一种基于激光点云距离序列的井下定位方法

摘要

一种基于激光点云距离序列的井下定位方法，其步骤为：S1测量井下巷道中岔路口的位置；S2计算巷道内各岔路口的距离，形成全局距离序列；S3利用激光雷达实时获取的点云数据，检测巷道内邻近雷达的岔路口，计算各岔路口间的距离，并形成距离序列；S4将提取的邻近岔路口距离序列与全局距离序列进行匹配，获取雷达位置，也就是目标位置。本发明基于巷道内岔路口位置的随机性，利用岔路口间距离序列的匹配实现目标定位。可以有效避免井下环境相似导致的定位困难，仿真结果也表明这种基于距离序列的方法对于井下巷道内的目标定位具有良好效果。

权利要求

1.一种基于激光点云距离序列的井下定位方法，其特征在于步骤如下：

S1 测量井下巷道中各岔路口的实际位置；

S2 对任意岔路口Ai，根据S1的测量结果，计算巷道内与Ai邻近的岔路口Ai+1, Ai+2, Ai+3,…间的距离，形成全局距离序列；

S3 利用携带的激光雷达实时获取的点云数据，检测巷道内与激光雷达邻近的岔路口，计算岔路口间的距离，并形成距离序列；

S4 将提取的邻近岔路口距离序列与全局距离序列进行匹配，获取激光雷达位置。

2.根据权利要求1的基于激光点云距离序列的井下定位方法，其特征在于：所述S2计算Ai与邻近岔路口Ai+1, Ai+2, Ai+3,…间的距离时，由于岔路口有一定宽度，岔路口与巷道会形成两个相交位置，该位置称为角点，结合激光雷达的扫描特性，计算岔路口间距离时，均以距离激光雷达较远的角点为参考点。

3.根据权利要求1的基于激光点云距离序列的井下定位方法，其特征在于：所述S2计算与Ai邻近的岔路口Ai+1, Ai+2, Ai+3,…间的距离时，不仅计算最近邻近岔路口的距离，还需要计算与不大于激光雷达的测距范围的其他岔路口间的距离，对于岔路口Ai，其对应的距离序列为：       (1)

式中的| |表示距离，上式还满足距离约束|AiAi+k|

4.根据权利要求1的基于激光点云距离序列的井下定位方法，其特征在于：所述S4将提取的邻近岔路口距离序列与全局距离序列进行匹配的过程中，采用距离搜索方式，将实时提取的邻近岔路口距离序列{b1,b2,b3,…,bN}与全局距离序列中第Ai个岔路口的距离序列{a1 ,a2 ,a 3 ,… ,a M} 进行匹配 ，得到匹配得分 ，记为 ，其中的取值与激光雷达精度有关，取值范围为[0.1, 1]，全部岔路口

匹配结束后，选择得分最高的岔路口为激光雷达的最近邻近岔路口，实现对目标的定位。

说明书

一种基于激光点云距离序列的井下定位方法

技术领域

[0001] 本发明给出了一种矿井内具有多个岔路口的巷道内车辆、行人等目标的定位方法，应用于无GPS信号的矿井场景，属于利用激光雷达信号的目标定位领域。

背景技术

[0002] 在井下采矿物的过程中，矿井内的巷道会连接多个采矿区，每个采矿区都会对应巷道上的岔路口，由于岔路口的形状非常相似，车辆或人员在巷道内行进的过程中，难以获得准确位置，为了确认自己的位置，通常会以非常慢的速度行进，以免错过或进入错误的岔路口。目前常用的定位系统都面临一些缺陷，如GPS、北斗等导航定位系统尽管有很高的定位精度，但由于矿井内无卫星信号或者卫星信号非常微弱，使得这些成熟的定位设备难以使用。RFID（无线射频识别）技术也可以实现定位，但需要预先安置大量的RFID模块，且定位精度不高。

[0003] 激光雷达具有很高的测距精度，在无人驾驶等领域已有大量实验应用。基于激光雷达的SLAM（即时定位与地图构建）技术是一种有效的3D建模与定位方法，但在井下巷道内，只有墙壁和岔路口，缺乏其他有效的纹理信息，尤其是使用扫描线数较少的激光雷达时，容易产生误配和错配。

[0004] 在预先测量的各岔路口的位置的基础上，通过各岔路口间的距离构成一种表示各个岔路口特点的编码数据序列，通过这种距离序列的匹配可以实现快速准确的巷道内目标定位。

