[發明專利]一種災后救援環境下含受困人員位置信息的情景地圖構建方法

在審

• 申請號: 202010319435.8
• 申請日: 2020-04-22
• 公開（公告）號: CN111459166A
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 于乃功;鄭相國;廖詣深;馮慧
• 申請（專利權）人: 北京工業大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G01C21/00;G01C21/16;G01S17/86;G01S17/89;G06T17/05
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明提出了一種災后救援環境下含受困人員位置信息的情景地圖構建方法，主要應用于災后探測機器人上，完成災后事故現場地圖構建及在地圖上標定需要營救人員的位置等任務。具體流程包括：以搭載激光雷達，里程計，陀螺儀及深度攝像頭的履帶式機器人為主體。通過先驗地圖設定環境探索路徑，實現機器人自主地在環境中進行激光建圖與搜索任務。建圖過程中，對采集到的圖像進行人員檢測，根據檢測結果得到對應檢測目標的像素中心。并結合對應的深度信息和當前機器人的位置，通過三維定位模型推算目標人員在世界坐標系中的位置，并標定在地圖上。該方法可為救援人員提供受困人員災后救援環境的位置信息，可高效地開展求援任務，有效避免二次傷亡。

技術領域

本發明屬于災后救援環境下的情景地圖構建技術領域。具體涉及一種對災害救援現場進行地圖構建并根據受困人員位置確定人員情景認知地圖的方法。

背景技術

近年來，隨著各類災害的頻發，以及機器人技術的廣泛應用，國家開始研制用于特種作業的救援機器人，通過針對具體的災害現場，及時有效的了解災害情況，從來完成搜救與探測任務，保證生命和財產安全。

災害現場主要針對火災、有毒有害氣體，以及放射性物質的環境，在各類災害現場下，機器人主要實現對復雜且危險的外界環境的進行探索和偵探，從城市高層建筑，到各類地下工廠，當突發災害后，使得現場會伴隨各類隱患，針對救援人員無法深入偵查和搜救的現場，且又急于了解災害情況的時候，救援機器人將有效代替搜救人員，完成救援現場的偵查和搜救工作，從而有效的避免二次傷亡，及時了解現場情況，為下一步救援工作的實施做出準備。

在危險復雜的災后環境下，基于激光以及視覺的災后情景地圖的構建，能有效協助求援人員完成傷員的搜救，幫助救援人員制定更為安全可靠的營救方案。

在復雜環境下，對于外界環境的認知是探測機器人最需關注的部分。在機器人操作系統(ROS)框架中的激光算法Cartographer是建圖效果最為出色的。Cartographer算法通過單線激光雷達掃描環境信息，使用激光雷達SLAM技術構建地圖，最后在RVIZ(ROS的3D可視化工具)中，實時顯示地圖建立的效果和機器人定位效果。該算法具體實現的SLAM技術，能建立起二維柵格地圖，算法內部使用圖優化理論和Ceres solver非線性求解器求解，對硬件的要求很低，只需普通性能的激光雷達和處理器，即可較好地完成定位和建圖的工作。如果激光雷達在一個不穩定的平面安裝時，可以提供IMU將雷達數據投影到地圖平面上來提高雷達數據的穩定性。Cartographer算法構建的地圖分辨率能達到5cm，并提供ROS接口，其整體架構是典型的前端建圖(局部地圖)+后端優化(回環分析)。激光雷達讀取的每一幀數據叫做點云，點云本身有自己的坐標系，多幀連續的點云構成一個子圖，將一幀點云融合到子圖的過程叫點云匹配。每個子圖，反映的是環境的局部信息，子圖本身有自己的坐標系。拼接起來之后進行閉環檢測，最后利用圖優化的方法進行分析，減小累積誤差，給出構建環境地圖。

此外，基于視覺的人員檢測算法常分為特征法和深度學習兩種方式，但這兩種檢測算法中都需消耗較多的計算機資源，特征法存在檢測精度低，魯棒性差的問題，深度學習方法存在檢測時間長的缺點，難以滿足實際應用的需求。為保證及時迅速的對災后環境進行情景地圖的認知，對檢測時間提出較為嚴格的要求。本方法以YOLOv3為檢測模型，在此基礎上進行改進，得到只識別人員信息的檢測方法。此外，為快速確定人員位置，需對災后環境建立坐標系，并提供被困人員的位置，為此提出一種基于深度信息的三維定位模型，完成檢測目標的位置估計，從而完成地圖標記任務，生成災后環境下受困人員的情景地圖。

發明內容

本發明的主要目的是提出一種災后救援環境下含受困人員位置信息的情景地圖構建方法，該方法可以應用于災后現場探測機器人中，完成災后現場的地圖構建、人員探測等災后探測任務。其中主要面臨如下問題：

1.為保證構建地圖的時間和精度的要求，在進行Cartographer激光建圖時，需對圖像進行人員檢測，三維位置估計。需要使用多線程的方式來保證災后情景地圖的構建速度。