一种面向动态环境的激光制造技术

本发明专利技术请求保护一种面向动态环境的激光

【技术实现步骤摘要】
一种面向动态环境的激光SLAM系统及方法


[0001]本专利技术属于智能移动平台定位与导航领域，具体涉及一种带面向动态环境的激光
SLAM
系统及方法
。

技术介绍

[0002]SLAM(Simultaneous Localization and Mapping
，同时定位与地图构建
)
作为机器人领域的关键技术之一
。
大多数
SLAM
研究都是基于周围环境静止的假设，未针对动态物体进行处理
。
在真实环境中往往许多物体是动态的
。
包含大量动态物体的场景对
SLAM
系统提出了更高的要求
。
因此，当
SLAM
技术应用于真实环境中不可避免地需要考虑到其丰富多变的复杂环境
。
目前大部分针对动态环境的
SLAM
方法采用神经网络识别动态物体，这些方法在动态非结构化场景时，可能会遇到没有训练过的陌生动态物体，这样将造成识别效果不好甚至可能会失效
。
[0003]中国专利申请：一种在高动态环境下的激光
SLAM
方法
、
系统设备及存储介质
(
申请号：
CN202110872830.3)
，本专利技术公开了一种在高动态环境下的激光
SLAM
方法
、
系统设备及存储介质，使用
IMU
的预积分里程计来获得
SLAM
系统的初始状态估计；分别将当前激光点云和局部点云地图按照
SLAM
系统的定位误差所确定的分辨率投影为距离图像；比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点
。
该方法使用的将点云图转换为距离图像的方法滤除动态点云
。
[0004]中国专利申请：一种面向动态环境的相机与固态激光雷达融合重定位方法
(
申请号：
CN202211040009.6)
，本专利技术结合了视觉和激光改善了在动态环境下的重定位的弊端
。
该方法基于深度学习的目标检测得到先验的动态物体，再通过极几何和贝叶斯公式用概率的形式计算每个特征点的动态概率，保留静态的特征点
。
该方法用到到神经网络的方法滤除动态物体，该方法在遇到没有训练过的陌生动态物体，可能造成识别效果不好甚至可能会失效
。
[0005]中国专利申请：一种应用于动态环境的激光
SLAM
系统及方法
(
申请号：
CN202210586859.X)
，本专利技术将当前环境的三维点云数据进行球面投影，生成规则的顶点图；基于规则的顶点图，利用预先训练好的激光
SLAM
模型进行位姿估计和地图构建
。
该方法也用到到神经网络的方法滤除动态物体，在动态非结构化场景下，也有可能造成识别效果不好甚至可能会失效
。