发明内容

[0005] 本发明的目的是针对矿井内目标定位精度低的问题，提供了一种利用岔路口的距离序列进行目标定位的技术，以提高矿井巷道内车辆和行人的实时定位精度。

[0006] 本发明遵循了以下的技术方案：一种基于激光点云距离序列的井下定位方法，包括以下步骤：

[0007] S1 测量井下巷道中各岔路口的实际位置。

[0008] S2 基于S1测量的结果，对任意岔路口Ai，计算其与邻近的各岔路口Ai+1, Ai+2, Ai+3,…间的距离，并形成全局距离序列。

[0009] S3 利用携带的激光雷达实时获取的点云数据，检测巷道内与激光雷达邻近的岔路口，并计算岔路口间的距离，形成距离序列。

[0010] S4 将提取的邻近岔路口距离序列与全局距离序列进行匹配，获取目标位置。

[0011] 所述S1在实现中可以采用激光雷达，也可以采用其他现有的测量手段，对井下的岔路口进行测量。

[0012] 所述S2在具体的实现中，由于岔路口有一定宽度，岔路口与巷道会形成两个相交位置，该位置称为角点，结合激光雷达的扫描特性，计算距离时，均已远离激光雷达的角点为参考点。在计算距离时，不仅计算与最近邻近岔路口的距离，还需要计算在激光雷达测量范围内的其他岔路口间的距离。对计算得到的距离按照升序排列可形成距离序列，巷道内所有岔路口的距离序列的集合就构成了全局距离序列。

[0013] 所述S3中采用手持或车载激光雷达测量，通过对激光点云的处理获得各岔路口的距离，距离序列的计算过程与S2计算过程类似。

[0014] 所述S4的匹配过程采用了对每个距离值搜索的方式，假定实时提取的邻近岔路口距离序列{b1,b2,b3,…,bN}与全局距离序列中第Ai个岔路口的距离序列{a1,a2,a3,…,aM}之间的匹配得分为 。其中 的取值范围为[0.1，1]。全部岔路口匹配结束后，选择得分最高的岔路口为激光雷达的最近邻近岔路口，在岔路口匹配的基础上，实现目标的定位。

[0015] 需要说明的是，这种距离序列匹配既可以采用单侧的岔路口，也可以综合利用两侧的岔路口。综合利用两侧的岔路口会获得更可靠的定位效果。

[0016] 本发明与现有技术相比的优点在于：

[0017] 1）各岔路口的精确位置是可以预先测量的，基于该位置计算出的全局距离序列，反映了各个岔路口之间准确的空间约束关系。该距离序列不仅包含了岔路口与最邻近的岔路口的距离，还包含了其他多个邻近岔路口间的距离关系，这些位置关系是非常稳定的，在应用中，基于这种稳定的位置关系与实际测量的岔路口进行匹配，实现过程具有很好的鲁棒性。

[0018] 2）利用了激光雷达传感器，不仅具有很高的测距精度，而且不需要卫星导航信号，也不需要复杂的计算过程，适合井下这一特定的场景，并且非常适合工程应用。

[0019] 附图说明：

[0020] 图1为本发明基于激光点云距离序列的井下定位方法的流程图；

[0021] 图2为井下巷道示意图；

[0022] 图3为仿真实验场景示意图。

[0023] 具体实施方式：

[0024] 参照图1的流程，本发明基于井下巷道内的各个岔路口间的距离形成岔路口识别的信息，通过激光雷达当前测得的岔路口间的距离序列与预先获得的全局距离序列之间的匹配，实现激光雷达邻近岔路口的识别，进而获得目标在巷道内的位置。利用目标与岔路口间的位置关系以及激光雷达的精确测距特性，实现目标定位，主要的步骤如下：

[0025] S1测量井下巷道中各岔路口的实际位置。

[0026] 该步骤是基于提前获取的信息，如事前人工测量得到的井下巷道地图、激光雷达建立的巷道三维模型等先验数据，提取各个岔路口的位置信息，为后续的目标定位提供了井下实际信息。

[0027] S2 对巷道内的各岔路口，分别计算与邻近岔路口间的距离，并形成全局距离序列。

[0028] 巷道的示意图如图2所示，图中中间通道为巷道，两侧连接了很多岔路，这些岔路分别连接不同的采矿区域，巷道与岔路的连接位置称为岔路口。对于任意岔路口Ai，则Ai+1, Ai+2, Ai+3,…为与其邻近的岔路口，其中Ai+1为最近邻近岔路口。对于岔路口Ai，其与相邻3个岔路口间的距离序列可表示为 ：

