基于改进Gmapping算法的果园二维环境地图精准构建.pdf
《基于改进Gmapping算法的果园二维环境地图精准构建.pdf》由会员分享,可在线阅读,更多相关《基于改进Gmapping算法的果园二维环境地图精准构建.pdf(10页珍藏版)》请在咨信网上搜索。
1、D2023年月第54卷第7 期农报业机械学doi:10.6041/j.issn.1000-1298.2023.07.003基于改进Gmapping算法的果园二维环境地图精准构建薛金林王培晓周俊程峰(南京农业大学工学院,南京2 10 0 31)摘要:果树树冠的季节性变化及果树成长和衰老造成的果树特征变化会影响已构建的果园三维环境地图的匹配,故本文提出一种基于改进Gmapping算法的果园二维环境地图精准构建算法。首先该算法对Gmapping算法的前端里程计和后端优化部分分别进行改进,以提高果园二维环境地图的构建精度。对于前端里程计部分采用改进的R-CPF地面分割方法提高其初始定位精度,对于后端优
2、化部分采用BAT启发式自适应重采样方法提高其最终定位精度。然后进行梨园环境对比试验。通过改进R-GPF方法与原始R-GPF方法的对比,改进R-GPF方法的激光雷达里程计输出频率可达到15.58 Hz,最大横向偏差小于2 5cm,横向偏差均值为12.7 cm,标准差为13.4cm,其各方面性能都优于原R-GPF方法的激光雷达里程计。通过新算法与基于原R-CPF的Gmapping算法对比,新算法所得的梨树列间距离偏差始终保持在2 0 cm范围内,行间距离偏差均值为10.3cm,标准差为6.3cm,比基于原R-CPF的Gmapping算法分别减小50%、43.41%和32.2 6%;同时,梨树行间距
3、离偏差相对于里程计横向偏差的减小侧面反映出后端BAT启发式自适应重采样方法的有效性。本文提出的算法能够提高果园二维地图构建精度,可以满足后续重定位、导航等作业的精度要求。关键词:果园;二维地图;地面分割;激光雷达里程计;BAT自适应重采样中图分类号:S232.3;T P2 42.6文献标识码:A文章编号:10 0 0-12 9 8(2 0 2 3)0 7-0 0 2 6-0 9OSID:Accurate Construction of Orchard Two-dimensional Environmental MajBased on Improved Gmapping AlgorithmXUE
4、 JinlinWANG PeixiaoZHOU JunCHENG Feng(College of Engineering,Nanjing Agricultural University,Nanjing 210031,China)Abstract:Seasonal changes of fruit tree crowns and changes of fruit tree characteristics caused by thegrowth and aging of fruit trees will affect the matching of the three-dimensional en
5、vironmental map of theorchard.Therefore,an accurate construction algorithm of orchard two-dimensional environmental mapwas proposed based on improved Gmapping algorithm.In this algorithm,the front-end odometer and theback-end optimization part of Gmapping algorithm were improved respectively,so as t
6、o improve theconstruction accuracy of two-dimensional environment map of orchard.For the front-end odometer part,the improved R-GPF method was used to improve its initial positioning accuracy,and for the back-endoptimization part,the BAT heuristic adaptive resampling method was used to improve its f
