地下采矿机器的导航的制作方法

1.本公开涉及用于地下采矿机器的导航的系统和方法。


背景技术：

2.地下导航与一系列问题相关联，诸如，缺乏卫星接收(诸如全球定位系统-gps)以及惯性导航传感器中的漂移。激光测距仪提供可用于导航的点云。然而，问题在于，在地下操作中的点云测量中通常存在显著噪声，并且周围环境通常是相对均匀的(诸如墙壁、顶部等)，使得通常无法获得不同特征，但是许多算法都需要。例如，在均匀和线性的场景中(诸如在采矿巷道中)，没有大尺度的特征来对准，并且移动对象出现在场景中和场景外，进一步干扰了精确对准两个点云所需的特性。结果，通常难以可靠地配准两个点云或提取三维特征(诸如拐角或其它3d对象)以用于鲁棒导航。
3.因此，需要一种比现有解决方案更准确且对噪声更鲁棒的导航解决方案。
4.包括在本说明书中的对文献、行为、材料、装置、制品等的任何讨论不因为其在每个所附权利要求的优先权日之前存在，就被视为承认任何或所有这些内容形成现有技术基础的一部分或者是与本公开相关的领域中的公知常识。
5.在整个说明书中，词语“包括”或其变体(诸如“包含”或“含有”)应被理解为意指包括所述的要素、整体或步骤、或要素、整体或步骤的组，但不排除任何其它要素、整体或步骤、或要素、整体或步骤的组。


技术实现要素：

6.本公开提供了一种从两个点云提取限定岩栓的潜在位置的静止特征的导航方法。这些特征由单个相应点而不是3d对象来表示。这些点特征然后被用于定义类似于星星的星座的形状，诸如三角形。然后使用这些星座在两个点云之间的位置变化来确定采矿机器的运动。
7.一种用于导航地下采矿机器的方法，所述方法包括：
8.从该采矿机器的第一位置捕获该地下矿井的第一部分的第一3d点云；
9.从所述第一3d点云确定第一组岩栓候选者作为点特征对象；
10.从该采矿机器的第二位置捕获该地下矿井的第二部分的第二3d点云，其中，该第一部分和该第二部分重叠；
11.从所述第二3d点云确定第二组岩栓候选者作为点特征对象；
12.确定由所述第一组岩栓候选者中的至少两个限定的第一形状与由第二组岩栓候选者中的至少两个限定的第二形状之间的对准；
13.基于所述对准确定所述采矿机器的第一位置和所述采矿机器的第二位置之间的相对位置信息。
14.有利的是，岩栓的候选者被确定为点特征对象，然后被用于对准由它们形成的形状。结果，该方法对于3d点云中的噪声是鲁棒的，并且在计算上也是高效的。
15.确定对准可以包括确定表示将第一形状映射到第二形状的几何变换的对准值。几何变换可以包括旋转或平移或两者。
16.第一形状和第二形状可以包括由岩栓的三个候选者限定的三角形。
17.该方法还可以包括：
18.通过从第一组岩栓候选者中选择至少两个岩栓候选者的不同组合来创建第一形状；以及
19.通过从所述第二组岩栓候选者中选择至少两个岩栓候选者的不同组合来创建所述第二形状。
20.该方法还可以包括：
21.通过从第一组岩栓候选者中选择至少两个岩栓候选者的所有组合来创建第一形状；
22.通过从第二组岩栓候选者中选择至少两个岩栓候选者的所有组合来创建第二形状。
23.各个第一组岩栓候选者可以限定多于一个第一形状；并且各个第二组岩栓候选者可以限定多于一个第二形状。
24.该方法可以包括确定多个对准值，该多个对准值包括第一形状中的一者和第二形状中的一者的每对之间的对准值。
25.该方法可以包括：确定多个对准值的直方图；以及基于所述直方图确定所述相对位置信息。
26.该方法可以包括：确定直方图的统计度量；以及响应于所述统计度量满足阈值，基于所述直方图中的最大值来确定所述相对位置信息。
27.所述方法可以包括：对形状对进行迭代，所述形状对包括所述第一形状中的一者和所述第二形状中的一者；在每次迭代时确定针对所述形状对中的一者的对准值；以及响应于所述对准值满足阈值而终止对所述形状对的迭代。
