港口高精激光点云地图构建方法及装置制造方法及图纸

本申请公开了一种港口高精激光点云地图构建方法及装置，构建IMU预积分因子、激光里程计因子和闭环因子，在定期以INS因子修正激光里程计因子的情况下利用因子图优化得到机器人的全局一致的位姿。本申请的优势在于，在IMU预积分和INS值之间构建初值数据以形成激光里程计因子，可以很好的规避系统失败的风险；结合深度学习，剔除动态物体，可以很好的减少动态物体的干扰，提升匹配稳定性和精度；不稳定的近地特征点的剔除，在特征不丰富的长走廊环境下，可以很好的提升匹配的稳定性，从而构建能够适应港口特性、鲁棒的应对特征缺失、长走廊环境、GPS多径效应、环境变化等场景，形成高精度激光点云地图。精度激光点云地图。精度激光点云地图。

【技术实现步骤摘要】
港口高精激光点云地图构建方法及装置


[0001]本申请涉及激光地图构建
，尤其涉及一种港口高精激光点云地图构建方法及装置。

技术介绍

[0002]目前，构建激光点云地图，有比较多的开源方案，比如比较代表性的cartographer、loam、lego
‑
loam、lio
‑
sam等。在港口这种户外大场景下，lio
‑
sam综合表现相对较好些。下图1为lio
‑
sam流程图，它采用一种紧耦合激光
‑
惯性里程计方法，通过优化包含激光雷达里程计因子，IMU预积分因子，GPS因子和回环因子来得到机器人的全局一致的位姿。
[0003]a)IMU预积分因子，由两个相邻关键帧之间的IMU测量积分得到。
[0004]b)激光里程计因子，由每个关键帧和之前n个关键帧之间的帧图匹配结果得到。
[0005]c)GPS因子，由关键帧时刻的GPS值得到。
[0006]d)回环因子，由关键帧和候选回环关键帧的时序相邻的2m+1个关键帧之间的帧图匹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种港口高精激光点云地图构建方法，其特征在于，包括如下步骤：S1:实时获取当前帧下的IMU姿态以及INS值形成初值数据，获取当前帧下的激光雷达数据后提取其中所需要的特征数据；S2:基于步骤S1)中所获取的当前帧的初值数据和特征数据，选取关键帧并结合前n帧的特征数据获得当前关键帧的位姿，作为该关键帧的激光里程计因子；S3:获取两个相邻的关键帧数据采用预积分方式以构建IMU预积分因子，结合激光里程计因子优化当前IMU的偏差；S4:构建闭环因子，每当自动驾驶车辆再次经过之前经过的位置时，提取该位置历史上的所有关键帧作为候选回环关键帧，通过当前关键帧和候选回环关键帧的时序相邻的2m+1个关键帧之间的帧图匹配形成闭环因子；S5：不断构建IMU预积分因子和所述步骤S4中的闭环因子，并结合激光里程计因子对当前关键帧的位姿进行修正，利用因子图优化得到全局一致的位姿数据。2.根据权利要求1所述的港口高精激光点云地图构建方法，其特征在于，所述S1)中的初值数据在获取INS值后，若INS的状态符合要求则将IMU预积分作为初值，若INS的状态不符合要求则将INS值作为初...

【专利技术属性】
技术研发人员：陈亮，何贝，刘鹤云，张岩，
申请(专利权)人：北京斯年智驾科技有限公司，
类型：发明
国别省市：