[发明专利]一种基于四足机器人的未知空间自主探索系统

权利要求书

1.一种基于四足机器人的未知空间自主探索系统，其特征在于，系统包括数据采集模块、定位与建图模块、自主探索模块和目标检测模块；

所述数据采集模块将采集的信息发送给定位与建图模块、自主探索模块和目标检测模块进行数据分析；

所述定位与建图模块获取到数据采集模块采集的数据信息，进行时空标定后，采用激光、视觉、惯性里程计多传感器紧耦合SLAM框架构建地下未知环境的三维点云地图并为自主探索模块提供精确的机器人定位信息；

所述目标检测模块获取到数据采集模块采集的数据信息，利用预先训练识别特定目标的深度学习网络模型，在四足机器人进行自主探索的过程中对特定目标进行识别、定位，并将其标注在定位与建图模块构建的三维点云地图中；

所述自主探索模块包括局部路径规划单元和全局路径规划单元，根据定位与建图模块输出的机器人定位信息和三维点云地图信息自主决策下一个待探测的目标点；

所述数据采集模块包括激光雷达、相机和IMU传感器，分别采集激光点云数据信息、四足机器人所在环境的图像信息和机器人运动时的加速度和角速度信息；

所述数据采集模块还包括硬件时间同步单元，将激光雷达、相机和IMU传感器的数据时间戳同步在一个时钟下，使得具有相同时间戳的传感器数据对应于当前的同一事件；

所述紧耦合SLAM框架分为两个子系统，分别为：视觉惯性系统和激光雷达惯性系统，均以紧耦合的方式设计，当任意一个子系统发生故障时，SLAM仍能稳定运行；

所述视觉惯性系统：融合相机和IMU数据实现实时建图定位；

所述激光雷达惯性系统：融合激光雷达和IMU数据实现实时建图定位；

系统还包括LED灯，通过补光的方法使视觉惯性系统和自主感知功能在黑暗场景下仍能工作；

所述预先训练识别特定目标的深度学习网络模型，模型采用稠密的图像特征融合到稀疏点云数据中实现点云增强的方法，突破了地下环境中的弱几何特征、光线缺失的环境特点对特征提取带来的挑战难题，并突破了16线三维激光存在的数据稀疏、缺少RGB信息的问题；

所述预先训练识别特定目标的深度学习网络模型，在网络复杂度和网络性能中进行平衡：通过轻量化的网络结构首先提取图像的多维特征，之后通过图像特征金字塔对多维特征进行多次上采样和下采样融合，使网络学习到多个尺度下的目标特征，为地下复杂空间的目标检测功能提供保障；

所述局部路径规划单元的工作过程如下：

步骤1：以机器人为中心，在机器人周围构建一个长方体并在里面随机撒点；

步骤2：去掉障碍物占据的点，在剩下的点中，以机器人为起点，以长方体各个边上的点为终点构成RRG地图；

步骤3：使用Dijkstar算法搜索出一些可行的路径，再通过探索增益来评价这些路径，决策出最好的一条无碰撞路径进行平滑处理；

步骤4：在规划出无碰撞路径后，根据这条路径生成满足四足机器人运动学约束和安全约束的运动控制指令，将控制命令发送到所述四足机器人的控制器上，无碰撞前往下一目标点进行探测，执行四足机器人的自主探索功能；

所述全局路径规划单元在机器人被规划到地下隧道分支的死角时启动，对机器人重新进行定位，并将其规划到探索效益最高的分支点继续执行探索任务；此外，当探索完毕时或在机器人的剩余续航力接近其极限时，触发所述全局路径规划单元，更新返回出发点的路径。