【技术实现步骤摘要】
一种面向越野环境的激光视觉融合SLAM方法
[0001]本专利技术涉及地面车辆的定位导航,具体而言,涉及一种面向越野环境的激光视觉融合SLAM方法。
技术介绍
[0002]无人地面平台的定位技术是保证无人车不发生偏离道路、不发生碰撞,实现稳定跟随轨迹的技术前提,现如今多数民用领域无人车都采用GPS全球定位、网络差分定位、惯性导航(IMU)组合等方式进行定位,但这些设备都必须在能够接收到GPS或北斗卫星信号的条件下才能正常运行。对于GPS信号易被遮挡和缺失时,需要无人地面平台依靠自身传感器进行定位,而由于惯导设备积分出的里程计信息会由于车轮打滑和传感器本身误差造成定位偏差的累积,因此定位还需要借助如视觉、激光雷达等传感器,因此SLAM(Simultaneous Localization And Mapping)技术应运而生,成为了无人平台
的一个研究重点。SLAM技术是指在进行定位的同时,利用传感器返回的数据同步建立周边环境地图,同时地图反过来对无人平台的定位进行辅助。
[0003]无人车在越野环境下建图时,工作在较大的范围内,由于车体运动,车载摄像机有很大的旋转和平移,同一空间在前后视图上的方向和尺度发生变化,地形起伏也导致了视差变化;由于摄像机位置改变,不同位置下光照条件不同,图像亮度会发生改变;另外,越野环境下道路与非道路的特征不明显,视觉传感器的不确定性和噪声可能造成前后几幅图像分割结果可能不尽一致。雷达能够获得较为精确且稳定的位置信息(距离、轮廓等),图像传感器能够获得物体外表特征信息(颜色、纹 ...
【技术保护点】
【技术特征摘要】
1.一种面向越野环境的激光视觉融合SLAM系统,包括:单目摄像机、激光雷达、视觉里程计、激光里程计、帧间位姿估计模块、建图模块、后端优化模块;其特征在于:所述激光雷达输出激光点云数据,所述单目摄像机输出视觉图像;所述视觉里程计包括特征提取单元、深度匹配单元、非线性优化求解器;所述激光里程计包括点云预处理单元、帧图匹配单元;所述特征提取单元采用Harris角点检测方法对所述视觉图像进行特征点提取,其将每帧图像中的Harris特征点送入所述深度匹配单元;所述深度匹配单元通过雷达—摄像机之间的坐标变换矩阵将所述激光点云数据转换到视觉坐标系下以获得具有深度信息的像素特征点,从而获得识别出的角点的深度值;所述帧图匹配单元与低频建图模块相连,所述非线性优化求解器与帧间位姿估计模块相连;所述低频建图模块通过所述后端优化模块生成高精点云地图。2.根据权利要求1所述的面向越野环境的激光视觉融合SLAM系统,其特征在于,所述后端优化模块包括回环检测单元和后端优化单元,当低频建图模块在建立地图时轨迹出现交叉重叠,则在回环检测单元内进行回环检测,以判断当前的路点与候选点云是否存在回环,如果存在回环,则在后端优化单元内进行优化,对回环内记录的车辆精准位姿进行调整。3.根据权利要求2所述的面向越野环境的激光视觉融合SLAM系统,其特征在于,所述后端优化单元把优化问题以图的形式来体现;图由端点与边组成,每一个回环上记录下来的车辆精准位姿是一个端点,相邻两个车辆精准位姿间的坐标变换则是连接这两个端点间的边;当未检测到回环时,每当车辆行驶超过一段距离就将最新的车辆精准位姿存入图中作为端点,将其与上一端点的变换矩阵作为边存入图中,依据匹配迭代次数为边添加误差范围;当回环检测模块检测到回环后,最新的端点同上一端点间存在边,也同历史轨迹中的某个端点构成了一条边,从而在图中形成了一个圈进行优化。4.根据权利要求2所述的面向越野环境的激光视觉融合SLAM系统,其特征在于,所述回环检测是基于距离进行的ICP匹配,所述ICP匹配在于:假设用Q
i
,i=1,2,3,
…
Qi,i=1,2,3,
…
表示第一个点集,P
i
,i=1,2,3,
…
Pi,i=1,2,3,
…
表示第二个点集;两个点集的对齐配准转换为使下列目标函数最小:其中,旋转矩阵R和平移矩阵T,就是找到的待配准点云数据与参考点云数据之间的旋转参数和平移参数,使得两点集数据之间满足距离度量准则下的最优匹配。5.根据权利要求1或2所述的面向越野环境的激光视觉融合SLAM系统,其特征在于,所述非线性优化求解器用来求得相邻两帧所述视觉图像之间的位姿变换矩阵,根据位姿变换矩阵可以将当前帧中的每个点云进行变换,依据得到的坐标变换公式,可将t+1时刻的角点转移到t时刻坐标系下从而可以代入距离计算...
【专利技术属性】
技术研发人员:张宇,邱绵浩,胡雪松,刘西侠,赵越,靳国超,卢方杰,宋海军,张旭东,郑壮壮,
申请(专利权)人:中国人民解放军陆军装甲兵学院,
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。