28.该方法还可以包括通过检测各个点云中的顶点形状来确定第一组候选者和第二组候选者，顶点形状是通过在岩栓的边缘上进行激光散射而产生的。
29.该方法还可以包括检测点云的切片中的顶点形状。
30.该方法可以进一步包括将该3d点云的切片中的点投影到该地下采矿机器所在的平面上；以及检测所投影的点中的顶点形状。
31.该方法还可以包括按照距地下采矿机器的距离的顺序访问所投影的点。
32.检测顶点形状可以包括检测面朝该地下采矿机器的第一侧面，该第一侧面比背离该采矿机器的第二侧面更陡。
33.该第一侧面可以限定与该地下矿井的壁或顶部的角度，该角度在80度与100度之间。
34.捕获第一3d点云和第二3d点云可以包括使用记录针对多个旋转角度的距离的激光测距仪。
35.当由计算机执行时，软件使计算机执行上述方法。
36.一种用于地下采矿机器的导航系统，该导航系统包括：
37.激光测距仪，以
38.从所述采矿机器的第一位置捕获所述地下矿井的第一部分的第一3d点云，并且
39.从所述采矿机器的第二位置捕获所述地下矿井的第二部分的第二3d点云，
40.其中，所述第一部分和所述第二部分重叠；
41.以及
42.处理器，以
43.从所述第一3d点云确定第一组岩栓候选者作为点特征对象；
44.从所述第二3d点云确定第二组岩栓候选者作为点特征对象；
45.确定由所述第一组岩栓候选者中的至少两个限定的第一形状与由第二组岩栓候选者中的至少两个限定的第二形状之间的对准；以及
46.基于所述对准确定所述采矿机器的第一位置与所述采矿机器的第二位置之间的相对位置信息。
附图说明
47.现在将参考以下附图描述示例：
48.图1示出了具有导航系统的地下采矿机器。
49.图2示出了用于导航图1的地下采矿机器的方法。
50.图3示出了用于第一3d点云的候选岩栓的不同可能三角形形状。
51.图4示出了用于第二3d点云的候选岩栓的不同可能三角形形状。
52.图5示出了相应三角形形状之间的对准。
53.图6示出了统计共识(consensus)的示例。
54.图7是具有四个旋转值的直方图。
55.图8是具有十个旋转值的直方图。
56.图9示出了极坐标系中的3d点云。
57.图10示出了图9的点云的切片的示例性轮廓。
具体实施方式
58.采矿机器
59.图1示出了具有导航系统101的地下采矿机器100。导航系统101包括激光测距仪102，激光测距仪102包括可根据方位角围绕旋转轴线104旋转的激光源103。存在第二旋转轴线(未示出)，以根据天顶角在上/下方向旋转激光源。激光源103发射激光束105，该激光束105被地下矿井的顶部106反射。光检测器107检测反射光。激光测距仪102测量发送激光束105和接收反射光之间的时间差(即，飞行时间(tof))，并计算(基于光速)激光源103和激光从顶部106被反射的点108之间的距离。
60.一旦计算并存储到点108的距离，测距仪102就将激光源103旋转设定角度并重复测量。这样，测距仪102捕获大量测量结果。与激光源的角度相关联地存储每个测量结果。更具体地，测距仪102存储针对每个测量结果的距离值、方位角值和天顶值。该表示可以被称为极坐标表示。测距仪102还可以将测量结果转换到笛卡尔坐标系，使得每个测量结果被存储为(x，y，z)元组，其中x、y和z从采矿机器偏移。由于测量结果是三维的(极坐标或笛卡尔)，该组测量结果被称为3d点云。
61.当采矿机器100移动时，测距仪从采矿机器的第一位置捕获第一3d点云。例如，采矿机器移动，停止，然后在静止时扫描环境。该3d点云捕获矿井的在测距仪的“视野内”的部分，即，未被其它结构遮挡的部分。这部分被称为地下矿井的第一部分，因为激光束105没有到达其它部分。在采矿机器100已经进一步行进(例如，已经进行另一次移动和停止)之后，测距仪102从采矿机器的第二位置捕获地下矿井的不可见的第二部分的第二3d点云。第一部分与第二部分重叠，使得存在于第一3d点云中的一些特征(例如，一些岩栓)也存在于第二3d点云中。
