申请/专利权人：西北工业大学

申请日：2023-09-21

公开（公告）日：2024-01-16

公开（公告）号：CN117405102A

主分类号：G01C21/16

分类号：G01C21/16;G01C21/20;G01S7/48

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明涉及一种基于IMUDVL激光雷达的无人船的导航方法，利用IMU预处理后的激光雷达数据进行点云聚类分割、特征提取，再构建边缘点到直线以及平面点到平面的约束，之后考虑在环境特征不足的场景下，根据DVL输出的速度信息构建平移约束，最后利用约束进行非线性优化，进行点云配准，即得到位姿增量。这样的匹配算法可以使SLAM系统在减少运算量的基础上，能够有效适应点云特征稀疏的环境，提高SLAM系统的鲁棒性与稳定性。

主权项：1.一种基于IMUDVL激光雷达的无人船的导航方法，其特征在于步骤如下：步骤1、点云聚类分割：利用IMU的姿态数据对激光雷达点云数据中的姿态进行矫正，对于矫正后的点云数据分割为地面点和非地面点云数据，然后将点云图像帧内点云数量大于等于k的图像帧集合聚类；步骤2、点云特征提取：选取t时刻的点云pt中的一个点pi，在点pi的垂直方向中寻找出m个雷达特征点，之后将这m个几个特征点构成一个集合计算雷达点云平滑度C；以点云平滑度阈值Cth确定平面特征点与边缘特征点：按照雷达点云平滑度分为四种类型的特征匹配的点云集合：最大平滑度值的个边缘点组成集合Fme；最小平滑度值的个平面点组成集合Fmp；在Fmp集合内，提取个最小平滑度的平面点，组成集合Fp；在Fme集合内，提取个最大平滑度的边缘点组成集合Fe；步骤3、雷达帧间里程计：对四种类型的特征匹配的点云集合匹配计算获取相邻帧之间的位姿转换关系，实现线面点云匹配；过程为：通过边缘特征点匹配，得到边缘特征点的特征约束dde；通过平面特征点匹配，构建平面特征点的特征约束ddp；通过线面点云位姿解算，雷达帧间里程计的位姿增量求解过程，得到线面点云匹配；步骤4、引入DVL约束的点云匹配：利用DVL的速度信息为线面点云匹配提供平移约束；将雷达帧间里程计中的线面匹配算法与DVL的运动约束相结合，定义改进后的点云匹配的目标函数： 其中，dde为点到直线的残差；ddp表示为点到平面的残差；ddvl为DVL的约束残差；p表示所对应的协方差矩阵；利用非线性优化求解出上一帧到当前帧的最优目标增量ΔXe，与上一帧的解算位姿得到当前帧的估计部分位姿Xe，之后根据Xe求解出最优增量ΔXp，进而求解出当前帧的部分位姿Xp，最后联合Xe和Xp得到载体的估计位姿：

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于IMU/DVL/激光雷达的无人船的导航方法

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