一种基于多无人矿车众包感知与可信度评估的无规则区域点云地图更新方法及系统与流程
本发明涉及多无人矿车的无规则区域点云地图更新,具体涉及一种基于多无人矿车众包感知与可信度评估的无规则区域点云地图更新方法及系统。
背景技术:
1、目前无人驾驶矿车在矿区运行时,通常依赖预先采集并制作的高精点云地图作为定位、路径规划和任务调度的基础数据。常见做法包括使用专用测绘车辆或人工采集设备对矿区道路、装载区、卸料区、停车区、维修区等区域进行点云采集,然后通过离线建图软件生成静态点云地图,再部署至无人矿车端进行定位和导航,但上述方式在结构化道路或变化较少的封闭场景中能够满足一定使用需求,但在矿区无规则作业区域中存在明显不足:
2、1.地图更新周期长:矿区装载区、卸料区、堆料区、临时道路、铲装工作面等区域变化频繁,传统依靠专用测绘车辆或人工采集的方式更新周期较长,难以及时反映现场道路边界、地形坡度、堆料位置、坑洼区域和临时障碍物的变化;
3、2.更新成本高:传统地图更新通常需要安排专用采集车辆、测绘人员和后处理人员,更新过程与生产运输作业相互割裂,容易造成车辆停工、道路封闭或作业效率下降,不适合矿区高频动态更新需求;
4、3.单车采集数据可靠性不足:在矿区粉尘、雨雾、夜间、强振动、遮挡、轮胎扬尘等环境下,单辆无人矿车采集到的点云可能存在局部缺失、噪声点、动态物体残留、定位漂移或姿态误差,若直接用于地图更新,可能导致地图误更新;
5、4.缺乏众包数据质量评价机制:现有方法往往仅对点云进行简单配准和拼接,缺少对不同车辆、不同时间、不同传感器状态、不同定位精度和不同观测角度下采集数据的可信度评估,无法判断某一局部地图变化是真实地形变化还是由传感器噪声、定位误差或动态目标干扰导致;
6、5、缺乏面向无规则区域的变化检测机制:矿区无规则区域没有清晰车道线、路沿、标志牌等稳定结构,传统基于道路边界或车道拓扑的地图更新方法难以直接适用。尤其在装载区和卸料区,车辆行驶轨迹、停车点、作业面边界和可通行区域会随生产计划不断变化,现有地图更新方法难以准确识别哪些区域应更新、哪些区域应保持稳定;
7、6、地图更新与无人矿车运行闭环不足:现有地图更新方式通常是离线完成后人工部署,缺少云端地图版本管理、车辆端地图差分下发、地图使用效果验证和异常回滚机制,无法形成“车辆作业采集—云端融合更新—地图下发—车辆验证反馈”的闭环。
8、因此,现有技术中难以满足无人矿车在无规则动态作业区域中对点云地图实时性、可靠性、低成本和闭环更新的需求。
技术实现思路
1、本发明的目的在于提供提供一种基于多无人矿车众包感知与可信度评估的无规则区域点云地图更新方法及系统,用于解决矿区无规则作业区域地图变化频繁、人工更新成本高、单车采集可靠性不足、点云变化真假难以判断、地图更新缺少可信度评价和闭环验证的问题。
2、为实现上述发明目的,本发明提供以下技术方案:
3、一种基于多无人矿车众包感知与可信度评估的无规则区域点云地图更新系统,包括:
4、车端众包感知模块,所述车端众包感知模块包括激光雷达、gnss/rtk定位单元、惯性测量单元、轮速计、车载计算单元以及任务状态记录单元,车端众包感知模块用于在车辆正常作业过程中采集矿区环境点云和车辆运行数据;
5、车端数据预处理与上传模块,所述车端数据预处理与上传模块用于对车端众包感知模块采集的矿区环境点云、车辆运行数据进行初步处理和质量筛选;
6、云端众包数据管理模块,所述云端众包数据管理模块用于接收并管理来自多辆无人矿车的地图更新数据包,其中地图更新数据包是由云端根据车辆编号、时间戳、地图块编号和任务区域类型,对车端数据预处理与上传模块初步处理和质量筛选的众包数据进行分类存储,并将属于同一局部区域或相邻区域的数据组织成可用于融合更新的数据集合,形成点云众包;
7、点云配准与变化检测模块,所述点云配准与变化检测模块用于将车端上传的众包点云统一到云端基准地图坐标系下,并与当前版本点云地图进行对比分析;