62.应当注意，在这里公开的示例中，假设激光测距仪102在安装在采矿机器100上时与采矿机器100处于固定空间关系。因此，假定测距仪102的位置与采矿机器100的位置相同。这还可以包括采矿机器100的位置和测距仪102的位置之间的已知且恒定的偏移量。此外，测距仪102的坐标参考系相对于采矿机器100保持恒定。这意味着测距仪102的坐标参考系随采矿机器移动。结果，矿井顶部上的点108将具有第一3d点云中的特定坐标(极坐标或笛卡尔坐标)和第二3d点云中的不同坐标，因为采矿机器100已经移动。在一些示例中，可以诸如通过经由例如惯性传感器测量的采矿机器100的姿态来调整坐标参考系，但是这在以下示例中不使用。然而，应注意，本文所公开的导航方法可以与其它方法(诸如，惯性航位推算)组合以增加准确性。一个示例是使用卡尔曼(kalman)滤波器来融合两种导航方法。
63.返回到图1，导航系统101还包括处理器109以处理由测距仪102生成的3d点云并执行导航。特别地，处理器109旨在从点云检测岩栓(如图1中的直垂直线所示)(诸如，示例顶栓110)，并通过确定顶栓的星座在第一3d点云和第二3d点云之间如何变化来导航。虽然这里的示例涉及顶栓，但是其它岩栓(诸如墙栓)也可以用作点特征对象。
64.导航方法
65.图2示出了由处理器109执行的用于导航地下采矿机器100的方法200。如上所述，处理器109从采矿机器的第一位置捕获地下矿井的第一部分的第一3d点云。这可以包括控制测距仪102捕获点云或从存储器读取由测距仪102填充的3d点云数据。
66.然后，处理器109从第一3d点云确定202第一组岩栓候选者作为点特征对象。下面提供用于确定岩栓候选者的详细方法。然而，这里要注意的是，处理器109确定'候选者'，候选者指示不需要确定实际岩栓。而是，处理器109确定候选者(或估计)，候选者(或估计)可以包括实际岩栓，但也可以包括多个假阳性，即，检测到的实际上不是岩栓的岩栓。此外，候选岩栓可以不包括点云中的所有岩栓(假阴性)。
67.还要注意，岩栓被确定为点特征对象。这意味着候选者的唯一属性是其作为3d点的位置。因此，不需要确定每个岩栓的形状、取向、表面、纹理、尺寸等。这与其它导航方法形成对比，在其它导航方法中，在第一点云中识别3d特征(诸如，拐角或其它对象)，然后与第二点云中的相同特征进行匹配。有利地，因为仅使用岩栓的点位置，所以这里公开的方法具有更高的耐噪声性。
68.继续方法200，处理器109从采矿机器的第二位置捕获203地下矿井的第二部分的第二3d点云。第一部分和第二部分重叠，使得来自第一3d点云的岩栓候选者也出现在第二3d点云中。
69.因此，处理器109从第二3d点云确定204第二组岩栓候选者作为点特征对象。然后，处理器109确定205由第一组岩栓候选者中的至少两个限定的第一形状和由第二组岩栓候
选者中的至少两个限定的第二形状之间的对准。下面更详细地解释对准的确定。最后，处理器109基于对准确定206采矿机器100的第一位置和采矿机器的第二位置之间的相对位置信息。例如，处理器109确定采矿机器100行进的距离或行进方向或两者。如果岩栓的绝对位置是已知的，则处理器109还可以将相对位置信息添加到岩栓位置，以确定绝对位置(诸如经度、纬度和高度)。
70.对准确定
71.如上所述，处理器109确定岩栓候选者的形状的对准。在这里公开的示例中，形状是三个候选者的三角形。这使得能够确定旋转和平移(行进距离)。在其它示例中，形状可以是用于平移确定的两个候选者的线。优点是计算效率。多于三个候选者的更复杂形状和不同形状的组合同样是可能的，但是可能导致更高的计算负载。
