一种基于数据挖掘的地理环境特征地图构建与导航方法

摘要

本发明公开了一种基于数据挖掘的地理环境地图构建与导航方法，属于自动控制领域。该方法流程如下：首先使用当前时刻平台周围环境的3D激光点云以及全景图像进行处理并匹配，获得平台周围环境中各物体的特征向量；然后将各物体的特征向量输入至神经网络，神经网络对特征向量归类并输出特征环境模型；再依据特征环境模型建立当前时刻局部地图或更新已有局部地图；最后根据平台的当前时刻的位置以及预测的下一时刻的位置，按照局部地图选择路线行驶；若平台未达到最终目标，则重复本流程；若已达到最终目标则该流程结束，最终的局部地图为全局地图。本方法适用于地面无人移动平台的地理环境地图构建与导航。

主权项

一种基于数据挖掘的地理环境地图构建与导航方法，其特征在于，包括如下步骤：步骤一、获取当前时刻地面无人移动平台周围环境的3D激光点云以及全景图像；步骤二、对3D激光点云和全景图像进行处理并匹配，获得地面无人移动平台周围环境中各物体的特征向量，所述特征向量同时包含3D激光点云和全景图像所表征的物体特征；所述步骤二按照如下具体步骤进行：步骤201、根据3D激光点云中各点的坐标信息对各点进行粗分类，获得每个子类的特征值；步骤202、对于所有子类的特征值进行聚类，将该聚类结果记为点云分类，将3D激光点云中各点划分入其对应的点云分类中，使用点云分类描述地面无人移动平台周围环境中的各物体；步骤203、获取每一点云分类的边缘特征点，将每一点云分类的边缘特征点映射到全景图像的坐标系下；在全景图像的坐标系下，利用计算几何中的目标边界多边形表示算法，将每一点云分类依据其边缘特征点划分多边形，获得点云多边形；步骤204、对全景图像进行边缘特征点检测，根据检测结果进行图像划分，该划分结果记为图像分类，使用图像分类描述地面无人移动平台周围环境中的各物体；采用计算几何的目标边界多边形表示算法，将每一图像分类依据其边缘特征点划分多边形，即为图像多边形；步骤205、针对每个点云多边形，选取所有与其相交的图像多边形分别进行交运算，得到多个相交多边形；在多个个相交多边形中，找到面积最大的一个，判断其是否达到一定阈值水平，若达到一定阈值水平，则将该相交多边形对应的图像多边形和点云多边形进行计算几何中的并运算，获得点云多边形的特征与图像多边形的特征的并集，使用该并运算的结果作为该图像多边形对应物体的特征向量；步骤三、将步骤二中得到的每一物体的特征向量均输入至神经网络，神经网络将所有的物体的特征向量进行归类，最终输出特征环境模型；步骤四、依据特征环境模型建立当前时刻局部地图，若当前时刻已有局部地图，则将已有局部地图与特征环境模型进行匹配，判断若特征环境模型中具有与局部地图不匹配的环境特征，按照特征环境模型更新该局部地图；步骤五、根据地面无人移动平台的当前时刻的位置以及预测的下一时刻的位置，按照此时的局部地图选择合适的路线进行行驶；步骤六、经过上述五个步骤之后，对地面无人移动平台进行位置评估，判断地面无人移动平台是否达到最终目标，若未达到最终目标，则返回步骤一；若已达到最终目标则该流程结束，最终的局部地图为全局地图。