一种用于自主移动机器人的多源融合感知方法及系统

技术领域

本发明涉及自主移动机器人领域，具体涉及一种用于自主移动机器人的多源融合感知方法及系统。

背景技术

自主移动机器人需要实时感知周围环境，通过传感器获取环境中的原始数据并通过算法处理解析这些环境信息，从中提取出有意义的信息使得机器人识别出环境中的障碍物、作业对象或者其他动态因素，以便进行导航、定位、避障、上下货、搬运等任务。机器人感知是机器人能够自主执行任务的重要前提之一，它可以帮助机器人更好地理解和适应环境，从而提高机器人的自主性和灵活性。同时，机器人感知也是机器人智能化的重要体现之一，它可以让机器人更加智能地与人类进行交互和合作。

传统的感知方法往往只依赖于单一传感器，如激光雷达、摄像头或超声波传感器等，这些方法在复杂或变化的环境中可能会受到限制，导致感知精度下降或无法适应环境变化。因此，有必要开发一种多源数据融合的感知方法及系统，以提高机器人的环境感知能力和适应性。

发明内容

为了解决上述问题，本发明提供一种用于自主移动机器人的多源融合感知方法及系统，解决当前机器人在复杂和动态环境中单一传感器感知精度和适应性差的问题。

本发明是通过以下技术方案来实现的：一种用于自主移动机器人的多源融合感知方法，包括以下步骤：

a)通过外部参数标定或机械结构设计参数确定激光雷达和深度相机相对于机器人中心的旋转和平移的转换矩阵T

b)使用雷达建图方法在机器人工作环境中绘制2D地图，并初始化为静态感知层，确定地图索引位置与真实坐标的计算方式；

c)在禁行区域设置虚拟墙点对数据，并通过布雷森汉姆直线算法在静态感知层上生成墙体障碍物；

d)实时接收处理机器人定位坐标数据，并更新记录；

e)读取深度相机数据，进行体素滤波以降低点云密度，通过转换矩阵T

f)从处理后的深度相机数据中筛选出地面以下高度小于3cm的点作为障碍物，并将这些数据更新到点云感知层；

g)读取激光雷达数据，将极坐标数据转换成笛卡尔坐标，利用转换矩阵T

h)根据机器人的定位坐标和设置的感知范围，选取静态感知层和点云感知层内的数据，形成融合感知层；

i)利用戴克斯特拉算法对融合感知层进行膨胀处理，以将障碍物周围一定范围内的区域也设定为障碍物；

j)将膨胀处理后的融合感知层数据提供给规划和控制模块，以进行运动避障决策。

作为优选的技术方案，其中步骤b)进一步包括根据2D地图的大小调整静态感知层数组的大小，并将数组的默认值设为未知值。

作为优选的技术方案，其中步骤c)进一步包括遍历地图的像素点，通过原点值和像素索引计算每个像素代表的实际坐标，根据像素值的大小将静态感知层对应位置设为空闲值或障碍物值。

作为优选的技术方案，其中步骤e)进一步包括使用平面提取方法得到地面的参数，并计算点云数据中每个点到地面的距离。

作为优选的技术方案，其中步骤f)进一步包括遍历点云数据，筛选出与地面的距离小于设定阈值的点作为障碍物点。

作为优选的技术方案，其中步骤g)进一步包括将激光雷达数据中每个点的极坐标(r,θ)转换为笛卡尔坐标(x,y)，方法为：

x＝r*cos(θ)

y＝r*sin(θ)。

作为优选的技术方案，其中步骤h)进一步包括对选取的静态感知层和点云感知层内的数据进行融合，以形成一个包含了所有已知障碍物信息的融合感知层。

作为优选的技术方案，其中步骤i)进一步包括对融合感知层中的每个障碍物点进行膨胀处理，将障碍物点周围一定范围内的点也设定为障碍物点。

作为优选的技术方案，步骤j)进一步包括提供膨胀处理后的融合感知层数据给规划和控制模块，该模块基于这些数据进行路径规划和运动控制，以避免障碍物。

本发明的一种用于自主移动机器人的多源融合感知系统，包括：

处理器：配置为执行一系列指令，这些指令指导自主移动机器人如何根据接收到的多源数据进行感知、决策和行动；

存储器：与处理器通信连接，存储指令和数据，其中指令在执行时促使处理器根据步骤进行操作；

至少一个深度相机：用于收集环境的深度信息，该信息被处理和转换以识别和定位周围环境中的障碍物；

至少一个激光雷达：用于提供环境的精确测距信息，通过激光扫描环境以生成环境的二维或三维地图；

定位模块：用于确定机器人在给定环境中的准确位置，支持通过融合多源感知数据来优化定位准确性；

数据融合模块：接收来自深度相机和激光雷达的数据，并通过特定算法融合这些数据，生成一个综合的、准确的感知层，以便进行更有效的环境感知和障碍物识别；

规划和控制模块：接收融合感知层数据，基于该数据进行路径规划和运动控制决策，实现机器人的运动避障和目标导航。

本发明的有益效果是：一、本发明通过融合多种传感器的信息，提高了机器人的环境感知精度和适应性，与单一传感器相比，多源融合感知方法能够更好地应对复杂和变化的环境；

二、本发明的系统架构具有良好的灵活性和可扩展性，可以根据实际需求添加或替换不同的传感器模块，以满足不同场景和应用需求；

三、通过优化数据处理算法和硬件设计，本发明的多源融合感知系统能够实现实时感知和响应，确保机器人在动态环境中能够迅速做出决策和行动。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明感知系统流程示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1所示，本发明的一种用于自主移动机器人的多源融合感知方法，包括以下步骤：

