本发明涉及工程机械地下坑道建图，尤其涉及一种工程机械地下坑道感知与建图系统及方法。
背景技术：
1、随着城市化进程的加快和基础设施建设的不断推进，地下工程的需求日益增长。在地下坑道作业中，工程机械扮演着至关重要的角色，包括挖掘、运输、支护等任务。然而，地下环境的复杂性和不可预测性给工程机械的操作带来了巨大挑战，尤其是在无线通信和实时感知与建图方面。
2、地下坑道作业环境具有空间狭小、光线不足、地形复杂和多变等特点，这对工程机械的操作提出了高要求。传统的工程机械主要依赖人工操作，存在效率低、安全性差的问题。近年来，无人化工程机械逐渐成为研究热点，通过引入自动化和智能化技术，可以提高作业效率和安全性。然而，无人化工程机械在地下环境中作业时，面临诸多技术难题。
3、首先，传统的地下坑道建图工作，需要将车载传感器所采集的数据均上传至云端基站进行处理，数据处理的实时性较差，容易出现网络拥堵和延迟问题，无法满足无人化工程机械的实时操作需求。并且，传统的slam技术主要依赖于激光雷达、摄像头和惯性测量单元的传感器数据，通过融合多种传感器数据，实现对环境的感知和地图的构建。然而，在地下坑道作业环境中，光线不足、尘土飞扬等因素会显著影响传感器的性能，导致感知的地图数据信息不完善，且slam技术本身不便于延展新增其他传感器数据。
技术实现思路
1、本发明的目的在于提供一种工程机械地下坑道感知与建图系统及方法，以解决上述背景技术中提出的地下通信不稳定及slam技术（实时感知与建图slam，simultaneouslocalization and mapping）所生成的立体地图中数据信息不完善的技术问题，为解决上述问题，本发明采用如下技术方案给予解决：
2、第一方面，本发明提供一种地下坑道实时感知与建图系统，其包括：
3、工程机械设备，用于在所述地下坑道内行驶；
4、传感器部件，安装于所述工程机械设备上，用于在所述工程机械设备行驶时采集工程机械设备所在行驶位置周围的环境数据，所述环境数据包括初步环境数据和补充环境数据；
5、slam处理器，安装于所述工程机械设备上，与所述传感器部件通信连接，用于根据所述初步环境数据处理得到初步立体地图数据；
6、边缘计算处理器，安装于所述工程机械设备上，与所述传感器部件以及slam处理器通信连接，用于根据所述补充环境数据对所述初步立体地图数据进行补充更新，以得到更新立体地图数据；还用于将所述工程机械设备位于不同行驶位置处得到的更新立体地图数据进行拼接以得到拼接地图数据；
7、控制系统反馈处理器，与所述边缘计算处理器通信连接，用于将所述拼接地图数据传输至车端控制器以用于控制工程机械设备行驶。
8、可选地，所述初步环境数据所对应的传感器部件以及相应的环境数据包括：
9、激光雷达，用于获取工程机械设备周围的扫描数据；
10、摄像头，用于捕捉工程机械设备周围的环境图像数据；
11、惯性测量传感器，用于测量工程机械设备的姿态和运动状态，以采集imu 姿态数据；
12、补充环境数据所对应的传感器部件以及相应的环境数据至少包括：
13、超声波传感器，用于采集工程机械设备周围的超声波数据。
14、可选地，所述边缘计算处理器还用于对所述初步环境数据进行预处理，以得到滤波、去噪和校正后的预处理数据。。
15、可选地，还包括：
16、云端处理器，与所述控制系统反馈处理器无线通信连接；
17、所述控制系统反馈处理器还用于将所述拼接地图数据上传至云端处理器，以便于后续的访问和使用。
18、可选地，所述云端处理器与所述控制系统反馈处理器通过无线通信系统通信连接；所述无线通信系统包括：
19、无线通信节点，用于布置在地下坑道内，并形成网格网络，其中，各个节点均具有中继功能；
20、动态通信链路，用于无线通信节点之间的通信连接；
21、有线通信节点，用于布置在地下坑道内，以连接云端公网基站的有线通信节点。
22、第二方面，本发明还提供一种地下坑道实时感知与建图方法，其利用所述的地下坑道实时感知与建图系统以进行，其包括：
23、获取所述工程机械设备周围的环境数据；所述环境数据包括用于slam算法处理的初步环境数据和用于边缘计算处理器处理的补充环境数据；
24、利用边缘计算处理器对所述初步环境数据进行预处理；
25、根据预处理后的所述初步环境数据利用slam算法处理得到初步立体地图数据；
26、利用边缘计算处理器对所述补充环境数据对所述初步立体地图数据进行补充更新，以得到更新立体地图数据；
27、对所述工程机械设备位于不同位置处得到的更新立体地图数据进行拼接以得到拼接地图数据；
28、将所述拼接地图数据传输至车端控制器以用于控制工程机械设备行驶。
29、可选地，
30、初步环境数据所对应的传感器部件以及相应的环境数据包括：
31、激光雷达，用于获取工程机械设备周围的扫描数据；
32、摄像头，用于捕捉工程机械设备周围的环境图像数据；
33、惯性测量传感器，用于测量工程机械设备的姿态和运动状态，以采集imu 姿态数据；
34、所述根据所述初步环境数据利用slam算法处理得到初步立体地图数据包括：
35、获取不同时刻采集的所述初步环境数据；
