【技术实现步骤摘要】
同步定位与地图构建slam中的增量建图方法和装置
本申请涉及计算机
，具体涉及一种同步定位与地图构建slam中的增量建图方法和装置。
技术介绍
slam(simultaneouslocalizationandmapping)是一种同时定位与地图构建技术，主要用于解决机器人在未知环境中依靠2D或者3D传感器进行定位导航和地图构建的问题。增量建图指的是机器人依靠现有的地图，继续进行地图构建的过程。现有的增量建图方案大多是基于传统定位+地图拼接算法，在新地图与旧地图匹配的过程中容易丢失精度，造成地图断层或者重叠。
技术实现思路
本申请提供了一种同步定位与地图构建slam中的增量建图方法和装置，用于解决或部分解决上述问题。一方面，本申请提供了一种同步定位与地图构建slam中的增量建图方法，包括：实时采集机器人周边环境的激光数据，对各采集时刻下的激光数据进行特征提取，获得激光数据中用于表征环境反馈结果的特征数据；利用特征数据和各采集时刻下机器人的位姿对预先构建的神经网络模型进行训练；在...
【技术保护点】
1.一种同步定位与地图构建slam中的增量建图方法，其特征在于，包括：/n实时采集机器人周边环境的激光数据，对各采集时刻下的激光数据进行特征提取，获得所述激光数据中用于表征环境反馈结果的特征数据；/n利用所述特征数据和各采集时刻下机器人的位姿对预先构建的神经网络模型进行训练；/n在启动slam增量建图时，对机器人在当前时刻采集到的激光数据进行特征提取，将提取到的特征数据输入到训练好的神经网络模型中，获得所述神经网络模型输出的位姿数据；/n根据当前时刻采集的激光数据构建原始地图，并根据所述位姿数据与所述原始地图进行增量建图。/n
【技术特征摘要】
1.一种同步定位与地图构建slam中的增量建图方法，其特征在于，包括：
实时采集机器人周边环境的激光数据，对各采集时刻下的激光数据进行特征提取，获得所述激光数据中用于表征环境反馈结果的特征数据；
利用所述特征数据和各采集时刻下机器人的位姿对预先构建的神经网络模型进行训练；
在启动slam增量建图时，对机器人在当前时刻采集到的激光数据进行特征提取，将提取到的特征数据输入到训练好的神经网络模型中，获得所述神经网络模型输出的位姿数据；
根据当前时刻采集的激光数据构建原始地图，并根据所述位姿数据与所述原始地图进行增量建图。
2.如权利要求1所述的方法，其特征在于，对各采集时刻下的激光数据进行特征提取，获得所述激光数据中用于表征环境反馈结果的特征数据，包括：
从所述激光数据中抽取出环境反馈结果；
根据所述环境反馈结果从所述激光数据中分离出机器人与所述环境反馈结果之间的距离信息；
根据所述距离信息进行特征提取，获得所述特征数据。
3.如权利要求2所述的方法，其特征在于，根据所述距离信息进行特征提取，包括：
根据激光数据对应的采集时刻与所述距离信息，生成时间序列数据；
对所述时间序列数据进行相关性分段处理，得到一段或多段子数据；
基于各段子数据的特征回归处理结果，得到所述特征数据。
4.如权利要求3所述的方法，其特征在于，基于各段子数据的特征回归处理结果，得到所述特征数据，包括：
对分段后的每段子数据进行线性或多项式拟合处理，在拟合误差在阈值范围内时，确定该子数据符合线性特征；
对符合线性特征的子数据进行特征回归处理，得到所述特征数据。
5.如权利要求3所述的方法，其特征在于，在获得所述激光数据中用于表征环境反馈结果的特征数据之后，还包括：
根据特征数据中各数据点与机器人激光器之间的距离，过滤掉特征数据中的干扰数据点；或者，
在对各采集时刻下的激光数据进行特征提取之前还包括：
根据各采集时刻下的激光数据中各激光点与机器人激光器之间的距离，过滤掉特征数据中的干扰数据点。
6.如权利要求5所述的方法，其特征在于，在过滤掉干扰数据点之后，还包括：
将过滤掉干扰数据点的特征数据作为一组数据保存，如果相邻时...
【专利技术属性】
技术研发人员：张富强，张一凡，邹李兵，王学强，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：山东;37
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。