72.图3示出了用于第一3d点云的候选岩栓的形状。具体地，图3示出了地下矿井的平面图的四个相同的副本。岩栓候选者被示出为圆形，并且在该示例中，存在四个候选者，这意味着存在在301、302、303、304处示出的四个可能的三角形(形状)。为了清楚起见，在平面图的单独副本中示出了四个三角形。形状、三角形和线也可称为“星座”。在这种意义上，星座可以被认为是表示检测到的岩栓的点的集合、以及它们之间的几何形状(诸如，距离和方向)的特征签名(signature)。形状不需要是封闭的形状并且不需要封闭表面。因此，形状也可以是由四个外围点和一个中心点限定的十字。通常，形状由两个或更多个点(即，表示岩栓候选者的点特征)的任何集合限定。
73.处理器109可以将所有候选者作为记录与相应的3d坐标和候选者标识符一起存储在数据库表中(或存储在存储器、磁盘、ram等上)。例如，这些坐标可以是将3d坐标投影到矿顶部的平面上的结果。结果，形状是二维的。在其它示例中，处理器109用螺栓尖端的3d坐标在三维中处理候选者。处理器109然后可以将三角形301、302、303、304存储在具有用于每个记录的三个候选标识符的单独表中。因此，在创建第一3d点云的形状结束时，在该示例中有四个记录。
74.图4示出了用于第二3d点云的候选岩栓的形状。为简单起见，存在与图3中相同数量的候选者，这不是必需的。结果，还有四个三角形401、402、403、404。
75.处理器109现在如下所述确定图3中的形状和图4中的形状之间的对准。
76.图5示出了相应三角形之间的对准。特别地，图5示出了来自第二点云的三角形401和以虚线轮廓重叠的来自第一点云的三角形301。处理器109现在旨在对准两个三角形。为此，处理器109考虑示出为黑点的两个三角形的中心点，并计算平移501以将三角形的中心点移到三角形301的中心点上，或反之亦然，从而对准两个三角形。在一个示例中，旋转是二维的，特别是在点被投影到2d矿井顶部平面上的情况下。中心点可以被定义为正中心(高度的交点)、质心(中间点的交点)、外圆中心、内切圆的中心、九点圆的中心、或其它点，诸如从三角形的最窄侧向下1/3的点。
77.处理器109还计算旋转502以对准两个三角形。例如，处理器109比较三角形的角度或边(功能上等效的选项)，然后计算旋转以使匹配角度对准。这可以是二维或三维旋转。
78.在一个示例中，处理器109具有采矿机器100的可用总体轨迹。例如，一件设备可以沿着道路行进而不是转90度并且驶入墙壁中。使用该信息处理器109可以丢弃与一般轨迹相矛盾的三角形匹配。
79.然后，处理器109对剩余三角形302、303、304重复那些计算，以将它们分别与三角形402、403、404对准。一旦已知平移和旋转，处理器109就可以使用该平移和旋转来计算采矿机器100的更新位置和姿态。
80.虽然图5示出了如何确定对准，但是在图5中假设三角形301和401之间的对应关系是已知的。然而，在大多数情况下，处理器109不具有此信息，且因此不知道哪个三角形与哪个其它三角形对准。因此，现在将描述共识方法。
81.共识方法(consensus method)
82.在所提出的共识方法中，处理器109确定所有三角形对的对准。每对包括来自第一点云的一个三角形和来自第二点云的一个三角形。存在每个点云的三角形列表，并且处理器109可以在列表中的一者上迭代，诸如较短列表或较长列表。对于来自选定列表的每个三角形，处理器109确定与来自另一列表的每个三角形的对准。在一个示例中，处理器109存储所有三角形对的平移和旋转。在其它示例中，处理器109确定三角形是否匹配，然后仅存储该对三角形的平移和旋转。如果三角形太不同，则处理器109丢弃该对三角形。例如，如果它们的边或角相差小于10％，则处理器109认为它们匹配。但是如果三角形相差大于10％，则丢弃它们。同样可以使用用于匹配三角形的其它百分比值或度量。
