[发明专利]一种用于温室巡检机器人的激光SLAM建图方法

说明书

本发明具体为一种用于温室巡检机器人的激光SLAM建图方法，解决了现有SLAM建图方法建图精度较差、计算成本较高的问题。一种用于温室巡检机器人的激光SLAM建图方法，该方法是采用如下步骤实现的；a、接收3D激光雷达、IMU及轮速计的信息，点云畸变去除后对每个激光点进行划分；b、地面分割，得到地面点云数据；c、对非地面点云数据进行点云聚类，剔除噪声点；提取面特征和边缘特征；d、特征匹配，得到位姿变换矩阵；e、将当前帧点云数据投影到世界坐标系下；f、重复执行a‑e，即可完成建图。本发明通过对点云数据进行分割、对边缘特征和面特征进行强度划分，提高了计算效率，提高了建图的精度，减少温室巡检机器人的计算负荷。

技术领域

本发明涉及机器人定位与建图技术领域，具体为一种用于温室巡检机器人的激光SLAM建图方法。

背景技术

温室巡检机器人的核心功能巡检的实现，离不开地图构建与状态估计。

现在比较成熟的技术是SLAM(同时定位与建图)，对于室内巡检机器人，建图常用的是2D激光雷达、3D激光雷达。

在温室环境中，存在大量农作物，整体环境结构密集复杂。若使用常规2D激光雷达进行建图，存在以下问题：1、由于2D激光雷达只扫描激光雷达所处的平面，激光点较少，会导致一些植物无法在地图体现或不能体现完整；2、由于点云数量少，无法有效的滤除对机器人运动产生干扰的激光点云数据，进而导致机器人自主移动时规划的路径较长。

使用3D激光雷达，其多激光线束可以更加准确的识别各种农作物，防止机器人在巡检过程中对农作物造成碾压、撞击等破坏，其次，通过对3D激光雷达生成的点云数据进行优化滤除，可以减少环境中存在的伪障碍物，如散乱的农作物枝干、叶片，优化机器人的巡检路线。

但是3D激光雷达建图也存在一些问题，如点云数据量过大，导致机器人计算效率低；其次，由于温室环境结构特征比较杂乱，可能导致建图鲁棒性降低。基于此，有必要发明一种用于温室巡检机器人的激光SLAM建图方法，能够提高建图精度，降低机器人计算成本。

发明内容

本发明为了解决现有SLAM建图方法建图精度较差、计算成本较高的问题，提供了一种用于温室巡检机器人的激光SLAM建图方法。

本发明是采用如下技术方案实现的：

一种用于温室巡检机器人的激光SLAM建图方法，该方法是采用如下步骤实现的：

步骤a：温室巡检机器人接收3D激光雷达、IMU及轮速计的信息，通过数据结合的方式进行点云畸变去除，而后利用3D激光雷达的线束对去畸变后的点云数据中的每个激光点进行划分，将位于相同线束上的点划分在一起；然后将位于方向朝下的线束上的激光点集合在一起，形成待地面分割的点云数据；

步骤b：将待地面分割的点云数据进行地面分割，得到地面点云数据，并将去畸变后的点云数据中的其他点划入非地面点云数据；

步骤c：通过聚类算法对非地面点云数据进行点云聚类，剔除噪声点；接着提取剔除噪声点后的非地面点云数据的面特征和边缘特征；

步骤d：根据提取的面特征、边缘特征将连续帧点云数据进行特征匹配，进而得到在激光雷达坐标系下的连续帧点云数据的位姿变换矩阵；

步骤e：根据位姿变换矩阵将当前帧点云数据投影到世界坐标系下，由此构建温室巡检机器人的子地图；

步骤f：重复执行步骤a-步骤e，即可完成温室巡检机器人的激光SLAM建图。

进一步地，步骤a中点云畸变去除的具体步骤为：首先根据IMU的加速度、角速度和轮速计的速度得到每个激光点采集时刻的3D激光雷达位姿，而后将每个激光点投影到同一个位姿下，然后封装成一帧激光数据发布出去，由此得到去畸变后的一帧点云数据。