧相邻的前一帧的时间差；为第一横摆角；为第一俯仰角；为第一航向角量；α为第二横摆角；β为第二俯仰角；γ为第二航向角；x，y，z为位移的三个坐标分量；R_x，R_y，R_z分别为位移的三个坐标分量围绕着X轴，Y轴，Z轴的旋转矩阵。

5.根据权利要求4所述的无人物流小车环境感知方法，其特征在于，所述确定所述多个点云数据中的目标地面点云集和目标非地面点云集包括：

确定初始平面模型；

确定种子地面点云集和种子非地面点云集；

对所述初始平面模型进行优化；

计算所述种子地面点云集中的点云数据与优化后的平面模型之间的正交投影距离，若所述正交投影距离小于阈值距离，则所述点云数据属于种子地面点云集，若所述正交投影距离大于或等于阈值距离，则所述点云数据属于种子非地面点云集；

判断所述初始平面模型的优化次数是否小于阈值次数，若小于，则再次对所述初始平面模型进行优化；若不小于，则停止对所述初始平面模型进行优化；所述种子地面点云集和所述种子非地面点云集分别为所述目标地面点云集和目标非地面点云集。