7、inal positioningaccuracy.Then,the comparative experiment of pear orchard environment was carried out.By comparingthe improved R-GPF method with the original R-GPF method,the output frequency of the improvedR-GPF LiDAR odometer can reach 15.58 Hz,the maximum lateral deviation was less than 25 cm,thea
8、verage lateral deviation was 12.7 cm,and the standard deviation was 13.4 cm,its performance wassuperior to that of the original R-CPF LiDAR odometer.Comparing the proposed algorithm with theoriginal Gmapping algorithm based on R-GPF,the distance deviation between pear columns obtained bythe proposed
9、 algorithm was always within 20 cm,and the average distance deviation between rows was10.3 cm,with a standard deviation of 6.3 cm,which was 50%,43.41%and 32.26%lower than that ofthe original Gmapping algorithm based on R-GPF,respectively.At the same time,the reduction of the收稿日期:2 0 2 2-11-19 修回日期:2
10、 0 2 3-0 1-0 3基金项目:江苏省现代农机装备与技术示范推广项目(NJ2021-38)、江苏现代农业产业技术体系建设专项资金项目(JATS2021483)和南京市现代农机装备与技术创新示范项目(NJ202207作者简介:薛金林(197 4一),男,教授,博士,主要从事农业车辆测控技术和智能化研究,E-mail:x u e j i n l i n n j a u.e d u.c n27薛金林等:基于改进Gmapping算法的果园二维环境地图精准构建第7 期distance deviation between pear rows relative to the lateral devia
11、tion of odometer reflected theeffectiveness of the back-end BAT heuristic adaptive resampling method.The proposed algorithm canimprove the accuracy of orchard two-dimensional map construction,and meet the accuracy requirementsof subsequent relocation,navigation and other operations.Key words:orchard
12、;two-dimensional map;ground segmentation;LiDAR odometer;BAT adaptiveresampling0引言果园作业机器人的定位与导航技术研究主要集中于基于SLAM算法的果园环境地图构建研究,果园环境地图能否实现精准构建直接影响后续定位与导航作业的效果在众多环境信息获取传感器中,激光雷达以其不易受光照影响、精度和实时性高等优点被广泛应用1-3。针对激光SLAM算法,典型的三维环境地图构建算法有基于3D特征匹配的LOAM算法4-s和LeGO-LOAM算法6 。LOAM算法通过提取环境中面特征和线特征进行帧间匹配,特征匹配效果良好,地图构建较为
13、精准。LeGO-LOAM算法凭借基于线的地面分割方法提取地面点,有效提升了算法整体的速度。上述三维地图构建算法虽然实现了果园环境的精准构建,但果树树冠的季节性变化及果树的成长和衰老造成的果树特征变化不利于后续的地图匹配,为解决此问题有部分研究针对果园中树干这一不变特征进行二维环境地图构建。针对较小的简单果园场景,张莹莹等7 对DBSCAN算法采用自适应密度阈值和聚类半径实现对果园树干地图的精准构建;GRISETTI等8 提出的Gmapping算法以较小的计算量实现了稳定且较高精度的地图构建。但对于特征复杂的大场景果园,张莹莹提出的改进DBSCAN算法在作业机器人转向角度过大时可能超出阈值范围造
