特征退化场景检测方法技术

本申请提出一种特征退化场景检测方法

【技术实现步骤摘要】
特征退化场景检测方法、机器人定位方法、设备以及介质


[0001]本申请涉及机器人定位
，特别是涉及一种特征退化场景检测方法
、
机器人定位方法
、
终端设备以及计算机存储介质
。

技术介绍

[0002]同步定位与构图
(SLAM,Simultaneous Localization and Mapping)
技术是当前机器人自主导航领域的主流研究方向之一，通过配准当前环境扫描和全局地图，实现机器人的实时位姿估计
。
然而在特征退化环境下
(
如长廊等
)
，传感器
(
如激光雷达
)
无法为特征退化方向的机器人运动提供足够的观测信息，长时间运行会产生较大累积误差，导致传统机器人定位算法失效
。
[0003]然而，环境特征退化程度通常以点云配准状态为评估标准，如提取的特征点数量
、
点云配准候选点数量等，但是该类方法需作为点云配准算法的预处理流程，影响定位解算的实时性
。

技术实现思路

[0004]为解决上述技术问题，本申请提出了一种特征退化场景检测方法
、
机器人定位方法
、
终端设备以及计算机存储介质
。
[0005]为解决上述技术问题，本申请提出了一种特征退化场景检测方法，所述特征退化场景检测方法包括：
[0006]将原始栅格地图转换为多元正态分布变换地图；
>[0007]通过采样点模拟在所述多元正态分布变换地图中加入若干采样点，构建扩展多元正态分布变换地图；
[0008]利用所述原始栅格地图中的目标栅格构建特征地图；
[0009]利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度；
[0010]按照所述特征地图中所有目标栅格的特征退化程度，生成特征退化地图
。
[0011]其中，所述通过采样点模拟在所述多元正态分布变换地图中加入若干采样点，构建扩展多元正态分布变换地图，包括：
[0012]在所述多元正态分布变换地图的当前网格生成若干等距的采样点；
[0013]计算每一采样点在所述当前网格的概率值；
[0014]保留所述概率值大于第一预设阈值的采样点；
[0015]利用保留采样点后的所有网格构建所述扩展多元正态分布变换地图
。
[0016]其中，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度，包括：
[0017]利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的所有可视网格索引；
[0018]按照所述可视网格索引，获取所述目标栅格对应的海森矩阵；
[0019]利用所述目标栅格对应的海森矩阵计算所述目标栅格的特征退化程度；
[0020]其中，所述特征退化程度包括特征退化因子和
/
或特征退化方向
。
[0021]其中，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的所有可视网格索引之前，所述特征退化场景检测方法还包括：
[0022]构建所述特征地图中一目标栅格与所述扩展多元正态分布变换地图中一网格的直线段；
[0023]判断所述直线段是否经过所述原始栅格地图的非目标栅格区域；
[0024]若否，确定所述目标栅格和所述网格之间可视，在所述目标栅格中存储所述网格的索引，在所述网格中存储所述目标栅格的索引
。
[0025]其中，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度，包括：
[0026]利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的可视网格数量；
[0027]在所述目标栅格的可视网格数量小于第二预设阈值时，将所述目标栅格的特征退化因子设置为预设值；
[0028]在所述目标栅格的可视网格数量大于等于第二预设阈值时，对所述目标栅格的特征退化程度进行评估
。
[0029]其中，所述按照所述特征地图中所有目标栅格的特征退化程度，生成特征退化地图之后，所述特征退化场景检测方法还包括：
[0030]获取场景点云，将所述场景点云加入所述扩展多元正态分布变换地图，获取更新多元正态分布变换地图；
[0031]获取所述更新多元正态分布变换地图中的变化网格对应的可视目标栅格；
[0032]对所述可视目标栅格的特征退化程度进行更新
。
[0033]其中，所述获取所述更新多元正态分布变换地图中的变化网格对应的可视目标栅格，包括：
[0034]获取所述更新多元正态分布变换地图中的变化网格对应的当前可视目标栅格和历史可视目标栅格；
[0035]比较所述当前可视目标栅格和历史可视目标栅格；
