一种基于定位误差敏感性分析的地图压缩方法技术

本发明专利技术公开了一种基于定位误差敏感性分析的地图压缩方法。所述方法包括：获取待压缩的稠密点云地图，在此地图的可行区域进行多位姿的激光雷达仿真采样，然后计算分析采样地图点对定位误差的敏感性，使用计算得到的结果对地图点进行6自由度评分，接着使用归一化积方法将6维评分融合为1维的定位贡献度，最后使用多分辨率地图压缩单元和自适应留点方式，结合贡献度大小对地图点进行保留和删除。本发明专利技术实现了在极低压缩率时，压缩后的地图仍然能够保持高精度的定位效果。持高精度的定位效果。持高精度的定位效果。

【技术实现步骤摘要】
一种基于定位误差敏感性分析的地图压缩方法


[0001]本专利技术涉及机器人导航定位(计算机技术/同步定位与建图SLAM技术)领域，尤其涉及一种面向定位任务的地图压缩方法。

技术介绍

[0002]地图对于移动机器人定位起到非常重要的作用，因为它可以作为全局约束，消除里程计、同步定位与建图(Simultaneous Localization and Mapping，SLAM)等定位方法的累计误差，提升定位的精度和鲁棒性。近年来，在自动驾驶领域中，基于先验地图的定位受到越来越多的关注。
[0003]显然，地图的质量将在很大程度上影响到定位的性能。具体体现在以下两个方面：(1)地图的大小：地图越大，数据传输越慢、存储耗费空间越大、定位实时性越差；(2)地图中定位有效信息的占比：对定位有效的信息占比越多，定位精度越高。
[0004]目前在移动机器人领域常用的地图形式有：点云地图、面片地图、语义地图等。虽然点云地图数据量大，但是保留了最基本最原始的场景结构信息，此外由于激光雷达的测量精度高，由其构建的点云地图在定位任务中最常使用。但是要把点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于定位误差敏感性分析的地图压缩方法，其特征在于，包括以下步骤：S1：获取待压缩的稠密点云地图，包括线特征点和面特征点；S2：在S1获取的地图的可行区域进行多位姿的激光雷达仿真采样，具体为：根据激光雷达仿真采样模型，模拟激光雷达的点云生成方式，对于一个给定相对于地图的位姿，在稠密点云地图中生成一帧仿真采样点云；在地图中存在可供移动机器人运动的可行区域，根据可行区域生成一系列的采样位姿点；S3：计算分析采样地图点对定位误差的敏感性，使用计算结果对地图点进行6自由度评分，具体为：计算用此地图点估计当前激光雷达位姿的误差对此位姿的导数，获得定位误差敏感性矩阵，即定位误差敏感性计算公式为Δe
ij
＝JΔT
ij
，其中J是定位误差敏感性矩阵，e
ij
是使用地图点p
j
估计激光雷达当前采样位姿P
i
的误差，T
ij
是使用地图点p
j
对当前激光雷达位姿P
i
估计的位姿变换矩阵，定位误差敏感性矩阵作为地图点单次仿真采样的6自由度评分；S4：使用归一化积方法将6维评分融合为1维的定位贡献度，具体为：单个地图点的单个自由度拥有多次采样评分，通过统计分析，这些评分分数的分布近似服从高斯分布；利用高斯概率密度函数的归一化积融合6个自由度的评分分数为1维的评分分数，即定位贡献度；S5：使用多分辨率地图压缩单元和自适应留点方式，结合贡献度大小对地图点进行保留和删除，具体为：将原始地图划分为均匀大小的栅格，即压缩单元，在每个压缩单元中进行地图点贡献度大小的筛选，使用自适应方式保留高贡献度的地图点。2.根据权利要求1所述的一种基于定位误差敏感性分析的地图压缩方法，其特征在于，所述激光雷达仿真采样模型用于模拟激光雷达在地图场景中的采样；基于距离
‑
方位
‑
俯仰模型RAE，对于位姿为P
i
的多光束激光雷达，假设N光束从激光雷达的中心即激光雷达坐标系F的原点发射，水平角分辨率为θ
h
；扫描时，N个光束围绕F的z轴旋转一周，每个光束将得到2π/θ
h
个扫描点，则位姿P
i
对应的扫描帧S
i
将由N
·
2π/θ
h
个扫描点组成；等效地将激光雷达仿真采样模型视为从P
i
点发出的N
·
2π/θ
h
个光束；在竖直方向上为每根射线添加视场角，形成N个区间；结合水平角分辨率，即水平方向上形成2π/θ
h
个区间；至此，基于当前采样位姿点的点云地图空间被分为N...

【专利技术属性】
技术研发人员：张宇，陶峻逸，柳莹，
申请(专利权)人：浙江大学，
类型：发明
国别省市：