论文总字数：26500字

摘 要

本文主要涉及研究全自主施工机器人在动态施工环境下的环境感知算法，通过对相机、激光雷达传感器数据进行处理，采用数据融合方式及多冗余测量方式，实现施工过程中的障碍物检测、识别、测距以及风险感知。通过利用深度学习模型对相机捕捉的实时二维图像信息进行目标检测，可以快速精准地判断障碍物类别。并且对激光雷达得到的点云进行滤波、聚类、分割处理，获得障碍物对应的三维点云信息。然后，通过数据融合的方式得到不同维度间相匹配目标的类别和距离，并利用粒子滤波算法实现目标在三维空间的跟踪。根据最终获得的目标车辆或人员的运动估计，计算与施工车辆之间的碰撞时间来预测风险，并运用碰撞风险图描述碰撞风险。

本课题从施工区域障碍物检测测距、施工区域多目标行为预测以及组合风险场评估三个方面展开，通过实验发现该系统具有较好的实时性和准确性，能够对施工区域的多目标行为风险进行评估，可以有效应用于施工机器人全自主施工中，具有良好的应用前景。

关键词：施工机器人；数据融合；环境感知；运动估计；风险图

Abstract

This paper mainly involves the study of the environment perception algorithm of the autonomous construction robot in the dynamic construction environment. By processing the data of the camera and the Lidar sensor, the data fusion method and the multi-redundancy measurement method are adopted to realize the obstacle detection, identification, ranging and risk perception in the construction process.By using the deep learning model to detect the real-time image information captured by the camera, the categories of obstacles can be quickly and accurately determined.Then the point cloud obtained by the Lidar is filtered, clustered and segmented to get the three-dimensional point cloud information corresponding to the obstacle.Then, by means of the data fusion, the categories and distances of matching targets among different dimensions are obtained, and the particle filter algorithm is used to realize the continuous tracking of the target in three-dimensional space.According to the motion estimation of the target vehicle or personnel, the collision time between the obstacle and the construction vehicle is calculated to predict the risk, and the collision risk map is used to describe the collision risk.

This topic contains three aspects,including the obstacle detection and ranging, multi-objective behavior prediction, and multi-objective behavior risk evaluation. Through the experiments, it is found that the system has good real-time performance and accuracy, which can evaluate the multi-objective behavioral risk in the construction area. This system can be effectively applied to the full autonomous construction of construction robot, which has a good application prospect.

Keywords: Construction robot; Data fusion; Environmental awareness; Motion estimation；Risk map;

目 录

摘 要 I

Abstract I

第一章 引言 1

1.1 背景及意义 1

1.2 现有条件 1

1.3 技术路线 2

1.4 系统框架简介 4

第二章 施工区域障碍物检测测距算法 5

2.1 基于图像信息的目标检测 5

2.1.1 用YOLOv3算法实现目标检测 6

2.1.2 基于ROS平台的YOLOv3算法实现 7

2.1.3 测试结果 8

2.2 基于激光点云的目标检测 9

2.2.1 点云数据的预处理 9

2.2.2 SqueezeSeg模型 10

2.2.3 测试结果 10

2.3 相机与激光雷达的数据融合 11

2.3.1 点云数据的地面分割 11

2.3.2 点云数据的聚类分割处理 13

2.3.3 联合标定 15

2.3.4 基于数据融合的目标检测测距 17

第三章 施工区域多目标行为预测算法 18

3.1 粒子滤波跟踪算法 19

3.1.1 蒙特卡洛模拟方法 19

3.1.2 序贯重要性采样算法 20

3.1.3 重采样方法 21

3.1.4 粒子滤波算法流程 22

3.2 基于粒子滤波的目标跟踪 22

3.2.1 图像目标的跟踪算法 22

3.2.2 点云目标的跟踪算法 24

第四章 多传感器组合风险场评估系统设计和算法研究 26

4.1 风险评估方法研究背景 26

4.2 基于施工机器人在施工区域内的风险规避算法 26

第五章 结论 28

5.1 研究工作总结 28

5.2 改进点 28

参考文献 30

致 谢 32

第一章 引言

1.1 背景及意义

交通基建行业对国民经济发展和社会民生起着重要的基础性、支撑性和服务性的作用，特别是十九大首次提出发展“交通强国”理念，全国高等级公路建设将迎来新一轮的建设高峰期。而“一带一路”国家战略，前期的核心任务也是以基础建设为主。中国的公路建设经过20年的高速发展，积累了大量的经验，在新时代、人工智能高速发展的今天，如何实现道路高精准度、高安全性、高效率施工，将是我国海量施工单位今后相当长一段时间内发展的主旋律。

道路工程施工机器人成套关键技术的研究是以道路施工工程机械无人驾驶作业，降低建筑产业工人劳动强度和安全风险、提升公路建设质量和建筑工人幸福指数、创新行业监督监管手段为目标。借助标准化建模、优化、推理、测试、分析、验证等技术手段，揭示工程施工机器人作业最优机理，形成相关效能评估与配置的方法和理论，以及系统特征辨识方法和指标体系，达到提升全局效能的技术能力。目前，已有的研究成果主要是单台施工机械设备如压路机的全电子化施工工法，由原来机械拉杆作业转变为数字电子设备操控，极大降低了设备维修保养的成本和设备操控的复杂性。但依然由人工进行操作，而非全自主化施工作业，并且由于较少考虑复杂施工机械设备整体数控水平、机械系统的响应特性、工程机械与施工工艺无缝结合一致性问题，导致施工效率相对较低、人员劳动强度大，且容易导致施工事故发生。

剩余内容已隐藏，请支付后下载全文，论文总字数：26500字