(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210954381.1 (22)申请日 2022.08.10 (71)申请人 中煤科工集团西安研究院有限公司 地址 710077 陕西省西安市高新区锦业 一 路82号 (72)发明人 高珺　巨朝晖　刘再斌　李旭　 刘晨光　王炳　薛宇强　 (74)专利代理 机构 西安恒泰知识产权代理事务 所 61216 专利代理师 王芳 (51)Int.Cl. G06T 17/05(2011.01) G06T 19/00(2011.01) G06V 10/75(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) (54)发明名称 一种煤矿井下巡检机器人三维地图重建及 目标检测方法 (57)摘要 本发明公开了一种煤矿井下巡检机器人三 维地图重建及目标检测方法： 步骤1， 获取包含选 取场景信息的点云数据集； 步骤2， 对点 云数据采 用Map‑to‑Map方法进行点 云配准， 得到建立后的 三维地图； 步骤3， 根据三维地图对巡检机器人的 巡检路线进行实时定位； 步骤4， 巡检机器人行进 过程中， 利用融合算法进行目标检测； 步骤5， 对 步骤4得到的目标检测结果进行最优匹配， 实现 检测结果的分类， 并择优输出作为障碍物目标。 本发明对于环境结果复杂的情况也能够进行有 效的高精度地图构建； 同时可去除部分冗余数 据， 降低算法时间复杂 度， 提高建图效率； 融合算 法考虑时域信息， 将多帧检测结果进行融合， 能 够有效减少因遮挡导 致的误检率和漏检率。 权利要求书2页 说明书8页 附图5页 CN 115439621 A 2022.12.06 CN 115439621 A 1.一种煤矿井下巡检机器人三维地图重建及目标检测方法， 其特征在于， 包括如下步 骤： 步骤1， 选取构建地图场景， 采集选取场景的点云数据并处理， 获取包含选取场景信息 的点云数据集； 步骤2， 对步骤1获取的包含场景信息 的点云数据采用Map ‑to‑Map方法进行点云配准， 得到建立后的三维地图； 具体包括如下子步骤： 步骤21， 从步骤1获取的点云数据集中获取连续n帧点云数据， 对该n帧点云数据建立一 个局部子图Submap， 将其作为当前最 新的局部 子图； 步骤22， 从点云数据集中剩余的点云数据中再次获取连续n帧点云数据， 对该n帧点云 数据建立 一个局部 子图Submap； 步骤23， 利用cartographer算法中的global方式， 在后端过程中进行回环检测， 如果出 现回环， 则执 行步骤24； 否则舍弃步骤2 2建立的局部 子图， 返回步骤2 2； 步骤24， 将步骤22建立的局部子图与当前最新的局部子图进行匹配， 得到匹配后的局 部子图， 并将匹配后的局部子图更新为当前最新的局部子图； 其中， 匹配是指将两个局部子 图叠加； 步骤25， 返回执行步骤22， 直至步骤1得到的点云数据集中的点云数据全部被获取， 则 此时得到的当前最 新的局部 子图就为所需要的三维地图； 步骤3， 根据步骤2所生成的三维地图， 对巡检机器人的巡检路线 进行实时定位； 步骤4， 巡检机器人 行进过程中， 利用融合 算法进行目标检测； 步骤5， 对步骤4得到的目标检测结果进行最优 匹配， 实现检测结果的分类， 并择优输出 作为障碍物目标。 2.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤1中， 通过16线激光雷达， 运用预留指 令进行激光点云的采集， 生成包含选取场 景信息的bag文件； 之后对bag文件进行降噪滤波处理， 得到处理后的bag文件， 即为包含选 取场景信息的点云数据集。 3.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤23中， 所述后端指cartographer算法建图优化操作部分； 所述出现回环是指步 骤22建立的局部 子图和当前最 新的局部 子图之间的相似性大于一定 权值。 4.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤24中， 所述将两个局部子图叠加是指舍弃两个局部子图中的冗余的点云帧数 据， 并将舍弃冗余数据之后的两个局部 子图进行拼接得到一个新的局部 子图。 5.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤3包括如下子步骤： 步骤31， 采用IMU惯性传感器进行位姿信息的采集； 通过指令 输出为csv文件信息； 步骤32， 选用IMU惯性传感器的坐标系作为定位操作坐标系； 步骤33， 利用步骤31中生成的csv文件以及步骤2生成的三维地图， 配合Cartographer ‑ SLAM算法定位部分源码进行巡检机器人的行进路线定位操作。 6.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤4包括如下子步骤：权　利　要　求　书 1/2 页 2 CN 115439621 A 2步骤41， 将步骤1采集到的点云数据进行通过统计滤波进行降噪处理， 输出降噪后的点 云信息； 步骤42， 使用RealsenseD435i摄像头对步骤1中选取场景采集图像信息， 然后将图像信 息输入至融合算法CenterNet网络进行 目标检测， 输出目标中心点位置及目标类别C， 类别 由KIITI数据集已知； 步骤43， 将步骤41中输出的点云数据输入至融合算法CenterPiont网络进行目标检测， 输出目标3D检测框、 距离和类别C， 并提取3D目标检测框的中心点。 7.如权利要求1所述的煤矿井下巡检机器人三维地图重建及 目标检测方法， 其特征在 于， 所述步骤5包括如下子步骤： 步骤51， 分别选取步骤42得到的目标中心点位置和步骤43得到的目标3D检测框中心点 位置一一配成点对作为改进KNN算法输入， 共得到n ×n个点对； 其中， 步骤42得到的目标中 心点位置表示为 步骤43得到的目标3D检测框中心点位置表示为 n为选取的中心点的个数； 步骤52， 计算 步骤51选取的每 个点对中的两中心点之间的欧氏距离； 步骤53， 在步骤52 得到的所有点对的欧式距离中， 选择Pyi对应的n个点对的欧式距离最 小的点对作为最优点对， 共得到n个最优点对， 对每个最优点对进 行融合作为检测到的障碍 物目标， 共得到n个障碍物目标。权　利　要　求　书 2/2 页 3 CN 115439621 A 3