一种用于井工矿环境自动驾驶参数调整的定位方法和系统与流程

本发明属于自动驾驶车辆定位，特别涉及一种用于井工矿环境自动驾驶参数调整的定位方法和系统。

背景技术：

1、在矿山环境中，自动驾驶技术的应用可以大大提高矿山作业的效率和安全性。然而，矿山环境复杂，包括长走廊、岔路口等各种复杂的地形，这对自动驾驶技术提出了更高的要求。同时，定位技术也是自动驾驶技术的重要组成部分，它决定了自动驾驶车辆在环境中的位置和姿态，从而影响到自动驾驶的安全性和准确性。

2、在现有的技术中，通常采用激光slam（simultaneous localization andmapping）进行建图和定位。激光slam是一种通过激光雷达获取环境信息，并同时进行定位和地图构建的技术。其次，还会使用odom（里程计）、imu（惯性测量单元）和lidar（激光雷达）的三者卡尔曼融合来提高定位的精度。此外，视觉加激光的融合也是井下主流的定位技术。但是现有技术在实际应用中还存在一些问题，首先，井下环境复杂，包括长走廊、岔路口等各种复杂的地形，这需要自动驾驶车辆能够根据不同的环境对卡尔曼的参数进行适配，以保证定位的精度和稳定性。其次，现有的定位技术在面对复杂的井下环境时，可能会出现定位误差较大或者定位中断的问题，且视觉定位容易受到光照条件的限制，这会影响自动驾驶的安全性和可靠性。因此，如何在井工矿环境下实现自动驾驶的自适应参数调整，提高定位的精度和稳定性，是当前亟待解决的问题。

技术实现思路

1、本发明提出了一种用于井工矿环境自动驾驶参数调整的定位方法和系统。本发明能够实现在井工矿环境下，无人驾驶能够根据不同的环境对卡尔曼的参数进行适配，提高了定位的精度和稳定性。

2、为实现上述目的，本发明采用以下技术方案：

3、一种用于井工矿环境自动驾驶参数调整的定位方法，包括以下步骤：

4、获取目标车辆的激光雷达数据、imu数据和里程计数据，将所述激光雷达数据、imu数据和里程计数据分别进行时间同步和空间同步；

5、采用激光雷达扫描井工矿环境，在slam构图环境中加入imu数据和里程计数据，构建井工矿环境的点云地图；

6、加载井工矿环境的点云地图，将同步后的imu数据、里程计数据和超宽带定位数据均作为预测值，激光雷达数据作为观测值进行卡尔曼滤波融合得到初始定位数据；

7、对井工矿环境中的走廊和岔路口分别特征提取，根据特征提取的结果调整卡尔曼滤波的参数，输出最终定位数据。

8、进一步的，将所述激光雷达数据、imu数据和里程计数据分别进行时间同步和空间同步的过程包括：

9、标定激光雷达坐标系与车体坐标系；以及标定imu坐标系和车体坐标系实现激光雷达数据、imu数据的空间同步；

10、获取目标车辆的超宽带定位数据，以及解析轮速计数据得到里程计数据，将所述激光雷达数据、imu数据、超宽带定位数据和里程计数据进行时间同步。

11、进一步的，在构建井工矿环境的点云地图的过程中：对点云数据首先进行预处理，然后进行预处理后点云数据的帧间配准和全局优化，生成pcd格式的点云地图。

12、进一步的，对点云数据进行预处理的过程包括：对点云数据进行去噪、下采样以及滤除掉地面点云。

13、进一步的，将imu数据、里程计数据和超宽带定位数据作为预测值的具体过程为：

14、根据imu三轴加速度计算在预设时间内，imu在三轴上的移动距离作为imu因子；

15、计算出车轮里程计的速度和加速度，在预设时间内积分得到里程计数据所需要的距离和角度信息，作为里程计因子；

16、将宽带定位数据的定位信息作为uwb优化因子；

17、将imu因子、里程计因子和uwb优化因子作为预测值。

18、进一步的，计算出车轮里程计的速度和加速度，在预设时间内积分得到里程计数据所需要的距离和角度信息，作为里程计因子的过程包括：

19、确定以后轮轴中点为中心的里程计模型，左侧车轮速度设为,右侧车轮速度设为，里程计模型速度为，角速度为；

20、；（1）

21、；（2）

22、其中，是转弯半径；是轮子距离底盘中心的位置；

23、由公式（1）和公式（2）可得：

24、；（3）

25、（4）。

26、进一步的，对井工矿环境中的走廊特征提取的过程包括：读入墙体点云数据，将所述墙体点云数据地面投影分块，生成点云分布矩阵；然后将点云分布矩阵转化为灰度图，并进行二值化处理；最后，基于二值图利用霍夫变换进行直线检测完成井工矿环境中的走廊特征提取。

27、进一步的，对井工矿环境中的岔路口特征提取的过程包括：

28、通过计算获取的目标点云两个激光点的欧式距离，判断获取的目标点云两个激光点是否属于同一簇；如果位于同一簇，则提取簇的质心、簇的尺寸、簇的主方向；所述目标点云为墙体点云数据或者岔路口；

