基于多模态结构语义特征的激光雷达SLAM方法技术

本发明专利技术公开了一种基于多模态结构语义特征的激光雷达SLAM方法，包括：获取激光雷达点云数据；基于ERFNet方法对激光雷达点云数据进行柱面点云分割；基于BEV投影视图方法进行地面点云分割；基于区域增长法进行平面点云分割；将柱面点云拟合为圆柱模型，将地面点云、平面点云分别拟合为平面模型；获取不同圆柱模型之间的匹配关系，并获取不同平面模型之间的匹配关系，构建结构语义地图；基于体素平面对结构语义地图进行存储；基于模型匹配与地图增量更新算法对结构语义地图进行更新。本发明专利技术有效提升了激光雷达SLAM定位精度，并且提出一种直观的多模态结构语义地图，可以实现三种结构语义模型地图的构建以及实时更新。义模型地图的构建以及实时更新。义模型地图的构建以及实时更新。

【技术实现步骤摘要】
基于多模态结构语义特征的激光雷达SLAM方法


[0001]本专利技术属于地面特征提取匹配
，特别是涉及一种基于多模态结构语义特征的激光雷达SLAM方法。

技术介绍

[0002]同步定位与建图(Simultaneous Localization and Mapping，SLAM)是机器人导航和控制的核心技术之一，也是当前机器人定位技术主流的研究方法之一。随着自动驾驶技术的不断发展，激光雷达SLAM技术在无人车上的应用也越来越广泛。
[0003]目前激光雷达SLAM特征匹配主要分为传统的基于点、线、面特征匹配的方法和基于语义结构特征的匹配方法。基于点、线、面特征匹配的方法通常对场景内提取的几何特征进行特征匹配，其应用场景广泛、实时性较好，但在特征稀疏场景下，其匹配易受到点云噪声影响，导致精度降低。
[0004]在基于结构化语义特征匹配的SLAM算法中，一般通过使用柱面、地面、平面等结构语义特征进行匹配，相对基于点、线、面特征的SLAM算法可以获得更高匹配精度。然而结构化语义特征提取耗时较高，导致其实时性降低，并且目前基于结构化语义特征匹配的SLAM算法通常采用单一的结构语义，现实环境通常包含多种结构语义特征，因此基于单一结构语义的SLAM算法难以取得最优匹配效果。

