一种基于多线激光雷达的圆柱形绿篱修剪机的对中方法与流程

本发明涉及绿化带修剪设备技术领域，特别是一种基于多线激光雷达的圆柱形绿篱修剪机的对中方法。

背景技术：

随着城市高速公路绿化迅速的发展，人们开始对绿篱修剪提出了高度机械化自动化的要求。目前国内诸多学者、公司对绿篱修剪机有了突破性的研究，山东荣世机械有限公司研制了一种能完成水平、垂直修剪的车载式绿篱修剪机；河南路科威公路机械制造有限公司研发的多功能绿篱修剪机可实现梯形、塔形等简单形状的修剪；广西大学研制了可以进行球形、圆柱形绿篱修剪的车载绿篱修剪机械手。

目前针对圆柱形绿篱的机械修建设备大部分都是手部配备了可360°旋转的l型刀架的车载多自由度机械手。绿篱维护人员操纵机械手到达圆柱形绿篱上方中心处后，启动修剪程序，手部旋转几圈完成绿篱的修剪。目前该技术的缺点是，机械手整个对中的过程需要操作人员凭目测及工作经验手动进行，整个过程耗费大量时间，绿篱修剪效率大幅降低。由于整个对中效果取决于绿篱维护人员的熟练程度等诸多人为因素，因此其修剪质量难以得到保证。部分高速公路的两向车道之间种植有圆柱形绿篱，使用绿篱修剪机修剪两排护栏间的圆柱形绿篱时，对机械手对中质量要求更高，过大的对中误差会导致高速旋转的刀盘撞击两边的护栏，其后果无法估量。

技术实现要素：

本发明的发明目的是，针对上述问题，提供一种基于多线激光雷达的圆柱形绿篱修剪机及其控制方法，该对中方法能够实现快速自动对中功能，提高了作业效率。

为达到上述目的，本发明所采用的技术方案是：

一种基于多线激光雷达的圆柱形绿篱修剪机的对中方法，所述修剪机包括电动车、多线激光雷达、修剪机械手以及控制系统；所述多线激光雷达固定安装于电动车上，用于扫描绿篱及周围环境中的其他物体，获取点云数据；所述修剪机械手包括水平机架、一对相配合水平滚珠丝杆与水平滚珠丝杆副、水平电机、横杆电机、旋转电机、锯片电机、锯片架以及若干圆锯片；所述水平机架呈长方形框体状，所述水平机架的长度方向和所述电动车前部的宽度方向相同，所述水平机架固定安装于电动车的前部，所述水平滚珠丝杠转动安装于所述水平机架内，所述水平电机固定安装于所述水平机架一端的外侧，所述水平电机与所述水平滚珠丝杆的一端连接，所述竖直杆下端通过水平滚珠丝杆副安装于所述水平滚珠丝杆上，所述水平杆的一端与竖直杆的上端铰接，所述横杆电机安装于所述竖直杆的上端内部，所述横杆电机用于驱动所述水平杆，所述锯片架为l形支架。所述锯片架包括水平设置的横臂和竖直设置的竖臂，所述横臂的一端与所述竖臂的一端固定连接，所述横臂远离竖臂的一端与所述水平杆远离竖直杆的一端铰接，所述竖臂朝向电动车底部，所述横臂和竖臂的内侧均安装有若干个所述圆锯片，所述圆锯片均由锯片电机驱动，所述锯片电机安装于所述锯片架上，所述旋转电机安装于所述水平架顶部并位于所述横臂的正上方，所述旋转电机用于驱动所述横臂旋转；所述控制系统分别与电动车、多线激光雷达、水平电机、横杆电机、旋转电机以及锯片电机连接；