8、可信度评估模块,所述可信度评估模块用于判断候选变化区域是否属于真实、稳定、可写入地图的变化,可信度评估模块综合考虑车端数据质量、多车一致性、静态稳定性、历史地图稳定性、点云配准误差、动态目标干扰程度、观测时间跨度和区域重要程度,对每一个候选变化区域计算变化可信度,其中对于仅由单车单次观测得到、持续时间短、与其他车辆观测不一致或受动态目标明显干扰的区域,不直接写入地图,而将其标记为待观测区域;对于被多辆无人矿车在不同时间、不同视角下重复观测到,且点云形态、占据状态或高程变化具有一致性的区域,提高其可信度,并允许进入地图更新流程;
9、地图增量更新模块,所述地图增量更新模块用于对满足可信度要求的局部地图块进行更新,地图增量更新模块以地图块为基本更新单元,将无规则作业区域划分为多个局部地图块,每个地图块保存其空间范围、当前地图数据、历史版本、更新时间、观测车辆数量、变化可信度和地图状态;
10、地图版本管理模块,所述地图版本管理模块用于对更新后的地图进行版本化管理,局部地图在云端完成更新后,生成新的地图版本或差分地图包,并记录更新区域、更新时间、参与车辆、变化类型、可信度评分、更新前后差异和回滚索引,地图版本管理模块支持全量地图管理、局部地图块管理、差分地图包生成、历史版本查询和异常版本回滚;
11、车辆端地图接收与验证模块,所述车辆端地图接收与验证模块用于接收云端下发的地图更新结果,并在车辆实际运行过程中验证地图更新效果,车辆端地图接收与验证模块在车辆端加载更新后的地图后通过定位匹配残差、路径规划可行性、障碍物识别一致性、轨迹跟踪状态和车辆运行反馈判断新地图是否可靠。
12、在本发明的一个优选实施方案中,所述车辆运行数据包括车辆定位、车辆姿态、车辆速度、传感器健康状态和当前任务状态信息。
13、在本发明的一个优选实施方案中,所述激光雷达用于获取车辆周围三维点云,gnss/rtk定位单元和惯性测量单元用于获取车辆在全局坐标系下的位置与姿态,轮速计用于辅助估计车辆运动状态,车载计算单元用于对点云进行预处理、时间同步、坐标转换和关键帧筛选,任务状态记录单元用于记录车辆处于装载、运输、卸料、等待、会车、避障或返程等具体工况。
14、在本发明的一个优选实施方案中,所述车端数据预处理与上传模块在初步处理和质量筛选数据过程中,车辆端首先对点云进行去畸变、降采样、离群点剔除、动态目标初筛和局部地图差异初判,然后结合定位精度、点云密度、传感器状态、时间同步状态、车辆运动稳定性以及当前任务区域类型,判断该段数据是否适合参与地图更新,对于满足上传条件的数据,车辆端将点云关键帧、车辆位姿、时间戳、车辆编号、定位协方差、传感器健康状态、任务状态、点云质量指标和对应地图块编号打包上传至云端。
15、在本发明的一个优选实施方案中,所述点云配准与变化检测模块在统一坐标系后与当前版本点云地图的对比分析过程中,先根据车辆位姿和传感器外参完成坐标转换,再采用点云配准算法对众包点云与已有地图进行局部匹配,计算配准残差和空间重合度,然后通过体素占据变化、高程变化、点云密度变化和局部形态变化识别候选变化区域,例如道路边界变化、堆料范围变化、排土场高程变化、坑洼区域变化、临时障碍物变化以及可通行区域扩展或收缩等。
16、在本发明的一个优选实施方案中,对于可信度达到更新阈值的地图块,所述地图增量更新模块根据可信度权重将众包观测点云与历史点云地图进行融合,完成新增点云写入、无效点云删除、体素占据状态更新、高程信息修正和可通行区域边界更新,而对于可信度不足但存在明显变化迹象的地图块,地图增量更新模块对其不立即更新,而是将其状态设置为待观测,等待后续更多车辆数据进行验证。
17、另外,本发明还提供一种基于多无人矿车众包感知与可信度评估的无规则区域点云地图更新方法,包括以下步骤:
18、s1、地图块的划分和建立:针对不同的无规则作业区域,云端按照预设尺寸或根据无规则作业区域形态自适应划分为多个局部地图块,并为每个地图块建立地图块编号、空间范围、当前点云数据、历史版本、更新时间、观测次数、可信度评分和地图状态;
19、s2、众包点云采集:多辆无人矿车在正常作业过程中持续采集环境点云和车辆运行数据,每辆无人矿车通过车载激光雷达获取周围三维点云,通过 gnss/rtk定位单元、惯性测量单元和轮速计获取车辆位姿与运动状态,并记录当前任务状态和传感器健康状态;