技术实现思路

[0005]本专利技术的目的是提供一种基于多模态结构语义特征的激光雷达SLAM方法，以解决上述现有技术存在的问题。
[0006]为实现上述目的，本专利技术提供了一种基于多模态结构语义特征的激光雷达SLAM方法，包括以下步骤：
[0007]获取激光雷达点云数据；
[0008]基于ERFNet方法对所述激光雷达点云数据进行柱面点云分割；
[0009]基于BEV投影视图方法对所述激光雷达点云数据进行地面点云分割；
[0010]基于区域增长法对所述激光雷达点云数据进行平面点云分割；
[0011]将所述柱面点云拟合为圆柱模型，将所述地面点云、所述平面点云分别拟合为平面模型；
[0012]将所述圆柱模型与所述平面模型投影到世界坐标系下，获取不同圆柱模型之间的匹配关系，并获取不同平面模型之间的匹配关系，构建结构语义地图；
[0013]基于体素平面对所述结构语义地图进行存储；
[0014]基于模型匹配与地图增量更新算法对所述结构语义地图进行更新。
[0015]可选地，基于ERFNet方法对所述激光雷达点云数据进行柱面点云分割的过程包括：
[0016]将所述激光雷达点云数据转换为距离图像，基于激光雷达点云的疏密程度对所述
距离图像中的像素进行网格划分，对每个网格进行标签分配，获取所述柱面点云。
[0017]可选地，基于BEV投影视图方法对所述激光雷达点云数据进行地面点云分割的过程包括：
[0018]将所述激光雷达点云数据投影为BEV视图，获取投影到BEV视图后的点云坐标，将点云在xy平面按照一个同心圆网格进行划分，保留每个网格中高度最低10％的点云作为地面特征。
[0019]可选地，基于区域增长法对所述激光雷达点云数据进行平面点云分割的过程包括：
[0020]将所述激光雷达点云数据转换为距离图像，构建像素点集合，对所述距离图像进行网格划分；
[0021]将具有缺失点且相邻像素距离不连续的非平面网格进行剔除，基于主成分分析法与均方误差法对剩余网格进行平面网格划分；
[0022]对剩余网格进行区域增长，获取所述平面点云。
[0023]可选地，对剩余网格进行区域增长的过程包括：
[0024]构建动态法线直方图，用极坐标和方位角表示剩余网格的法向量，在所述动态法线直方图中迭代检索剩余网格法线的主要方向，将具有最小平面均方误差的网格优先作为种子网格进行区域增长；
[0025]将区域增长过后的网格从动态法线直方图中删除，迭代检测当前种子网格和其相邻网格是否在同一平面上，如果在同一平面上，则将增长的网格作为种子网格迭代进行区域增长，直至没有符合条件的相邻网格；
[0026]基于平面协方差矩阵的第二大特征值与最小特征值的比值获取所述平面点云。
[0027]可选地，获取不同圆柱模型之间的匹配关系的过程包括：
[0028]分别取两个圆柱模型间三个不同高度特征点距离的均值作为圆柱之间的阈值距离，当两个圆柱间的距离小于所述阈值距离时，则建立当前两个圆柱的匹配关系。
[0029]可选地，获取不同平面模型之间的匹配关系的过程包括：
[0030]将所述平面模型的点云存储为平面地图，获取当前平面点的坐标信息，在所述平面地图中KD树搜索若干个最近点，构建距离阈值，若最近点距离小于所述距离阈值，则提取若干个最近点对应的平面索引，将其中数量最多的地图平面与当前平面点建立匹配关系。
[0031]可选地，基于体素平面对所述结构语义地图进行存储的过程包括：
[0032]构建体素参数，将结构语义地图按照所述体素参数进行存储，进行地图匹配或更新操作时，只对相应体素内的小平面进行操作，且同一体素内存储多个平面。
[0033]可选地，基于模型匹配与地图增量更新算法对所述结构语义地图进行更新的过程包括：
[0034]将所述结构语义地图投影到世界系，获取投影地图，计算所述投影地图与所有地图模型之间的距离并提取最小距离值及对应的地图模型；
[0035]构建距离阈值，当所述最小距离值小于所述距离阈值时则视为匹配成功，将特征点进行叠加并重新拟合，获取新地图模型，将所述新地图模型代替原来地图中的地图模型；若未匹配成功，则将所述投影地图作为一个新的地图模型加入模型地图。
[0036]本专利技术的技术效果为：
[0037]本专利技术提出了一种基于多模态结构语义特征的激光雷达SLAM方法，通过提取圆柱、地面、平面三种结构化语义特征对位姿估计进行约束，有效提升了激光雷达SLAM定位精度。此外，本专利技术维护了一种直观的多模态结构语义地图，可以实现三种结构语义模型地图的构建以及实时更新。本专利技术提出算法相对于A
‑
LOAM、LEGO
‑
LOAM、LIO
‑
SAM、FAST
‑
LIO等基于点、线、面特征的SLAM算法，在室内、室外可以得到更高的定位精度，对不同场景的适应性更强。
附图说明
[0038]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0039]图1为本专利技术实施例中的基于多模态结构语义特征的SLAM方法架构图；
[0040]图2为本专利技术实施例中的地面点云网格划分示例图；
[0041]图3为本专利技术实施例中的圆柱模型匹配关系示意图；
[0042]图4为本专利技术实施例中基于体素存储的平面示意图。
具体实施方式
[0043]需要说明的是，在不冲突的情况下，本申请中的实施例及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态结构语义特征的激光雷达SLAM方法，其特征在于，包括以下步骤：获取激光雷达点云数据；基于ERFNet方法对所述激光雷达点云数据进行柱面点云分割；基于BEV投影视图方法对所述激光雷达点云数据进行地面点云分割；基于区域增长法对所述激光雷达点云数据进行平面点云分割；将所述柱面点云拟合为圆柱模型，将所述地面点云、所述平面点云分别拟合为平面模型；将所述圆柱模型与所述平面模型投影到世界坐标系下，获取不同圆柱模型之间的匹配关系，并获取不同平面模型之间的匹配关系，构建结构语义地图；基于体素平面对所述结构语义地图进行存储；基于模型匹配与地图增量更新算法对所述结构语义地图进行更新。2.根据权利要求1所述的基于多模态结构语义特征的激光雷达SLAM方法，其特征在于，基于ERFNet方法对所述激光雷达点云数据进行柱面点云分割的过程包括：将所述激光雷达点云数据转换为距离图像，基于激光雷达点云的疏密程度对所述距离图像中的像素进行网格划分，对每个网格进行标签分配，获取所述柱面点云。3.根据权利要求1所述的基于多模态结构语义特征的激光雷达SLAM方法，其特征在于，基于BEV投影视图方法对所述激光雷达点云数据进行地面点云分割的过程包括：将所述激光雷达点云数据投影为BEV视图，获取投影到BEV视图后的点云坐标，将点云在xy平面按照一个同心圆网格进行划分，保留每个网格中高度最低10％的点云作为地面特征。4.根据权利要求1所述的基于多模态结构语义特征的激光雷达SLAM方法，其特征在于，基于区域增长法对所述激光雷达点云数据进行平面点云分割的过程包括：将所述激光雷达点云数据转换为距离图像，构建像素点集合，对所述距离图像进行网格划分；将具有缺失点且相邻像素距离不连续的非平面网格进行剔除，基于主成分分析法与均方误差法对剩余网格进行平面网格划分；对剩余网格进行区域增长，获取所述平面点云。5.根据权利要求4所述的基于多模态结构语义特征的激光雷达SLAM方法，其特征在于，对剩余网格进行区域增长的过程包括：构建动态法线直方图，用极坐标和方位角表示剩余网格的法向量，在所...

【专利技术属性】
技术研发人员：吕品，王宇航，赖际舟，方玮，余文斌，付林，
申请(专利权)人：南京航空航天大学秦淮创新研究院，
类型：发明
国别省市：