一种面向激光SLAM的特征线段提取方法、装置、电子装置和存储介质制造方法及图纸

本申请涉及一种面向激光SLAM的特征线段提取方法、装置、电子装置和存储介质。其中，该面向激光SLAM的特征线段提取方法包括：获取第一数据集，对第一数据集进行坐标变换以确定第二数据集，删除第二数据集中的干扰数据，以确定第三数据集，确定第三数据集中的分割点数据，根据分割点数据，对第三数据集进行分组以确定分组数据集，提取分组数据集对应的特征线段。通过本申请，解决了从激光雷达扫描点集中提取特征线段实现复杂、准确度低的问题，实现了一种简便准确提取激光雷达扫描点集中的特征线段的方案。征线段的方案。征线段的方案。

【技术实现步骤摘要】
一种面向激光SLAM的特征线段提取方法、装置、电子装置和存储介质


[0001]本申请涉及激光SLAM图像处理领域，特别是涉及一种面向激光SLAM的特征线段提取方法、装置、电子装置和存储介质。

技术介绍

[0002]同步定位和构图(simultaneous location and mapping，SLAM)技术是指搭载特定传感器的机器人在未知环境中，通过对传感器的观测数据进行实时处理，分析获取环境特征与自身位置姿态，并以此实时构建周围环境的增量式地图以及实现自身定位。SLAM作为自主导航的关键技术，目前被广泛应用于无人驾驶行业和智能机器人行业。SLAM可以分为两种：基于激光的SLAM和基于视觉的SLAM。激光雷达具有测量精度高、时间和空间分辨率精细、无需事先布置场景、能够快速响应环境变化、可融合多传感器等优点，与基于视觉的SLAM技术相比，激光SLAM自主定位更加安全、稳健，成为了国内外研究的热点。
[0003]在激光SLAM导航系统中，特征提取对后续的构图精度以及定位有很重要的影响。为了提高激光SLAM技术的实用性，广大学者在特征提取方面做了很多努力。ORB算法提取的特征点虽然比较稳健，但对快速运动以及纹理特征较少等条件敏感。基于结构线条特征的方案，虽然可以提高机器人的定位精度，但其参数化表示结构线特征的方法无法应对纹理特征分布不规则的场景。有的学者将点、线特征进行融合，同时将重投影后线段间的垂线距离视作重投影误差，降低了线段长度变化对系统的影响，但特征匹配时错误率较高。还有学者对线特征提取方法进行了改进，但是在视角变化等情况下，仍然难以有效地从连续帧中准确可靠地提取和跟踪线段的端点。
[0004]目前针对相关技术中，从激光雷达扫描点集中提取特征线段实现复杂、准确度低的问题，尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种面向激光SLAM的特征线段提取方法、装置、电子装置和存储介质，以至少解决相关技术中从激光雷达扫描点集中提取特征线段实现复杂、准确度低的问题。
[0006]第一方面，本申请实施例提供了一种面向激光SLAM的特征线段提取方法。
[0007]在其中一些实施例中，上述方法包括以下步骤：
[0008]获取第一数据集，对所述第一数据集进行坐标变换以确定第二数据集；
[0009]删除所述第二数据集中的干扰数据，以确定第三数据集；
[0010]确定所述第三数据集中的分割点数据；
[0011]根据所述分割点数据，对所述第三数据集进行分组以确定分组数据集；
[0012]提取所述分组数据集对应的特征线段。
[0013]进一步的，在其中一些实施例中，所述确定所述第三数据集中的分割点数据包括：
[0014]所述第三数据集为{(x
m
,y
m
)|m＝1,2,
…
,M}，其中M为大于2的正整数；
[0015]根据所述第三数据集中的数据(x
m
,y
m
)，分别确定第一斜率参数H1、第二斜率参数H2、第三斜率参数H3：
[0016][0017]当|H1‑
H2|＞β且|H3‑
H1|+|H3‑
H2|＞2β时，确定数据(x
m
,y
m
)为初始分割点数据，否则确定数据(x
m
,y
m
)为初始非分割点数据，其中β∈(0,0.1)；
[0018]在确定数据(x
m
,y
m
)为所述初始分割点数据或者所述初始非分割点数据之后，根据所述数据(x
m
,y
m
)，分别确定第四斜率参数4，第五斜率参数5，第六斜率参数6：
[0019][0020]在数据(x
m
,y
m
)为所述初始分割点数据的情况下,当|H4‑
H5|≤γ1且|H6‑
H4|+|H6‑
H5|≤2γ1时，确定所述数据(x
m
,y
m
)为非分割点数据，否则确定所述数据(x
m
,y
m
)为分割点数据，其中γ1∈(β,0.1)；
[0021]在数据(x
m
,y
m
)为所述初始非分割点数据的情况下,当|H4‑
