[發(fā)明專利]局部代價(jià)地圖的生成方法、存儲(chǔ)介質(zhì)和智能無人巡檢車

有效

• 申請(qǐng)?zhí)枺?/td>: 202110608204.3
• 申請(qǐng)日: 2021-06-01
• 公開（公告）號(hào): CN113340314B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計(jì)）人: 谷孝東;任思旭;劉軍傳;曹葵康;袁晨星;常華
• 申請(qǐng)（專利權(quán)）人: 蘇州天準(zhǔn)科技股份有限公司;蘇州天準(zhǔn)軟件有限公司
• 主分類號(hào): G01C21/32
• 分類號(hào): G01C21/32;G01C21/34;G01S13/86;G01S13/87;G01S13/931;G01S17/89
• 代理公司: 上海華誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 31300
• 代理人: 徐穎聰

本發(fā)明提供了一種局部代價(jià)地圖的生成方法、存儲(chǔ)介質(zhì)和智能無人巡檢車，屬于自動(dòng)導(dǎo)航領(lǐng)域的點(diǎn)云地圖構(gòu)建技術(shù)。方法包括實(shí)時(shí)獲取包含環(huán)境信息和位置矢量信息Vector_map的當(dāng)前激光點(diǎn)云PC_lidar，坐標(biāo)轉(zhuǎn)換，確定感興趣區(qū)域ROI，遍歷當(dāng)前激光點(diǎn)云PC_lidar中感興趣區(qū)域ROI內(nèi)的所有空間點(diǎn)p_i，求取點(diǎn)云數(shù)量count_mn，尋找點(diǎn)云數(shù)量count_mn最大值記作count_max，位置矢量信息Vector_map轉(zhuǎn)移到無人車基座base坐標(biāo)下，得到Vector_base，遍歷當(dāng)前局部代價(jià)地圖Cost_local的所有位置，判定所有區(qū)域可通行情況進(jìn)行標(biāo)記，完成帶有通行信息標(biāo)記的局部代價(jià)地圖Cost’_local。本申請(qǐng)通過當(dāng)前激光點(diǎn)云PC_lidar和當(dāng)前感知障礙Obstacle_lidar，可以實(shí)時(shí)高效的生產(chǎn)帶有通行信息標(biāo)記的局部代價(jià)地圖Cost’_local，提高了效率和精度，便于推廣應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明屬于自動(dòng)導(dǎo)航領(lǐng)域，涉及點(diǎn)云地圖構(gòu)建技術(shù)，具體涉及一種局部代價(jià)地圖的生成方法、存儲(chǔ)介質(zhì)和智能無人巡檢車。

背景技術(shù)

隨著社會(huì)和技術(shù)的發(fā)展，無人駕駛、巡檢機(jī)器人輔助/替代人工進(jìn)行巡檢得到廣泛應(yīng)用，也使得機(jī)器人巡檢成為一種未來發(fā)展趨勢(shì)。該應(yīng)用特別在高危、惡劣、重復(fù)作業(yè)的環(huán)境，成為替代人工巡檢的首要選擇。巡檢機(jī)器人具有運(yùn)動(dòng)速度快、運(yùn)行噪聲小及維護(hù)方便等優(yōu)點(diǎn)，極大程度降低巡檢人員的工作強(qiáng)度，提高巡檢效率。

然而，當(dāng)前的巡檢機(jī)器人也存在一些問題，如建圖、導(dǎo)航、路徑、避障等技術(shù)不夠成熟，尤其對(duì)于復(fù)雜環(huán)境如港口、電廠、野外等難以自主行走，需要人工輔助等問題。同時(shí)，路徑規(guī)劃比較程序化，缺乏智能性。此外，對(duì)于自建地圖中局部代價(jià)地圖的獲取，常規(guī)的深加工不夠，計(jì)算量大，導(dǎo)致地圖精度不高且不及時(shí)。因此，亟需一種實(shí)時(shí)更新且?guī)в袠?biāo)注信息的局部代價(jià)地圖的生成方案。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種局部代價(jià)地圖的生成方法、存儲(chǔ)介質(zhì)和智能無人巡檢車，其能解決上述問題。

一種局部代價(jià)地圖的生成方法，方法包括以下步驟：

S1、實(shí)時(shí)獲取包含環(huán)境信息和位置矢量信息Vector_map的當(dāng)前激光點(diǎn)云PC_lidar，同時(shí)獲取包括位置信息特征的當(dāng)前感知障礙Obstacle_lidar；設(shè)定預(yù)生成的局部代價(jià)地圖Cost_local的寬W和高H；

S2、坐標(biāo)轉(zhuǎn)換，將當(dāng)前激光點(diǎn)云PC_lidar、當(dāng)前感知障礙Obstacle_lidar的位置信息轉(zhuǎn)化到無人車基座坐標(biāo)系下，并由雷達(dá)坐標(biāo)系在局部代價(jià)地圖坐標(biāo)系中的位姿計(jì)算出無人車基座base在局部代價(jià)地圖坐標(biāo)系中的位姿；

S3、確定感興趣區(qū)域ROI，裁剪去除不關(guān)注區(qū)域的點(diǎn)云信息；

S4、遍歷當(dāng)前激光點(diǎn)云PC_lidar中感興趣區(qū)域ROI內(nèi)的所有空間點(diǎn)p_i，求取局部代價(jià)地圖Cost_local的[m,n]區(qū)域內(nèi)包含的點(diǎn)云數(shù)量count_mn，區(qū)域[m,n]屬于感興趣區(qū)域ROI，每遍歷完一個(gè)空間點(diǎn)p_i后更新相應(yīng)[m,n]區(qū)域的計(jì)數(shù)加1；

S5、在所有點(diǎn)云數(shù)量count_mn，的計(jì)數(shù)中尋找最大值，記作count_max，即count_max＝Max(count_mn)；