基于几何信息的激光雷达SLAM退化检测方法及系统技术方案

本发明专利技术提供一种基于几何信息的激光雷达SLAM退化检测方法和系统，包括：从激光雷达处获得原始点云数据并预处理；对预处理后的原始点云数据进行法向量估测，并将各法向量构成矩阵N；对矩阵N中的行向量进行主成分分析降低维度，并将降维后的法向量矩阵中缺少的方向作为当前识别的SLAM退化方向；对矩阵N计算奇异值分解得到对应特征值，并将最小的特征值作为当前识别的SLAM退化方向。本发明专利技术能解决激光雷达SLAM在退化场景下失效难以检测的问题，为激光SLAM的稳定运行提供预警，能实现较高的检测准确性，有利于实际应用。有利于实际应用。有利于实际应用。

【技术实现步骤摘要】
基于几何信息的激光雷达SLAM退化检测方法及系统


[0001]本专利技术涉及计算机视觉领域，具体地，涉及一种基于几何信息的激光雷达SLAM退化检测方法及系统。

技术介绍

[0002]激光雷达是目前一类应用广泛的传感器：发射模块基于光学原理，利用脉冲、调频、调幅等方式发射特定波长的激光；接收模块利用二极管元件对发射后反射回来的激光进行检测，通过光线飞行时间可以得到精确测距。激光雷达广泛应用于目标检测、场景建模、机器人导航等应用中，有较为广泛的商业与学术前景。
[0003]同步建图与定位算法(SLAM)是利用传感器提供的信息，建立所在环境场景的地图，并同时确定传感器在地图中的对应位置。目前SLAM技术广泛应用于机器人自主定位、导航任务中。而其中基于激光雷达的SLAM算法，因其高精度的测距信息与鲁棒的定位结果，广泛应用于无人物流、无人小巴等高难度定位导航任务中。
[0004]激光雷达SLAM算法的应用难题之一在于，面对特定场景的算法失效问题。这些场景包括：隧道、长廊、室外空旷停车场、高速公路等等，其特征在于场景中的结构性纹理较少，发生场景退化，定位时激光雷达提供的数据约束不足从而使算法失效。退化问题可以通过多传感器数据融合、状态空间建模补偿等方法处理，而如何对激光雷达SLAM的退化场景进行识别检测，成为算法优化的关键步骤。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于几何信息的激光雷达SLAM退化检测方法及系统。
[0006]根据本专利技术的一个方面，提供一种基于几何信息的激光雷达SLAM退化检测方法，包括：
[0007]从激光雷达处获得原始点云数据；
[0008]对所述原始点云数据进行预处理，获得非地面的连续点云数据；
[0009]对预处理后的原始点云数据进行法向量估测，并构成法向量矩阵N；
[0010]对所述矩阵N中的行向量进行主成分分析以降低所述矩阵N的维度，并将降维后的所述矩阵N中缺少的方向作为当前识别的SLAM退化方向；
[0011]对所述矩阵N进行奇异值分解得到对应特征值，并将最小的特征值作为当前识别的SLAM退化方向。
[0012]优选地，所述从激光雷达处获得原始点云数据，包括：
[0013]激光雷达利用脉冲、调频或调幅的方式发射特定波长的激光；
[0014]激光雷达接收发射后反射回来的激光，获得原始点云数据；
[0015]其中，所述原始点云数据是连续帧的点云数据，每一帧所述点云数据为一块云团，每块云团包括m个激光点束发射的点云。
[0016]优选地，所述预处理包括点云分类处理以及聚类噪声剔除处理。
[0017]优选地，一个所述法向量矩阵N对应描述一帧点云，一帧点云包括m束激光点束，每个激光点束对应一个法向量，所述法向量矩阵其中i∈{1,2,
…
,m}是激光点束的索引，每一行的n代表一个激光点束的法向量，n
ix
n
iy
n
iz
是激光雷达坐标系下的方向。
[0018]优选地，所述对所述矩阵N中的行向量n
ix
n
iy
n
iz
进行主成分分析以降低所述矩阵N的维度，包括：
[0019]将所述矩阵N中的方向相似的法向量合并，降低矩阵N的维度；
[0020]基于降低维度后的矩阵N，对点云的几何分布进行描述，得到当前各点集表面法线的约束所描述的三维空间，此时完全缺少法向的几何约束的方向即为当前识别的SLAM退化方向。
[0021]优选地，对矩阵N计算奇异值分解得到对应特征值：
[0022][0023]其中最小特征值λ
min
可以描述当前位置的可定位性；
[0024]若λ
min
小于所设定的阈值，代表当前场景发生退化，该最小特征值λ
min
对应的特征向量也就是当前识别的SLAM退化方向。
[0025]优选地，矩阵在任一特征向量的投影，是特征向量自身固定的伸缩，伸缩比例是特征值，特征值反映矩阵在该特征向量方向的投影的比例大小，特征值越小，说明矩阵在该特征向量方向上的约束越小，约束小，说明在该方向上容易发生退化。
