在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO...在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO,首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了一种基于人工路标的辅助增强定位方法,有效增加特征点云数量,从而优化位姿估计结果,避免建图过程中出现漂移现象;其次,提出融合坡度与曲率信息的SCSA(Slope and Curvature based Segmentation Algorithm)算法,通过分析激光雷达采集的点云数据中的几何特征,精确计算每个点的坡度角和曲率值,有效识别井下倾斜坑洼路面,确保在复杂环境中实现更精确的点云过滤,显著提升算法在复杂地形中的鲁棒性和精度;最后,在已构建地图的基础上利用GICP算法对实时采集的点云数据进行配准,融合GFRMINE-LIO算法修正点云畸变,从而实现高效重定位,相较于原算法定位精度大幅提升。实验结果表明:此算法能够在恶劣环境下更稳定、更快速地实现高精度定位。实际应用表明:在中钢集团山东某井下斜坡道的现场,与原算法相比,该算法精度提升2.90%,Z轴误差降低20.8%,地图质量明显提高,定位精度和鲁棒性均有显著提升,能有效解决井下无人驾驶建图及定位的难题。展开更多
文摘在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO,首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了一种基于人工路标的辅助增强定位方法,有效增加特征点云数量,从而优化位姿估计结果,避免建图过程中出现漂移现象;其次,提出融合坡度与曲率信息的SCSA(Slope and Curvature based Segmentation Algorithm)算法,通过分析激光雷达采集的点云数据中的几何特征,精确计算每个点的坡度角和曲率值,有效识别井下倾斜坑洼路面,确保在复杂环境中实现更精确的点云过滤,显著提升算法在复杂地形中的鲁棒性和精度;最后,在已构建地图的基础上利用GICP算法对实时采集的点云数据进行配准,融合GFRMINE-LIO算法修正点云畸变,从而实现高效重定位,相较于原算法定位精度大幅提升。实验结果表明:此算法能够在恶劣环境下更稳定、更快速地实现高精度定位。实际应用表明:在中钢集团山东某井下斜坡道的现场,与原算法相比,该算法精度提升2.90%,Z轴误差降低20.8%,地图质量明显提高,定位精度和鲁棒性均有显著提升,能有效解决井下无人驾驶建图及定位的难题。