14、成树木的漏检;Gmapping算法基于3D点云匹配方法的ICP前端里程计在后期累计误差较大9,并且后端优化部分对前端里程计的初始定位信息的优化效果有限,导致最终的定位精度较低,不利于精准二维地图的构建。LIM等10 采用了鲁棒的基于多平面的R-CPF地面分割方法,有效提高了前端里程计精度,但该方法在面对果园内较为竖直的果树树干和低矮平缓的草坪或灌木时可能分割失败。针对后端优化,ROH等I提出的改进PSO粒子群优化算法的前期优化效果稳定,但在迭代后期由于无法权衡全局搜索的程度易陷人局部最优的困境。本文对Gmapping算法进行改进,前端里程计以LeGO-LOAM测程框架为底层,针对果园实际环境对
15、R-GPF方法的探测区模型和地面点估计方法进行相应改进,提高果园内地面分割效果,进而获得高精高频的激光雷达里程计。后端优化部分采用一种受蝙蝠寻找猎物行为启发的自适应重采样方法实现对初始定位信息的有效和合理程度的优化,以提高最终的定位精度,从而获得精准的果园环境地图。1精准果园环境地图构建方法本文提出的精准果园环境地图的构建算法需要对Gmapping算法的前端里程计和后端优化部分进行改进,其中前端里程计用基于改进R-GPF方法的激光雷达里程计模块进行替换,后端优化Rao-Blackwellised粒子滤波器12 的重采样方式采用BAT启发式自适应重采样,基于改进Gmapping算法的精准地图构建
16、算法框架如图1所示。激光雷达观测信息基于BAT启发式自适应重采样的基于改进R-GPFRao-Blackwellised方法的激光雷粒子滤波器达里程计模块改进R-CPF粒子群初始化最终地面分割方法前端及采样定位信息里程计信息点云投影权重更新地图更新山特征提取及1BAT启发式匹配自适应重采样精准1二维地图图1精准地图构建算法框架Fig.1Framework of precision map construction algorithm1.1精准地图构建算法整体流程基于改进Gmapping算法的整体流程就是实现作业平台的位姿预估和利用预估位姿最终实现地图的获取。位姿预估即作业平台依靠激光雷达观测信息
17、2 1=2 1,2 2,,z,与前端里程计信息u1.t-1=u1,u2,,u-进行后端优化得到最终定位信息x1=x1,x2,,x,,即求解自身位姿的后验概率分布px1l21:t,u 1:-1),后端优化步骤概括如下:(1)粒子初始化。t=0时刻,初始化n个权重相等即=1/n的粒子构成粒子集合1x1。(2)采样。结合p(x,l x t-1,u,)进行粒子的传播,粒子集(x由上一时刻粒子集产生。(3)权重计算。通过重要性采样公式计算粒子权重28农2023年机报学业械,up(z,Im,-1,x,)o,-1(1)(X得到权重迭代公式(其中q(x i,1z 1t,u l.)表示未将当前时刻的测量值z,考
18、虑进去的先验概率p(x i.,l21:-1,U1,)13),再进行权重归一化处理,=o(2)i=1式中-归一化处理后t时刻第i个粒子的权重权重(4)重采样。根据归一化后得到的权重进行重采样,权重较大的粒子得以保留,权重较小的粒子予以剔除。重采样结束后,可计算获得最终定位信息,同时所有粒子的权重都重新设置为1/n,n,为剩余粒子数。最后进行地图更新。根据历史观测信息2 1.,和步骤(4)获得的最终定位信息计算p(ml x i:t,z 1.),实现地图更新。1.2基于改进R-GPF地面分割方法的激光雷达里程计图1里程计模块以LeGOLO A M 框架为底层,并将LeGO-LOAM基于线的地面分割方
19、法用改进R-GPF方法代替,测程过程概括为以下4个步骤:基于改进R-CPF方法进行地面分割,识别得到地面点。将全部点云和地面点分别进行点云投影。基于投影图像中的平滑度提取边缘特征和平面特征。利用特征的对应关系,获得连续扫描之间的变换矩阵来估计测程。激光雷达里程计框架如图2 所示。完整投影全部点云点云投影地面点投影改进R-CPF地面点云地面分割方法边缘特征里程计信息特征匹配特征提取平面特征图2激光雷达里程计框架Fig.2Framework of laser radar odometer1.2.1地面分割问题定义首先,将激光雷达捕获的N个三维点云组成点云集合P,设定P=P1,P2,Pk,P,其中每
20、个点云P=1x,y k,z。同时点云P可以被分为两类:实际地面点G及实际非地面点G,非地面点包括行人、灌木、果树的树干和树冠等,它们满足GUG=P。接下来,点云P进行地面分割后,估计的地面点和非地面点可以定义为和。由于地面分割方法难免会产生误差,一些实际上来自非地面对象的点可能被评估在G中,将此类点定义为FP,同时将被评估在中的实际地面点定义为TP;一些实际上来自地面对象的点可能被评估在中,将此类点定义为FN,同时将被评估在G中的实际非地面点定义为TN。综上所述,和表示为G=TPUFP(3)G=FNUTN因此,地面分割方法的目标是从点云P中识别出G和G,并尽可能少地获得FPs和FNs。1.2.