所述修剪机的对中方法包括以下步骤：

s1.启动多线激光雷达扫描绿篱及周围环境中的其他物体，并获取点云数据；

s2.从点云数据中提取绿篱点云数据；

s3.对绿篱点云数据进行预处理，去除激光扫描到绿篱内部的枝条上所反射的采样点，保留绿篱外表面的原特征；

s4.将步骤s3所得的绿篱点云数据按扫描在绿篱上的不同激光束分组，设共有i线激光扫描在绿篱上，则将点云分组为l1、l2、…、li；

s5.所获得的点云坐标为采样点相对于激光雷达的三维坐标，高速公路两护栏间的距离l参照国家标准，取两护栏对称中心线所在的垂直于地面的曲面作为圆柱形绿篱中心线的定位曲面，绿篱中心线均位于定位曲面上；

s6.取绿篱两端的采样点在定位曲面上的投影点所处的地面垂线作为该绿篱中心线的两条边界线。在两条边界线间每隔5mm插入一条地面垂线，则共获得j条候选线，该绿篱中心线从这j条候选线中选择；

s7.分别计算各组点云中各个采样点至j条候选线的距离lj，i，m，针对不同候选线的l1，i，m、l2，i，m、…、lj，i，m求得j组数据的标准差，标准差最小的候选线即为该圆柱形绿篱的中心线，其中j表示有j条候选线，则结果分为j组进行对比；i表示共有i条激光束扫描在绿篱上，第j组数据中按激光束分为i层；m表示每条激光束所返回的点云数量，每层都有m个采样点，则一共有(i*m)个采样点参与计算，得到(j*i*m)个距离数据；

s8.根据绿篱中心线的位置，控制绿篱修剪机械手进行圆柱形绿篱的修剪作业。

进一步的，所述步骤s1中，在激光雷达反射强度信息形成的灰度图中，保留回波强度值范围是45～150之间的点云数据，去除其他无用点云数据。

进一步的，所述步骤s2中，绿篱点云数据进行预处理的方法包括以下步骤：

a1.采用双边滤波算法，去除激光扫描到绿篱内部的枝条上所反射的采样点，保留绿篱外表面的原特征；

a2.采用直通滤波算法，只保留绿篱修剪机感兴趣的圆柱形绿篱点云信息；

a3.采用voxelgrid滤波器对绿篱点云进行下采样，合理地减少点的数量，加快算法运算速度，同时保持绿篱点云的形状特征；

a4.使用statisticaloutlierremoval滤波器移除测量噪声点。

进一步的，所述步骤s7中，设采样点相对于激光雷达的位置坐标为(x,y,z),候选线相对于激光雷达的位置坐标为(x`,y`,a)，则采样点与候选线的距离为la：

针对不同候选线的l1，i，m、l2，i，m、…、lj，i，m求得j组数据的标准差：

通过对比，标准差最小的候选线即为该圆柱形绿篱的中心线。

进一步的，所述水平电机、横杆电机、旋转电机以及锯片电机均为步进电机。

进一步的，位于横臂上的所述圆锯片的数量为2个，位于竖臂的所述圆锯片的数量为4。

由于采用上述技术方案，本发明具有以下有益效果：

本发明使用多线激光雷达对高速公路的护栏中待修剪的圆柱形绿篱进行扫描，经点云数据处理及计算后，得到圆柱形绿篱的中心线相对于修剪机的位置。将圆柱形绿篱中心线坐标提供给机械手系统，使修剪机械手实现快速自动对中功能，提高了作业效率，使绿篱修剪机械设备的自动化、智能化水平得到提升。

