SLAM地图拓扑评估方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及建图技术领域，特别涉及一种SLAM地图拓扑评估方法、装置、电子设备及存储介质，其中，方法包括：获取目标区域的点云数据；将点云数据输入训练完成的深度学习点云语义分割模型，对预定义的静态场景语义类别的点云进行平面检测得到候选平面集合和对应估计的法向信息；通过平行平面检测条件构建候选平面集合中候选平面的邻接矩阵，计算共平面点方差；对法向信息进行法向凝聚聚类得到多个法向子簇，基于每个子簇的法向计算法向熵均值，根据共平面点方差和/或法向熵均值确定目标区域的同步定位与建图SLAM地图的地图拓扑评估结果。由此，解决了相关技术中SLAM位姿估计受到环境和测量装置的限制，精度估计方式有限等问题。题。题。

【技术实现步骤摘要】
SLAM地图拓扑评估方法、装置、电子设备及存储介质


[0001]本申请涉及建图
，特别涉及一种SLAM地图拓扑评估方法、装置、电子设备及存储介质。

技术介绍

[0002]随着传感器、移动芯片和人工智能技术的不断进步，智能机器人逐渐在日常生活和作业场景普及，并有将人类从重复、低端、简易、繁重的作业中取代的潜力，在无人清扫、运输、安防、监控、种植和采摘等场景开始出现应用的雏形，因此移动机器人的智能无人化作业具有空前的经济价值和社会应用价值。
[0003]其中，移动机器人对复杂动态场景的理解和自身定位是保证机器人安全性和后续任务的基础。目前主流的机器人自主定位技术多采用同步定位与建图(Simultaneous Localization And Mapping，SLAM)，而基于开环控制的SLAM算法结合后端优化能够尽可能的降低机器人对额外设备和环境基础建设的依赖性，同时建图结果能够用于环境测量、可视化交互和其它机器人的定位，适用于大规模、全球定位系统(Global Positioning System，GPS)受限场景下的机器人自主定位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SLAM地图拓扑评估方法，其特征在于，包括以下步骤：获取目标区域的点云数据；将所述点云数据输入训练完成的深度学习点云语义分割模型，输出点云的语义标签信息，基于所述语义标签信息确定点云的语义类别，对预定义的静态场景语义类别的点云进行平面检测得到候选平面集合和对应平面的法向信息；通过平行平面检测条件构建所述候选平面集合中候选平面的邻接矩阵，利用所述邻接矩阵和团搜索算法检测属于共平面的子团，基于所述子团计算共平面点方差；对所述法向信息进行法向凝聚聚类得到多个法向子簇，基于每个子簇的法向计算法向熵，并计算所有子簇的法向熵均值，根据所述共平面点方差和/或所述法向熵均值确定目标区域的同步定位与建图SLAM地图的地图拓扑评估结果。2.根据权利要求1所述的SLAM地图拓扑评估方法，其特征在于，在将所述点云数据输入训练完成的深度学习点云语义分割模型之前，还包括：采集环境的点云数据；基于人工点云语义标注的所述点云数据，构建点云语义分割数据集；基于所述点云语义分割数据集进行抽样构建训练集和测试集，分别利用所述训练集和所述测试集对神经网络模型进行参数训练和量化评估，将收敛性能最优和计算复杂度最小的神经网络模型作为所述深度学习点云语义分割模型。3.根据权利要求1所述的SLAM地图拓扑评估方法，其特征在于，所述对预定义的静态场景语义类别的点云进行平面检测得到候选平面集合和对应平面的法向信息，包括：依次遍历当前帧的每类静态语义点云，对每类语义的点云构建八叉树，切分所述八叉树，直到所述八叉树的每个叶子节点的规模小于预设簇阈值，得到切分后的八叉树；从所述切分后的八叉树的任意叶子节点进行迭代的平面估计测试，以对当前点云簇进行平面拟合，若所述当前点云簇的离群点规模大于预设百分比的点云，则判定所述当前点云簇不属于平面，否则判定满足平面条件；其中，若当前节点的所有叶子节点均未通过上述判断，则将所述当前节点变成新的叶子节点，并将所述当前节点的所有叶子节点加入到当前节点最近的上级根节点的点云簇，并对新的点云簇进行平面估计测试，若所述当前节点通过所述平面估计测试，则进入合并阶段，否则继续向上合并；平面增长时，基于满足所述平面条件的点云簇构建近邻图，其中，所述近邻图的顶点为点云，所述近邻图的边为对任意点云进行k近邻搜索时，满足近邻条件的边，并通过广度优先算法进行搜索，将不属于其它平面、且满足到当前平面距离阈值和法向方差阈值条件的点云合并到当前平面；对于属于同一八叉树节点的两个平面，若满足预设合并条件，则对所述两个平面进行合并，并重新对合并后的点云簇进行平面拟合和法向估计，...

【专利技术属性】
技术研发人员：欧阳真超，胡庆雷，李东禹，崔家赫，张昌杰，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：