基于MEMS激光雷达的智能轮椅SLAM研究_崔林威.pdf
《基于MEMS激光雷达的智能轮椅SLAM研究_崔林威.pdf》由会员分享,可在线阅读,更多相关《基于MEMS激光雷达的智能轮椅SLAM研究_崔林威.pdf(7页珍藏版)》请在咨信网上搜索。
1、书书书测控技术2023 年第 42 卷第 2 期智能感知与仪器仪表收稿日期:2021 08 13基金项目:国家重点研发计划(2020YFC2007401)引用格式:崔林威,崔建伟,黄子正,等 基于 MEMS 激光雷达的智能轮椅 SLAM 研究 J 测控技术,2023,42(2):12 18CUI L W,CUI J W,HUANG Z Z,et al MEMS LiDA-Based SLAM Study of Intelligent Mobility Wheelchair J Measurement Control Technology,2023,42(2):12 18基于 MEMS 激光雷达
2、的智能轮椅 SLAM 研究崔林威,崔建伟*,黄子正,李响,姜汇策(东南大学 仪器科学与工程学院,江苏 南京210096)摘要:轮椅是残障人士和老年人的重要代步工具,传统的电动、手动轮椅移动方式单一,需要他人辅助完成,且无法主动保证使用者的安全。研究了基于机器人操作系统(OS)的轮椅室外场景建模、路径规划与导航算法。在轮椅上安装 MEMS 激光雷达,融合体素网格滤波器和 LeGO-LOAM 算法完成点云处理和室外场景建模;设计了融合百度地图和激光雷达的轮椅导航方式,使用者可根据百度地图提供的路径规划信息遥控轮椅,在建图完毕后,可仅依靠激光雷达完成路径导航和自主移动;结合激光雷达智能感知算法,实现
3、了道路信息的实时感知,使轮椅具备主动安全功能。通过实验验证了建模、感知算法的功能,并完成了融合导航仿真实验,研究内容能够大幅提升智能轮椅使用过程中的安全性能。关键词:智能轮椅;MEMS 固态激光雷达;激光点云;室外场景建模;物体感知中图分类号:TP242文献标志码:A文章编号:1000 8829(2023)02 0012 07doi:10 19708/j ckjs 2022 02 217MEMS LiDA-Based SLAM Study of Intelligent Mobility WheelchairCUI Lin-wei,CUI Jian-wei*,HUANG Zi-zheng,LI
4、Xiang,JIANG Hui-ce(School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China)Abstract:Wheelchair is an important means of transportation for the disabled and the elderly Traditional elec-tric and manual mobility wheelchairs have a single movement mode,which needs the ass
5、istance of others,andcannot actively ensure the safety of users The outdoor scene modeling,path planning,and navigation algorithmof wheelchair based on robot operating system(OS)are studied MEMS LiDA is installed on the wheel-chair,and voxel grid filter and LeGO-LOAM algorithm are integrated to comp
6、lete point cloud processing andoutdoor scene modeling The wheelchair navigation mode integrating Baidu Maps and LiDA is designed Userscan remotely control the walker according to the path planning information provided by Baidu Maps,and canrely on the LiDA alone to complete path navigation and autono
7、mous movement after the modeling is comple-ted Combined with LiDA intelligent perception algorithm,the real-time perception of road information is real-ized,so that the wheelchair has the active safety function The modeling and sensing algorithms are verifiedthrough experiments,and the fusion naviga
