基于动态障碍物去除的多线激光雷达定位方法及系统技术方案

本发明专利技术公开了一种基于动态障碍物去除的多线激光雷达定位方法，包括：采集全局激光点云；检测并滤除动态点云；提取特征点并获取里程计位姿；基于回环检测修正位姿；建立滤除动态点云的全局高精点云地图；重新行驶采集点云；提取当前帧特征点并建立滑动窗口局部地图；求解当前帧相对于局部地图的初始位姿；将当前帧的特征点投影到局部地图；剔除局部地图的动态点云；全局地图匹配修正初始位姿以获得精确定位。本发明专利技术的有益效果：通过当前帧特征点与去除动态点云的局部地图和高精全局地图双匹配策略，可以提高激光定位精度和鲁棒性，实现在动态环境下的多线激光雷达定位。实现在动态环境下的多线激光雷达定位。实现在动态环境下的多线激光雷达定位。

【技术实现步骤摘要】
基于动态障碍物去除的多线激光雷达定位方法及系统


[0001]本专利技术涉及同步定位与地图构建
，尤其涉及一种基于动态障碍物去除的多线激光雷达定位方法及系统。

技术介绍

[0002]现阶段，自动驾驶成为当下的研究热点。同步定位与建图技术(simultaneous localization andmapping，SLAM)作为自动驾驶的关键基础性技术，已经在近十年间取得显著发展，但目前多数主流算法都只在静态环境中稳定运行。然而现实世界是动态变化的，如移动的汽车、行人，动态变化的环境给SLAM的位姿估计、特征提取与跟踪以及地图构建等模块提出了新的挑战。

