一种基于重叠区的点云位置识别方法技术

本发明专利技术属于点云位置识别技术领域，具体涉及一种基于重叠区的点云位置识别方法。首先获取两帧点云帧，并进行预处理；预处理后输入至训练后的点云位置识别网络模型中，以分别输出两帧点云帧的预测概率向量，点云位置识别网络模型包括两个特征提取模块、两个特征增强模块和两个重叠预测模块；最后根据两帧点云帧的预测概率向量，分别确定两帧点云帧中位于重叠区的点的个数，若两帧点云帧中位于重叠区的点的个数与各自点云帧中点的总数的占比均大于预设占比阈值，判定两帧点云帧是同一位置。本发明专利技术将基于激光雷达的点云位置识别问题视为场景重叠预测任务，可准确预测出两个点云是否在同一位置。同一位置。同一位置。

【技术实现步骤摘要】
一种基于重叠区的点云位置识别方法


[0001]本专利技术属于点云位置识别
，具体涉及一种基于重叠区的点云位置识别方法。

技术介绍

[0002]位置识别又称闭环检测，是SLAM(simultaneous localization and mapping)中的一项重要任务。其目的是确定机器人之前是否来过这里，从而消除里程表中的累积误差。根据不同传感器获取的数据，位置识别任务可分为基于视觉的位置识别任务和基于激光雷达的位置识别任务。与基于视觉的位置识别相比，基于激光雷达的位置识别对光照条件、季节变化和视点变化具有较强的鲁棒性。因此，点云非常适用于大规模复杂场景。基于局部特征描述的方法主要是提取关键点局部特征(例如Spin Image、3DSC、FPFH)，然后根据这些特征采用词袋(Bag
‑
of
‑
Words，BoW)模型进行匹配。有学者直接从点云中提取关键点，并用3D格式塔对其进行描述，然后关键点在投票矩阵中为其最邻近点投票，该矩阵最终被阈值化以识别位置。这类特征虽然具有旋转不变性，然而这类方法依赖于关键点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于重叠区的点云位置识别方法，其特征在于，包括如下步骤：1)获取两帧点云帧，并进行预处理；2)预处理后输入至训练后的点云位置识别网络模型中，以分别输出两帧点云帧的预测概率向量；其中，点云位置识别网络模型包括两个特征提取模块、两个特征增强模块和两个重叠预测模块；所述两个特征提取模块分别用于提取输入的两帧点云帧的特征；所述两个特征增强模块用于采用注意机制分别对两帧点云帧的特征进行特征增强处理；两个重叠预测模块分别用于根据相应点云帧的增强特征输出相应点云帧的预测概率向量，预测概率向量中的各元素表示点云帧中各点在重叠区的概率；3)根据两帧点云帧的预测概率向量，分别确定两帧点云帧中位于重叠区的点的个数，若两帧点云帧中位于重叠区的点的个数与各自点云帧中点的总数的占比均大于预设占比阈值，判定两帧点云帧是同一位置。2.根据权利要求1所述的基于重叠区的点云位置识别方法，其特征在于，每个特征提取模块均为KPConv或者Riconv++，且两个特征提取模块共享权重。3.根据权利要求1所述的基于重叠区的点云位置识别方法，其特征在于，每个特征增强模块均多个特征增强层，每个特征增强层均包括自注意机制、交叉注意机制和前馈网络，自注意机制用于对同一点云帧中其他点之间的关系进行建模，交叉注意机制用于对不同点云帧中点之间的关系进行建模。4.根据权利要求1所述的基于重叠区的点云位置识别方法，其...

【专利技术属性】
技术研发人员：汪汉云，戴晨光，张英健，纪松，周汝琴，张振超，刘少聪，王鹏，季虹良，范会欣，李力，
申请(专利权)人：嵩山实验室，
类型：发明
国别省市：