申请/专利权人：桂林航天工业学院;桂林师范高等专科学校

申请日：2021-02-25

公开（公告）日：2023-10-24

公开（公告）号：CN113031002B

主分类号：G01S17/894

分类号：G01S17/894;G01S17/931;G01S17/86

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明公开了一种基于Kinect3和激光雷达的SLAM陪跑小车，包括覆带小车，安装在覆带小车上的Kinect3摄像头、RPLIDARA3，内载于覆带小车内的JetsonTX2模块以及安装在覆带小车上的机械手；Kinect3摄像头用于实现视觉SLAM，通过扫描覆带小车周围环境并实现覆带小车自身和使用者的定位，RPLIDARA3用于实现激光SLAM，消除视觉SLAM的累积误差，Kinect3摄像头和RPLIDARA3将采集到的信息发送至JetsonTX2模块进行处理，经树莓派实现覆带小车和机械手工作状态的调控。本发明不需要连接网络就可以实现自身和使用者的高准确度定位，并保持距离紧密跟随。

主权项：1.基于Kinect3和激光雷达的SLAM陪跑小车，其特征在于：包括覆带小车，安装在覆带小车上的Kinect3摄像头、RPLIDARA3，内载于覆带小车内的JetsonTX2模块以及安装在覆带小车上的机械手；所述Kinect3摄像头用于实现视觉SLAM，通过扫描覆带小车周围环境并实现覆带小车自身和使用者的定位，所述RPLIDARA3用于实现激光SLAM，消除视觉SLAM的累积误差，Kinect3摄像头和RPLIDARA3将采集到的信息发送至JetsonTX2模块进行处理，经树莓派实现覆带小车和机械手工作状态的调控；覆带小车工作时首先依靠激光SLAM确认自身位置，使用RPLIDARA3扫描采集周围环境数据，初步建立地图，定位覆带小车自身位置；之后启用视觉SLAM，使用Kinect现场训练使用者的模型并初步定位使用者位置，并测量覆带小车和使用者之间的距离；利用基于凸优化的改进卡尔曼滤波方法，来预测视觉SLAM即将产生的误差，包含两个步骤：第一步是通过改进型卡尔曼滤波算法对目标位置信息进行估计；第二步是利用改进型极限学习机算法对卡尔曼滤波得到的结果进行二次修正；在第一步中，卡尔曼滤波的目标跟踪系统模型表示为：xt＝Axt-1+wtyt＝Cxt+vt+zt1其中，xt∈RN表示t时刻目标的状态向量；xt-1∈RN表示t-1时刻目标的状态向量；yt∈RM是t时刻目标的观测向量，N表示状态向量中变量的个数；M表示观测向量中变量的个数；A和C分别是系统状态转移矩阵、量测矩阵；wt∈RN表示系统的状态噪声；vt∈RM表示量测噪声；zt∈RM表示稀疏噪声；使用凸优化技术，基于最大后验估计理论和贝叶斯理论的基础上，采用状态空间表达式呈现传统卡尔曼理论； s.t.yt＝Cx+vt+zt2其中，λ是一个控制zt稀疏性的调节参数；对优化公式2的形式进行进一步推导，首先，定义vt＝yt-Cx-zt，则公式2中优化目标函数可以进一步表示为 对公式3中x求偏导，可以得到 令4为零，可以进一步得到 其中L＝ΣCTV+CΣCT-1，最终，将式5代入到优化公式2中，可以得到鲁棒卡尔曼优化的另外一种表达形式minet-ztQset-zt+λ||zt||16其中，Qs＝I-CLTV-1I-CL+LTΣ-1L；在公式6中，稀疏噪声zt变成了唯一的变量；在第二步中，采用基于L1L2范数正则化约束的极限学习机算法来修正卡尔曼滤波算法的结果；一个有T个隐层节点的ELM数学模型可以表示为： 其中，wj＝[wj1,wj1,…,wjki]为输入节点同第j个隐层节点之间的连接权重；βj为j个隐层节点输出权重；bj为第j个隐层节点的偏置；g·为激活函数；wj和bj均随机给定且在训练过程中保持不变，输出权重βj是ELM中唯一需要解析确定的参数；用矩阵形式重新表示式7，可以得到式8，即Φβ＝t8式中β＝[β1,β2,…,βT]T,t＝[t1,t2,…,tN]T， 在传统ELM算法中，输出权重βj通过求解最小二乘问题得到 式中:为伪逆；在式10中加入L1范数约束，得到式11，即 在式10中加入L2范数约束，得到式12，即 为了方便求解公式12，定义如下矩阵，即 令则式12可以写成如下形式，即 式12对β*求偏导，并令导数为零，可以得到 之后，将使用者的位置信息、机器人自身的位置信息与测量到的距离信息将传输到树莓派，由树莓派控制履带车追踪使用者并保持一定距离。

全文数据：

权利要求：

百度查询： 桂林航天工业学院;桂林师范高等专科学校 基于Kinect3和激光雷达的SLAM陪跑小车

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD