【技術實現步驟摘要】
本專利技術屬于地圖融合和路徑規劃，具體涉及一種基于多層融合地圖的無人車探索路徑規劃方法。
技術介紹
1、無人車(ugv)在空間中的自主探索是當前的一個突出話題。傳統的無人車自主探索解決方案主要集中于分析地形的可穿越性。然而，這些解決方案忽視了無人車復雜的車身結構對探索任務的影響。這一遺漏給在結構復雜的場景中規劃無人駕駛車輛的無碰撞路徑帶來了挑戰。
2、維諾圖是由一組由連接兩鄰點直線的垂直平分線組成的連續多邊形組成。具備以下特點：
3、(1)維諾圖把平面劃分成n個多邊形域，每個多邊形內只有一個生成元；
4、(2)每個多邊形內的點到該生成元距離短于到其它生成元距離；
5、(3)多邊形邊界上的點到生成此邊界的兩個生成元的距離相等；
6、(4)鄰接圖形的voronoi多邊形界線以原鄰接界線作為子集。
7、(5)voronoi圖至多有2*n-5個頂點和3*n-6條邊。
8、(6)多邊形內的生成元是形成三邊的三點構成的三角形的外界圓圓心，而且所有的這些外界圓內部不含任何除這三點之外的頂點(空心圓特性)。
9、目前尚缺乏一種在結構復雜場景下，考慮到復雜車身結構的基礎上，能夠有效地使非結構化無人車完成探索任務的方法。
技術實現思路
1、針對上述技術問題，本專利技術提供一種基于多層融合地圖的無人車探索規劃方法。
2、本專利技術提供的方法依靠多層融合地圖來評估無人車在空間中的可通行性。此外，本專
3、本專利技術提供的技術方案如下：
4、第一方面，本專利技術提供一種基于多層融合地圖的無人車探索規劃方法，包括以下步驟：
5、s1，多層融合地圖構建：通過點云數據分割分層構建多層地圖，多層地圖疊加形成融合地圖；
6、s2，廣義維諾圖提取：識別融合地圖中的假自由空間，將其納入障礙物，再通過計算點與障礙物之間的距離，構建出廣義維諾圖；
7、s3，基于維諾圖的規劃：采用了快速隨機探索樹算法，基于廣義維諾圖進行路徑規劃。
8、進一步，所述s1包括以下子步驟：
9、s11，地形分析：
10、采用基于稀疏三維激光雷達的地圖構建技術，利用貝葉斯廣義核推理進行地形可通行性計算；同時，應用卡爾曼濾波更新網格高程值，以減輕移動物體對地圖構建的影響；
11、s12，多層融合地圖生成：
12、在時間t時刻觀察到的點云被定義為集合c，其中每個點p擁有橫縱坐標和高度坐標z；
13、定義一個高度分割函數f(z)來過濾點云數據，將集合c基于z坐標分割為三個子集cl，滿足條件：
14、cl＝{p∈c|-δz≤z≤δz}
15、cm＝{p∈c|zmid-δz≤z≤zmid+δz}
16、ch＝{p∈c|zhigh-δz≤z≤zhigh+δz}
17、δz表示給定的高度浮動參數，取決于激光雷達的設置；zmid和zhigh是預定的高度基準，根據無人車的形態特征進行調整；
18、對于每個子集cv，v＝l,m,h，定義一個概率柵格地圖函數gv(cv)，gv(cv)通過確定點云所屬的柵格單元并更新占用概率，以將cv中的點云映射到二維柵格圖mv，滿足以下條件：
19、mv為n×m個網格單元組成的矩陣；每個網格單元mij(i＝1,...,n；j＝i,...,m)表示一個區域，其大小取決于柵格地圖的分辨率；
20、每個柵格單元mij擁有一個占用概率p(mij)，表示該區域被點云占據的可能性；p(mij)的取值范圍為0到1，其中0表示空閑，1表示占用，0.5表示未知占用。
21、進一步，所述s2包括以下子步驟：
22、s21，消除單層地圖帶來的假空間區域：
23、使用集合cfakefree表示假自由空間，cfree表示自由空間，c′表示障礙物點集；x、y為空間中的兩個點，xx代表點x的x坐標，xy代表點x的y坐標,yx代表點y的x坐標，yy代表點y的y坐標；r3代表空間中所有點的集合；
24、
25、其中，ci、cj和ck表示三個障礙物的點集；
26、所述假自由空間為無人車無法通過的區域，將其劃分為廣義維諾圖提取的障礙物；
27、使用c′i,c′j,c′k定義消除了假自由空間的障礙物的點集：
28、
29、其中，c′i為消除了假自由空間的障礙物ci，c′j為消除了假自由空間的障礙物cj，ck為消除了假自由空間的障礙物ck；
30、經過重新定義障礙物后得以消除假自由空間；
31、s22，廣義維諾圖gvg的提取：
32、構建一個確保無人車無碰撞的gvg，使用f2來表示等距表面在底部地圖上的投影形成的集合，使用f3來表示等距表面交線在底部地圖上的投影形成的集合；
