一种吊装现场环境建图方法、设备及可读存储介质
本技术涉及激光雷达三维测绘,特别是涉及一种吊装现场环境建图方法、设备及可读存储介质。
背景技术:
1、为提高塔吊作业的安全性与效率,针对塔吊工作空间内物体识别、目标检测及环境扫描等任务对高精度三维建图的需求,在现有技术中存在以下方案:
2、(1)一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置,该方案面向塔吊自动驾驶中的激光点云坐标标定,在塔吊环境中布设多个特征图,例如棋盘格、二维码或apriltag码图;激光雷达扫描包含特征图的塔吊环境后,将激光点云中的各点投影到虚拟相机的像素坐标系,依据点云反射值和像素坐标生成虚拟像素图像,再从图像中识别特征图及其特征点;最后利用特征点的像素坐标和已知世界坐标求解世界坐标系到虚拟相机、再到激光雷达坐标系的标定矩阵,从而将塔吊环境中的激光坐标转换为世界坐标。
3、然而,该方案依赖在塔吊环境中人工布设棋盘格、二维码等特征图并预先测量特征点的世界坐标,布设与测量工作量大;特征图在施工现场易被遮挡、污损或移动,导致标定失效;且仅解决单台激光雷达的静态标定,无法获得双激光雷达相对位姿及环境地图。
4、(2)一种塔式起重机工作场地快速建模方法,该方案在塔臂行车上安装一台具备多个自由度调整能力且为面阵式的激光雷达,激光雷达通过旋转云台改变朝向,在行车位于不同指定位置以及塔臂处于不同回转位置时进行多角度扫描;采集完成后,计算机对塔吊现场点云进行平移、旋转、缩放等三维变换,并使用icp算法对扫描得到的三维点云数据进行拼接,生成塔吊施工区域整体环境点云图;在地图构建过程中还可进行历史建模数据叠加和阈值化更新,并将构建结果用于后续路径规划或工作场景分析。
5、然而,该方案需行车多次移位并配合旋转云台多角度扫描,采集流程繁琐耗时,需占用塔机正常作业时间;建图完全依赖icp逐段拼接点云,配准误差随扫描段数逐段累积,且缺乏塔吊自身运动信息的约束,在特征稀疏场景下易配准失败或漂移,地图精度难以保证。
6、(3)一种塔机吊装全过程动态建图与感知覆盖方法以及系统,该方案在塔机可旋转支架上布置两个旋转激光雷达,并由控制模块根据吊装作业阶段切换双激光雷达拍摄视角;系统采集塔机运行参数和连续点云数据,计算吊钩三维坐标、运动速度和摆动角度,形成连续吊钩轨迹;随后通过目标感知算法从连续点云中识别动态障碍物和静态背景,构建施工环境点云模型,并将点云模型与以塔机基座为原点的物理坐标系进行时空配准,进一步采用高斯面元建图和时空图卷积网络建立全局动态地图,最终融合吊钩轨迹形成动态感知区域覆盖图。
7、然而,该方案侧重吊装全过程的动态感知,依赖作业阶段识别与视角切换、高斯面元建图和时空图卷积网络等复杂模块,系统实现和计算开销大;未解决双激光雷达之间相对位姿的精确标定问题,静态环境地图仅靠去除动态障碍物直接获取,点云与物理坐标系的配准精度缺乏保障。
8、(4)塔式起重机工作场景建模方法及装置,该方案面向塔式起重机工作场景建模,在大臂旋转运动过程中获取设置于变幅小车的激光雷达当前帧点云数据、激光雷达位姿信息以及大臂角速度信息;系统基于角速度信息和位姿信息分析当前帧点云,对点云中各点进行运动补偿,得到大臂坐标系与世界坐标系之间的变换关系;随后结合目标平面残差对变换矩阵进行迭代更新,并利用当前帧点云与历史工作场景模型中的邻近点共同更新工作场景模型,从而提高塔式起重机工作场景建模准确性。
9、然而,该方案依赖激光雷达内置或附加的惯性传感器提供位姿信息,位姿估计易受大臂振动和惯性器件漂移影响;建图仍沿用lio-slam逐帧配准更新的路线,误差随时间累积;且仅涉及单台激光雷达的位姿估计与建模,未解决双激光雷达相对位姿标定问题。