20、s3、车端预处理和关键帧筛选:车端对所述步骤s2采集到的点云数据进行预处理和关键帧筛选,预处理包括点云去畸变、体素降采样、离群点剔除、地面点提取、动态目标初筛和局部差异初判,车端根据车辆行驶距离、航向角变化、点云重叠率和当前点云与已有地图的差异程度筛选关键帧,当车辆自上一关键帧以来的行驶距离超过距离阈值,或者航向角变化超过角度阈值,或者当前点云与已有地图之间的差异超过变化阈值时,将当前点云作为候选地图更新关键帧;
21、s4、候选关键帧的数据质量初评:车端对所述步骤s3的候选地图更新关键帧的数据质量初评,初评评价指标包括定位精度、定位协方差、点云密度、点云完整性、传感器健康状态、时间同步状态、车辆运动稳定性和动态目标比例,若根据上述评价指标计算的数据质量分数低于预设阈值,则该关键帧不参与地图更新,而若数据质量分数不低于预设阈值,则车端将该关键帧及其关联信息上传至云端;
22、s5、云端数据归类与配准:所述s4步骤上传的云端数据根据地图块编号和空间位置将其归入对应局部地图块,并对同一地图块内的数据进行时间排序和空间配准,同时云端通过点云配准算法将众包点云与当前地图版本进行局部匹配,计算配准误差、空间重合度和点云形态差异,若某一车辆上传的数据配准误差过大,同时该车辆定位状态较差,则系统判定该数据可能存在定位漂移,不直接用于地图更新,等待更多车辆采集数据进行确认,若多个车辆均在同一区域观测到相似差异,则进入后续的众包点云与当前地图的变化检测和可信度评估流程;
23、s6、众包点云与当前地图的变化检测:变化检测以体素或局部点云块为基本分析单元,比较历史地图与当前众包观测之间的占据状态、高程、点密度和局部形态差异,识别候选变化区域,其中候选变化区域可包括新增堆料、原有堆料消失、道路边界移动、排土场高程变化、坑洼区域出现、临时障碍物出现或消失以及可通行区域变化;
24、s7、动态目标剔除:为了防止动态目标被错误写入地图,云端对所述步骤s6的候选变化区域进行动态目标剔除,动态目标剔除为结合多帧点云连续性、目标运动状态、目标尺寸、目标类别、任务区域属性和多车重复观测情况,判断候选变化是否为车辆、人员、挖机、临时设备、扬尘噪声等动态或临时目标,对于短时间出现、未被多车重复观测、具有明显运动特征的目标,系统将其从地图更新候选集中剔除,而对于在多个时间段、多个车辆、多个视角下稳定存在的变化区域,系统保留其为候选真实变化区域;
25、s8、多车一致性评估:云端对所述步骤s7保留的候选真实变化区域进行多车众包一致性评估,系统通过在同一地图块内参与观测的车辆数量、观测时间跨度、不同车辆点云之间的空间重合度以及变化方向一致性来统计多车众包一致性的评分高低,若某一变化区域由多辆无人矿车在不同时间、不同视角下重复观测到,且变化位置、变化形态和变化方向基本一致,则系统判定该多车众包具有较高评分的一致性,若某一变化区域仅由单辆车单次观测得到,或者不同车辆观测结果相互矛盾,则系统判定该多车众包的一致性评分较低;
26、s9、区域变化可信度计算:区域变化可信度综合考虑所述步骤s8评估的多车一致性以及车端数据质量、点云配准误差、动态目标干扰程度、历史地图稳定性和区域重要程度,区域变化可信度计算公式可表示为:
27、;
28、其中,表示车端数据质量评分,表示多车一致性评分,表示静态稳定性评分,表示历史地图观测稳定性评分,表示归一化配准误差,表示动态目标干扰评分,b1~b5表示对应权重系数;
29、当区域变化可信度大于第一阈值时,系统判定该变化可信,允许进入地图增量更新流程,当区域变化可信度处于第一阈值和第二阈值之间时,系统不立即更新地图,而是将该区域标记为待观测区域,等待更多车辆采集数据进行确认,当区域变化可信度小于第二阈值时,系统判定该变化不可信,不执行地图更新;
30、s10、地图增量更新:对于所述步骤s9计算的区域变化可信度满足的地图块,云端执行点云地图增量融合更新,系统根据步骤s9计算的区域变化可信度确定历史地图和众包观测数据的融合权重,对新增点云、消失点云、高程变化、占据状态变化和可通行边界变化进行更新,历史地图的融合形式可表示为:
31、;
32、其中,表示更新前的历史地图状态,表示众包观测得到的地图状态,表示更新后的地图状态,表示历史地图权重,表示众包观测权重,可根据区域变化可信度动态确定,当可信度较高时,提高众包观测数据权重,当可信度较低时,提高历史地图权重或暂缓更新;
33、s11、地图版本或差分地图包的生成:所述步骤s10的点云地图增量融合更新完成后,云端生成新的地图版本或差分地图包。差分地图包至少包括更新地图块编号、更新前版本号、更新后版本号、新增点云、删除点云、修改体素、可信度评分、更新时间、适用车辆或适用任务区域以及回滚索引,云端根据车辆任务区域、车辆当前位置和地图版本状态,将相应差分地图包下发至需要使用该区域地图的无人矿车;
34、s12、车辆端验证反馈:车辆端通过定位匹配残差、定位稳定性、路径规划可行性、障碍物识别一致性和轨迹跟踪状态判断所述步骤s11的新地图是否有效,若车辆端发现更新后的地图导致定位残差增大、规划失败、可通行区域异常或运行风险升高,则向云端反馈地图异常信息,云端根据反馈信息对对应地图块进行重新评估,必要时回滚至上一稳定地图版本,并将该地图块标记为待观测或冻结状态。
35、在本发明的一个优选实施方案中,所述无规则作业区域包括装载区、卸料区、堆料区、排土场、临时道路、停车等待区、会车缓冲区以及道路边界频繁变化的区域。
36、在本发明的一个优选实施方案中,所述步骤s2中无人矿车通过车载激光雷达获取周围三维点云的方式为车端将激光雷达坐标系下的点云转换至全局地图坐标系,其坐标转换关系可表示为:
37、;
38、其中,表示激光雷达坐标系下的点云点,表示车辆坐标系到地图坐标系的位姿变换矩阵,表示转换后的全局地图坐标系下的点云点。
39、与现有技术相比,本发明的有益效果在于:
40、1、降低矿区点云地图更新成本:本发明利用多辆无人矿车在日常作业过程中采集的感知数据进行地图更新,不需要频繁安排专用测绘车辆和人工采集人员,降低了地图维护成本。
41、2、提高无规则区域地图更新实时性:由于无人矿车在装载区、卸料区、临时道路和堆料区等无规则区域内持续运行,本发明能够持续获得最新点云观测数据,使地图更新从周期性人工更新转变为连续式众包更新。
42、3、提高地图更新可靠性:本发明不是直接使用单车点云覆盖原始地图,而是通过车端数据质量评价、多车一致性评价、动态目标剔除和区域变化可信度评估,判断变化是否真实,从而降低误更新风险。
43、4、适应矿区无规则动态场景:本发明不依赖车道线、路沿、交通标识等结构化道路特征,而是通过地图块、体素占据变化、多车观测一致性和局部点云形态变化实现无规则区域地图更新,更适合露天矿区复杂作业环境。
44、5.提高无人矿车定位和规划稳定性:本发明在地图及时更新后通过车辆端定位算法的使用,可以更接近现场真实环境的点云地图,减少因地图过期导致的定位匹配失败、路径规划偏差和安全风险。
45、6.实现地图更新闭环管理:本发明通过云端版本管理、差分地图下发、车辆端运行验证和异常回滚机制,实现了地图从采集、融合、发布、使用到反馈的完整闭环。
46、7.提升多车协同作业能力:多辆无人矿车共享地图更新结果,使单车感知到的有效变化能够服务于整个无人矿车车队,提高矿区无人运输系统的整体智能化水平。
47、总之,本发明通过多辆无人矿车在正常运输作业过程中同步持续采集点云数据、定位数据、车辆姿态数据、传感器状态数据和任务场景数据,并将其上传至云端地图更新平台,云端对来自不同车辆、不同时间和不同观测角度的点云数据进行统一坐标转换、局部地图块切分、变化区域识别、动态目标剔除、众包观测一致性分析和可信度评估,再根据可信度结果对无规则区域点云地图进行增量更新,并将更新后的地图版本或差分地图块下发至无人矿车端,实现矿区无规则区域点云地图的自动化、众包化、可信化和闭环化更新。
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