H5|＞γ2且|H6‑
H4|+|H6‑
H5|＞2γ2时，确定所述数据(x
m
,y
m
)为分割点数据，否则确定所述数据(x
m
,y
m
)为非分割点数据，其中γ2∈(β,0.1)。
[0022]进一步的，在其中一些实施例中，所述根据所述分割点数据，对所述第三数据集进行分组以确定分组数据集包括：
[0023]依次遍历所述第三数据集中的数据(x
m
,y
m
)，获取所述第三数据集中的相邻分割点数据，将所述相邻分割点数据作为首尾数据的数据集，确定为分组数据集Z
s
＝{(x
s,1
,y
s,1
),
…
,(x
s,ds
,y
s,ds
)}，其中S为正整数，ds为大于1的正整数。
[0024]进一步的，在其中一些实施例中，所述提取所述分组数据集对应的特征线段包括：
[0025]当所述分组数据集Z
s
对应的ds≤3时，根据数据(x
s,1
,y
s,1
)和数据(x
s,ds
,y
s,ds
)提取所述特征线段：
[0026][0027]其中x,y为用于拟合所述特征线段的坐标。
[0028]进一步的，在其中一些实施例中，所述提取所述分组数据集对应的特征线段包括：
[0029]当所述分组数据集Z
s
对应的ds＞3时，确定第一参照数据(x1,y1)和第二参照数据(x2,y2)：
[0030][0031]根据第一参照数据(x1,y1)和第二参照数据(x2,y2)提取所述特征线段：
[0032][0033]其中x,y为用于拟合所述特征线段的坐标。
[0034]进一步的，在其中一些实施例中，所述获取第一数据集，对所述第一数据集进行坐标变换以确定第二数据集包括：
[0035]获取第一数据集{(ρ
n
,θ
n
)|n＝1,2,
…
,N}，通过以下变换公式对所述第一数据集进行坐标变换以确定第二数据集{(x
n
,y
n
)|n＝1,2,
…
,N}：
[0036][0037]其中，N是第一数据集中数据的数量，ρ
n
是第n束本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向激光SLAM的特征线段提取方法，其特征在于，包括以下步骤：获取第一数据集，对所述第一数据集进行坐标变换以确定第二数据集；删除所述第二数据集中的干扰数据，以确定第三数据集；确定所述第三数据集中的分割点数据；根据所述分割点数据，对所述第三数据集进行分组以确定分组数据集；提取所述分组数据集对应的特征线段。2.根据权利要求1所述的面向激光SLAM的特征线段提取方法，其特征在于，所述确定所述第三数据集中的分割点数据包括：所述第三数据集为{(x
m
,y
m
)|m＝1,2,
…
,M}，其中M为大于2的正整数；根据所述第三数据集中的数据(x
m
,y
m
)，分别确定第一斜率参数H1、第二斜率参数H2、第三斜率参数H3：当|H1‑
H2|＞β且|H3‑
H1|+|H3‑
H2|＞2β时，确定数据(x
m
,y
m
)为初始分割点数据，否则确定数据(x
m
,y
m
)为初始非分割点数据，其中β∈(0,0.1)；在确定数据(x
m
,y
m
)为所述初始分割点数据或者所述初始非分割点数据之后，根据所述数据(x
m
,y
m
)，分别确定第四斜率参数4，第五斜率参数5，第六斜率参数6：在数据(x
m
,y
m
)为所述初始分割点数据的情况下,当|H4‑
H5|≤γ1且|H6‑
H4|+|H6‑
H5|≤2γ1时，确定所述数据(x
m
,y
m
)为非分割点数据，否则确定所述数据(x
m
,y
m
)为分割点数据，其中γ1∈(β,0.1)；在数据(x
m
,y
m
)为所述初始非分割点数据的情况下,当|H4‑
H5|＞γ2且|H6‑
H4|+|H6‑
H5|＞2γ2时，确定所述数据(x
m
,y
m
)为分割点数据，否则确定所述数据(x
m
,y
m
)为非分割点数据，其中γ2∈(β,0.1)。3.根据权利要求2所述的面向激光SLAM的特征线段提取方法，其特征在于，所述根据所述分割点数据，对所述第三数据集进行分组以确定分组数据集包括：依次遍历所述第三数据集中的数据(x
m
,y
m
)，获取所述第三数据集中的相邻分割点数据，将所述相邻分割点数据作为首尾数据的数据集，确定为分组数据集Z
s
＝{(x
s,1
,y
s,1
),
…
,(x
s,ds
,y
s,ds
)}，其中S为正整数，ds为大于1的正整数。4.根据权利要求3所述的面向激光SLAM的特征线段提取方法，其特征在于，所述提取所述分组数据集对应...

【专利技术属性】
技术研发人员：刘晓华，李昊，
申请(专利权)人：深圳市优象计算技术有限公司，
类型：发明
国别省市：