基于结构单元编码和多假设跟踪的线激光全局定位方法技术

基于结构单元编码和多假设跟踪的线激光全局定位方法。针对利用线激光为移动机器人提供全局定位的任务，本发明专利技术提出一个新颖的基于SUES(结构单元编码机制，structural unit encoding scheme)和扩展MHT(多假设跟踪,multiple hypothesis tracking)的全局定位方法。首先通过SUES对有向端点特征进行编码；再利用扩展MHT逐步恢复全局位姿。相比现有方法，本发明专利技术所提的SUES无需离线训练，不依赖于词典质量；同时，所提的扩展MHT方法具有收敛更快和不依赖特征数量的优点。实验结果表明，相比于自适应蒙特卡洛定位，本发明专利技术具有更高的成功率和效率。

【技术实现步骤摘要】
基于结构单元编码和多假设跟踪的线激光全局定位方法
本专利技术属于环境辨识和移动机器人定位的
，特别是涉及一种基于结构单元编码和多假设跟踪的线激光全局定位方法。
技术介绍
SLAM(同时定位与建图，simultaneouslocalizationandmapping)作为智能机器人领域不可或缺的关键技术，通过机载传感器构建周围环境地图同时给机器人提供定位信息[1]。借助目前的SLAM技术，可以获得环境地图；在获得先验地图的基础上，通过视觉或者激光传感器为移动机器人提供鲁棒定位从而完成复杂任务，是当前移动机器人不可或缺的功能[2]。然而定位问题不仅仅包含位姿跟踪，在很多情况下需要解决没有初始位姿下的定位问题，比如发生绑架，这就是所谓的全局定位问题。相比于位姿跟踪，全局定位问题更具有挑战性，因为需要解决环境辨识的问题，并且在整个环境中可能存在多个相似的场景。在全局定位的过程中，解决环境辨识和表达是至关重要的一步。在视觉领域，Galvez-López等[3]提出了一种新颖的词袋模型环境辨识方法，用于回环检测。之后，在文献[4]中，Mur-Artal等人提出了将词袋模型用于回环检测的OR本文档来自技高网...

【技术保护点】
1.一种基于结构单元编码和多假设跟踪的线激光全局定位方法，其特征在于该方法包括：第1，利用SUES对有向端点特征之间的几何关系进行编码第1.1构造产生结构单元对激光数据进行线段提取，定义P＝{p1,...,pN}为有向端点特征点集，其中N表示特征点数量；第i个有向端点特征以pi＝[xi yi θi]T表示，其中(xi,yi)定义为特征位置，θi定义为特征方向；定义ρj为特征点pl＝[xl yl θl]T与特征点pn＝[xn yn θn]T之间的欧式距离，其中j为索引编号，

【技术特征摘要】
1.一种基于结构单元编码和多假设跟踪的线激光全局定位方法，其特征在于该方法包括：第1，利用SUES对有向端点特征之间的几何关系进行编码第1.1构造产生结构单元对激光数据进行线段提取，定义P＝{p1,...,pN}为有向端点特征点集，其中N表示特征点数量；第i个有向端点特征以pi＝[xiyiθi]T表示，其中(xi,yi)定义为特征位置，θi定义为特征方向；定义ρj为特征点pl＝[xlylθl]T与特征点pn＝[xnynθn]T之间的欧式距离，其中j为索引编号，当满足ρj≤ξ时，定义结构单元sj＝{ρj,θj1,θj2}表示特征点pl和pn之间的几何关系，其中ξ为给定阈值，θj1和θj2为特征点pl和pn之间的方向信息，计算如下：其中θ′l,θ′n为方向信息，位于区间[0,360°)；定义S＝{s1,…,sM}为构造得到的结构单元集合，其中M定义为结构单元数量，根据上述构造方式获得；第1.2通过SUES对结构单元进行编码定义δa和δd分别为角度分辨率和距离分辨率，将整个角度空间和距离空间以上述分辨率划分成小栅格；定义wi为由2个角度分割线和1个距离分割线组合形成的结构单词，其中i为索引值，总共能够产生L＝b2d个结构单词，其中采用基于分割线的软投票机制，将产生的结构单元sj＝{ρj,θj1,θj2}进行编码，首先根据软投票机制产生分割线，其中φi、i＝1,...,6定义为具体分割线索引值；然后根据距离分割线的距离大小决定每个分割线的权重；最后通过分割线之间的组合，每个结构单元能够产生8个结构单词，如是将所有结构单元进行编码再归一化，就能够得到激光数据所对应的特征向量；第2，通过扩展MHT逐步恢复全局位姿第2.1建立多假设概率模型通过SUES对当前激光数据进行单元结构特征编码，然后通过相似度计算能够从离线位姿地图中获取候选关键帧并得到候选全局位姿；区别于传统MHT方法，本发明将独立观测获得...

【专利技术属性】
技术研发人员：张雪波，高海明，苑晶，宋剑超，方勇纯，
申请(专利权)人：南开大学，
类型：发明
国别省市：天津,12