[发明专利]一种基于激光雷达的室内相对定位方法

说明书

本发明涉及一种基于激光雷达的室内相对定位方法，将随机采样一致性算法应用于室内相对定位。通过将经典的随机采样一致性算法进行改进，利用改进后的随机采样一致性算法去处理室内多线激光雷达点云数据，从多线激光雷达点云数据中拟合得到室内环境的墙面方程，进而解算出雷达相对于室内的位置。通过地面静态验证实验，基于随机采样一致性的室内相对定位方法定位精度可以达到2cm，符合预期指标要求(0.1m)。方法解决了室内定位的干扰性强的问题，能够应对室内复杂环境，且对室内环境变化敏感性小，通过合理选择参数，能够提高定位效率，适合于应用于无人机的室内定位工程中。

技术领域

本发明属于室内相对定位的方法，涉及一种基于激光雷达的室内相对定位方法，涉及用多线激光雷达实现无人机室内相对定位的方法。

背景技术

近年来，无人机技术发展迅速，应用领域越来越广，飞行空间也逐渐扩展到室内，应用于室内拍摄、环境建模、室内侦察等领域。而无人机的室内相对定位是无人机技术的非常重要的环节。室内相对定位，即是在室内环境下，获得无人机相对于室内环境的位置信息。

虽然基于GPS定位的导航系统广泛应用于无人机的定位，但是在室内环境下，GPS信号易被干扰和屏蔽而无法使用。因此如何实现无人机室内相对定位，是一项具有挑战性的问题。目前，主要采用声波信号、电磁信号、视觉信息以及惯性测量单元(IMU) 测量等多种类型传感器测量来实现无人机室内相对定位，其中，基于声波信号主要通过声呐传感器，通过超声波测量与目标之间的距离信息。基于电磁信号的室内相对定位需要采集足够密度的详细信号的磁场数据并上传到服务器，通过磁场信号的对比来获得位置信息。声波信号和电磁信号均存在易被干扰、精度低的问题。基于视觉信息的室内相对定位主要通过相机采集视觉信号，通过图像匹配、特征提取等方式实现室内定位，其主要缺点是图像信息数据量很大，且无法在昏暗条件下使用。而基于惯性测量单元的定位主要通过数字平台对陀螺仪和加速度计的数据进行解算，从而获得位置信息，它最大的问题是存在误差的积累，无法单独使用。文献《Somani A,Chung S, Celik K.Mono-vision corner SLAM for indoornavigation[J].IEEE International Conference on Electro/inform...,2008:343-348.》中，美国爱荷华州立大学的Celik等人使用单目相机作为主要传感器，提出一种MVCSLAM算法，通过跟踪地面上的角点特征信息，实现相对定位。但是该方法适应性差，要求室内有明显的角点，难以应对复杂环境，如当角点被家具或人的走动所遮挡时，该方法则显得无能为力。

激光雷达是一种通过发射激光束，接收反射信号，来感知周围环境的传感器，它能获取激光扫描点的三维坐标和反射强度信息，主要应用在无人驾驶领域。随着无人驾驶的发展，激光雷达发展迅速，它精度高、抗干扰、体积小，相比相机的数据量小，且能在昏暗条件下使用。这些优点使激光雷达更加适合无人机的室内相对定位。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于激光雷达的室内相对定位方法，克服现有室内相对定位方法的不足。本发明应用到了随机采样一致性算法，基于随机采样一致性算法提取出室内环境的墙面边界，并得到墙面边界模型的平面方程，从而进一步得出激光雷达相对室内环境的位置信息。

技术方案

一种基于激光雷达的室内相对定位方法，其特征在于步骤如下：

步骤1：在方形室内环境下，记相邻两面墙分别为A、B，将激光雷达随机放置于室内某点，通电后打开激光雷达，采集得到多帧包含三维坐标信息和反射回波强度的激光雷达点云数据；

步骤2：基于随机采样一致性算法，对每一帧激光雷达点云数据进行第一次拟合处理，得到每帧拟合墙面A的平面方程，进而得到激光雷达到墙面A的距离；处理过程为：