【技术实现步骤摘要】
一种融合多激光雷达的建图方法及系统
[0001]本专利技术涉及建图
，尤其是涉及一种融合多激光雷达的建图方法及系统。
技术介绍
[0002]近年来，随着人工智能的发展，机器人技术获得越来越广泛的关注，移动机器人是一个能对周围环境进行感知和特征提取，并针对动、静态干扰进行相应路径规划，从而实现实时运动控制的智能装置，环境感知是机器人通过自身携带的传感器来感知外部环境，并从获得的传感器数据中提取出有意义的信息实现的，激光雷达因其具有测距精度高、实时性能好等特点广泛应用于移动机器人领域，激光雷达有单线与多线之分，与单线激光雷达不同的是，多线激光雷达能够直接对环境进行不同俯仰角度和水平角度的扫描得到三维点云，通过搭载3D激光进行建图，目前有许多开源的3DSLAM算法，LeGO
‑
LOAM就是较为经典的建图算法，它是铁小山等人提出一种轻量级和地面优化的激光雷达测距和建图算法，能够实现较好的精度及建图工作，它的闭环检测机制能够有效的抑制漂移。
[0003]目前无人车上常用的64线激光雷达获得的点云信息较为...
【技术保护点】
【技术特征摘要】
1.一种融合多激光雷达的建图方法，其特征在于，该方法包括以下步骤：步骤1：多个激光雷达通过对环境进行不同俯仰角度和水平角度的扫描检测得到环境信息，即获取三维点云，并通过ROS节点发布话题；步骤2：在ROS节点选取一个激光雷达作为主激光雷达，将其余激光雷达对应的三维点云基于相对TF变换关系旋转平移到主激光雷达的坐标系上，并对所有的三维点云进行融合得到融合三维点云，进而通过ROS节点发布新的融合点云话题；步骤3：基于开源的3D激光雷达LeGO
‑
LOAM算法根据融合三维点云进行建图，以提高建图精度。2.根据权利要求1所述的一种融合多激光雷达的建图方法，其特征在于，所述的步骤3中，基于开源的3D激光雷达LeGO
‑
LOAM算法进行建图的过程具体包括以下步骤：步骤301：通过点云分割与匹配模块将获得的融合三维点云投影到二维的距离图像上，投影完成后得到一个矩阵，对距离图像进行逐列评估并提取地面点，采用基于图像的分割方法将地面点分割为多个聚类簇，在分割过程中产生分割点，且分割后的每个点均具有分割标签、在距离图像中的行和列的索引以及与传感器的距离值；步骤302：通过特征提取模块从分割后的地面点和分割点中提取面特征和线特征，具体操作为：在水平方向上将距离图像均分成多个子图像，计算每个子图像上每个点的曲率，每个子图像的每一行根据曲率的大小选择面特征和线特征，进而获得四种点云类型；步骤303：通过雷达里程计模块将特征提取部分获得的四种点云类型进行标签匹配，并基于两步最小二乘化优化方法估计激光雷达的位姿，进而得到高频的里程计信息；步骤304：激光建图模块根据以低频率运行的里程计信息，将当前进程的特征点与点云类型进行配准，以进一步优化姿势变换，在LeGO
‑
LOAM算法的闭环优化进程中通过设定半径距离约束和ICP检测回环的基础上添加全局描述子回环策略共同进行闭环优化，得到低频率的精准位姿信息；步骤305：通过变换融合模块将高频的里程计信息和低频率的精准位姿信息进行融合，输出最终的高频位姿估计信息。3.根据权利要求2所述的一种融合多激光雷达的建图方法，其特征在于，所述的步骤301中，所述的分割标签包括地面点对应的地面点标签和分割点对应的分割点标签。4.根据权利要求2所述的一种融合多激光雷达的建图方法，其特征在于，所述的步骤302中，计算第i个点p
i
的平滑度，即曲率，对计算得到的平滑度进行排序，并根据划分标准将各个点划分为边缘点和平面点，平滑度大于阈值c
th
的点为边缘点，平滑度不大于阈值c
th
的点为平面点，从子图像中选取点并得到四种点云类型，计算平滑度的公式为：其中，S为距离图像同一行的连续点p
i
的点集，r
i
表示第i个点到传感器的距离值，r
j
表示第j个点到传感器的距离值，c
i
表示第i个点的平滑度，即曲率，|
·
|表示绝对值，||
·
||表示范数。
5.根据权利要求4所述的一种融合多激光雷达的建图方法，其特征在于，所述的四种点云类型为边缘点集F
e
、平面点集F
p
、边缘点集合F
me
和平面点集合F
mp
：从每一行中选取不属于地面点且平滑度最大的边缘点，组成边缘点集合F
me
；从每一行中选取平滑度最小的平面点，组成平面点集合F
mp
，将两组集合进一步筛选，从分割点中选取边缘点得到的精炼的边缘点集F
e
，从地面点中选取平面点得到平面点集F
p...
【专利技术属性】
技术研发人员：管西强，彭为强，刘翔鹏，张云侠，安康，李一染，徐效农，宋亚庆，
申请(专利权)人：上海师范大学，
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。