83.一旦平移和旋转列表可用，处理器109就可以分析是否存在关于哪个平移和旋转是最可能的共识。例如，处理器109找到列表内平移和旋转的最常见值。由于系统中存在噪声，所以这些值可能不完全匹配，因此处理器109旨在找到最常见的值范围。在一个示例中，处理器109执行如下所述的统计共识方法，但是也可以使用其它共识方法。
84.统计共识方法
85.图6示出了统计共识的示例，其中处理器109确定来自第二点云的三角形401与来自第一点云的所有三角形301、302、303、304之间的对准。对于每个三角形301、302、303、304，处理器109计算平移和旋转作为几何变换，以将那些三角形映射到三角形401。注意，映射可能不是精确的，而是可能是三角形的拐角的位置之间的误差最小化的结果。
86.然后，处理器109将四个平移值包括到如图7所示的直方图中。直方图示出了向一个方向(例如，x方向)的平移，注意针对其它方向(y和z方向)创建了类似的直方图。创建直方图包括合并(binning)平移和旋转。这些图块(bin)可以是在极值之间均等分布的一组数量的范围。极值可以是在已知环境下实际的极值。例如，已知采矿机器在捕获点云之间移动不超过10m，因此该极值涉及0m和10m的机器移动。同样地，旋转可被限制在-45
°
和45
°
之间。图块的数量可以取决于所需的分辨率和三角形对的数量，并且可以是三角形对数量的100或500或1/100。
87.在图7的示例中，有四种不同的平移，并且没有一种平移显著是最可能的或更重要的平移。然而，处理器109现在对来自第二点云402、403和404的所有三角形重复该对准。总共有10对三角形，并且对于来自第二点云的每个三角形，如果平移被映射到第一点云中的对应三角形，则平移将是相同的。换句话说，存在应该具有相同平移的四对三角形，因为对于这四对三角形，采矿机器的运动是相同的，因此平移应该是相同的。对于具有非对应三角形的对，平移值应在较宽范围内变化。
88.图8示出了另一直方图，其现在包括所有可能的三角形对的平移值。显然，在601处存在四个峰值，其表示四对相应三角形的平移。剩余平移值分布在旋转范围内。
89.在该简单示例中，处理器109可以使用图8中的直方图的最大值作为实际平移值。然而，对于具有更多噪声和更多数目的候选者和更多数目的假阳性的点云，最大值可能不清楚。此外，可能组合的数量可能很大，因此一旦达到足够可靠性就停止对准处理将是有用的。
90.为此，处理器109计算统计度量，诸如峰度和标准偏差。处理器109然后可以融合标准偏差和峰度，诸如通过将它们相加或计算加权和。换句话说，匹配的标准偏差提供了共识基于图块计数是准确的概率。例如，如果所有匹配给出相同的结果，则标准偏差将是低的。实际上，这不太可能是由于假阳性。峰度提供结果均匀性的类似规格，但表示最高直方图图块相对于其它图块的高度。将这两个值融合在一起以产生结果表现为共识的置信度值。
91.然后，处理器109可以将结果与阈值(诸如50％)进行比较，以确定是否达到共识。例如，处理器109获取直方图的峰度和标准偏差以及其它因素，并根据结果是“好”的程度的预定度量对它们进行加权，当结果完美时，设法使置信度值等于100％，当结果不确定时，设法使置信度值等于50％，当结果完全失败时，设法使置信度值等于0％。因此标准偏差和峰度的值是可调的。例如，处理器109将标准偏差缩放为最大值6σ(～99.7％)，并且将峰度缩放为值25。这两个置信度计算被融合为50/50，这意味着处理器109计算缩放的标准偏差和缩放的峰度之和。值得注意的是，这些值可以根据情况、矿井/设备条件、风险阈值等进行调整。
92.一旦结果高于设定阈值，处理器109就停止对准处理。也就是说，处理器109停止确定三角形之间的对准，并输出所计算的平移和旋转。这可以显著减少计算时间，因为处理器109对三角形对进行迭代，但不需要计算所有三角形。相反，一旦满足终止条件，诸如当融合的峰度和标准偏差越过阈值时，处理器109就终止对准确定。