21、2探测区模型LeGO-LOAM使用激光雷达位于不同水平分辨率上同一线上任意两点之间的角度差来提取地面,它往往对某些噪声很敏感,如崎岖不平的地面,草坪或灌木丛也会阻碍地面分割,因为它们的形状梯度是任意的。鉴于基于线的地面分割方法易受干扰,因此提出了鲁棒的基于多平面的R-GPF地面分割方法,该方法以激光雷达为坐标原点建立二维圆形探测网格,再根据点云的三维坐标进行空间上点云的多平面分布。R-GPF方法的探测网格M沿径向和周向进行规则划分,最终形成环区和扇区,其中N,和N。分别是环数和扇区的数目,这样M最终将分为径向距离为Rmax/N,,对应轴向角为2/N。的N,N。个网格,其中Rmax为最大边界,探
22、测网格M划分结果如图3a所示。808060604040202000-20-20-40-40-60-60-80-4004080-80-4004080X/mX/m(a)原始R-CPF方法(b)改进R-CPF方法图3探测区模型示意图Fig.3Schematics of detection area model然而在语义KITTI数据集上对所有序列的各顿点云数据进行测量的实验数据14 表明,有90%以上的地面点位于激光雷达原点附近2 0 m范围内。因此,R-GPF方法的探测网格M的划分方式面临以下两个问题:当点云距离坐标原点过远时,对应网格内的点云过于稀疏,因此难以拟合出地平面。由于靠近坐标原点的网格
23、太小并且原点附近点云过于密集,这种情况有时会导致地平面的法向向量G,的z值均值式29薛金林等:基于改进Gmapping算法的果园二维环境地图精准构建第7 期估计失败15为了解决这些问题,对RG PF方法的探测区模型进行了改进,以简单计算方式在探测区内给点云分配适当的密度。首先将M划分为3个区域,如图3b所示,设Zm为M的第m区域,m=1,2,3,Zm=iPeEPIRmin.mrRaXuZ(10)式中z一单位竖直向量式case()一一条件判断函数在式(10)中,case()满足条件时返回1,否则返回0。一般情况下激光雷达周围的地平面相较参考X-Y平面变化不大,但较远处的地面可能为陡峭的坡面,故水
24、平度阈值的设定应更加保守,故取,=30,2=45(2)高度:经水平度评价函数评估后,一些FPs如较为竖直的果树树干和灌木侧面已经被剔除,但灌木等物体的平缓顶端未被过滤,故针对此类FPs提出高度评价函数为30农2023年机业报学械n,Nem二mcaseZp(Ne.m Rmax.max,1(11)当,所处网格位于激光雷达周围时,则计算G,所处网格内地面点高度均值,并以该网格为中心沿该网格所处环区向外自适应扩展p(N。.m)个网格,各自计算每个网格包含的地面点高度均值,并求平均值,最终考虑,与该平均值的差值,其中p(Ne.m)个网格对应的角度设定为6 0;较远处的G可能位于陡峭的坡面上,故不再纳人评
25、估。至此灌木等物体的平缓顶端的FPs剔除任务完成。因此,最终估计的地面点可以直接表示为G=Ucase(f(x,18.)=1)G,(12)3nE(N,.mxNg.m)m1.2.4改进R-GPF地面分割方法的有效性验证验证改进R-GPF地面分割方法的有效性,在语义KITTI数据集0 0 序列第5帧附近的地面估计结果如图4所示。由图4可以看到,原始R-CPF方法错误地将一些较为竖直的树干、灌木侧面和墙体识别为地面点,同时灌木和汽车的平缓顶端也未能正确分割,而改进R-GPF方法成功地过滤掉了错误估计的地面部分,从而显著地减少了FPs,验证了较为竖直的树干、灌木侧面和墙体以及灌木和汽车的平缓顶端可以分别
- 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 改进 Gmapping 算法 果园 二维 环境 地图 精准 构建
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。