29、通过计算不同簇之间的距离，以及与其他簇的主方向的夹角判断是否存在岔路口。

30、进一步的，根据特征提取的结果调整卡尔曼滤波的参数，输出最终定位数据的过程包括：

31、根据井工矿环境中的走廊特征和岔路口特征，调整卡尔曼滤波的预测值和过程噪声的权重，输出更精确的最终定位数据。

32、本发明还提出了一种用于井工矿环境自动驾驶参数调整的定位系统，包括预处理模块、构建地图模块、第一定位模块和第二定位模块；

33、所述预处理模块用于获取目标车辆的激光雷达数据、imu数据和里程计数据，将所述激光雷达数据、imu数据和里程计数据分别进行时间同步和空间同步；

34、所述构建地图模块用于采用激光雷达扫描井工矿环境，在slam构图环境中加入imu数据和里程计数据，构建井工矿环境的点云地图；

35、所述第一定位模块用于加载井工矿环境的点云地图，将同步后的imu数据、里程计数据和超宽带定位数据均作为预测值，激光雷达数据作为观测值进行卡尔曼滤波融合得到初始定位数据；

36、所述第二定位模块用于对井工矿环境中的走廊和岔路口分别特征提取，根据特征提取的结果调整卡尔曼滤波的参数，输出最终定位数据。

37、
技术实现要素：
中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

38、本发明提出了一种用于井工矿环境自动驾驶参数调整的定位方法和系统，属于自动驾驶车辆定位技术领域，该方法包括以下步骤：获取目标车辆的激光雷达数据、imu数据和里程计数据，将所述激光雷达数据、imu数据和里程计数据分别进行时间同步和空间同步；采用激光雷达扫描井工矿环境，在slam构图环境中加入imu数据和里程计数据，构建井工矿环境的点云地图；加载井工矿环境的点云地图，将同步后的imu数据、里程计数据和超宽带定位数据均作为预测值，激光雷达数据作为观测值进行卡尔曼滤波融合得到初始定位数据；

39、对井工矿环境中的走廊和岔路口分别特征提取，根据特征提取的结果调整卡尔曼滤波的参数，输出最终定位数据。基于一种用于井工矿环境自动驾驶参数调整的定位方法，还提出了一种用于井工矿环境自动驾驶参数调整的定位系统。本发明能够实现在井工矿环境下，无人驾驶能够根据不同的环境对卡尔曼的参数进行适配，提高了定位的精度和稳定性，从而提高了自动驾驶的安全性和可靠性，使得自动驾驶车辆能够在复杂的井下环境中安全、准确地行驶。

40、本发明提出的一种用于井工矿环境自动驾驶参数调整的定位方法和系统，也可以应用于其他复杂环境，具有较强的通用性和实用性。

技术特征：

1.一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，将所述激光雷达数据、imu数据和里程计数据分别进行时间同步和空间同步的过程包括：

3.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，在构建井工矿环境的点云地图的过程中：对点云数据首先进行预处理，然后进行预处理后点云数据的帧间配准和全局优化，生成pcd格式的点云地图。

4.根据权利要求3所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，对点云数据进行预处理的过程包括：对点云数据进行去噪、下采样以及滤除掉地面点云。

5.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，将imu数据、里程计数据和超宽带定位数据作为预测值的具体过程为：

6.根据权利要求5所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，计算出车轮里程计的速度和加速度，在预设时间内积分得到里程计数据所需要的距离和角度信息，作为里程计因子的过程包括：

7.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，对井工矿环境中的走廊特征提取的过程包括：读入墙体点云数据，将所述墙体点云数据地面投影分块，生成点云分布矩阵；然后将点云分布矩阵转化为灰度图，并进行二值化处理；最后，基于二值图利用霍夫变换进行直线检测完成井工矿环境中的走廊特征提取。

8.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，对井工矿环境中的岔路口特征提取的过程包括：

9.根据权利要求1所述的一种用于井工矿环境自动驾驶参数调整的定位方法，其特征在于，根据特征提取的结果调整卡尔曼滤波的参数，输出最终定位数据的过程包括：

10.一种用于井工矿环境自动驾驶参数调整的定位系统，其特征在于，包括预处理模块、构建地图模块、第一定位模块和第二定位模块；

技术总结
本发明提出了一种用于井工矿环境自动驾驶参数调整的定位方法和系统，属于自动驾驶车辆定位技术领域，该方法包括：将获取的目标车辆的激光雷达数据、IMU数据和里程计数据分别进行时间同步和空间同步；构建井工矿环境的点云地图；加载井工矿环境的点云地图，将同步后的数据均作为预测值，激光雷达数据作为观测值进行卡尔曼滤波融合得到初始定位数据；对井工矿环境中的走廊和岔路口分别特征提取，根据提取结果调整卡尔曼滤波的参数输出最终定位数据。基于该方法，还提出了一种用于井工矿环境自动驾驶参数调整的定位系统。本发明提高了自动驾驶的安全性和可靠性，使得自动驾驶车辆能够在复杂的井下环境中安全、准确地行驶。

技术研发人员：黄琰,孙静,冯冲,申永刚
受保护的技术使用者：理工雷科智途（泰安）汽车科技有限公司
技术研发日：
技术公布日：2024/9/23