技术实现思路

[0006]本专利技术旨在解决以上现有技术的问题
。
提出了一种面向动态环境的激光
SLAM
系统及方法
。
本专利技术的技术方案如下：
[0007]一种面向动态环境的激光
SLAM
系统，其包括：
SLAM
子系统和动态滤除子系统，其中：
[0008]所述
SLAM
子系统包括数据采集模块
、IMU
预测模块
、
子图构建模块
、
雷达里程计估
计模块及后端优化模块，所述数据采集模块通过激光雷达采集实时点云信息，以及通过惯性测量单元采集
IMU
数据；所述点云预处理模块用于去除杂波；
IMU
预测模块用于通过
IMU
数据预积分操作，获取初始位姿；子图构建模块，通过初始位姿和点云的坐标转换构建子图；雷达里程计估计模块，通过点云配准估计雷达运动的位姿变换矩阵；后端优化模块，通过非线性方程优化位姿变换矩阵，得到最优位姿；
[0009]所述动态滤除子系统包括感兴趣区域设置模块
、
栅格划分模块
、
占据描述子及其差值计算模块
、
占据描述子差值计算模块
、
拟合地平面模块
、
动态滤除模块及判断收敛性模块，所述感兴趣区域设置模块通过设置半径范围和点云高度得到当前帧和其子图的感兴趣区域；所述栅格划分模块按照角度和半径划分栅格子；所述占据描述子及其差值计算模块，根据栅格内的点云高度分布信息计算栅格占据描述子；所述占据描述子差值计算模块，根据当前帧和子图的占据描述子差值得到潜在动态点；拟合地平面模块，以每个栅格为单位拟合地平面确定地面点；动态滤除模块用于将潜在动态区域的地面以上的点滤除；判断收敛性模块用于计算滤除动态点后的点云的收敛得分
。
[0010]一种基于所述系统的
SLAM
方法，其包括以下步骤：
[0011]2.1
首先通过激光雷达和惯性测量单元获得点云数据和
IMU
数据；
[0012]2.2
再将点云数据除去杂波和将
IMU
数据预积分，为构建子图提供点云和初始位姿
T0；
[0013]2.3
通过
IMU
提供的初始位姿和坐标转换构建子图，然后将构建的子图发送到动态滤除子系统滤除动态点云；
[0014]2.4
通过设置半径范围和点云高度得到当前帧和其子图的感兴趣区域；
[0015]2.5
再将其按照角度和半径划分栅格；
[0016]2.6
然后根据栅格内的点云高度分布信息计算栅格占据描述子；
[0017]2.7
再根据当前帧和子图的占据描述子差值得到潜在动态点；
[0018]2.8
再以每个栅格为单位拟合地平面确定动态点，然后滤除动态点；
[0019]2.9
计算滤除动态点后的点云的收敛得分，发散则自适应调整栅格的划分数目重新滤除动态点，收敛则将输出滤除动态点的点云；
[0020]2.10
最后通过点云配准估计雷达运动的位姿变换矩阵和非线性方程优化位姿，得到最优位姿
T
，返回修正子图
。
[0021]进一步的，所述步骤
2.5
再将其按照角度和半径划分栅格；
2.6
然后根据栅格内的点云高度分布信息计算栅格占据描述子，具体包括：
[0022]3.1
将当前帧和其子图的雷达点云坐标
(x,y,z)
，转换为
(r,
θ
,z)
坐标，其中极坐标半径极坐标夹角该极坐标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向动态环境的激光
SLAM
系统，其特征在于，包括：
SLAM
子系统和动态滤除子系统，其中：所述
SLAM
子系统包括数据采集模块
、IMU
预测模块
、
子图构建模块
、
雷达里程计估计模块及后端优化模块，所述数据采集模块通过激光雷达采集实时点云信息，以及通过惯性测量单元采集
IMU
数据；所述点云预处理模块用于去除杂波；
IMU
预测模块用于通过
IMU
数据预积分操作，获取初始位姿；子图构建模块，通过初始位姿和点云的坐标转换构建子图；雷达里程计估计模块，通过点云配准估计雷达运动的位姿变换矩阵；后端优化模块，通过非线性方程优化位姿变换矩阵，得到最优位姿；所述动态滤除子系统包括感兴趣区域设置模块
、
栅格划分模块
、
占据描述子及其差值计算模块
、
占据描述子差值计算模块
、
拟合地平面模块
、
动态滤除模块及判断收敛性模块，所述感兴趣区域设置模块通过设置半径范围和点云高度得到当前帧和其子图的感兴趣区域；所述栅格划分模块按照角度和半径划分栅格子；所述占据描述子及其差值计算模块，根据栅格内的点云高度分布信息计算栅格占据描述子；所述占据描述子差值计算模块，根据当前帧和子图的占据描述子差值得到潜在动态点；拟合地平面模块，以每个栅格为单位拟合地平面确定地面点；动态滤除模块用于将潜在动态区域的地面以上的点滤除；判断收敛性模块用于计算滤除动态点后的点云的收敛得分
。2.
一种基于权利要求1所述系统的
SLAM
方法，其特征在于，包括以下步骤：
2.1
首先通过激光雷达和惯性测量单元获得点云数据和
IMU
数据；
2.2
再将点云数据除去杂波和将
IMU
数据预积分，为构建子图提供点云和初始位姿
T0；
2.3
通过
IMU
提供的初始位姿和坐标转换构建子图，然后将构建的子图发送到动态滤除子系统滤除动态点云；
2.4
通过设置半径范围和点云高度得到当前帧和其子图的感兴趣区域；
2.5
再将其按照角度和半径划分栅格；
2.6
然后根据栅格内的点云高度分布信息计算栅格占据描述子；
2.7
再根据当前帧和子图的占据描述子差值得到潜在动态点；
2.8
再以每个栅格为单位拟合地平面确定动态点，然后滤除动态点；
2.9
计算滤除动态点后的点云的收敛得分，发散则自适应调整栅格的划分数目重新滤除动态点，收敛则将输出滤除动态点的点云；
2.10
最后通过点云配准估计雷达运动的位姿变换矩阵和非线性方程优化位姿，得到最优位姿
T
，返回修正子图
。3.
根据权利要求2所述的
SLAM
方法，其特征在于，所述步骤
2.5
再将其按照角度和半径划分栅格；
2.6
然后根据栅格内的点云高度分布信息计算栅格占据描述子，具体包括：
3.1
将当前帧和其子图的雷达点云直角坐标
(x,y,z)
，转换为点云极坐标
(r,
θ
,z)
坐标，其中极坐标半径极坐标夹角该极坐标
z
＝直角坐标
z
；
3.2
设置感兴趣范围：正常情况下的动态物体都是位于地平面上，设置高度范围内的限制
h
min
＜
z
＜
h
max
，以及半径范围
r
＜
L
max
，然后生成图
V
tQ
和
V
tM
，其中
h
min
为最低高度，
h
max
为最高高度，
L
max
为最大半径，
V
tQ
为
t
时刻当前帧的感兴趣区域部分，
V
tM
为
t
时刻当前帧对应子图的感兴趣区域部分；
3.3
按照角度和半径，在方位和径向上格则间隔，划分单个栅格，记为
S
t
(r,
θ
)
，最后...

【专利技术属性】
技术研发人员：岑明，洪友芳，郭健，肖佳佳，岑汝平，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：