[0026]根据本专利技术的第二个方面，提供一种基于点云三维几何识别的激光雷达SLAM退化场景识别检测系统，包括：
[0027]数据获取模块，该模块从激光雷达处获得原始点云数据；
[0028]预处理模块，该模块对所述原始点云数据进行预处理，获得非地面的连续点云数据；
[0029]估测模块，该模块对预处理后的原始点云数据进行法向量估测，并构成法向量矩阵N；
[0030]分析识别模块1，该模块对所述矩阵N中的行向量进行主成分分析以降低所述矩阵N的维度，并将降维后的法向量矩阵中缺少的方向作为当前识别的SLAM退化方向；
[0031]分析识别模块2，该模块对所述矩阵N进行奇异值分解得到对应特征值，并将最小的特征值作为当前识别的SLAM退化方向。
[0032]根据本专利技术的第三个方面，提供一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行上述的基于点云三维几何识别的激光雷达SLAM退化场景识别检测系统，或，运行上述的基于几何信息的激光雷达SLAM退化检测方法。
[0033]根据本专利技术的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行上述的基于点云三维几何识别的激光雷达SLAM退化
场景识别检测系统，或，运行上述的基于几何信息的激光雷达SLAM退化检测方法。
[0034]与现有技术相比，本专利技术具有如下的有益效果：
[0035]对本专利技术实施例中的基于几何信息的激光雷达SLAM退化检测方法和系统，能解决激光雷达SLAM在退化场景下失效难以检测的问题，其将激光雷达传感器采集的连续帧点云进行分析，获取法向量矩阵，得到点云三维几何信息约束；根据点云约束关系，设计基于点云三维几何信息的识别退化方向，为激光SLAM的稳定运行提供预警，能实现较高的检测准确性，有利于实际应用。
附图说明
[0036]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0037]图1是本专利技术一实施例中的一种基于几何信息的激光雷达SLAM退化检测方法的流程图；
[0038]图2是本专利技术一实施例中的对激光雷达点云进行主成分分析求解法向量的示意图。
具体实施方式
[0039]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。
[0040]首先，对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于几何信息的激光雷达SLAM退化检测方法，其特征在于，包括：从激光雷达处获得原始点云数据；对所述原始点云数据进行预处理，获得非地面的连续点云数据；对预处理后的原始点云数据进行法向量估测，并构成法向量矩阵N；对所述矩阵N中的行向量进行主成分分析以降低所述矩阵N的维度，并将降维后的所述矩阵N中缺少的方向作为当前识别的SLAM退化方向；对所述矩阵N进行奇异值分解得到对应特征值，并将最小的特征值作为当前识别的SLAM退化方向。2.根据权利要求1所述的一种基于几何信息的激光雷达SLAM退化检测方法，其特征在于，所述从激光雷达处获得原始点云数据，包括：激光雷达利用脉冲、调频或调幅的方式发射特定波长的激光；激光雷达接收发射后反射回来的激光，获得原始点云数据；其中，所述原始点云数据是连续帧的点云数据，每一帧所述点云数据为一块云团，每块云团包括m个激光点束发射的点云。3.根据权利要求1所述的一种基于几何信息的激光雷达SLAM退化检测方法，其特征在于，所述预处理包括点云分类处理以及聚类噪声剔除处理。4.根据权利要求2所述的一种基于几何信息的激光雷达SLAM退化检测方法，其特征在于，一个所述法向量矩阵N对应描述一帧点云，一帧点云包括m束激光点束，每个激光点束对应一个法向量，所述法向量矩阵其中i∈{1,2,
…
,m}是激光点束的索引，每一行的n代表一个激光点束的法向量，n
ix
n
iy
n
iz
是激光雷达坐标系下的方向。5.根据权利要求1所述的一种基于几何信息的激光雷达SLAM退化检测方法，其特征在于，所述对矩阵N中的行向量进行主成分分析以降低所述矩阵N的维度，包括：将所述矩阵N中的方向相似的法向量合并，降低矩阵N的维度；基于降低维度后的矩阵N，对点云的几何分布进行描述，得到当前各点集表面法线的约束所描述的三维空间，此时缺少法向的几何约束的方向即...

【专利技术属性】
技术研发人员：杨明，钱烨强，张弛，柴子豪，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：