10、(5)一种塔式起重机多层次环境感知系统和方法,该方案在塔机上设置吊物追踪激光雷达、局部环境感知激光雷达、组合导航模块、主控计算机和无线通信模块,其中吊物追踪激光雷达安装在塔臂小车位置,用于扫描吊物三维点云,局部环境感知激光雷达安装在吊钩位置,用于扫描吊物周边环境;组合导航模块提供与点云对应的gnss位置信息。其方法先利用gnss位置信息引导吊物识别及钢丝绳点云移除,再结合实时建图、语义分割和语义拓扑结构进行多源点云粗配准与icp精配准,最后采用自适应八叉树体素结构和误差加权融合简化点云,并计算防碰撞预警信息。
11、然而,该方案依赖gnss组合导航模块提供位置信息,在城市高楼密集或遮挡严重的施工环境下定位不可靠,且额外增加硬件成本;建图依赖slam实时重建并叠加语义分割、粗配准与icp精配准等多级处理,流程复杂、计算量大,也未解决双激光雷达外参的精确标定问题。
12、综上,如何实现激光雷达位姿自标定与双激光雷达相对位姿自动求解,构建全局一致的塔吊作业空间三维地图,成为本领域亟需解决的技术问题。
技术实现思路
1、本技术的目的是提供一种吊装现场环境建图方法、设备及可读存储介质,可实现激光雷达位姿自标定与双激光雷达相对位姿自动求解,构建全局一致的塔吊作业空间三维地图。
2、为实现上述目的,本技术提供了如下方案:
3、第一方面,本技术提供了一种吊装现场环境建图方法,包括:
4、获取配对数据集;所述配对数据集包括:若干组配对的回转编码器角度和未筛选的原始点云;每一组配对的回转编码器角度和未筛选的原始点云时间同步;所述未筛选的原始点云包括:第一激光雷达在对应回转编码器角度下采集的点云和第二激光雷达在对应回转编码器角度下采集的点云;所述回转编码器安装在塔吊大臂的旋转机构上;所述第一激光雷达安装在塔吊大臂靠近驾驶室端;所述第二激光雷达安装在塔吊大臂远离驾驶室端。
5、基于所述未筛选的原始点云执行初始配准与位姿优化,得到初始位姿参数。
6、基于所述初始位姿参数,按当前位姿将各回转编码器角度下的点云临时投影至世界坐标系并划分体素,将满足筛选指标的稳定结构体素映射回原始帧,得到稳定结构点集合;所述筛选指标包括:命中稳定度、可见未命中比例、角度覆盖熵及局部几何显著性。
7、对所述稳定结构点集合进行配准,得到配准变换。
8、基于若干所述回转编码器角度以及任意激光雷达的待求位姿参数,确定推导变换。
9、基于所述配准变换和所述推导变换,构建位姿优化目标函数。
10、对所述位姿优化目标函数进行求解,得到第一激光雷达和第二激光雷达的最优位姿参数。
11、基于所述第一激光雷达和第二激光雷达的最优位姿参数,确定第一激光雷达到第二激光雷达的相对位姿。
12、基于所述第一激光雷达和第二激光雷达的最优位姿参数,将每个回转编码器角度对应的点云转换至世界坐标系,并进行融合,得到双激光雷达融合点云。
13、对所述双激光雷达融合点云进行体素合并或等效去重,得到静态背景地图。
14、获取当前回转编码器角度和实时扇形点云。
15、基于所述第一激光雷达和第二激光雷达的最优位姿参数和所述当前回转编码器角度,计算当前激光雷达到世界坐标系的变换。
16、基于所述当前激光雷达到世界坐标系的变换,将所述实时扇形点云转换至世界坐标系,使所述实时扇形点云与所述静态背景地图处于同一坐标系下。
17、第二方面,本技术提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述所述的吊装现场环境建图方法。
18、第三方面,本技术提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述所述的吊装现场环境建图方法。
19、根据本技术提供的具体实施例,本技术具有了以下技术效果:
20、本技术提供了一种吊装现场环境建图方法、设备及可读存储介质,双激光雷达和回转编码器通过硬件或软件实现时间同步后获取了配对的数据集,解决了塔吊双激光雷达采集数据时间不同步、数据无精准对应关系以及单雷达数据覆盖范围有限的问题,实现了回转编码器角度与双雷达原始点云的精准时间配对;通过基于所述未筛选的原始点云执行初始配准与位姿优化,得到初始位姿参数,解决了原始点云无序、无初始空间位姿基准、后续精准配准无初始迭代条件的问题,实现了原始点云的初步配准与位姿参数迭代优化,为后续稳定结构点筛选提供了可靠的初始位姿依据;通过基于所述初始位姿参数,按当前位姿将各回转编码器角度下的点云临时投影至世界坐标系并划分体素,将满足筛选指标的稳定结构体素映射回原始帧,得到稳定结构点集合,解决了原始点云包含大量噪声、动态干扰点、无效冗余点以及普通筛选方式无法精准识别场景稳定结构的问题,实现了依托多维度筛选指标精准剔除干扰点、提取场景高稳定性结构点,大幅提升了后续配准数据的有效性和可靠性;通过对所述稳定结构点集合进行配准,得到配准变换,解决了稳定结构点集合无精准空间变换关系、点云相对位置存在偏差的问题,实现了稳定结构点的精准配准,获取了高精度的点云配准变换参数;通过基于若干所述回转编码器角度以及任意激光雷达的待求位姿参数,确定推导变换,解决了仅依靠点云配准无法结合塔吊大臂运动机械特性约束位姿的问题,实现了依托塔吊回转角度机械参数推导雷达位姿变换关系;通过基于所述配准变换和所述推导变换,构建位姿优化目标函数,解决了单一配准变换或机械推导变换存在误差、位姿求解缺乏综合约束的问题,实现了融合点云配准数据与塔吊机械运动约束构建精准的位姿优化目标函数,搭建了高精度位姿求解的数学模型;通过对所述位姿优化目标函数进行求解,得到第一激光雷达和第二激光雷达的最优位姿参数,解决了初始位姿存在累积误差、双雷达位姿参数精度不足的问题,实现了目标函数最优解迭代求解,得到双激光雷达高精度最优位姿参数,消除初始配准与机械运动带来的系统误差;通过基于所述第一激光雷达和第二激光雷达的最优位姿参数,确定第一激光雷达到第二激光雷达的相对位姿,解决了双雷达独立位姿参数无法体现设备间空间关联、无统一相对位置基准的问题,实现了精准解算双激光雷达之间的相对位姿关系,完成双雷达空间位置的统一标定;通过基于所述第一激光雷达和第二激光雷达的最优位姿参数,将每个回转编码器角度对应的点云转换至世界坐标系,并进行融合,得到双激光雷达融合点云,解决了单雷达点云覆盖范围有限、单角度点云信息零散、数据碎片化的问题,实现了不同回转角度下双雷达点云的统一坐标系转换与融合,得到覆盖全面、信息完整的融合点云数据;通过对所述双激光雷达融合点云进行体素合并或等效去重,得到静态背景地图,解决了融合点云存在大量重复体素、冗余噪点、地图精度低且存储量大的问题,实现了融合点云的去重与优化处理,构建出纯净、高精度、低冗余的塔吊作业静态背景地图;通过获取当前回转编码器角度和实时扇形点云,基于所述第一激光雷达和第二激光雷达的最优位姿参数和所述当前回转编码器角度,计算当前激光雷达到世界坐标系的变换,解决了实时雷达数据无法匹配全局坐标系、实时位姿无精准变换依据的问题,实现了结合最优位姿参数与实时机械角度精准求解雷达实时全局变换矩阵,建立实时数据与静态地图的坐标关联基础;通过基于所述当前激光雷达到世界坐标系的变换,将所述实时扇形点云转换至世界坐标系,使所述实时扇形点云与所述静态背景地图处于同一坐标系下,解决了实时点云与静态背景地图坐标系不统一、无法完成实时环境比对与动态建图的问题,实现了实时点云与静态背景地图的坐标统一,为塔吊实时位姿精准估计、动态环境建图与作业状态监测提供了核心技术支撑。本技术依托塔吊大臂运动特性,结合双激光雷达协同采集、多指标点云筛选、机械约束与点云配准融合优化的核心逻辑,解决了传统塔吊雷达位姿估计精度低、点云噪声干扰大、单雷达覆盖不足、机械运动与雷达数据适配性差、静态地图冗余度高、实时建图坐标不统一的行业痛点,实现了塔吊作业场景高精度位姿自主估计、低冗余静态背景地图构建与实时动态点云精准匹配,大幅提升了塔吊作业环境建图精度、位姿解算稳定性与实时性,有效适配塔吊大臂旋转运动的特殊作业工况,为塔吊智能化安全监测、自主作业与环境感知提供了可靠的技术保障。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com