【技术实现步骤摘要】
本专利技术属于无人机载激光雷达应用的，尤其涉及一种激光slam特征点对选取方法。
技术介绍
1、实时定位与建图slam(simultaneous localization and mapping)是无人机飞行中的关键技术。通过slam技术有助于无人机飞行途中的自主定位和航线地图的构建，使用从slam技术能够为使用相同或相近航线的无人机的自动导航提供准确的航线路径。
2、目前slam技术包括：获取无人机在当前位置的惯性测量数据和三维点云数据；基于所述无人机在当前位置的惯性测量数据，确定所述无人机的位姿变化；基于所述无人机的位姿变化，对所述无人机在当前位置的三维点云数据进行畸变校正；将畸变校正后的三维点云数据与导航地图进行匹配，确定所述无人机的当前位置。现有技术的方法是基于激光雷达在无人机实时测绘周边环境，重构无人机飞行中的环境地图。而这种条件下无人机的位置姿态具有关键影响。
3、中国专利公开cn116380035a提供一种基于slam的位姿估计方法和系统，该方法首先建立初始点云描述符数据库；之后获取移动无人机周围环境的三维激光点云数据；之后对三维激光点云数据进行点云分割和特征提取，获取描述符搜索键，该方法通过将搜索得到的点云描述符与正态分布点云描述符进行相似性匹配，并根据相似性匹配结果来不断优化基于slam生成的周围环境地图，改善了周围环境地图漂移现象，通过建立点云描述符数据库，能够使得slam在极端环境下也能够正确识别场景并构建出精确的地图，其建图精度也有所提高。
4、但由于无人机的飞行速度影
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种激光slam特征点对选取方法，其特征在于，所述方法包括如下步骤：
2、步骤1，建立点云地图的距离矩阵，所述距离矩阵包含：通过实时定位与建图slam系统获得点云地图中任意两个特征点的距离矩阵a；由无人机搭载的激光雷达每次采集的实时点云帧中任意两个特征点的距离矩阵b；
3、步骤2，遍历矩阵a，查找一个元素与矩阵b中一个元素的差值的绝对值是否小于距离阈值，使用符合条件的所述差值构造距离匹配矩阵p；
4、步骤3，依据距离匹配矩阵p生成距离权重矩阵p1；
5、步骤4，依据距离匹配矩阵p和距离权重矩阵p1计算出所述点云地图和所述点云帧中各个特征点的对应关系，并提取出相互对应的特征点分别保存为局部点云地图和局部点云帧；
6、步骤5，在步骤4所保存的局部点云地图和局部点云帧中分别计算出局部点云地图角度矩阵a1和局部点云帧角度矩阵b1；
7、步骤6，遍历局部点云地图角度矩阵a1所有角度值元素，查找并判断所述局部点云地图角度矩阵a1中一个角度值元素与局部点云帧角度矩阵b1中某一个角度值元素之差的绝对值是否小于角度阈值thresholda；生成匹配权重矩阵h1；
8、步骤7，根据匹配权重矩阵h1得到角度值的匹配对，输出最终匹配对(i1,k1),(i2,k2),...,(in,kn)。
9、根据本专利技术提出的方法，步骤1包括如下子步骤：
10、步骤1.1，获取slam点云地图，其中slam点云地图中任意两个特征点的距离aij为：
11、
12、步骤1.2，通过无人机上的激光雷达实时采集目标区域的地形，获得实时的点云帧，点云帧中任意两个特征点距离值bkl为：
13、
14、步骤1.3，将点云地图中任意两个特征点的距离矩阵填在一个i*i矩阵a,和k*k的矩阵b中；
15、其中，i,j,k,l为特征点的编号，*表示相乘，特征点pi的三维坐标为：xi,yi,zi，特征点pk的三维坐标为：xk,yk,zk坐标。
16、根据本专利技术提出的方法，在步骤2中所述的距离阈值thresholddd符合下式：
17、|aij-bkl|<threshold dd
18、既当aij与bkl差值的绝对值小于距离阈值thresholddd时，将距离匹配矩阵p中pijk与pijl均置位1；所述距离匹配矩阵p是关于i，j，k的矩阵，其中，aij是slam点云地图中任意两个特征点的距离：bkl是点云帧中任意两个特征点距离值。
