一种基于点云分割匹配闭环校正的同步定位与构图算法制造技术

本发明专利技术公开了一种基于点云分割匹配闭环校正的同步定位与构图算法，属于机器人自主导航和计算机图形学技术领域。本发明专利技术所述算法通过对从三维点云中提取的特征点进行帧间匹配得到机器人的相对位姿变换，同时将求得的位姿以图的形式保存在后端，再将点云基于此位姿记录下来形成地图；再利用点云分割和描述算法将点云片段化处理后保存，利用随机森林算法对点云片段进行匹配，形成闭环约束条件；最后通过图优化算法对历史位姿和地图进行修正，实现机器人同步定位与构图。本发明专利技术所述方法在保证局部定位精度的同时，对历史位姿和地图进行了保存和修正，有效地减小了室外长距离环境下的累积误差，进而实现了全局一致性良好的机器人同步定位与构图。

【技术实现步骤摘要】
一种基于点云分割匹配闭环校正的同步定位与构图算法
本专利技术属于机器人自主导航和计算机图形学
，具体涉及一种基于点云分割匹配闭环校正的同步定位与构图算法。
技术介绍
21世纪以来，随着计算机科学的迅猛发展，人类的生活和工作方式正发生着翻天覆地的变化。人工智能的出现为人们从繁重的体力劳动甚至是复杂的脑力劳动中解放提供了巨大的可能。机器人作为协助和替代人类工作的工具，拥有自主导航的能力是实现其智能化的第一步。同步定位与构图SLAM技术能使机器人同时完成构建环境地图和对自身位置的估计，是实现自主导航的先决条件，也是目前机器人领域和人工智能领域备受关注的热点问题。激光雷达是SLAM算法常用的用来获取环境信息的传感器。三维激光雷达可以采集到海量具有准确角度和距离信息的点，被称为点云，以此来准确的反映真实环境的几何信息。其建图直观，测距精度高且不容易受到光照变化的影响，在室外大型环境的应用中是必不可少的传感器，因此涌现了众多基于其的SLAM算法。但因为三维激光雷达一次扫描可以获得包含上百万个点的点云，且点云的信息单一、无序，缺乏环境的纹理信息本文档来自技高网...

【技术保护点】
1.一种基于点云分割匹配闭环校正的同步定位与构图算法，其特征在于，包括以下步骤：/n步骤1.利用多线程三维激光雷达获取环境的三维激光点云数据：点云数据通过机器人操作系统ROS以消息的形式传输给计算机；使用开源的点云处理函数库PCL将其表示为无序的散列坐标点；再根据雷达的扫描方式和时间戳对其进行排序；/n步骤2.提取特征点：根据点周围的局部曲率将当前时刻扫描到的点云区分为角点和平面点；任一点的曲率由该点周围的点与该点形成的和向量的模表示；同时根据雷达视角与局部点云的相对关系剔除断点和孤立点；/n步骤3.基于特征点的帧间匹配：利用kd-tree最近邻查找算法在上一时刻t

【技术特征摘要】
1.一种基于点云分割匹配闭环校正的同步定位与构图算法，其特征在于，包括以下步骤：
步骤1.利用多线程三维激光雷达获取环境的三维激光点云数据：点云数据通过机器人操作系统ROS以消息的形式传输给计算机；使用开源的点云处理函数库PCL将其表示为无序的散列坐标点；再根据雷达的扫描方式和时间戳对其进行排序；
步骤2.提取特征点：根据点周围的局部曲率将当前时刻扫描到的点云区分为角点和平面点；任一点的曲率由该点周围的点与该点形成的和向量的模表示；同时根据雷达视角与局部点云的相对关系剔除断点和孤立点；
步骤3.基于特征点的帧间匹配：利用kd-tree最近邻查找算法在上一时刻tk-1的点云Pk-1中寻找距离当前时刻tk的特征点pi最近的特征点，形成特征线与特征面；利用L-M算法求解关于pi到特征线和特征面的距离的最小二乘问题，从而得到相邻时刻的机器人位姿变换矩阵Tk，进而递推式地求得机器人的位姿；
步骤4.特征点与地图的匹配：利用与步骤3相同的方法，将当前时刻tk提取的特征点i与已建立好的地图中的特征点云进行匹配，从而对机器人当前时刻的位姿进行校正；根据校正后的位姿将当前时刻的点云从雷达坐标系转换到世界坐标系即为建立的地图；
步骤5.点云分割：同时，将tk时刻获取到的点云数据通过体素分割和聚类的方法，去除地面点云并分割出地上物体的点云片段；
步骤6.利用特征描述子对点云片段进行描述：利用基于点云片段的三维结构张量矩阵的特征值和特征向量，以及点云片段的形状直方图的描述子来描述点云片段的线性、平面性、分散度等特征，并将其作为点云片段的唯一标识进行存储；
步骤7.基于特征描述子的点云片段匹配：通过kd-tree在特征空间中寻找当前点云片段的候选匹配，利...

【专利技术属性】
技术研发人员：左琳，姬兴亮，刘宇，张昌华，陈勇，刘玉祥，何配林，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51