[发明专利]一种基于激光雷达和视觉的果园路径识别方法和机器人

说明书

本发明提出一种基于激光雷达和视觉的果园路径识别方法，包括：S1，对机器人所搭载的相机和激光雷达传感器进行标定；S2，使用激光雷达采集点云数据，使用相机采集图像数据，并分别进行数据处理，拟合各自的左右边界线；S3，机器人行间路径识别，融合左右两侧的边界线，并获取融合后的行中心线，使得机器人沿行间中心线自主行驶。本发明保证了机器人能够在半结构的自然果园环境中自主作业。

技术领域

本发明涉及无人驾驶技术领域，更具体地，涉及一种基于激光雷达和视觉的果园路径识别方法。

背景技术

今时代，多功能农业机器人得到广泛地应用，使得农业机器人在广阔的田野上，越来越多地代替了手工完成各种农活。农业中果园生产的任务种类繁杂，如：疏花定果、套袋、剪枝、覆草、灌水、施肥、喷撒农药、病虫害防治、分期采收等工序，需要大量的人力和物力，同时非精准的果园管理方式会产生大量的无效投入和生态污染，增加了水果价格。针对这些情况，研制适合果园作业的智能精准型机器人势在必行。机器人要实现代替人工，在果园中自主作业，首先要解决的是机器人在果园内自主导航的问题，完备的导航能力才能保证机器人自动运动到果园的每个角落，使得机器人重复可靠地完成各项作业环节。

果园中，作业机器人自主导航的一个重要任务是行间引导。即机器人沿着两行果树之间的过道对果树进行作业。果树行间的一个重要特性是果树枝叶繁茂，导致传统的GPS导航并不稳定，且行间距较短，一般只有2m左右，民用GPS难以达到高精度的效果。视觉导航成本低，检测范围广，且图像具有丰富的颜色纹理信息，有利于提取关键特征，但果园自然环境下的光照条件是不断变化的，而不同的光照条件会对机器人路径导航产生不同影响，容易产生定位偏差。2D激光雷达导航受光照影响小，扫描范围广，检测距离远，但无法获得物体高度信息，无法成像。3D激光雷达导航提供实时3D点云数据，采用合适的算法可对目标精确聚类，具有较高的定位精度，然而角分辨度远远不如相机。多传感器融合技术能解决单一传感器在机器人自动驾驶中的缺陷，通过多传感器数据融合，传感器之间能取长补短，提升整个感知系统的效果。

发明内容

本发明针对机器人在自然环境下密植果园行间行驶场景，存在相机受光照影响大、北斗导航精度较低和2D激光雷达不能捕捉足够的环境特征的问题，提出一种基于激光雷达和视觉的果园路径识别方法，包括：

S1，对机器人所搭载的相机和激光雷达传感器进行标定；

S2，使用激光雷达采集点云数据，使用相机采集图像数据，并分别进行数据处理，拟合各自的左右边界线；

S3，机器人行间路径识别，融合左右两侧的边界线，并获取融合后的行中心线，使得机器人沿行间中心线自主行驶。

可选地，所述步骤S1包括：

S11，在相机采集的图像上进行棋盘格角点提取，获得图像坐标。角点提取分为角点检测和亚像素定位；

S12，根据针孔相机模型，将世界坐标变换到图像坐标

S13，采用极大似然估计建立模型对结果进行优化，求得稳定解；

S14，在考虑镜头畸变的情况下对径向畸变进行处理，利用最大似然估计方法建立目标函数，并求最优解；

S15，相机采集图像，对图像进行特征处理，获得图像坐标系下角点的三维坐标；

S16，通过激光雷达获取点云数据，对点云数据处理获得角点激光雷达坐标系下的三维坐标；

S17，对相机与激光雷达获得的点对进行配准，得到相机与激光雷达的相对位姿关系。