【技术实现步骤摘要】
高精度低漂移大范围的三维点云地图构建及重定位方法
[0001]本专利技术属于移动机器人地图构建领域，具体涉及一种高精度低漂移大范围的三维点云地图构建及重定位方法。
技术介绍
[0002]地图构建技术是移动机器人实现自主导航的前提，通过构建环境地图，为定位及路径规划提供先验信息，是自主导航功能实现的核心技术之一。然而，目前三维点云地图构建技术常采用激光雷达或摄像机进行关键帧间点云配准，通过移动机器人搭载的激光雷达获取点云信息，然后将关键帧点云进行匹配得到关键帧间相对位姿，进而不断进行位姿叠加实现地图构建。现有方法虽然可以构建一幅三维点云地图，但是不能在室外大范围长距离的条件下有效应对三维点云地图构建时的累积误差进而导致地图漂移。除此以外，机器人能在三维地图中进行重定位对机器人在地图中进行自主导航过程的鲁棒性起到重要支撑作用。因此，设计一种高精度低漂移大范围的三维点云地图构建及重定位方法和装置对于移动机器人的自主导航实现至关重要。
技术实现思路
[0003]为解决上述技术问题，本专利技术提出了一种高精度低漂移大范...
【技术保护点】
【技术特征摘要】
1.一种高精度低漂移大范围的三维点云地图构建及重定位方法，包括：步骤1：基于三维激光雷达采集的点云信息、惯性测量单元IMU信息进行帧间点云配准，获得关键帧之间的相对位姿；步骤2：通过对机器人GPS信息、闭环检测信息进行约束，实现关键帧位姿节点之间的相对位姿的优化，完成机器人的三维点云地图构建；步骤3：根据激光雷达点云信息设计的描述子进行当前帧与历史帧相似度查询，完成机器人在三维点云地图下重定位。2.根据权利要求1所述的高精度低漂移大范围的三维点云地图构建及重定位方法，其特征在于：所述步骤1中包括：步骤1.1、利用所述惯性测量单元IMU信息获取运动信息，对激光雷达获取的点云信息进行畸变校正；其中，所述运动信息包括角速度、线速度，根据激光雷达扫描的激光点的坐标计算该激光点相对于采集初始时刻的时间差，然后计算位姿转换矩阵，根据转换矩阵转换激光点；步骤1.2、对关键帧点云之间进行匹配获得相对位姿，具体包括：将关键帧点云进行体素化，计算各体素的均值和协方差，构建高斯分布，根据GPS初始化的位姿，将当前帧点云变换到地图坐标系中，并计算所有点的联合概率，当所有点的联合概率最大时即可认为两帧点云匹配成功，此时输出两帧点云之间的相对位姿。3.根据权利要求1或2所述的高精度低漂移大范围的三维点云地图构建及重定位方法，其特征在于：所述步骤2包括通过构建位姿图来进行地图优化，位姿图由节点和边组成，节点表示关键帧位姿，边表示两个位姿节点的相对位姿约束，所述位姿约束包括激光雷达里程计约束、回环检测约束、GPS位置观测约束；地图优化时将所有观测和状态量放在一起优化，构建残差函数；将各个残差分配一个权重，形成信息矩阵，进行非线性优化；修正里程计误差，校正轨迹形状，从而得到全局一致性的地图。4.根据权利要求1
‑
3任意一项所述的高精度低漂移大范围的三维点云地图构建及重定位方法，其特征在于：所述步骤3具体包括：步骤3.1、点云切割生成描述子：将三维激光雷达扫描的一帧点云划分为相互独立的点云，在点云切割之后，使用每个分割单元中的点云为每个分割单元分配一个实数值，把切割后的点云生成到一个Nr*Ns大小的矩阵中；步骤3.2、根据机器人在三维地图中扫描到的当前帧点云信息描述子以及地图构建时存储的描述子信息进行相似度匹配，输出位姿信息，完成重定位。5.根据权利要求4所述的高精度低漂移大范围的三维点云地图构建及重定位方法，其特征在于：所述步骤3.1具体包括：(1)切割点云：沿一帧点云半径增大的方向，将点云空间分为N
r
个圆环，每个圆环之间的径向间隙为：其中，L
max
为激光雷达最大的扫描距离；沿激光雷达旋转扫描方向一周，将每个圆环分割为N
s
等份，每个扇形的中心角度为
分割后的一帧点云P可以表示为：其中，Ρ
ij
代表第i个圆环第j个扇形的分割单元中点的集合；(2)生成描述子：使用每个分割单元中...
【专利技术属性】
技术研发人员：李静，郭柯岩，王军政，汪首坤，赵江波，马立玲，沈伟，
申请(专利权)人：北京理工大学，
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。