36、根据所述初步环境数据，利用粒子滤波算法预测所述工程机械设备的位姿估计结果；
37、根据所述位姿估计结果以及所述环境图像数据实时生成工程机械设备在所处位置的初步立体地图数据。
38、可选地，所述补充环境数据包括超声波数据；
39、所述根据预处理后的补充环境数据对所述初步立体地图数据进行补充更新包括：所述超声波数据包括反射信号数据和反射接收时间差数据；
40、根据所述反射信号数据，识别并检测环境中的障碍物；
41、根据所述反射接收时间差数据，确定所述障碍物与所述工程机械车辆的相对位置；
42、当检测到新的障碍物时：
43、将采集到的所述障碍物通过地图标记的形式补充添加到slam算法处理得到的所述初步立体地图数据中，以得到更新立体地图数据；和/或
44、对于已存在的障碍物，在位置发生变化时，将位置变化后的障碍物更新到所述初步立体地图数据中，以得到更新立体地图数据。
45、可选地，所述根据所述初步环境数据，利用粒子滤波算法预测所述工程机械设备的位姿估计结果；其中所述粒子滤波算法的传播模型为：
46、；
47、；
48、为时刻的状态向量；为时刻的状态向量；所述状态向量表示工程机械设备在此时刻的位姿估计结果，为时刻的控制向量，表示该时刻的环境图像数据和imu 姿态数据；为1~t-1时间段内的控制向量，表示该时间段内的环境图像数据和imu 姿态数据：为t时刻的观测向量，表示该时刻的环境扫描数据；为1~t-1时间段内的观测向量，表示该时间段内的环境扫描数据；表示由假设状态向量和假设权重向量组成的矩阵，n表示粒子数；为假设状态向量，表示t时刻假设的一个状态下所述工程机械设备（101）的位姿估计结果；为假设权重向量，表示中的所述位姿估计结果与t时刻的观测向量的匹配度，匹配度越高，权重越高；
49、所述利用粒子滤波算法预测得到所述工程机械设备的位姿估计结果包括：随机生成若干粒子；
50、根据和获取t-1时刻的粒子分布，t-1时刻的粒子分布为：其中，分别表示t-1时刻的假设状态向量和假设权重向量；
51、根据将各个粒子从t-1时刻传播到t时刻，以预测得到t时刻的粒子分布；
52、根据对每个粒子的假设权重向量进行修正，的修正公式为：；
53、根据修正结果舍弃权重低的粒子，再将舍弃后留下粒子的权重归一化，并根据归一化后的权重对粒子进行重采样以补充舍弃的粒子；
54、将重采样后的粒子代入所述传播模型并循环迭代，以得到最终的粒子集合；
55、利用最终的粒子集合预测得到所述工程机械设备在t时刻的位姿估计结果。
56、可选地，在对所述更新立体地图数据进行拼接以得到拼接地图数据前还需要进行地图优化；所述地图优化采用优化算法levenberg-marquardt算法，对图结构进行优化，消除累积误差。
57、相比于现有技术，本发明具有以下有益效果：
58、1、本发明将边缘计算处理器（边缘计算单元、边缘云）安装在地下工作的工程机械设备上，相较于将数据传输给云端基站处理显著提高了数据处理的实时性和效率，减少了对云端计算资源的依赖。
59、2、本发明通过布置边缘计算处理器还能够在机械设备上拓展更多的传感器，相较于传统技术仅通过slam算法进行立体地图的生成，能够利用更多的传感器以使得地图数据能够包含更多的有用信息，从而能够更真实得反应地下环境，确保高精度和高一致性的地图生成，以提高工程机械设备在地下无人化工作的操作安全。
60、3、本发明在地下搭建了无线通信系统，包括多个无线通信节点、动态通信链路和有线通信节点，增强了通信的稳定性和覆盖范围，解决了地下环境中的通信难题。
1.一种地下坑道实时感知与建图系统，其特征在于，包括：
2.根据权利要求1所述的地下坑道实时感知与建图系统，其特征在于，所述初步环境数据所对应的传感器部件（103）以及相应的环境数据包括：
3.根据权利要求1所述的地下坑道实时感知与建图系统，其特征在于，所述边缘计算处理器（102）还用于对所述初步环境数据进行预处理，以得到滤波、去噪和校正后的预处理数据。
4.根据权利要求1所述的地下坑道实时感知与建图系统，其特征在于，还包括：
5.根据权利要求4所述的地下坑道实时感知与建图系统，其特征在于，所述云端处理器与所述控制系统反馈处理器（105）通过无线通信系统（104）通信连接；所述无线通信系统（104）包括：
6.一种地下坑道实时感知与建图方法，其特征在于：利用权利要求1-5任一所述的地下坑道实时感知与建图系统以进行，其包括：
7.根据权利要求6所述的地下坑道实时感知与建图方法，其特征在于：
8.根据权利要求7所述的地下坑道实时感知与建图方法，其特征在于：
9.根据权利要求7所述的地下坑道实时感知与建图方法，其特征在于：所述根据所述初步环境数据利用粒子滤波算法预测得到所述工程机械设备（101）的位姿估计结果，其中所述粒子滤波算法的传播模型为：
10.根据权利要求6所述的地下坑道实时感知与建图方法，其特征在于：还包括：在对所述更新立体地图数据进行拼接以得到拼接地图数据前还需要进行地图优化；所述地图优化采用优化算法levenberg-marquardt算法，对图结构进行优化，消除累积误差。
