[发明专利]一种面向饲养场的投料车自动导航定位方法及装置

说明书

本申请公开了基于一种面向饲养场的投料车自动导航定位方法及装置，通过对获取到的不同类型数据进行处理，得到与至少三种因子所对应的转换特征，并结合构建的车辆运动模型对该转换特征进行优化处理，以根据优化处理后的转换特征生成地图，一方面可采用激光雷达、IMU以及北斗定位等传感器，发挥不同传感器各自的优点，实现优势互补；另一方面结合车辆运动模型提升定位精度，通过对转换特征进行优化处理的方式，充分考虑场景变化以及北斗信号在室内不稳定等问题，不仅提高导航定位的适用性以及精度，还可满足全天候、室内室外变化等使用要求。

技术领域

本申请属于无人移动平台的自主导航与定位技术领域，特别的涉及一种面向饲养场的投料车自动导航定位方法及装置。

背景技术

地面无人移动平台的应用是无人平台技术研究的热点，地面无人平台的自主导航与定位是无人平台遂行任务必须解决的关键问题，性能优越的导航与定位方法不仅能够有效提高车辆的安全性，更能够确保任务准确的完成。目前，无人驾驶车辆广泛采用多传感器融合定位方案，以覆盖不同的行驶工况。在场区内实现自主导航与定位时，常见的传感器有激光雷达、摄像头、双目相机、UWB、GNSS、IMU、车辆码盘等。针对不同的应用场景，研究者提出了多种导航定位方法，如GNSS/IMU、LiDAR/GNSS、GNSS/UWB等。

在众多的自主导航与定位方法中，利用激光雷达构建地图，并基于建立的地图定位的方法被广泛运用在无人移动平台开发中。然而基于激光雷达的定位技术，在面积大、未知以及动态的饲养场应用时，存在计算复杂度高以及定位误差发散等问题；其次，一些基于IMU的惯性导航定位技术的误差会随着时间不断累积，导致位置和姿态的测量结果偏离实际位置，因此无法用来做长时间的高精度定位。综上，针对牲畜饲料投放车的应用需求，现有的相关技术难以应对不同天气，光线、室内室外场地等条件，且导航定位精度无法得到保障。

发明内容

本申请为解决上述提到的基于激光雷达的定位技术，在面积大、未知以及动态的饲养场应用时，存在计算复杂度高以及定位误差发散等问题；其次，一些基于IMU的惯性导航定位技术的误差会随着时间不断累积，导致位置和姿态的测量结果偏离实际位置，因此无法用来做长时间的高精度定位。综上，针对牲畜饲料投放车的应用需求，现有的相关技术难以应对不同天气，光线、室内室外场地等条件，且导航定位精度无法得到保障等技术缺陷，提出一种面向饲养场的投料车自动导航定位方法及装置，其技术方案如下：

第一方面，本申请实施例提供了一种面向饲养场的投料车自动导航定位方法，包括：

获取投料车在多个位置对应的初始点云数据、初始位姿数据以及初始定位数据，并对初始点云数据、初始位姿数据以及初始定位数据进行配准处理，得到与投料车的车体坐标系所对应的目标点云数据、目标位姿数据以及目标定位数据；

根据目标点云数据、目标位姿数据以及目标定位数据，确定出至少三种因子所对应的转换特征；其中，转换特征包括位置转换特征、偏转角转换特征、速度转换特征以及加速度转换特征中任意至少一种；

基于所有因子所对应的转换特征建立车辆运动模型，并根据车辆运动模型与每种因子所对应的位置特征之间的位置关系，得到与每种因子对应的目标权重值；

对每种因子所对应的转换特征以及目标权重值进行加权求和计算，得到目标转换特征；

根据目标转换特征生成地图，并当检测到投料车遇到障碍物时，对地图进行更新处理。

在第一方面的一种可选方案中，对初始点云数据、初始位姿数据以及初始定位数据进行配准处理，得到与投料车的车体坐标系所对应的目标点云数据、目标位姿数据以及目标定位数据，包括：

分别对初始点云数据、初始位姿数据以及初始定位数据进行卡尔曼滤波处理，得到第一点云数据、第一位姿数据以及第一定位数据；

按照预设的时间间隔，对初始点云数据以及第一点云数据进行拉格朗日插值处理，得到第二点云数据；