【技术实现步骤摘要】
本专利技术涉及机器人，特别涉及一种基于相似性匹配的毫米波雷达里程计确定方法及系统。
技术介绍
1、在未知的环境下稳定的行驶是一项具有挑战性的工作，自动驾驶汽车必须在环境和移动物体不断变化的情况下实现稳健的定位和导航。目前，大多数平台都使用激光雷达、视觉、gps、内部传感器或这些系统的组合来获取周围环境的信息并进行运动估计。激光雷达速度快，分辨率高，但对天气条件非常敏感，而且价格高昂。视觉系统用途广泛，价格低廉，但很容易受到场景变化的影响。gps本身最多可以保证米级别精度，在障碍物附近会接收困难，并且依赖于外部基础设施。本体感觉传感器，如车轮编码器和imu，受有显著的漂移。相比之下，毫米波雷达在可变的照明和大气条件下表现良好，可探测到环境中稳定的远程特征，而且经济高效，已经被广泛应用于未知环境下机器人的状态估计，而毫米波雷达里程计就是该运动估计的可靠解决方案，在机器人领域有着牢固的地位。
2、对于毫米波雷达里程计的问题，国内外研究者也做了大量的研究，根据处理的毫米波雷达数据形式，可大致分为两类：
3、一类是基于点云的方法，这类方法与毫米波雷达的数据比较契合。这类算法使用雷达获得的二维图像作为输入，通常采用一些特征提取算法从图像提取特征点，然后进行基于这些特征点的扫描配准。其中最有名的是sarah h.cen等人提出的自运动估计算法(s.h.cen and p.newman,"precise ego-motion estimation with millimeter-waveradar under diver
4、二是基于图像的方法，这类方法受到视觉里程计的启发。利用图像相关的特征点和特征描述子进行匹配。hong等人提出的radarslam算法(z.hong,y.petillot ands.wang,"radarslam:radar based large-scale slam in all weathers,"in 2020ieee/rsj international conference on intelligent robots and systems(iros),oct.2020,pp.5164-5170,issn:2153-086)他们就是受到视觉slam相关方的启发，从雷达图像中提取surf特征点并进行配准。但是雷达图分辨率比较低，而且远远比不上视觉图像丰富的信息，将视觉图像的方法用到毫米波雷达图像上，可能会产生错误的特征匹配。
技术实现思路
1、本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种基于相似性匹配的毫米波雷达里程计确定方法及系统，利用了两种类型的信息进行了两次匹配，减少了误差，实现精确、鲁棒的运动估计，并能取得可靠的测量信息。
2、本专利技术采用如下技术方案：
3、一方面，一种基于相似性匹配的毫米波雷达里程计确定方法，包括：
4、s1，从雷达原始数据中提取二维毫米波雷达点云特征和雷达图像；
5、s2，基于雷达图像信息获得初始相对位姿；
6、s3，基于初始相对位姿和二维毫米波雷达点云数据，获得里程计最终位姿估计。
7、优选的，从原始雷达数据中提取二维毫米波雷达点云数据，具体包括：
8、s11，在当前时刻k解析雷达原始数据得到雷达数据信息，如下：
9、fft_data＝{power(azimuth,r),azimuth∈[1,400],r∈[1,3780]}
10、其中，fft_data表示所有方位下的雷达功率；azimuth表示雷达测量得到的点的方位角度；r表示雷达测量得到的点距离；power表示雷达测量返回的功率；使用功率-距离雷达信号的一维信号作为处理目标，通过估计信号的噪声数据统计，根据其对应于真实检测的概率来缩放每个距离的功率值，该一维信号的连续峰值的峰值中心的范围被视为地标；
11、提取所有方位角下的一维信号的地标，得到第k帧的所有点云特征点pk；
12、s12，对s11获取的特征点进行滤波处理，去除一些孤立点；
13、所述滤波处理包括体素滤波以及dbscan聚类处理，得到二维毫米波雷达点云数据。
14、优选的，从雷达原始数据中提取雷达图像，具体包括：
15、将雷达原始数据图像fk转换到笛卡尔坐标系下，利用毫米波雷达的原始数据的接收功率大小，将原始数据的接收功率转换为像素值，生成722*722的雷达图像ik。
16、优选的，基于雷达图像信息获得初始相对位姿，具体包括：
17、s21，对前一帧雷达图像ik-1和当前帧雷达图像ik分别进行如下操作：
18、建立图像金字塔，然后对建立的图像金字塔底层图像提取surf特征并对图像特征点计算描述子；一个图像特征点共有64维的特征向量作为surf特征的描述子；
19、s22，对前一帧雷达图像ik-1和当前帧雷达图像ik进行图像特征点匹配；surf通过计算两个图像特征点间特征向量的欧氏距离和hessian矩阵迹的判断来确定匹配度；欧式距离越短，两个图像特征点的匹配度越好；两个图像特征点的矩阵迹正负号相同，代表着两个图像特征点具有相同方向上的对比度变化，如果不同，说明这两个图像特征点的对比度方向是相反的，即使欧氏距离为0，直接剔除；
20、s23，通过s22得到前一帧的雷达图像ik-1和当前帧雷达图像ik的特征点对，使用图像特征点对计算出单应矩阵h，再将计算得到的单应矩阵进行svd分解，得到当前帧相对前一帧的初始相对位姿t′(k-1)k。
21、优选的，基于初始相对位姿和二维毫米波雷达点云数据，获得里程计最终的位姿估计，具体包括：
22、s31，对前一帧点云数据pk-1做一次粗糙的位姿变换，如下：
23、p′k-1＝r′(k-1)k*pk-1+t′(k-1)k
24、其中，p′k-1表示发生位姿变换后的点云；r′(k-1)k表示旋转矩阵；t′(k-1)k表示平移矩阵；
25、s32，二维毫米波雷达点云数据和雷达图像都在笛卡尔坐标系下，对当前帧的第j个特征点在当前帧的雷达图像ik中，以点为中心创建一个大小为10*10的子图，求出所述子图的直方图数据h；
26、s33，使用窗约束对当前帧的点云数据pk在前一帧的点云数据pk-1中寻找多个参考点，如本文档来自技高网...
【技术保护点】
1.一种基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，包括：
2.根据权利要求1所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，从原始雷达数据中提取二维毫米波雷达点云数据，具体包括：
3.根据权利要求2所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，从雷达原始数据中提取雷达图像，具体包括：
4.根据权利要求1所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，基于雷达图像信息获得初始相对位姿，具体包括：
5.根据权利要求3所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，基于初始相对位姿和二维毫米波雷达点云数据，获得里程计最终的位姿估计，具体包括：
6.一种基于相似性匹配的毫米波雷达里程计确定系统，其特征在于，包括：
【技术特征摘要】
1.一种基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，包括：
2.根据权利要求1所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，从原始雷达数据中提取二维毫米波雷达点云数据，具体包括：
3.根据权利要求2所述的基于相似性匹配的毫米波雷达里程计确定方法，其特征在于，从雷达原始数据中提取雷达图像，具体包括：
4.根据...
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。