一种基于激光雷达的SLAM系统和方法技术方案

本发明专利技术公开了一种基于激光雷达的SLAM系统和方法，该系统包括：点云处理模块，用于进行地面提取，点云分割，特征提取；里程计优化模块，用于进行标签匹配，L‑M优化；闭环检测模块，用于采用描述符网络进行点云段匹配；全局位姿和地图优化模块，当闭环检测模块检测到闭环出现时，系统后端全局位姿优化，能够消除大部分的累计误差，精确逼近地面真实情况。本发明专利技术对激光雷达点云数据进行处理，通过配准平面点和边缘点优化激光雷达里程计的估计值，再耦合上闭环检测模块进行全局位姿和地图的优化。提高定位精度和建图准确性。

【技术实现步骤摘要】
一种基于激光雷达的SLAM系统和方法
本专利技术涉及同步定位与建图(SLAM)的
，尤其涉及一种基于激光雷达的SLAM系统和方法。
技术介绍
未知环境下的同步定位与建图(SLAM)一直是移动机器人的研究热点之一。由于在SLAM问题中，位姿的估计是一个由上一帧往下一帧递推的过程，在第一帧之后每求一次位姿，就会将误差带给解算的下一帧，形成累计误差。为减小累计误差。需要优化雷达SLAM系统的里程计估计方法和闭环检测方法。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于激光雷达的SLAM系统和方法。本专利技术解决其技术问题所采用的技术方案是：本专利技术提供一种基于激光雷达的SLAM系统，该系统包括：点云处理模块，用于接收激光传感器测量得到的点云数据，将接收到的每一帧点云都投影到图像上，将点云数据分为不可分割的地面点和其他分割点，对可分割点依据几何特征进行分割，而后将图像内的点进行聚类，得到数个具有不同特征的点集；利用粗糙度将图像内的点按照粗糙度阈值进行划分，分为平面特征点本文档来自技高网...

【技术保护点】
1.一种基于激光雷达的SLAM系统，其特征在于，该系统包括：/n点云处理模块，用于接收激光传感器测量得到的点云数据，将接收到的每一帧点云都投影到图像上，将点云数据分为不可分割的地面点和其他分割点，对可分割点依据几何特征进行分割，而后将图像内的点进行聚类，得到数个具有不同特征的点集；利用粗糙度将图像内的点按照粗糙度阈值进行划分，分为平面特征点和边缘特征点；/n里程计优化模块，雷达里程计的估计分为标签匹配和L-M优化；利用区分好的平面特征点和边缘特征点进行两帧之间的匹配；L-M优化将当前扫描的边缘特征点和平面特征点之间的距离以及它们与前一次扫描的对应关系的一系列非线性表达式编译为一个综合距离向量，...

【技术特征摘要】
1.一种基于激光雷达的SLAM系统，其特征在于，该系统包括：
点云处理模块，用于接收激光传感器测量得到的点云数据，将接收到的每一帧点云都投影到图像上，将点云数据分为不可分割的地面点和其他分割点，对可分割点依据几何特征进行分割，而后将图像内的点进行聚类，得到数个具有不同特征的点集；利用粗糙度将图像内的点按照粗糙度阈值进行划分，分为平面特征点和边缘特征点；
里程计优化模块，雷达里程计的估计分为标签匹配和L-M优化；利用区分好的平面特征点和边缘特征点进行两帧之间的匹配；L-M优化将当前扫描的边缘特征点和平面特征点之间的距离以及它们与前一次扫描的对应关系的一系列非线性表达式编译为一个综合距离向量，应用L-M方法求出两次连续扫描之间的最小距离变换；
闭环检测模块，使用SegMap框架中数据驱动的描述符从三维点云数据中提取紧凑的特征，这些特征形成一个特征数据库，将当前帧的点云特征与数据库内的特征进行对比，判断是否产生闭环；
全局位姿和地图优化模块，当闭环检测模块检测到闭环出现时，系统后端使用位形图优化方法，即GTSAM，GTSAM的自动微分功能对因子图的雅克比矩阵进行评估、增量更新和推理全局位姿图，能够消除大部分的累计误差，精确逼近地面真实情况。


2.根据权利要求1所述的基于激光雷达的SLAM系统，其特征在于，所述的点云处理模块中还包括对点集进行噪声处理的功能：
对不同特征的点集，为了增强后续点云特征提取的准确性，直接将小于30个点的点集抛弃，处理后的点集则代表场景中占比较大的物体，以达到去除场景噪声的目的。


3.根据权利要求1所述的基于激光雷达的SLAM系统，其特征在于，所述的点云处理模块中还包括对点云进行异常值判断的功能：
对输入的点云进行异常值判断，对于点云中可能出现的互相遮挡的问题，遍历每一个点，定义当前点前后两个点的距离为d1和d2并进行计算,设定一个阈值dth，当d1和d2距离都大于阈值时，则判断当前点为瑕点，进行去除。


4.根据权利要求1所述的基于激光雷达的SLAM系统，其特征在于，所述的点云处理模块中利用粗糙度进行划分的方法具体为：
将每一层点云图像分成六份子图，在分离出的六份子图内逐一进行粗糙度的计算，计算每个点pi粗糙度：



其中，图像上的每一个像素值ri表示相应的点pi到传感器的欧氏距离，S为同一行的连续点pi的点集，从每一份子图的startpoint到endpoint进行曲率排序，定义一个粗糙的阈值Cth，若c>Cth,则为边缘特征，若c<Cth,则为平面特征。


5.根据权利要求4所述的基于激光雷达的SLAM系统，其特征在于，所述的点云处理模块需要保证点云数据经过地面点提取被分为不可分割的地面点和其他分割点，对分割点依据粗糙阈值特征进行分割；c>Cth，则为边缘特征，若c<Cth，则为平面特征。


6.根据权利要求1所述的基于激光雷达的SLAM系统，其特征在于，所述的里程计优化模块中L-M方法的具体方法为：
L-M优化将当前扫描的边缘特征点和平面特征...

【专利技术属性】
技术研发人员：李迅，尹健南，张彦铎，崔恒，王重九，周覃，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42