[发明专利]基于AprilTag与激光雷达的移动机器人自动跟随避障方法

说明书

本发明公开了一种基于AprilTag与激光雷达的移动机器人自动跟随避障方法。在通过AprilTag码定位跟随目标的三维距离的同时进行激光雷达的辅助定位，提高对跟随目标定位的精准度、可信度和鲁棒性。在激光雷达实现辅助定位的同时实现局部避障的功能，从而降低建图与定位对机器人计算资源的消耗，实现结构相对简单和硬件要求相对较低的移动机器人自动跟随和避障功能，解决在机器人在自动跟随过程中出现的目标遮挡及丢失的问题。

技术领域

本发明属于移动机器人自动跟随避障方法技术领域，特别是涉及一种基于AprilTag与激光雷达的移动机器人自动跟随避障方法。

背景技术

AprilTag是Edwin Olson于2011年提出的一种以二维图形作为视觉基准定位的方法，特点是信息量少，可识别距离大，鲁棒性高，部署环境对硬件要求限制较少，特别适合于移动机器人的目标识别和定位领域。在机器人跟随的应用场景下，可通过用常见的普通CMOS摄像头识别出AprilTag，并计算出Apriltag与摄像头之间的三维距离关系，缺点是并不能感知到周围环境的三维距离关系。

激光雷达作为可以通过激光反射时间精准判断激光发射点到激光反射点的距离，可以通过环线扫描获知机器人与周围环境的三维关系。在移动机器人自动跟随领域中通过对周围环境的感知建立环境地图，同时定位机器人自身在环境中的位置，所谓SLAM过程(Simultaneous Localization And Mapping)。在此基础上将环境信息以地图的形式存储到设备存储空间中，并同时根据环境信息识别出障碍物，进行避障动作。激光雷达环状扫描的过程由于自身基于构件向外围放射激光的物理特性，点云特征呈现近密远疏的特性，对于远处目标的点云数据较为稀疏，给识别目标带来难度。高精度高实时性大范围的SLAM方法在移动机器人的部署实现对机器人的计算能力和建图所需设备的存储能力有一定的要求，资源所需成本较高。

多传感器融合是提高移动机器人感知周围环境可靠性、鲁棒性和精度的有效手段。移动机器人领域最为常见的是相机和激光雷达的多模态融合(即RGB图像和点云数据)，但两种不同的数据进行融合可以通过融合的时间阶段的不同划分为前端数据融合、特征融合和决策融合，即前、中、后三个融合阶段。在前融合阶段，RGB数据和点云数据在采集端直接进行融合，特点是两种传感器数据融合后不会丢失，环境感知信息最为完整，但往往融合数据量较大，对后续数据处理的算法和计算能力带来较大压力；特征融合是各自分别将RGB数据和点云数据进行处理，提取相关特征后将对应特征进行融合，数据压力和计算要求相比前端数据融合较小，同时也会丢失一些前端数据特征；决策融合往往是各自将RGB数据和点云数据进行处理得出决策，在决策阶段将多源传感器的各自决策进行汇总，综合决策出最佳方案，决策融合相比前两个阶段，数据量更小，丢失信息更多，计算压力更小。

自动跟随技术作为移动机器人领域的基本功能需求之一，在当今人口老龄化和产业结构调整的环境下其应用场景的广度和重要性显著提升。移动机器人自动跟随技术在实际应用的过程中对避障功能的需求是不可避免的。高精度的自动跟随避障方法实现往往需要多传感器和复杂融合算法，需要成本较高的计算单元。目前移动机器人的普及受到成本高昂，结构复杂维护难度大等因素的制约。

发明内容

本发明目的在于解决目前移动机器人成本高昂，结构复杂维护难度大的问题。

为了实现本发明目的，本发明提供了一种基于AprilTag与激光雷达的移动机器人自动跟随避障方法，包括以下步骤：

步骤1、构建移动机器人平台，使激光雷达和相机同在移动机器人的前进方向中轴线上，并无横向上的偏移量；

步骤2、对相机进行标定，构建相机像素坐标系和世界坐标系的转换矩阵，即像素值与真实世界尺度的映射关系；

步骤3、确定移动机器人真实速度与代码控制速度的比例参数；

步骤4、在跟随目标的背后显著处粘贴AprilTag码；