19、根据本专利技术提出的方法，步骤3包括如下子步骤：
20、步骤3.1，当距离匹配矩阵p中某一个元素值为1，则将初始值均为0的距离权重矩阵p1中对应元素(i,k)，(j,k)值加1，p1是列为2i，行为k的矩阵:
21、
22、步骤3.2，对距离权重矩阵p1中的各元素值执行归一化处理，转换为符合百分制的值；
23、步骤3.3，简化距离权重矩阵p1，将i，j，k的对应关系直接映射到i、k，j，k上，将距离权重矩阵p1变为行数为i列数为k的矩阵。
24、根据本专利技术提出的方法，步骤4包括子步骤：
25、步骤4.1，在所述权重矩阵p1中，如果某个元素满足下式：
26、p1ik＞threshold dd1，
27、则表示矩阵a中第i个特征点与矩阵b中第k个特征点初步匹配成功；其中，thresholddd1是距离权重阈值；
28、步骤4.2，将匹配成功的特征点行列编号存储在匹配权重矩阵h1(i，k，p)中；并且将提取出的点云分别保存为i1，i2，...，in，k1，k2，...，km。
29、根据本专利技术提出的方法，步骤5包括子步骤：
30、步骤5.1，提取三维空间中的向量和通过下面的公式计算向量和的夹角θ：
31、
32、其中，·表示向量的点积，|·|表示向量的模长；
33、步骤5.2，然后将上述计算获得的slam点云地图中所有的角度值a1ijk，和点云帧中所有的角度值b1ijk分别填在n*n*n的局部点云地图角度矩阵a1和m*m*m的局部点云帧角度矩阵b1中。
34、根据本专利技术提出的方法，步骤6包括如下子步骤：
35、步骤6.1，遍历局部点云地图角度矩阵a1所有角度值元素，计算局部点云地图角度矩阵a1一个角度值元素与局部点云帧角度矩阵b1中的一个角度值元素的差值的绝对值，并将所述差值的绝对值与角度阈值threshold a比较：
36、|a1ijr-b1ijr|＜thresholda
37、步骤6.2，如果所述差值的绝对值满足步骤6.1的阈值条件，将符合条件的所述差值在矩阵h1中对应位置置1，生成匹配权重矩阵h1。
38、根据本专利技术提出的方法，步骤7包括如下子步骤：
39、步骤7.1，计算匹配权重矩阵h1(i，k，p)中的元素值是否大于角度权重阈值thresholdh，既满足下式<本文档来自技高网...
【技术保护点】
1.一种激光SLAM特征点对选取方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的方法，其特征在于，步骤1包括如下子步骤：
3.如权利要求2所述的方法，其特征在于，在步骤2中所述的距离阈值threshold dd符合下式：
4.如权利要求3所述的方法，其特征在于，步骤3包括如下子步骤：
5.如权利要求4所述的方法，其特征在于，步骤4包括子步骤：
6.如权利要求5所述的方法，其特征在于，步骤5包括子步骤：
7.如权利要求6所述的方法，其特征在于，步骤6包括如下子步骤：
8.如权利要求7所述的方法，其特征在于，步骤7包括如下子步骤：
9.一种计算机可读存储介质，其特征在于，所述计算机程序在处理器上运行时执行权利要求1至8中任一项所述的激光SLAM特征点对选取方法。
【技术特征摘要】
1.一种激光slam特征点对选取方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的方法，其特征在于，步骤1包括如下子步骤：
3.如权利要求2所述的方法，其特征在于，在步骤2中所述的距离阈值threshold dd符合下式：
4.如权利要求3所述的方法，其特征在于，步骤3包括如下子步骤：
5.如权利要求4所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：杨苡，刘新阳，曹时，唐佰文，刘璐，
申请(专利权)人：北方天途航空技术发展北京有限公司，
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。