【技术实现步骤摘要】
本专利技术适用于地图定位，尤其涉及一种利用柱状结构辅助slam的地图表征方法。
技术介绍
1、当前的slam(simultaneous localization and mapping，即时定位与地图构建)技术的发展不仅注重位姿估计精度，而且注重地图的表征形式。好的地图表征形式有助于提升定位结果，现有方法的地图表征形式主要有三种：一、特征点地，这种地图可以由每一帧特征点拼接而成全局地图；二、点线面混合表征地图，除了特征点以外，大量线面结构化特征存在于室内环境中，引入必要的结构化信息，如线面等，可以增加定位精度；三、语义物体地图：采用点线面，属于低层次语义地图表征方式，而采用语义物体地图属于高层次的地图表征形式，语义物体比线面特征在定位方面更鲁棒。这不仅能提升定位精度，而且还能用于上层任务交互和运动规划。
2、地图通常基于参照物体进行构建。相比于其它参照物体(行人车辆等)，使用柱状结构的杆件作为参照的优点主要在于：在长期中不会随着光照、季节而变化，是典型的静态物体，例如树干、路灯杆、桁架杆件、建筑物的石柱等圆柱形杆件。将该圆柱形杆件作为路标，可以提高位姿估计精度和鲁棒性。这种思想在自动驾驶高精地图中的应用非常普遍。但现有技术利用圆柱体杆件的相关工作较少。其主要原因为：杆件的形状属于细长型物体，在数据关联上采用以往的方法会出现一些关联错误的现象。在点云覆盖较少的物体的参数估计中，对噪声较敏感，已有方法容错性较低，对外点的处理方式不好；其次，圆柱形杆件在空间中缺少轴线方向自由度约束，不利于数据处理。
1、本专利技术旨在解决现有技术在构建点云地图时对圆柱形杆件的数据关联处理容错性低、缺少自由度约束的问题。
2、为解决上述技术问题，本专利技术提供一种利用柱状结构辅助slam的地图表征方法，所述地图表征方法包括以下步骤：
3、s1、通过激光雷达获取原始点云数据；
4、s2、对所述原始点云数据进行预处理，得到初始位姿数据；
5、s3、将所述原始点云数据变换到全局坐标系，并进行累积处理，得到全局累积点云数据；
6、s4、对所述全局累积数据进行局部保留处理，得到局部累积数据；
7、s5、对所述局部累积数据进行柱状结构的杆件和平面分割处理，并作为杆件路标进行关联，计算残差，得到杆件路标因子；
8、s6、根据所述初始位姿数据获取激光里程计因子，并将所述激光里程计因子和所述杆件路标因子进行因子图优化，输出得到实时鲁棒位姿和对应的语义地图。
9、更进一步地，步骤s2中对所述原始点云数据进行预处理的方法包括特征提取和点云配准。
10、更进一步地，步骤s3中的累积处理具体为：对处于全局坐标系下的所述原始点云数据累积预设时长，以获取累积点云数据，将所述原始点云数据与所述累积点云数据进行叠加，得到所述全局累积点云数据。
11、更进一步地，步骤s4中的局部保留处理具体为：对所述全局累积数据中当前坐标的预设范围以外的点云数据进行删除。
12、更进一步地，步骤s5包括以下子步骤：
13、s51、在所述局部累积数据中分割出柱状结构的杆件数据和平面数据；
14、s52、将不同的所述杆件数据进行关联；
15、s53、根据不同的所述杆件数据的向量和所述平面数据，构建关于所述杆件数据的向量和所述平面数据的交叉点的路标数据的残差表达式；
16、s54、根据列文伯格-马夸尔特法和所述残差表达式构建优化方程，并进行求解，得到所述杆件路标因子。
17、更进一步地，步骤s51具体为：
18、在所述局部累积数据中，利用ransac方法分割出地面点云所在的平面作为所述平面数据；
19、在除去所述平面数据的所述局部累积数据中，多次利用ransac方法分割出所述杆件数据。
20、更进一步地，步骤s52具体为：
21、基于以下约束判断任意两个所述杆件数据之间是否进行关联：
22、两个所述杆件数据的轴线夹角和正交距离在预设阈值内；
23、两个所述杆件数据的点到轴线数据的距离在高斯分布区间内；
24、基于所述杆件数据构建长半轴方向与杆件轴线一致的椭球，两个所述杆件数据的点均处于椭球的预设空间阈值内。
25、更进一步地，步骤s53具体为：
26、定义pi和pj分别是在i和j时刻下估计得到的所述杆件数据，根据pi和pj寻找距离为d的所述平面数据π，以构造k个相互平行的所述平面数据的集合{π1,π2,…,πk}，所述平面数据的集合{π1,π2,…,πk}与pi、pj各自的轴线vi、vj的相交点为路标点其中：
27、
28、nt为所述平面数据的法向量，δd为是所述平面数据πk-1和πk之间的距离，路标点的残差为：
29、
30、本专利技术所达到的有益效果，在于提出了一种利用柱状结构辅助slam的地图表征方法，该方法基于ransac杆件分割，不限制杆件轴线方向，能够对多种场景有较好的适应性，相比于现有方法，针对于细长型杆件物体的数据关联方式有更好的容错率，并在地图构建过程中考虑了利用平面来构造杆件残差，可抑制圆柱体在沿着轴线方向缺乏自由度的现象，从而提高地图中位姿估计的精度。
本文档来自技高网...【技术保护点】
1.一种利用柱状结构辅助SLAM的地图表征方法，其特征在于，所述地图表征方法包括以下步骤：
2.如权利要求1所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S2中对所述原始点云数据进行预处理的方法包括特征提取和点云配准。
3.如权利要求1所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S3中的累积处理具体为：对处于全局坐标系下的所述原始点云数据累积预设时长，以获取累积点云数据，将所述原始点云数据与所述累积点云数据进行叠加，得到所述全局累积点云数据。
4.如权利要求1所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S4中的局部保留处理具体为：对所述全局累积数据中当前坐标的预设范围以外的点云数据进行删除。
5.如权利要求1所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S5包括以下子步骤：
6.如权利要求5所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S51具体为：
7.如权利要求5所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步
8.如权利要求5所述的利用柱状结构辅助SLAM的地图表征方法，其特征在于，步骤S53具体为：
...【技术特征摘要】
1.一种利用柱状结构辅助slam的地图表征方法，其特征在于，所述地图表征方法包括以下步骤：
2.如权利要求1所述的利用柱状结构辅助slam的地图表征方法，其特征在于，步骤s2中对所述原始点云数据进行预处理的方法包括特征提取和点云配准。
3.如权利要求1所述的利用柱状结构辅助slam的地图表征方法，其特征在于，步骤s3中的累积处理具体为：对处于全局坐标系下的所述原始点云数据累积预设时长，以获取累积点云数据，将所述原始点云数据与所述累积点云数据进行叠加，得到所述全局累积点云数据。
4.如权利要求1所述的利用柱状结构辅助s...
【专利技术属性】
技术研发人员：胡艺龄，冼汉标，陈炜楠，许健宏，陈洪佳，
申请(专利权)人：广州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。