[0036]当目标栅格与所述变化网格历史可视，且当前不可视时，删除所述目标栅格中所述变化网格的索引；
[0037]当目标栅格与所述变化网格历史不可视，且当前可视时，在所述目标栅格中存储所述变化网格的索引；
[0038]获取网格索引发生变化的可视目标栅格
。
[0039]为解决上述技术问题，本申请还提出一种机器人定位方法，所述机器人定位方法包括：
[0040]获取所述机器人的当前帧点云在原始栅格地图的位姿配准初值；
[0041]利用所述原始栅格地图的特征退化地图，获取直线约束方程；
[0042]利用所述直线约束方程以及所述位姿配准初值对所述机器人的位姿进行迭代优化，得到所述机器人的最终位姿；
[0043]其中，所述原始栅格地图的特征退化地图通过上述的特征退化场景检测方法生成
。
[0044]其中，所述获取所述机器人的当前帧点云在原始栅格地图的位姿配准初值之后，所述机器人定位方法还包括：
[0045]获取所述位姿配准初值对应的特征退化地图的目标栅格；
[0046]获取所述目标栅格的特征退化因子，在所述特征退化因子大于第三预设阈值时，执行：利用所述原始栅格地图的特征退化地图，获取直线约束方程
。
[0047]其中，所述获取所述机器人的当前帧点云在原始栅格地图的位姿配准初值，包括：
[0048]获取所述机器人的上一帧点云的上一帧位姿；
[0049]获取所述上一帧点云与所述当前帧点云之间的辅助传感器信息；
[0050]利用所述辅助传感器信息以及所述上一帧位姿，计算所述当前帧点云的位姿配准初值
。
[0051]为解决上述技术问题，本申请还提出一种终端设备，所述终端设备包括存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种特征退化场景检测方法，其特征在于，所述特征退化场景检测方法包括：将原始栅格地图转换为多元正态分布变换地图；通过采样点模拟在所述多元正态分布变换地图中加入若干采样点，构建扩展多元正态分布变换地图；利用所述原始栅格地图中的目标栅格构建特征地图；利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度；按照所述特征地图中所有目标栅格的特征退化程度，生成特征退化地图
。2.
根据权利要求1所述的特征退化场景检测方法，其特征在于，所述通过采样点模拟在所述多元正态分布变换地图中加入若干采样点，构建扩展多元正态分布变换地图，包括：在所述多元正态分布变换地图的当前网格生成若干等距的采样点；计算每一采样点在所述当前网格的概率值；保留所述概率值大于第一预设阈值的采样点；利用保留采样点后的所有网格构建所述扩展多元正态分布变换地图
。3.
根据权利要求1所述的特征退化场景检测方法，其特征在于，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度，包括：利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的所有可视网格索引；按照所述可视网格索引，获取所述目标栅格对应的海森矩阵；利用所述目标栅格对应的海森矩阵计算所述目标栅格的特征退化程度；其中，所述特征退化程度包括特征退化因子和
/
或特征退化方向
。4.
根据权利要求3所述的特征退化场景检测方法，其特征在于，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的所有可视网格索引之前，所述特征退化场景检测方法还包括：构建所述特征地图中一目标栅格与所述扩展多元正态分布变换地图中一网格的直线段；判断所述直线段是否经过所述原始栅格地图的非目标栅格区域；若否，确定所述目标栅格和所述网格之间可视，在所述目标栅格中存储所述网格的索引，在所述网格中存储所述目标栅格的索引
。5.
根据权利要求3所述的特征退化场景检测方法，其特征在于，所述利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的特征退化程度，包括：利用所述特征地图中的目标栅格以及扩展多元正态分布变换地图中的网格之间的可视关系获取每一目标栅格的可视网格数量；在所述目标栅格的可视网格数量小于第二预设阈值时，将所述目标栅格的特征退化因子设置为预设值；
在所述目标栅格的可视网格数量大于等于第二预设阈值时，对所述目标栅格的特征退化程度进行评估
。6.
根据权利要求1所述的特征退化场景检测方法，其特征在于，所述按照所述特征地图中所有目标栅格的特征退化程度，生成特征退化...

【专利技术属性】
技术研发人员：何洪磊，马子昂，涂曙光，
申请(专利权)人：杭州华橙软件技术有限公司，
类型：发明
国别省市：