1.一种井下无人驾驶无轨胶轮车的路径规划方法，其特征在于，具体步骤为：(1)使用固态激光雷达、NUC电脑和移动电源搭建数据采集装置，NUC电脑分别与移动电源和固态激光雷达连接；

(2)将数据采集装置安装在有人驾驶的无轨胶轮车上，使无轨胶轮车在井下巷道内遍历所有行驶区域，数据采集装置的固态激光雷达实时采集数据并反馈给NUC电脑，最终采集获得原始点云数据包；

(3)根据采集到的数据，使用Cartographer算法离线建立井下巷道三维点云地图，其中设定地图原点为井口位置；

(4)对得到的三维巷道地图进行地面分割处理，使用Ground Plane Filter算法分割出地面点云数据，得到条带状地面点云；

(5)使用Meanshift算法对条带状点云进行迭代漂移，使边缘点向着道路中心聚集，从而使条带状分布的道路点细化成线状，得到巷道中心点集；

(6)由于井下巷道具有多个分叉点与端点，在得到的巷道中心点集中将所有巷道分叉点与端点手动标识出来，从而使巷道线状中心点集拆分成若干段无分叉的点集；

(7)根据各标识点之间线状点云数据，分段拟合出各路段中心线，最终拼接成具有拓扑关系的井下巷道路网；

(8)在进行路径规划时，首先确定起点与终点在巷道拓扑网络中的位置，然后使用Dijsktra算法搜索从起点至终点距离最短的路径，最终完成路径规划。

2.根据权利要求1所述的一种井下无人驾驶无轨胶轮车的路径规划方法，其特征在于，所述步骤(2)采集获得原始点云数据包的具体过程为：将数据采集装置安装在有人驾驶的无轨胶轮车前部车头处，接着开启固态激光雷达，以井口位置为起点，使无轨胶轮车以

0.3m/s以下的速度在巷道内向前匀速移动，同时使用NUC电脑录制固态激光雷达测量数据的bag包；无轨胶轮车在井下巷道内遍历所有行驶区域，最终获得原始点云数据包。

3.根据权利要求1所述的一种井下无人驾驶无轨胶轮车的路径规划方法，其特征在于，所述步骤(4)的具体过程为：

首先沿车辆行进方向将点云分成若干个子点云段，使每个子点云段中地面近似为平面，减小坡度变化对分割结果的影响，然后对每个子点云段中点云数据使用Ground Plane Filter分割出地面点云；

Ground Plane Filter算法分割地面具体流程如下：首先选定点云中n个最低点，计算其平均值，得到LPR值，根据设定的高度阈值Th，将点云数据中高度在阈值范围内的点提取出来作为种子点集；之后根据种子点集估计平面模型，采用如下线性模型进行估计：ax+by+cz+d＝0

T

nx＝‑d

T T

其中n＝[a,b,c] ，x＝[x,y,z] ；a、b、c、d为平面模型方程的四个参数，使用协方差矩阵3

求解此线性模型，种子点集S∈R的协方差矩阵为：式中，C为协方差矩阵，S为种子点集，Si代表此种子点集中第i个点，为种子点集中所有点均值；此协方差矩阵的三个奇异向量能通过奇异值分解求得，这三个奇异向量描述点集在三个主要方向的散布情况；通过计算具有最小奇异值的奇异向量来求得垂直于平面的法向量n，之后代入 求得d，即能求出平面模型；

求出平面模型以后，计算点云数据中每一个点到该平面的正交投影的距离，与设定阈值比较，若小于阈值，该点为地面点，若大于阈值，则为非地面点。

4.根据权利要求1所述的一种井下无人驾驶无轨胶轮车的路径规划方法，其特征在于，所述步骤(5)的具体过程为：

漂移均值计算基本公式如下：

其中sh是一个半径为h的高维球区域，满足以下关系的y点的集合T 2

Sh(x)＝{y:(y‑x) (y‑x)＜h}k是落入sh区域内的所有样本点的个数，Mh即为求得的MeanShift向量，xi代表此区域内第i个点；考虑到样本点与被偏移点的距离不同，其偏移量对均值偏移向量的贡献也不同，因此加入高斯核函数，得到如下改进的MeanShift向量形式：其中， 为高斯核函数，其带宽选为4；hi为区域sh半径，由于点云分布于三维空间中，本发明中sh采用三维球形区域，选取巷道宽度平均值的1/2为此球形半径；

计算出被偏移点MeanShift向量后，根据计算值更新被偏移点位置：xt+1＝xt+Mh(xt)

式中，xt为被偏移点当前位置，Mh(xt)为当前点的MeanShift向量，xt+1为根据MeanShift向量计算出的被偏移点新的位置；

如此循环迭代，由于巷道中心点云密度最大，被偏移点会逐渐往中心迭代漂移，最终收敛至巷道中心线附近；依次对所有点云数据进行迭代漂移，最终条带状点云会收敛为线状点云。

5.根据权利要求1所述的一种井下无人驾驶无轨胶轮车的路径规划方法，其特征在于，所述步骤(7)具体过程为：

将拆分成若干段的地下巷道线状点云分别进行曲线拟合，得到多段无分叉的曲线，每段曲线即为对应某段巷道地面中心线；地下巷道分叉点既是某段曲线的起点，也是另一段曲线的终点，根据这一特征将所有曲线拼接起来，形成能反映真实井下巷道走向的巷道拓扑网络，分叉点即为拓扑网络中的各节点；同时，在进行曲线拟合时计算出各曲线长度信息，保存到生成的巷道拓扑网络中，为最短路径规划算法提供各节点之间距离信息。