(1)确定激光雷达与深度相机相对于机器人中心的旋转和平移的转换矩阵T

(2)将2D地图数据初始化为静态感知层，确定地图索引位置与真实坐标的计算方式；

(3)将虚拟墙点对数据通过布雷森汉姆直线算法在静态感知层上生成墙体障碍物；

(4)获取机器人在地图上的定位坐标，更新记录；

(5)读取深度相机数据，利用转换矩阵T

(6)读取雷达数据，将雷达的极坐标数据转成笛卡尔坐标，利用转换矩阵TBL和机器人坐标将数据转到世界坐标系下，计算障碍物并将数据更新到点云感知层；

(7)根据机器人的定位坐标与设置的感知范围大小选取范围内的静态感知层和点云感知层形成融合感知层；

(8)对融合感知地图通过戴克斯特拉算法进行膨胀，将感知地图中障碍物周围一定范围的区域内也设置为障碍物，将膨胀后的感知地图给到规划和控制模块进行运动避障；

(9)循环进行(4)，(5)，(6)，(7)，(8)步骤，(5)，(6)不分先后。

本申请提供的融合感知方法工作方式如下：首先确定机器人的激光雷达和深度相机正常安装，通过外参标定方法或者机械结构设计参数确定激光雷达和深度相机相对于机器人中心的转换矩阵。使用雷达建图方法绘制机器人工作的室内环境2D地图。按业务需求在禁行区域设置虚拟墙点对数据。按参数初始化融合感知层、点云感知层、静态感知层；

其次系统将输入的2D地图数据和虚拟墙点对数据处理后更新到静态感知层。计算过程为：根据2D地图大小修改静态感知层数组大小，并将数组默认值设为未知值；遍历地图的像素点，通过原点值和像素索引计算每个像素代表的实际坐标，如果该像素值大于设定的空闲阈值则将静态感知层对应位置设为空闲值，如果像素值小于设定的障碍物阈值则将静态感知层对应位置设为障碍物值。遍历虚拟墙点对数据，通过布雷森汉姆直线算法计算点对数据间的线段，并将静态感知层对应位置设为障碍物。

然后系统实时接收处理机器人定位坐标数据，深度相机数据和激光雷达数据。机器人定位数据需更新记录。深度相机点云数据首先通过体素滤波降低点云密度，以减少后续计算量；然后通过转换矩阵T

x＝r*cos(θ)

y＝r*sin(θ)

然后通过转换矩阵T

最后对点云感知层、静态感知层根据机器人坐标和设置的感知范围进行融合，再使用戴克斯特拉算法对融合感知的数据进行膨胀，把感知地图中障碍物一定范围的区域也设置为障碍物；戴克斯特拉算法是一种最短路径算法，用于计算一个节点到其他节点的最短路径。它的主要特点是以起始点为中心向外层层扩展(广度优先搜索思想)，直到扩展到终点为止，在本系统中该算法用来计算障碍物到周围像素的距离，以此距离判断是否需要将领域内的点也置为障碍物点；将膨胀后的感知数据，给到规划和控制模块进行运动避障。

本发明的一种用于自主移动机器人的多源融合感知系统，包括处理器：配置为执行一系列指令，这些指令指导自主移动机器人如何根据接收到的多源数据进行感知、决策和行动；

存储器：与处理器通信连接，存储指令和数据，其中指令在执行时促使处理器根据步骤进行操作；

一个深度相机：用于收集环境的深度信息，该信息被处理和转换以识别和定位周围环境中的障碍物；

一个激光雷达：用于提供环境的精确测距信息，通过激光扫描环境以生成环境的二维或三维地图；

定位模块：用于确定机器人在给定环境中的准确位置，支持通过融合多源感知数据来优化定位准确性；

数据融合模块：接收来自深度相机和激光雷达的数据，并通过特定算法融合这些数据，生成一个综合的、准确的感知层，以便进行更有效的环境感知和障碍物识别；

规划和控制模块：接收融合感知层数据，基于该数据进行路径规划和运动控制决策，实现机器人的运动避障和目标导航。

本发明通过融合多种传感器的信息，提高了机器人的环境感知精度和适应性，与单一传感器相比，多源融合感知方法能够更好地应对复杂和变化的环境；

本发明的系统架构具有良好的灵活性和可扩展性，可以根据实际需求添加或替换不同的传感器模块，以满足不同场景和应用需求；

通过优化数据处理算法和硬件设计，本发明的多源融合感知系统能够实现实时感知和响应，确保机器人在动态环境中能够迅速做出决策和行动。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。