93.由处理器109产生的输出可以是包含两个云之间的平移和旋转的变换矩阵，其中形成共识。
94.候选者确定
95.如上所述，处理器109从每个3d云确定岩栓的候选集合作为点特征对象。以下描述提供了关于如何确定候选者的更多细节。
96.图9示出了极坐标系900，其中采矿机器的当前位置901在其中心。在该示例中，极坐标系900被示出为圆柱体以说明存在地下矿井的顶部902和底部903。图9中的视图是从底部向上的，使得顶部902可见，因为岩栓安装在顶部902中。图9还示出了3d点云904，其散布在矿井顶部902上并被示出为点，其中每个点表示距位置901的一个距离测量结果。
97.图9还示出了由垂直轴线906和开口角度907限定的切片905。开口角度907使处理器109能够通过选择具有开口角度907内的旋转角的那些测量结果来选择切片内的所有测量结果。在图9中，切片905内的选定点以实心黑色示出，而未选定点以阴影区域示出。注意，由矿井顶部902和矿井底部903限定的垂直界限仅出于说明性目的而示出，并且处理器109不需要将它们考虑在内来选择切片中的点。开口角度907足够宽以选择大量点，但也足够窄以提供良好的空间分辨率。在一个示例中，所述开口角度为1度或0.1度。在其它示例中，开口度角取决于点的总数，并且被选择为使得最小数量的点在切片内，诸如至少100个点或至少1000个点。
98.一旦选择了切片内的点，处理器109就将选定点投影到平面908上。在该示例中，平
面908将切片二等分(在切片内在开度角的一半处)并且包括垂直轴线906，但是该平面同样可以处于其它角度。可以通过简单地丢弃选定点的方位角来实现投影，这产生包括从点云中选择的每个点的天顶角值和距离值的二维表示。该表示也被称为“轮廓”。
99.图10示出了示例轮廓1000。为了清楚起见，图10还示出了采矿机器901的位置并且象征性地示出来自测距仪的激光束105。为了说明的目的，图10还示出了顶部线1001，处理器109可以确定该顶部线1001，但是该顶部线1001对于所公开的方法不是必需的。
100.在轮廓1000内，存在顶点1002，其可以指示顶部螺栓的位置，注意，为了清楚起见，在此使用'顶点'，但是其可以被视为轮廓中的'最低'点。在该意义上，顶点1002指示顶部螺栓候选者的位置。顶点1002由于来自顶部螺栓的激光的散射而出现在轮廓中。更具体地，激光的光发射图案的形状像矩形，而不是无限小的点。当矩形图案的光扫过岩栓时，光飞溅离开岩栓的边缘并产生被称为“倒置鲨鱼鳍”的假象。这种倒置鲨鱼鳍在点云中产生小面积的假信息。该假信息不表示场景的几何现实。通常，这对于努力去除这些伪影是足够成问题的。然而，在这里公开的方法中，该伪影被有效地利用。
101.拼接点云很大程度上依赖于分离移动和静止对象，因为移动对象是分散注意力的，因为它们不表示固定的世界视图。当螺栓本身是静止的时，照明/lidar伪影移动，围绕螺栓旋转，镜像传感器本身的移动。本文所公开的方法使用这些移动的“假”分量(光散射伪影)来识别“真”静止对象(螺栓尖端)。
102.此外，不直接在前部撞击顶部螺栓而是稍微偏心的激光束被反射到不同方向，这导致测距仪102测量的不同距离的范围。由于切片905中的选定点的投影，这些不同的距离然后以“累积”的方式一起出现在轮廓1000中。从岩栓的直接反射在距离上具有小扩展，因此岩栓的前边缘相对尖锐，导致轮廓1000中的相对陡峭和密集的前侧面1003。相反，散射测量结果散布在较宽的距离范围上，导致相对较不陡峭和较稀疏的后侧面1004。由于其特征形状，所得到的形状也可以描述为“鲨鱼鳍”。因此，处理器109实质上执行鲨鱼鳍检测。
