【技术实现步骤摘要】
本申请涉及slam中的动态物体识别领域，特别是涉及一种基于多帧空间占用率的激光slam方法、设备及介质。
技术介绍
1、slam全称为simultaneous localization and mapping，即同时定位和建图。激光slam利用激光雷达感知环境，以激光束与目标物体的距离测量为基础，获取精确的三维信息。通过特征提取与地图构建，激光slam实现了机器人在未知环境中的自主定位与地图构建，为机器人导航和自动驾驶等领域提供了有力支持。
2、目前的激光slam方法基于静态环境假设，而在实际运行场景中难以应对动态物体对地图和定位精度的不良影响。激光slam在高动态环境中进行三维重建时，常常会遇到“鬼影”问题。这是由于环境中的动态物体（如行人、车辆等）在激光雷达扫描过程中不断移动，导致扫描数据中包含了这些物体的多个位置信息。当激光slam系统在帧间匹配时受到动态物体的干扰，使用这些数据进行三维重建会在地图上留下动态物体的“鬼影”，即物体在多个位置上不完全重叠影像。“鬼影”问题不仅会影响三维重建的可视化表现，并且“鬼影”会改变地图中的空间结构，使得机器人难以准确判断环境中的障碍物和可行路径，对机器人的导航和定位造成干扰。
技术实现思路
1、本申请的目的是提供一种基于多帧空间占用率的激光slam方法、设备及介质，能够有效去除动态激光点云，提高slam追踪定位的精度和鲁棒性。
2、为实现上述目的，本申请提供了如下方案。
3、第一方面，本申请提供了一种基
4、获取激光雷达采集到的目标点云图像；
5、将所述目标点云图像在水平基准面上进行投影，对投影得到的深度图像进行体素网格划分，并计算每个体素网格对应的距离值；所述距离值为体素网格与所述激光雷达之间的距离；
6、基于各个体素网格对应的距离值，对所有体素网格进行下采样，并对下采样后得到的优化后深度图像进行交叉特征提取，以得到空间特征点集合；
7、从所述深度图像中选取多帧连续激光点云，基于所述空间特征点集合，对所述多帧连续激光点云进行粗匹配，以构建局部地图；
8、基于所述局部地图，对所述多帧连续激光点云进行体素网格的空间占有率投票，以确定动态体素网格，并从所述多帧连续激光点云中去除所述动态体素网格对应的激光点，以得到优化后点云图像；
9、基于所述优化后点云图像进行精匹配，以得到初步全局地图；
10、根据所述初步全局地图及所述空间特征点集合，采用词袋模型的回环检测算法对所述初步全局地图进行优化，以得到最终全局地图。
11、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的基于多帧空间占用率的激光slam方法的步骤。
12、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的基于多帧空间占用率的激光slam方法的步骤。
13、根据本申请提供的具体实施例，本申请公开了以下技术效果：本申请提供了一种基于多帧空间占用率的激光slam方法、设备及介质，使用基于深度图像的点云下采样方法对点云数据进行体素网格划分，依据距离值将其结果进行下采样处理，以保证后续处理的数据准确性和处理效率；对下采样后得到的优化后深度图像进行交叉特征提取，以得到更为全面的特征信息，从而引导后续的匹配处理，同时使用粗匹配位姿结果构建局部地图；再根据局部地图，对多帧连续激光点云进行体素网格的空间占有率投票，以确定动态体素网格，并从多帧连续激光点云中去除所述动态体素网格对应的激光点，以得到优化后点云图像，至此得到的静态点云能够更准确地反映环境的静态结构，然后进行精匹配，得到更为准确的位姿结果，对地图进行修正；为了再一步进行优化，采用词袋模型的回环检测算法对初步全局地图进行优化，以得到最终全局地图。本申请利用基于深度图像的点云下采样方法的快速降噪、交叉特征提取模块的全面特征信息以及多帧空间占用率的动态点云剔除，最终得到干净的静态点云地图，提高slam系统追踪、定位的精度和鲁棒性。
本文档来自技高网...【技术保护点】
1.一种基于多帧空间占用率的激光SLAM方法，其特征在于，所述基于多帧空间占用率的激光SLAM方法包括：
2.根据权利要求1所述的基于多帧空间占用率的激光SLAM方法，其特征在于，将所述目标点云图像在水平基准面上进行投影，对投影得到的深度图像进行体素网格划分，并计算每个体素网格对应的距离值，具体包括：
3.根据权利要求2所述的基于多帧空间占用率的激光SLAM方法，其特征在于，所述深度图像中任一投影点的三维坐标为(u,v,r)；其中，r表征投影点所对应的激光点与激光雷达之间的距离值；u和v的计算公式为：
4.根据权利要求1所述的基于多帧空间占用率的激光SLAM方法，其特征在于，对下采样后得到的优化后深度图像进行交叉特征提取，以得到空间特征点集合，具体包括：
5.根据权利要求4所述的基于多帧空间占用率的激光SLAM方法，其特征在于，所述子图像中各个空间点的特征值的计算公式为：
6.根据权利要求4所述的基于多帧空间占用率的激光SLAM方法，其特征在于，在对下采样后得到的优化后深度图像进行交叉特征提取，以得到空间特征点集合的步骤
7.根据权利要求1所述的基于多帧空间占用率的激光SLAM方法，其特征在于，基于所述局部地图，对所述多帧连续激光点云进行体素网格的空间占有率投票，以确定动态体素网格，并从所述多帧连续激光点云中去除所述动态体素网格对应的激光点，以得到优化后点云图像，具体包括：
8.根据权利要求6所述的基于多帧空间占用率的激光SLAM方法，其特征在于，根据所述初步全局地图及所述空间特征点集合，采用词袋模型的回环检测算法对所述初步全局地图进行优化，以得到最终全局地图，具体包括：
9.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述的基于多帧空间占用率的激光SLAM方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于多帧空间占用率的激光SLAM方法。
...【技术特征摘要】
1.一种基于多帧空间占用率的激光slam方法，其特征在于，所述基于多帧空间占用率的激光slam方法包括：
2.根据权利要求1所述的基于多帧空间占用率的激光slam方法，其特征在于，将所述目标点云图像在水平基准面上进行投影，对投影得到的深度图像进行体素网格划分，并计算每个体素网格对应的距离值，具体包括：
3.根据权利要求2所述的基于多帧空间占用率的激光slam方法，其特征在于，所述深度图像中任一投影点的三维坐标为(u,v,r)；其中，r表征投影点所对应的激光点与激光雷达之间的距离值；u和v的计算公式为：
4.根据权利要求1所述的基于多帧空间占用率的激光slam方法，其特征在于，对下采样后得到的优化后深度图像进行交叉特征提取，以得到空间特征点集合，具体包括：
5.根据权利要求4所述的基于多帧空间占用率的激光slam方法，其特征在于，所述子图像中各个空间点的特征值的计算公式为：
6.根据权利要求4所述的基于多帧空间占用率的激光slam方法，其特征在于，在对下采样后得到的优化后深度图像进行交叉特...
【专利技术属性】
技术研发人员：张聪炫，陈帅新，甘宝霖，卢锋，王梓歌，吕科，
申请(专利权)人：南昌航空大学，
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。