附图说明

图1-基于多线激光雷达的圆柱形绿篱修剪机对中方法的流程图；

图2-基于多线激光雷达的圆柱形绿篱修剪机对中方法的应用场景示意图；

图3-绿篱点云按扫描激光束的不同分组示意图；

图4-曲面a-a及绿篱中心线的候选线的示意图；

图5-绿篱点云至候选线的距离(俯视图)。

附图中，1-电动车、2-多线激光雷达、3-修剪机械手、4-锯片架、5-待修剪的圆柱形绿篱、6-护栏、7-圆柱形绿篱中心线、8-绿篱点云、9-绿篱中心线的候选线。

具体实施方式

以下结合附图对发明的具体实施进一步说明。

需要说明的是，如出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作。

如图1-5所示，一种基于多线激光雷达的圆柱形绿篱修剪机的对中方法，修剪机包括电动车、多线激光雷达2、修剪机械手3以及控制系统；多线激光雷达2固定安装于电动车上，用于扫描绿篱及周围环境中的其他物体，获取点云数据；修剪机械手3包括水平机架、一对相配合水平滚珠丝杆与水平滚珠丝杆副、水平电机、横杆电机、旋转电机、锯片电机、锯片架4以及若干圆锯片；水平机架呈长方形框体状，水平机架的长度方向和电动车前部的宽度方向相同，水平机架固定安装于电动车的前部，水平滚珠丝杠转动安装于水平机架内，水平电机固定安装于水平机架一端的外侧，水平电机与水平滚珠丝杆的一端连接，竖直杆下端通过水平滚珠丝杆副安装于水平滚珠丝杆上，水平杆的一端与竖直杆的上端铰接，横杆电机安装于竖直杆的上端内部，横杆电机用于驱动水平杆，锯片架4为l形支架。锯片架4包括水平设置的横臂和竖直设置的竖臂，横臂的一端与竖臂的一端固定连接，横臂远离竖臂的一端与水平杆远离竖直杆的一端铰接，竖臂朝向电动车底部，横臂和竖臂的内侧均安装有若干个圆锯片，圆锯片均由锯片电机驱动，锯片电机安装于锯片架4上，旋转电机安装于水平架顶部并位于横臂的正上方，旋转电机用于驱动横臂旋转；控制系统分别与电动车、多线激光雷达2、水平电机、横杆电机、旋转电机以及锯片电机连接。本实施例中，水平电机、横杆电机、旋转电机以及锯片电机均为步进电机；位于横臂上的所述圆锯片的数量为2个，位于竖臂的所述圆锯片的数量为4个。

本发明基于多线激光雷达的圆柱形绿篱修剪机对中方法的实现过程主要包含以下几个步骤：

步骤一，采集多线激光雷达2点云数据。

多线激光雷达2安装在电动车1的顶部，可扫描绿篱及周围环境中的其他物体，获取点云数据。修剪机械手3安装在电动车1的前部，其锯片架4为可360°旋转的l型刀架，机械手运动到圆柱形绿篱中心处后，旋转几圈l型刀架即可实现圆柱形绿篱的修剪。(电动车2、修剪机械手3及其手部4已有成熟的机械产品，这里只作为机械手自动对中方法阐述所引用，不作为本发明的重点。)

步骤二，提取绿篱点云数据。

多线激光雷达2所获取的点云为电动车1周围360°内所有物体的点云数据。机械手自动对中只关心绿篱点云数据，因此进行点云预处理及相关计算前应先将绿篱点云单独提取出来，舍弃掉路面、车辆、房屋等其他无用点云。这样可以减小后续数据处理量，加快机械手对中速度。

激光雷达扫描表面材料不同、颜色不同的物体时，其点云反射强度也不同。在激光雷达反射强度信息形成的灰度图中，车道线的回波强度值范围是12～30之间，路面、房屋的回波强度值范围是5～8之间，绿篱的回波强度值范围是45～150之间。以此作为识别绿篱的依据，保留绿篱点云，去除其他无用点云。

步骤三，绿篱点云数据预处理。

步骤二所获取的绿篱点云受环境因素、电磁波衍射特性等影响，不可避免地出现噪声点。这些噪声点不仅影响后续中心线坐标计算的精准程度，冗余的坐标点也会增加后续的计算量，机械手自动对中需要更多的时间。因此在进行下一步的计算前，对绿篱点云数据进行预处理十分重要。

圆柱形绿篱并不是一个实心的个体，激光束很有可能钻入绿篱内部，扫描返回绿篱内部的点云。因此首先采用双边滤波算法，去除激光扫描到绿篱内部的枝条上所反射的采样点。保留绿篱外表面的原特征。

