基于多线激光雷达的井下斜坡道无人矿卡定位与建图方法

• Published in: 煤炭学报 Vol. 49; no. 3; pp. 1680 - 1688
• Main Authors: 顾清华, 白昌鑫, 陈露, 李萌, 付明宇, 王维
• Format: Journal Article
• Language: Chinese
• Published: 西安建筑科技大学资源工程学院,陕西西安 710055 01.03.2024; 西安建筑科技大学西安市智慧工业感知计算与决策重点实验室,陕西西安 710055%西安建筑科技大学西安市智慧工业感知计算与决策重点实验室,陕西西安 710055%中钢集团山东矿业有限公司,山东临沂 277700
• Subjects: 地面点分割; unmanned driving; laser SLAM; 激光SLAM; ground point segmentation; 井下斜坡道; point cloud clustering; 无人驾驶; 点云聚类; underground ramps
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.2023.0119

TD67%TP242; 井下斜坡道的定位与建图是实现井下斜坡道无人驾驶的关键技术之一,矿山井下斜坡道区域为典型非结构化环境特征,且道路具有一定倾斜角度,采用传统SLAM算法无法获得精确里程计信息,导致定位与建图精度难以满足无人矿卡行驶需求.针对上述问题,通过研究激光SLAM(Simultaneous Localization And Mapping)算法 LeGO-LOAM,笔者提出一种适用于矿山井下斜坡道环境的定位与建图方法.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,设计了基于人工路标的辅助增强定位方法,有效增加点云特征数量,从而优化位姿估计结果,避免建图漂移现象;然后在特征预处理阶段,提出了一种基于激光点云高度差与坡度信息融合的提取地面点高效算法,通过改善地面地点的选取策略,针对倾斜坑洼路面仍能有效识别地面点,解决了井下斜坡道定位与建图倾斜角度大、误差大等问题;其次,基于CVC(Curved-Voxel Clus-tering)聚类算法设计了一种斜坡道点云曲率体素聚类算法,采用曲率体素和基于哈希的数据结构对点云进行分割,大幅提高在井下稀疏、噪声环境下点云聚类的鲁棒性;最后,运用Scan-To-Map进行点云匹配,同时兼顾点云配准的性能与速度.在中钢集团山东某井下斜坡道的现场实验证明:与原算法相比精度提升13.15％,Z轴误差降低22.3％,地图质量明显提升,能有效解决井下无人驾驶建图及定位的难题.