103.更具体地，处理器109使用顶点1002的这些特征来识别其位置。例如，处理器109在轮廓1000的所有点上以测量距离的顺序或以测距仪104提供的天顶角的顺序进行迭代。然后，处理器109诸如通过执行边缘检测算法或通过计算随后点的顶点或高度差的移动平均值来确定是否存在相对陡峭的侧面。如果移动平均值高于阈值，诸如70度，则处理器109认为该位置是陡峭侧面。在陡峭侧面的末端，处理器109然后应用类似的方法来找到较不陡峭的侧面(具有相反斜率)。在其它示例中，处理器109检测两个相邻侧面并且确定前侧面1003是否比后侧面1004更陡(并且在相反方向上)。换句话说，后侧面具有不同的三角特征，其角度相对于激光器位置是可预测的。该角度给出了突出部(即，顶点)是否是螺栓的强有力的指示。
104.一旦满足这些条件，处理器109就记录顶点1002的3d位置作为岩栓的候选者，其创建图3至图5中的点之一。处理器109可以将后侧面1004的前侧面1003的位置或侧面内的所有点(重心)的平均值作为岩栓的候选者的实际点。这里再次注意，一旦确定了位置，处理器109就不再进一步考虑顶点1002的形状，而是将候选者视为单个点。该点可以是x、y和z坐标或方位角和距离值的参考。在顶点位置被投影到投影平面908上的示例中，顶点1002(即，岩栓候选者的顶点)的方位角值可以由投影平面908的方位角代替。
105.然后，处理器109继续处理轮廓1000中的其它点以检测其它顶点，然后继续处理来
自点云的其它切片。
106.处理时间
107.注意，在提供其它方法只能提供更多计算复杂性的解决方案的意义上，确定岩栓的候选者在计算上是非常有效的。特别地，如果忽略方位角，则将选定点投影到平面908上可能根本不需要任何计算，而只需要选择操作。此外，对轮廓1000的所有点的迭代也是有效的。因此，可以根据扫描在几分之一秒或最多几秒内确定所有候选者。此外，确定在可能的三角形组合之间的对准在当已经达到足够置信度时可以停止的意义上也是有效的。结果，统计对准的计算时间取决于3d点云中的测距仪测量结果的数量、噪声、假阳性的数量和可见岩栓的数量。然而，当采矿机器100在运动(诸如以每小时几米的速度)之间静止时，可以完成候选检测和对准。结果，由第一点云捕获的区域与第二点云的区域重叠。此外，使用所提出的方法的导航比单独使用惯性导航更精确。更进一步地，岩栓的位置是绝对的并且不改变，这意味着所确定的相对位置信息(诸如行进距离)、方向和姿势的改变是高度精确的并且可以用于校准具有固有漂移误差的导航系统，诸如惯性导航系统。
108.本领域技术人员应当理解，在不脱离本公开的广义范围的情况下，可以对上述实施方式进行多种变化和/或修改。因此，本实施方式在所有方面都被认为是说明性的而不是限制性的。

技术特征：
1.一种用于导航地下采矿机器的方法，所述方法包括：从所述采矿机器的第一位置捕获地下矿井的第一部分的第一3d点云；从所述第一3d点云确定第一组岩栓候选者作为点特征对象；从所述采矿机器的第二位置捕获所述地下矿井的第二部分的第二3d点云，其中，所述第一部分和所述第二部分重叠；从所述第二3d点云确定第二组岩栓候选者作为点特征对象；确定由所述第一组岩栓候选者中的至少两个限定的第一形状与由所述第二组岩栓候选者中的至少两个限定的第二形状之间的对准；基于所述对准，确定所述采矿机器的所述第一位置和所述采矿机器的所述第二位置之间的相对位置信息。2.根据权利要求1所述的方法，其中，确定所述对准的步骤包括：确定表示将所述第一形状映射到所述第二形状的几何变换的对准值。3.根据权利要求2所述的方法，其中，所述几何变换包括旋转或平移或两者。4.根据前述权利要求中任一项所述的方法，其中，所述第一形状和所述第二形状包括由三个岩栓候选者限定的三角形。5.根据前述权利要求中任一项所述的方法，其中，所述方法包括：通过从所述第一组岩栓候选者中选择至少两个岩栓候选者的不同组合来创建所述第一形状；以及通过从所述第二组岩栓候选者中选择至少两个岩栓候选者的不同组合来创建所述第二形状。