8、tion simulation experiments are completed,which can greatly im-prove the safety performance of the intelligent wheelchair in the process of useKey words:intelligent wheelchair;MEMS solid-state LiDA;laser point cloud;outdoor scene modeling;objectperception我国人口老龄化问题日益严峻,正在步入老龄社会,老年人和残障人士的生活自理问题日益突出。目2
9、1前老年人和残障人士多采用传统的无动力式轮椅和电动式轮椅,面对复杂的室外环境时,仅依靠使用者无法保障安全出行,因此无法满足使用者的出行需求1。另外,随着无人驾驶、激光 SLAM(Simultaneous Locali-zation and Mapping,即时定位与地图构建)技术的迅速发展,依靠三维激光雷达获取的点云进行建图,可完成室内外环境下的路径规划,这对于无人轮椅的研究有一定的借鉴意义。因此,针对现有轮椅的出行方式,为提高老年人生活、出行的便捷性,开展轮椅的导航研究对实现轮椅的智能化、提高老年人的出行质量有重要意义。多传感器融合的智能式轮椅将是未来的发展趋势,目前国内外正在开展有关智能轮
10、椅的导航研究。丁佳伟2 将脑机接口技术与 SLAM 技术进行融合,将环境地图构建、自主避障、路径规划与导航技术加入到脑控轮椅中,实现脑控轮椅的自主导航。于福超等3 设计了基于北斗导航定位的智能导诊轮椅,采用北斗导航定位作为全局路径规划路径信息,结合使用者操作实现精准行走来实际解决医院的导诊问题。张毅等4 研究了基于 OS(obot Operating System,机器人操作系统)的智能轮椅室内导航,采用激光测距仪并运用基于扩展卡尔曼滤波器的 SLAM 方法进行建图,使轮椅具备语音自主导航等功能。Ferracuti 等5 提出了 Human-in-the-Loop 框架,在室内场景轮椅导航到目
11、的地过程中,根据路径规划错误后人产生的 EEG 电位作为导航算法的附加输入,实现了路径的实时修改。Shan 等6 提出一种轻量级和地面优化的激光雷达测距和建图算法(LeGO-LOAM),适用于具有可变地形的复杂环境,可对移动机器人进行位姿估计,并可实时估计地面车辆的六自由度位姿,可用于无人车的建图与位姿估计。以上研究在一定程度上实现了轮椅的自主导航,但也存在二维雷达检测精度不足、北斗定位信息存在误差,以及在复杂环境下导航功能下降的问题。因此,本文结合百度地图和 MEMS 三维激光雷达研究了智能轮椅的室外 SLAM 算法,在移动区域未建图时,借助百度地图的路径规划信息使用轮椅,同时利用激光雷达进
12、行三维建图;完成建图后,仅依靠导航、避障算法完成轮椅的移动和环境感知,从而提高了轮椅的智能化水平和安全性能。1系统方案所设计的系统旨在通过 OS 和 MEMS 固态激光雷达完成轮椅室外行驶过程中的环境建模、路径规划和避障功能,结合百度地图导航与激光雷达完成三维环境建模,进而在不依靠百度地图的情况下完成路径规划,从而实现轮椅的自主移动。系统的硬件部分包括 MEMS 固态激光雷达、工控机、轮椅电机和编码器。其中,MEMS 固态雷达用于扫描轮椅前方道路的激光点云;工控机安装 Ubuntu 16 04操作系统和 OS 平台,用于获取、处理点云数据,完成室外环境建模和路径规划,并将移动指令发送给轮椅内部
13、的嵌入式控制板,驱动轮椅电机控制轮椅的前、后、左、右移动;编码器用于获取轮椅的精确移动信息,并提供里程计信息。机器人硬件系统如图 1 所示。图 1机器人硬件系统2智能轮椅三维环境建图2 1三维激光雷达为了使智能轮椅具备导航功能,需要在轮椅移动过程中预先使用雷达、深度摄像头等传感器对环境进行建图,建图的精确度会影响到路径规划的准确性。考虑到摄像头易受室外强光、反射等环境因素的影响,且二维激光雷达不能全面反映路面信息,因此选用速腾聚创公司的激光雷达 S-LiDA-M1。该款雷达相比其他激光雷达,不但同样具有体积轻巧、成本低等优点,而且便于安装在移动机器人上。该雷达等效于125 线激光雷达,在 2D
14、 MEMS 振镜快速震动的同时发射高频率激光束对外界环境进行持续扫描,经过测距算法得到三维空间点云数据后便可获得环境的深度信息,从而获取准确的三维路面信息,使机器人更好地感知周围的环境,MEMS 固态激光雷达如图 2 所示,其参数如表 1 所示7。图 2MEMS 固态激光雷达表 1S-LiDA-M1 激光雷达参数对比雷达参数参数值测距能力05 200m精度5cm视角(垂直)25(12.5 12.5)视角(水平)120(60 60)31基于 MEMS 激光雷达的智能轮椅 SLAM 研究2 2激光点云获取在 OS 平台中,激光雷达可以作为子节点以话题(Topic)的形式输出点云的三维坐标。通过订阅
15、该话题便可获取实时点云数据,同时可以通过可视化工具viz 进行点云的可视化呈现8。图 3 为 S-LiDA-M1 在室外采集的激光点云数据利用 viz 工具呈现的点云可视化结果。由图 3 可以看出,MEMS 激光雷达获得的点云比较密集,能够真实反映出环境中的人、物体等信息,有助于提高室外环境建模的准确度。图 3MEMS 雷达室外激光点云2 3室外三维场景建模SLAM 技术是移动机器人研究的热点,用于实现机器人的实时建图和定位,包括地图表示、前端雷达数据处理、后端噪声处理、回环检测和地图融合 4 个步骤9 10。激光 SLAM 能够稳定、准确地建图,主流算法有:基于关键点的 LOAM 及改进算法