通常圆柱形绿篱不会是单株种植，而是按照一定业内标准保持一定间距成排种植。因此采用直通滤波算法，以与多线激光雷达2的距离作为筛选标准，只保留电动车1前方距离最近的待修剪圆柱形绿篱5的点云信息。这样可以避免其他绿篱的干扰，加快运算速度。

以16线激光雷达为例，每秒扫描点云数60万左右，即使只提取目标圆柱形绿篱的点云，其数量也相当庞大，后续运算缓慢。绿篱点云中相当多的点位置距离较近或重叠在一起，只需保留部分点便能反应绿篱的外特征。因此采用voxelgrid滤波器对绿篱点云进行下采样，合理地减少点的数量，加快算法运算速度，同时保持绿篱点云的形状特征，后续计算所受影响较小。因为硬件精度及天气原因不可避免的出现测量噪声点，故使用statisticaloutlierremoval滤波器移除测量噪声点(离群点)。

步骤四，将绿篱点云进行分组。

假设水平安装的多线激光雷达2扫描在绿篱上有i条激光束，绿篱的所有采样点必然落在这i条激光束所扫过的线上。将步骤三所得的点云按扫描在绿篱上的不同激光束分组，设共有i线激光扫描在绿篱上，则将点云分组为l1、l2、…、li。(对点云分组后再进行后续的计算。)所获得的点云坐标为采样点相对于激光雷达的三维坐标。

步骤五，确定绿篱中心线所在曲面。

圆柱形绿篱修剪机械手作业时手部旋转数圈完成修剪工作，因此其运动轨迹为一对称的圆形。考虑到高速公路两护栏6间的距离l参照国家标准为一定值，故取两护栏6对称中心线所在的垂直于地面的曲面a-a作为圆柱形绿篱中心线的定位曲面。绿篱中心线均位于曲面a-a上。

步骤六，确定绿篱中心线候选线。

取绿篱左右两端的采样点在曲面a-a上的投影点所处的地面垂线作为该绿篱中心线的两条边界线。在两条边界线间每隔5mm插入一条地面垂线，则共获得j条候选线，该绿篱中心线从这j条候选线中选择。

步骤七，确定该圆柱形绿篱的中心线

绿篱在春夏生长季维护时应平均每25天修剪一次，一次修剪完成后绿篱开始自由生长。自然界植被生长方向相对自由，无法计算其准确的生长规律，但新生枝条总体上以圆柱形绿篱的中心轴线为基准向四周生长。因此，虽然待修剪的圆柱形绿篱5的点云不是按标准的圆柱面分布，但是其点云相对于步骤六确定的j条候选线中，一定是相对于绿篱中心轴线的点云离散程度最小。所以，以点云至候选线的标准差为评价指标，标准差最小的候选线即为所求圆柱形绿篱的中心线。

具体流程如下：分别计算各组点云中各个采样点至j条候选线的距离lj，i，m，其中j表示有j条候选线，则结果分为j组进行对比；i表示共有i条激光束扫描在绿篱上，第j组数据中按激光束分为i层；m表示每条激光束所返回的点云数量，每层都有m个采样点。此时一共有(i*m)个采样点参与计算，得到(j*i*m)个距离数据。

设采样点相对于激光雷达的位置坐标为(x,y,z),候选线相对于激光雷达的位置坐标为(x`,y`,a)，则采样点与候选线的距离为la：

针对不同候选线的l1，i，m、l2，i，m、…、lj，i，m求得j组数据的标准差：

标准差最小的候选线即为该圆柱形绿篱的中心线。

步骤八，根据绿篱中心线的位置控制绿篱修剪机械手进行后续的圆柱形绿篱修剪作业。

相比较普通绿篱机械手省去了人眼目测手动对中的过程，机械手更加智能化，对中速度加快，效果更好。

上述说明是针对本发明较佳可行实施例的详细说明和例证，但这些描述并非用以限定本发明所要求保护范围，凡本发明所提示的技术教导下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利保护范围。