33、fij＝{x∈r3|d(x,c′i)＝d(x,c′j)}
34、
35、其中，fij為與點集c′i和c′j等距的gvg的邊，d(x,c′i)表示點x與點集c′i的距離，d(x,c′j)表示點x與點集c′j的距離，d(x,c′)表示點x與障礙物點集c′的距離，示空間中的點x與障礙物點集c′中的點y的最短距離；
36、障礙物為n個時，使用以下公式定義自由空間、假自由空間、f2和f3；集合f2是gvg的邊，集合f3是構成gvg的節點，這兩個集合的并集為gvg；
37、
38、其中，c1到cn代表n個障礙物，x和y代表空間中的點；i＝1,…,n-1，j＝i+1,…,n，k＝j+1,…,n；zbottom代表預設的底層地圖的高度基準，eedge是gvg的邊，v是gvg的點；
39、s23，基于無人車外形的適應性調整：根據無人車的幾何形狀擴展地圖輪廓，調整廣義維諾圖。
40、更進一步，所述步驟s23中，使用一個與無人車高度對應的幾何形狀的最大半徑和等直徑的圓來處理圖像；
41、
42、其中，map代表地圖輪廓；b(r)即b(r)a，是以二維平面中的點a為圓心，無人車幾何形狀的最大半徑r為半徑的圓形；符號代表膨脹操作；e2代表二維平面；為空集。
43、進一步，所述s3包括以下子步驟：
44、s31，初始化圖g，g＝(v,eedge)，其中v是圖的頂點，eedge是圖的邊；
45、s32，在圖g的障礙物點集中隨機采樣一個點qrand，尋找離該點最近的點qnear，并計算qrand和qnear之間的歐幾里得距離；
46、s33，判斷沿著兩點之間的連接路徑運動有無碰撞；
47、s34，將無碰撞的點q本文檔來自技高網...
【技術保護點】
1.一種基于多層融合地圖的無人車探索規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述S1包括以下子步驟：
3.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述S2包括以下子步驟：
4.根據權利要求3所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述步驟S23中，使用一個與無人車高度對應的幾何形狀的最大半徑和等直徑的圓來處理圖像；
5.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述S3包括以下子步驟：
6.根據權利要求5所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述步驟S32中，尋找離該點最近的點qnear，并計算qranf和qnear之間的歐幾里得距離的公式如下：
7.根據權利要求6所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述步驟S33中，碰撞判斷的公式如下：
8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于多層融合地圖的無人車探索規劃方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于多層融合地圖的無人車探索規劃方法。
...【技術特征摘要】
1.一種基于多層融合地圖的無人車探索規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述s1包括以下子步驟：
3.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述s2包括以下子步驟：
4.根據權利要求3所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述步驟s23中，使用一個與無人車高度對應的幾何形狀的最大半徑和等直徑的圓來處理圖像；
5.根據權利要求1所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述s3包括以下子步驟：
6.根據權利要求5所述的基于多層融合地圖的無人車探索規劃方法，其特征在于，所述步驟s32中，尋找離該點最近的點qnear，并計算qr...
【專利技術屬性】
技術研發人員：于明昊，周劍，肖進勝，李子閏，唐有辰，鄢茂勝，
申請(專利權)人：武漢大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。