6.根据权利要求5所述的方法，其中，所述方法包括：通过从所述第一组岩栓候选者中选择至少两个岩栓候选者的所有组合来创建所述第一形状；通过从所述第二组岩栓候选者中选择至少两个岩栓候选者的所有组合来创建所述第二形状。7.根据前述权利要求中任一项所述的方法，其中各个所述第一组岩栓候选者限定多于一个所述第一形状；以及各个所述第二组岩栓候选者限定多于一个第二形状。8.根据前述权利要求中任一项所述的方法，其中，所述方法包括：确定多个对准值，所述多个对准值包括所述第一形状中的一者与所述第二形状中的一者的每对之间的对准值。9.根据权利要求8所述的方法，其中，所述方法包括：确定所述多个对准值的直方图；以及基于所述直方图确定所述相对位置信息。10.根据权利要求9所述的方法，其中，所述方法包括：确定所述直方图的统计度量；响应于所述统计度量满足阈值，基于所述直方图中的最大值来确定所述相对位置信息。11.根据前述权利要求中任一项所述的方法，其中，所述方法包括：对形状对进行迭代，所述形状对包括所述第一形状中的一者和所述第二形状中的一
者；在每次迭代时确定所述形状对中的一者的对准值；以及响应于所述对准值满足阈值，终止对所述形状对的迭代。12.根据前述权利要求中任一项所述的方法，其中，所述方法还包括通过检测相应点云中的顶点形状来确定所述第一组候选者和所述第二组候选者，所述顶点形状通过在岩栓的边缘上的激光散射来创建。13.根据权利要求12所述的方法，其中，所述方法包括检测所述点云的切片中的顶点形状。14.根据权利要求13所述的方法，其中，所述方法包括：将所述3d点云的所述切片中的点投影到所述地下采矿机器所在的平面上；以及检测所投影的点中的所述顶点形状。15.根据权利要求14所述的方法，其中，所述方法还包括按照距所述地下采矿机器的距离的顺序访问所投影的点。16.根据权利要求12至15中任一项所述的方法，其中，检测所述顶点形状包括：检测面向所述地下采矿机器的第一侧面，所述第一侧面比背离所述采矿机器的第二侧面陡。17.根据权利要求16所述的方法，其中，所述第一侧面与所述地下矿井的壁或顶部形成80至100度之间的角度。18.根据前述权利要求中任一项所述的方法，其中，捕获所述第一3d点云和所述第二3d点云包括使用激光测距仪，所述激光测距仪记录针对多个旋转角度的距离。19.一种软件，当所述软件由计算机执行时，使所述计算机执行根据前述权利要求中任一项所述的方法。20.一种用于地下采矿机器的导航系统，所述导航系统包括：激光测距仪，以从所述采矿机器的第一位置捕获地下矿井的第一部分的第一3d点云，并且从所述采矿机器的第二位置捕获所述地下矿井的第二部分的第二3d点云，其中，所述第一部分和所述第二部分重叠；以及处理器从所述第一3d点云确定第一组岩栓候选者作为点特征对象；从所述第二3d点云确定第二组岩栓候选者作为点特征对象；确定由所述第一组岩栓候选者中的至少两个限定的第一形状与由所述第二组岩栓候选者中的至少两个限定的第二形状之间的对准；以及基于所述对准，确定所述采矿机器的所述第一位置与所述采矿机器的所述第二位置之间的相对位置信息。

技术总结
本公开涉及地下采矿机器的导航。激光测距仪分别从采样机器的第一位置和第二位置捕获地下矿井的第一重叠部分和第二重叠部分的第一3D点云和第二3D点云。处理器从所述第一3D点云确定第一组岩栓候选者作为点特征对象；从第二3D点云确定第二组岩栓候选者作为点特征对象；确定由第一组岩栓候选者中的至少两个限定的第一形状与由第二组岩栓候选者中的至少两个限定的第二形状之间的对准；以及基于所述对准确定采矿机器的第一位置和采矿机器的第二位置之间的相对位置信息。位置之间的相对位置信息。位置之间的相对位置信息。


技术研发人员：K
受保护的技术使用者：联邦科学和工业研究组织
技术研发日：2021.05.28
技术公布日：2023/4/18