技术实现思路

[0003]本专利技术公开了一种基于动态障碍物去除的多线激光雷达定位方法及系统，其可以有效解决
技术介绍
中涉及的技术问题。
[0004]为实现上述目的，本专利技术的技术方案为：
[0005]一种基于动态障碍物去除的多线激光雷达定位方法，包括以下步骤：
[0006]步骤S1：低速采集运行场景的全局点云数据；
[0007]步骤S2：通过3D目标检测网络对全局点云数据进行检测并滤除动态点云；
[0008]步骤S3：基于曲率计算获取滤除动态点云后的每一点云帧的特征点，并通过点云关联匹配求解激光雷达的位姿；
[0009]步骤S4：基于回环检测修正位姿；
[0010]步骤S5：基于修正后的位姿建立由特征点组成的全局高精点云地图；
[0011]步骤S6：重新行驶车辆采集激光点云数据进行实时定位；
[0012]步骤S7：获取当前帧的特征点并建立滑动窗口局部地图；
[0013]步骤S8：求解当前帧与滑动窗口局部地图的相对位姿；
[0014]步骤S9：将当前帧的特征点根据相对位姿投影到滑动窗口局部地图，计算每个特征点与对应最近点的距离值；
[0015]步骤S10：根据距离值判断并去除滑动窗口局部地图中的动态点云；
[0016]步骤S11：通过相对位姿对当前帧的特征点与全局高精点云地图进行匹配求解以得到精确定位。
[0017]作为本专利技术的一种优选改进，所述3D目标检测网络为PointPillars。
[0018]作为本专利技术的一种优选改进，所述特征点包括线特征点以及面特征点，曲率大于设定阈值的特征点为线特征点，曲率小于设定阈值的特征点为面特征点。
[0019]作为本专利技术的一种优选改进，步骤S4中，对每一点云帧的位姿，检测其与之前所有点云帧的位姿之间的距离，若距离小于3m且间隔时间大于15s，则为回环帧。
[0020]作为本专利技术的一种优选改进，所述滑动窗口局部地图由关键帧的特征点组成。
[0021]作为本专利技术的一种优选改进，所述关键帧由当前帧判定，若当前帧与前一点云关键帧间的位移距离大于设定阈值或角度距离大于设定阈值，则将当前帧判定为关键帧。
[0022]作为本专利技术的一种优选改进，步骤S9中所述的距离值，包括：线特征点到与其最近的两个特征点所构成的线段的距离，面特征点到与其最近的三个不共线特征点所构成的平面的距离。
[0023]作为本专利技术的一种优选改进，步骤S10中，如果线特征点到线段的距离或者面特征点到平面的距离大于设定阈值，则判定为动态点云。
[0024]一种执行所述方法的基于动态障碍物去除的多线激光雷达定位系统，包括全局高精点云地图建立模块以及激光定位模块；所述全局高精点云地图建立模块包括：
[0025]点云采集模块，用于低速采集运行场景的全局点云数据；
[0026]动态物体滤除模块，用于对全局点云数据进行检测并滤除动态点云；
[0027]特征点提取和位姿求解模块，用于获取每一点云帧的特征点并获取激光雷达的位姿；
[0028]位姿修正模块，其基于回环检测修正所述位姿；以及
[0029]全局地图建立模块，用于建立由特征点组成的全局高精点云地图；
[0030]所述激光定位模块包括：
[0031]点云采集模块，用于重新行驶车辆采集激光点云数据进行实时定位；
[0032]局部地图建立模块，用于获取当前帧的特征点以建立滑动窗口局部地图；
[0033]位姿求解模块，用于求解当前帧与滑动窗口局部地图的相对位姿；
[0034]局部地图匹配模块，用于将当前帧的特征点根据相对位姿投影到滑动窗口局部地图并计算每个特征点与对应最近点的距离值；
[0035]动态点云剔除模块，用于根据距离值判断并去除滑动窗口局部地图中的动态点云；以及
[0036]精确定位模块，用于根据相对位姿初值将当前帧特征点投影到全局高精点云地图进行关联匹配以求解位姿获得精确定位。
[0037]本专利技术的有益效果如下：
[0038]1、通过3D目标检测网络对动态点云进行去除，构建无动态点云且由特征点构成的全局高精点云地图，有效提高了点云匹配精度以及动态环境中激光定位的鲁棒性；
[0039]2、通过将当前帧与滑动窗口局部地图匹配求解相对位姿，并基于相对位姿关系剔除局部地图中的动态点云，有效消除了动态点云对初始位姿求解的影响；
[0040]3、通过当前帧特征点与去除动态点云的局部地图和高精全局地图双匹配策略，可以有效消除累计误差，提高激光定位精度和鲁棒性，实现在动态环境下的多线激光雷达定位。
附图说明
[0041]图1为本专利技术中的PointPillars网络架构流程图；
[0042]图2为本专利技术中的Pillar特征提取网络流程图；
[0043]图3为本专利技术中的2D卷积神经网络示意图；
[0044]图4为本专利技术中的回环检测示意图；
[0045]图5为本专利技术中的系统框架图。
具体实施方式
[0046]下面将结合本专利技术实施例对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0047]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0048]另外，在本专利技术中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0049]在本专利技术中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态障碍物去除的多线激光雷达定位方法，其特征在于，包括以下步骤：步骤S1：低速采集运行场景的全局点云数据；步骤S2：通过3D目标检测网络对全局点云数据进行检测并滤除动态点云；步骤S3：基于曲率计算获取滤除动态点云后的每一点云帧的特征点，并通过点云关联匹配求解激光雷达的位姿；步骤S4：基于回环检测修正位姿；步骤S5：基于修正后的位姿建立由特征点组成的全局高精点云地图；步骤S6：重新行驶车辆采集激光点云数据进行实时定位；步骤S7：获取当前帧的特征点并建立滑动窗口局部地图；步骤S8：求解当前帧与滑动窗口局部地图的相对位姿；步骤S9：将当前帧的特征点根据相对位姿投影到滑动窗口局部地图，计算每个特征点与对应最近点的距离值；步骤S10：根据距离值判断并去除滑动窗口局部地图中的动态点云；步骤S11：通过相对位姿对当前帧的特征点与全局高精点云地图进行匹配求解以得到精确定位。2.根据权利要求1所述的方法，其特征在于：所述3D目标检测网络为PointPillars。3.根据权利要求1所述的方法，其特征在于：所述特征点包括线特征点以及面特征点，曲率大于设定阈值的特征点为线特征点，曲率小于设定阈值的特征点为面特征点。4.根据权利要求1所述的方法，其特征在于：步骤S4中，对每一点云帧的位姿，检测其与之前所有点云帧的位姿之间的距离，若距离小于3m且间隔时间大于15s，则为回环帧。5.根据权利要求1所述的方法，其特征在于：所述滑动窗口局部地图由关键帧的特征点组成。6.根据权利要求5所述的方法，其特征在于：所述关键帧由当前帧判定，若当前帧与前一点云关键帧间的位移距离大于设定阈值...

【专利技术属性】
技术研发人员：秦晓辉，李涛，徐彪，秦洪懋，胡满江，边有钢，秦兆博，谢国涛，王晓伟，丁荣军，
申请(专利权)人：湖南大学，
类型：发明
国别省市：