[发明专利]一种基于视觉SLAM技术的无人车

说明书

一种基于视觉SLAM技术的无人车，控制参数维持在一个特定的值就可以控制转向角，控制参数通过摄像机视角的像素点来提供，通过色域选出来的可形式区域，选出来的像素点是以摄像机视角为依据，根据可形式区域中的一条直线和摄像机视角中的中心线形成的角度，就可以算出车辆应该转向的度数。摄像机视角的像素点，转换成以无人车行驶方向为x轴的无人车坐标系上的点为右手坐标系，可以通过函数来计算这些像素点和车辆行驶方向的夹角，根据这个夹角来调节就能实现SLAM调节转向角，夹角为0就代表车辆沿着可形式区域的中心线行驶，如果夹角不为0，无人车就需要调节转向角，即用SLAM来实现调节转向角。

技术领域

本发明涉及一种无人车，具体地说涉及一种用控制参数维持在一个特定的值就可以控制转向角，控制参数通过摄像机视角的像素点来提供的一种基于视觉SLAM技术的无人车。

背景技术

随着智慧物流、自动化仓库的发展，自动导引的AGV无人车作为物流系统的关键组成部分，具有广泛的应用前景。然而目前主流的无人车导航定位技术不能满足AGV在精度、可扩展性等方面的需求，这样智慧物流、自动化仓库就不能实现高精度和大扩展。

发明内容

本发明的目的是克服现有技术的不足之处，提供一种用控制参数维持在一个特定的值就可以控制转向角，控制参数通过摄像机视角的像素点来提供的一种基于视觉SLAM技术的无人车。

本发明解决其技术问题所采用的技术方案是：一种基于视觉SLAM技术的无人车，包括控制参数和转向角，控制参数维持在一个特定的值就可以控制转向角，控制参数通过摄像机视角的像素点来提供，通过色域threshold选出来的可形式区域，选出来的像素点是以摄像机视角为依据，根据可形式区域中的一条直线和摄像机视角中的中心线形成的角度，就可以算出车辆应该转向的度数。摄像机视角的像素点，转换成以无人车行驶方向为x轴的无人车坐标系上的点为右手坐标系，可以通过atan2(y，x)函数来计算这些像素点和车辆行驶方向的yaw angle夹角，根据这个yaw angle夹角来调节本身的steering angle就能实现SLAM调节转向角，yaw angle夹角为0就代表车辆沿着可形式区域的中心线行驶，如果yaw angle夹角不为0，无人车就需要调节转向角，即用SLAM来实现调节转向角。SLAM实现调节转向角可以通过观测、估计、再观测的过程，由于环境复杂性以及传感器测量不确定性，可以将概率加入到SLAM问题中，SLAM问题分为两种，在线SLAM问题以及全SLAM问题，在线SLAM问题是由两部分构成，AGV位姿估计以及地图后验问题，在计算过程中，预测时刻状态为在线SLAM问题，地图后验问题为f时刻状态，f时刻状态是由观测值、控制量及上一时刻状态所决定，比较常用的算法如EKF-SLAM，在线SLAM适合构建较小环境的地图，在环境范围变大时，由于里程计误差不断积累，所构建的地图误差会变大。

本发明的有益效果是，一种用控制参数维持在一个特定的值就可以控制转向角，控制参数通过摄像机视角的像素点来提供的一种基于视觉SLAM技术的无人车。该无人车在定位系统中引入了线特征。无人车的工作场景属于结构化场景，在这种场景中存在较多的线特征，相比点特征来说，线特征是一种更高层次的特征，引入线特征可以为系统添加更多的几何信息，提高定位系统的精度和鲁棒性。本发明可于工厂复杂环境中稳定运行的一种基于视觉SLAM技术的无人车。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的实施例一的SLAM流程图。

图2是本发明的实施例一的SLAM框架图。

图3是本发明的实施例一的在线SLAM问题模型图。

图4是本发明的实施例一的全SLAM问题模型图。

图5是本发明的实施例一的坐标系建立图。

图6是本发明的实施例一的优化建立信标图。

具体实施方式