16、 LeGO-LOAM和 A-LOAM、LIO 等11。LeGO-LOAM 算法具有轻量化的特点,能够在低功耗嵌入式系统上实现实时姿态估计,其运行时间短,可用更少的计算时间实现较高的位置估计精度,可进行地面点云优化等。这些优点适合应用于智能轮椅的室外建图,因此选用 LeGO-LOAM算法进行三维建图。另外,本文选用的激光雷达采集点云的速度为每秒 75 万点,高密度的点云能够保证建图算法的精确度,但同时也增加了工控机的处理负担和建图的时间,因此设计了融合体素栅格滤波器和 LeGO-LOAM 算法的建图算法,包括点云滤波、点云分割、点云特征提取、位姿估计、激光点云建图共 5 个部分,具体流程如下。(
17、1)点云滤波。在 LeGO-LOAM 算法中加入体素栅格滤波器,实现对原始点云进行降采样的效果,以降低点云的密度。在处理时将原始点云分割成一个个 3D 网格,并计算每个网格内的点的质心,用于近似表示该 3D 网格内的其他点,同时在处理过程中采用下采样,可以加速点云处 理 过 程 且 不 破 坏 点 云 本 身 的 几 何 结 构12。式(1)为计算在一个体素网格内的点云质心的公式。x=ki=1xi/ky=ki=1yi/kz=ki=1zi/k(1)式中:(x,y,z)为质心坐标;(xi,yi,zi)为体素网格内的第 i 个点;k 为网格内点的数量。(2)点云分割。点云分割部分用于将地面点云和非地
18、面点云分割开,同时对激光点云进行离群点去除和分簇,只留下点数量较多的点云簇。MEMS 激光雷达每扫描一次路面会发送一帧数据,假设 t 时刻获取的一帧点云为 Pt=p1,p2,pn,其中 pi为 t 时刻的点云 Pt中的一个点,可以将该点云投影到分辨率为 600 像素 125 像素的二维图像中,每个点在图像中的像素即为实际物体距离激光雷达的距离。如图 4 所示,激光雷达竖直方向的扫描角度为 12.5 12.5,由于激光雷达水平安装,地面点必然出现在12.5,1扫描线上,因此将出现在该角度范围内的点视为地面点。图 4激光雷达竖直方向扫描角度对于剩下的点,使用基于图像的分割方法对距离图像进行分簇,同
19、一类的点标记上唯一的标识,并将低于 30 个点的类作为噪声点处理,从而可以将一些微小物体点(如树叶、云等)作为噪声去除,减少相邻帧之间微小物体不重复出现对帧间匹配造成的干扰。这样保存下来的一帧数据就是静态物体的点云数据,并且具有每一类的标签、在距离图像中的行列索引和像素(距离)值。(3)点云特征提取。为了获得 t 时刻和 t 1 时刻的姿态变换关系,需要从已分簇的点云里提取出点云的边缘特征和平面特征,首先将距离图像在水平方向上分成多个子图像,然后计算子图像中每一行点的曲率,根据曲率选择出边缘点和平面点,获得点集合。将一帧图像划分为 6 个子图像,每个子图像的分辨率为 100 像素 125 像素
20、,在每个子图像中选取 t 时刻的点云 Pt的一个点 pi,在 pi竖直方向上,左右各找5 个点,构建集合 S,并对每个子图像按照式(2)计算点在集合 S 中的曲率:c=1SrijS,ji(rj ri)(2)41测控技术 2023 年第 42 卷第 2 期(4)位姿估计。位姿估计模块包括特征点关联和姿态解算,其中特征点关联是为了将 k 时刻的点云和 k+1 时刻的点云关联起来,姿态解算是为了估计雷达的位姿。本文选取分辨率为0 9的高精度编码器 BCE25H5H23D 获取轮椅的移动信息。LeGO-LOAM 算法基于提取的特征点构建相邻两次扫描的约束关系,并使用两次 LM 优化算法得到姿态变换矩阵
21、。其中特征点关联使用 Scan-to-Scan 方式,分为边缘点匹配和平面点匹配两个部分,计算点到直线的距离和点到平面的距离,姿态解算根据匹配的特征点云估计激光雷达的位姿。(5)激光点云建图。LeGO-LOAM 算法使用迭代最近点(Iterative Clo-sest Point,ICP)算法进行点云配准,在得到一帧点云和相邻帧的姿态变换信息后,会调用一次建图函数,将 t时刻的激光点云和 t 1 时刻的全局地图特征点云进行匹配,并将其加入到全局地图中,实现对已有地图的实时更新,利用 GTASM 优化得到最终的全局地图13。3百度地图与激光雷达融合导航3 1百度地图路径规划信息为了实现轮椅的自主
22、导航,需要在移动区域完成雷达建图。对于激光雷达没有完成建图的区域,通过开发基于百度地图路径规划的轮椅移动方式,轮椅使用者依据百度地图 API 函数提供的路径规划信息操控轮椅进行移动,同时雷达利用 LeGO-LOAM 算法进行建图,建图完毕后就可以不依靠百度地图完成实时路径规划与导航14。为了调用百度地图 API 的路径规划函数,需要遵循以下步骤:在百度地图开放平台申请百度账号;申请成为百度开发者;使用百度账号获得服务密匙(ak);发送 UL,调用百度地图的相关服务。进而可编写 JavaScript 脚本调用 Drivingoute函数和search 函数实现路径的查找与显示,百度地图 API
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 MEMS 激光雷达 智能 轮椅 SLAM 研究 崔林威
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。