一种基于三维激光雷达的定位导航方法

技术领域

本发明属于AGV定位导航领域，具体而言，是一种基于三维激光雷达的定位导航方法。

背景技术

激光雷达技术广泛应用在移动机器人、AGV和无人驾驶领域，现在AGV领域主要使用二维激光雷达进行定位导航，可以获得较高的定位精度，但是对于环境的依赖性较大；但是对于复杂多变的环境，二维激光雷达的信息获取有限，对于环境的有效特征不能充分利用，故不同的环境定位导航精度波动较大。

在AGV作业过程中二维激光雷达不能获取障碍物的三维点云信息，仅可获取到二维激光雷达同一平面的点云信息，在复杂多变的环境中导航作业存在很高的风险。

发明内容

为了解决上述问题，本发明公开了一种基于三维雷达定位导航方法，利用环境特征进行定位与建图，可以充分利用环境的有效信息，提高定位导航信息的精度、稳定性以及导航信息的完备性。

为了达到上述目的，本发明的技术方案如下：一种基于三维激光的定位导航方法，包括有：AGV车体部分、三维激光雷达SLAM定位部分和AGV导航部分。

步骤1：采用了LOAM的关键算法对三维点云进行同步定位与建图，获取实际作业环境的三维点云地图。

S1、对输入点云进行滤波，根据曲率大小区分提取特征点，选出曲率大的边缘点和曲率小的平面点。

S2、根据提取的特征点进行相邻两帧点云的特征匹配，获取精度较低的高频的激光里程计信息。

S3、根据前述的特征点，进行数据帧与子地图的点云特征配准，获取精度较高的低频里程计信息。

S4、对低频高精度里程计信息与高频低精度的里程计信息，进行双频数据的融合处理，获取高精度高频率的里程计信息。

步骤2：利用octomap_server技术将三维点云地图转化为二维栅格地图。

步骤2过程是基于八叉树的方法将PCD点云转化为octomap，后进行投影处理获取二维栅格地图。

步骤3：采用Ray Ground Filter算法分割三维激光产生的地面点云和环境点云。

S1、Ray Ground Filter算法的核心是以射线（Ray）的形式来组织点云。

S2、将点云的(x, y, z)三维空间降到（x, y）平面来看，计算每一个点到车辆正方向(x轴)的平面夹角θ, 对360度以激光雷达的角度分辨率进行微分，同一夹角上的n线激光雷达应该由n束射线。

S3、为了方便对同一角度的线束进行处理，要将原来直角坐标系的点云转换成柱坐标描述的点云数据结构。

S4、对同一夹角的线束上的点，按照半径的大小进行排序，通过前后两点的坡度是否大于我们事先设定的坡度阈值，从而判断点是否为地面点。

步骤4：使用move_base导航算法对AGV进行全局路径规划、局部路径规划以及避障处理。

move_base是在ROS上运行的节点，用于配置、运行和与机器人上的导航功能包进行交互。

S1、编写yaml文件，配置插件参数，使用move_base订阅步骤1的里程计和tf信息、订阅步骤2生成的栅格地图、订阅步骤3生成的环境点云。

S2、配置全局规划、局部规划与行为恢复，配置AGV的速度、加速度和位置参数。

下面结合附图对本发明做进一步说明。

附图说明

图1为本发明的流程图简图，对本发明的算法流程进行说明。

图2为本发明的系统框图。

图3为Ray Ground Filter算法的示意图。

图4为move_base导航框架图。

图5为本发明在ROS下的节点图。

具体实施方式

下面结合附图对本发明作进一步详细的说明。

图2为本发明的系统框图，本系统基于ROS测试，包括AGV车体、三维激光雷达、SLAM定位模块和AGV导航部分。

步骤1：Loam模块订阅仿真环境中三维激光雷达发布的点云话题，进行同步定位与建图，获取实际作业环境的点云地图。

步骤2：利用octomap_server技术将三维点云地图转化为二维栅格地图并保存，AGV导航时使用。

步骤3：采用Ray Ground Filter算法分割三维激光产生的地面点云和环境点云。

Ray Ground Filter算法的核心是以射线的形式来组织三维点云，这样方便下一步处理。

S1、将点云的(x, y, z)三维空间降到（x, y）平面，计算每一个点到车辆正方向(x轴)的平面夹角θ, 对360度以激光雷达的角度分辨率进行微分，如图3所示。

同一夹角上的n线激光雷达应该由n束这样的射线。

S2、如图3所示：为了方便对同一角度的线束进行处理，要将原来直角坐标系的点云转换成柱坐标描述的点云数据结构。

为了方便地对点进行半径和夹角的表示，将PCL库中激光雷达点云的数据结构 (pcl::PointCloudXYZI)，通过R=

S3、对同一夹角的线束上的点，按照半径的大小进行排序，通过前后两点的坡度是否大于我们事先设定的坡度阈值，从而判断点是否为地面点。

图4是move_base导航框架图。

move_base提供了ROS导航的配置、运行、交互接口，它主要包括两个部分：全局路径规划：根据给定的目标位置进行总体路径的规划；本地实时规划：根据附近的障碍物进行躲避路线规划。

S1、move_base订阅Loam模块发布的高频高精度的里程计信息。

S2、move_base订阅步骤2产生的二维栅格地图。

S3、move_base订阅Ray Ground Filter算法节点发布的不含地面点云的环境点云，用于本地实时的路径规划。

S4、编写yaml文件，配置控制器插件参数。

S4、move_base订阅发布的目标位置的请求，并且输出AGV的控制指令。

图5是本发明在ROS中进行仿真时的计算图。

图5中gazebo发布三维点云数据 velodyne_points话题分别有两个订阅者ScanRegistration和Ray_Ground_Filter。

ScanRegistration对输入点云进行滤波，根据曲率大小区分提取特征点，选出曲率大的边缘点和曲率小的平面点，然后将特征点话题发布给下一个节点。

Ray Ground Filter算法分割三维激光产生的地面点云和环境点云，将分割后的点云话题发布。

ScanRegistration节点发布的话题被 LaserOdometry节点订阅，实现运动补偿和两帧数据间配准，得到一个高频低精度的里程计信息，同时将里程计数据、环境点云和特征点云，发布给下一个节点laserMapping。

laserMapping节点根据前述的特征点，进行数据帧与子地图的点云特征配准，获取精度较高的低频里程计信息，并构建三维点云地图；对低频高精度里程计信息与高频低精度的里程计信息，进行双频数据的融合处理，获取高精度高频率的里程计信息。

move_base节点订阅 octomap_server保存的二维栅格地图、Ray_Ground_Filter地面点云分割后的环境点云和loam模块发布的高频高精度的里程计信息。

通过以上操作可以实现基于三维激光的定位导航。

应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下，还可以做出若干变形和改进,这些都属于本发明的保护范围。