[0029]   (1)

[0030] 式（1）中的上标R为激光雷达的测距范围，式中| |表示距离，order{}为对所有数据按数值进行排序，在具体实现中可以采取升序排列。

[0031] 由于邻近的岔路口很多，（1）式计算距离序列时对邻近岔路口的范围可以限定为激光雷达的测距范围R，即距离序列中的各距离值不大于R。对上式，需要满足的距离约束为[0032] |AiAi+k|

[0033] 上式中k为大于0的整数，当距离|AiAi+k|不能满足（2）式的约束，表明第Ai+k岔路口的距离过远，不在激光的测量范围内，需要从（1）式中删除该岔路口。激光雷达的测距范围越大，就需要计算更多的邻近岔路口的距离。

[0034] 由于岔路口有一定宽度，如图2所示，每个岔路口与巷道会形成两个相交位置，该位置称为角点，结合激光雷达的扫描特性，计算距离时，均以距离激光雷达较远的角点为参考点。以|AiAi+1|为例，当Ai更靠近激光雷达时，|AiAi+1|表示了岔路口Ai上方的角点与岔路口Ai+1上方角点之间的距离。

[0035] Ai是巷道中的任意岔路口，巷道内所有岔路口均可计算与邻近岔路口的距离序列，所有岔路口的距离序列的集合就构成了全局距离序列 ，num为参与计算的岔路口数目。

[0036] S3 利用手持或车载激光雷达实时获取的点云数据，检测巷道内与激光雷达邻近的岔路口，计算岔路口间的距离，并形成距离序列。

[0037] 检测中，由于激光雷达的直线照射特点，对于近似直线的巷道，通常远离激光雷达的角点在回波点云中反映的更为明显，通过检测角点可以检测巷道中的岔路口，由于每个岔路口有两个角点，计算中约定以远离激光雷达的角点为距离计算的参考点。根据岔路口检测结果，计算各岔路口间的距离，并排序得到距离序列，具体的计算过程与S3中计算过程是一致的。

[0038] S4 将提取的邻近岔路口距离序列与全局距离序列进行匹配，获取目标位置。

[0039] 在具体的实现中，采用距离搜索方式，将实时提取的邻近岔路口距离序列与全局距离序列中的每个 进行匹配。若实时提取的邻近岔路口距离序列为{b1, b2, b3,…, bN}，N为序列中元素数目，全局距离序列中第Ai个岔路口的距离序列 ={a1, a2, a3, …, aM}，M为 中元素数目，两者的匹配得分计算式如下：

[0040]                         (3)

[0041] 其中 的取值由激光雷达精度确定，一般的取值范围为[0.1, 1]。全部岔路口匹配结束后，选择得分最高的岔路口为激光雷达的最近邻近岔路口，结合激光雷达测得的与最近邻近岔路口的距离实现对载有激光雷达的目标的定位。

[0042] 这里需要说明的是，在本专利方法描述中，仅以图2中左侧的岔路口为例进行说明，实际定位中，左右两侧的岔路口均可用于目标定位，并且两侧岔路口综合应用时，定位效果比单独使用一侧的岔路口会获得更好的效果。

[0043] 为验证该方法的有效性，进行了仿真实验，仿真场景如图3所示。图中星号代表了激光雷达位置，A1表示了激光雷达前方第1个岔路口，岔路口间的数字表示了相邻岔路口间的距离（单位为米），激光雷达的测距范围为100米。则岔路口A1和岔路口A2对应的距离序列分别为： ={21, 25, 30, 51, 55, 76}， ={25, 28, 30, 53, 55, 83}。A1~A4岔路口在激光雷达测距范围内，但由于A4距离较远，点云稀疏，在仿真中没有成功检测，仿真中检测到的岔路口A1 A3间的距离（包含误差）分别为：|A1A2|=20.9米、|A2A3|=31.2米、|A1A3|=~51.1米。因此实时计算得到各邻近岔路口的距离序列为{20.9，30.2,51.1}米。与岔路口A1和岔路口A2匹配得分别为3分和1分，在岔路口A1和岔路口A2中，与激光雷达邻近的为岔路口A1。即激光雷达距离岔路口A1远端角点的距离为10.4米。