一种非结构化环境下的小视角激光雷达快速回环检测方法技术

一种非结构化环境下的小视角激光雷达快速回环检测方法，所述方法综合利用点云强度与几何平面特征，对历史关键帧进行快速筛选获得当前帧对应的准确回环帧，本发明专利技术有效解决了典型单一特征回环检测方法在非结构化场景下，由固态激光雷达小视角不充分

【技术实现步骤摘要】
一种非结构化环境下的小视角激光雷达快速回环检测方法


[0001]本专利技术涉及激光雷达检测领域，具体为一种非结构化环境下的小视角激光雷达快速回环检测方法
。

技术介绍

[0002]即时定位与建图
(Simultaneous Localization and Mapping,SLAM)
是小型无人载体实现复杂环境下导航定位
、
构建周围环境地图的重要技术
。SLAM
技术主要分为视觉
SLAM
技术和激光
SLAM
技术，相较于视觉传感器，激光雷达具有更强的环境适应性，激光
SLAM
技术已被广泛应用于空地运输
、
智慧交通
、
灾难救援和军事作战等多个领域
。
运动中的激光
SLAM
系统会产生点云位姿推算误差随时间累积的问题，而回环检测技术是抑制
SLAM
系统中累积误差的关键技术之一
。
近年来，低功耗
、
低成本的固态激光雷达被广泛应用到小型无人载体的建图定位中，但其较小的视场角为基于固态激光雷达的激光
SLAM
技术，尤其是回环检测技术带来了一系列全新问题
。
[0003]现有的快速回环检测方法大多是针对大视场角机械雷达点云某一特征生成全局描述子的检测方案，例如典型的基于几何特征的全局描述子即扫描强度上下文
SC(Scan Context)
的回环检测方案，该方案通过将点云划分为多个环形区域，并构建了环向与径向描述子匹配搜索历史帧点云，拥有较快的关键帧识别速度，但
Scan Context
中只提取点云最大高程特征的方案对雷达的探测距离提出一定要求，且会丢失较多场景特征，易导致回环检测误识别
。
后有相关团队在此基础上用点云最大强度生成强度描述子
ISC(Intensity Scan Context)
，设计了一种强度扫描上下文方案以降低回环检测方法的误识别率，但该方案需对关键帧保持较低的下采样率以保证识别的精度，且两种方法均需要较远的探测距离以提高检测精度，且都未对后续回环帧间位姿矩阵的较高的计算负载做有效处理
。
[0004]目前现有专利检索情况如下：
[0005]与专利
CN115047487A“基于点云强度与高度信息的回环检测方法及设备”的技术对比：
[0006]专利
CN115047487A
是为了给一般环境下基于传统
360
°
水平视角的机械激光雷达的机器人激光
SLAM
系统提供准确的回环检测结果，而我们的方法旨在提高非结构化环境下的小视角固态激光雷达的回环检测精度和效率，以推动小型化无人载体在非结构化环境下更为广泛的应用
。
[0007]专利
CN115047487A
中点云预处理的过程中只是将点云从载体坐标系转换到世界坐标系中变为关键帧，而我们的预处理方法则是利用推算位姿累加载体坐标系中的点云帧至世界坐标系下，并利用中间帧位姿作该帧位姿，并加设了位姿变化门限判断是否为关键帧
。
因此，两者的回环检测的关键帧识别策略有区别，且这种方法能提高对小视角雷达点云的检测性能
。
[0008]专利
CN115047487A
中对强度信息的编码过程是通过构建所有点云三维球面坐标系到二维平面矩阵的映射关系，并在矩阵值中记录所有点云强度得到的，矩阵维数很大
。
而
我们所提出强度描述子的编码过程则增加了对无效的地面点云进行形态学滤波过程，并且对强度信息还进行了归一化校正，再利用点云的二维的极坐标直接构建了按平面块划分的二维矩阵，矩阵值记录一块区域内点云强度最大值，矩阵的维数较低
。
因此，两者的强度编码过程
、
方式均不同，且本方法较低的矩阵维数且能加快强度信息的生成和检索速度
。
[0009]专利
CN115047487A
中对几何信息的编码过程只是构建了一个较为简单的二维矩阵并且矩阵值只记录了点云的最大高度信息，这种编码方式只保留了最大高度点这一几何信息
。
而我们几何信息的编码方法则是将一帧点云进行平面体素化，将平面体素分为两类以提取其中的平面关键点，再利用平面关键点作为这一帧点云的几何信息编码
。
因此，两者几何信息的编码方式和结果基本不同，且本方法能准确提高非结构化环境下检测的识别精度
。
[0010]与专利
CN114187418A“回环检测方法
、
点云地图构建方法
、
电子设备及存储介质”的技术对比：
[0011]专利
CN114187418A
所提回环检测方法旨在解决现有的一般环境下基于传统
360
°
水平视角的机械激光雷达的回环检测方法中，两帧坐标基本重合，无法识别位置相差所带来的问题，而我们的方法旨在解决非结构化环境下的小视角固态激光雷达点云场景特征不充分
、
不完全给回环检测带来的问题
。
[0012]专利
CN114187418A
中并未对前端点云做额外的预处理，而我们的预处理方法则是利用推算位姿累加载体坐标系中的点云帧至世界坐标系下，并利用中间帧位姿作该帧的载体位姿，并加设了位姿变化门限判断是否为关键帧，这种处理方法将提高对小视角雷达点云的检测性能
。
[0013]专利
CN114187418A
所设计的回环检测流程只运用了点云的平均高度等部分场景特征，而我们的方法则综合利用了点云的强度信息粗筛选候选帧，点云的平面几何信息做精筛选的方案，对于场景信息的获取更加全面充分，更加适合小视角雷达不充分
、
不完全的点云场景特征，有效提高回环检测的精度
。
[0014]专利
CN114187418A
中对周围场景的几何信息编码过程中，构建了一个二维矩阵并且矩阵值记录了这一块区域内的点云平均高度信息，并利用了偏移量判别回环帧
。
而我们的几何信息的编码方法则是将一帧点云进行平面体素化，将平面体素分为两类以提取其中的平面关键点，再利用平面关键点作为这一帧点云的几何信息编码，并利用
SVD
分解获得位姿矩阵得到平面体素的重合度来最终判别回环帧
。
因此，两者几何信息的编码方式和结果基本不同
。
本文的几何信息的编码方法更加适用于非结构化环境
。
[0015]综上所述，现有的典型单一特征回环检测方法难以直接适用于非结构化环境下小视角固态雷达点云不充分
、
不完全的场景特征，而这一问题将会导致回环检测的漏检和误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种非结构化环境下的小视角激光雷达快速回环检测方法，包括如下步骤，其特征在于：步骤1，固态激光雷达的采集点云数据经前端里程计处理后，输出推算位姿和载体坐标系点云，对载体点云降采样处理后利用推算位姿累加固态雷达点云帧至世界坐标系下，并利用中间帧位姿作该累加帧的载体位姿，设置位姿变化门限判断当前累加帧是否为关键帧，若是关键帧则进入基于强度特征粗筛选环节；步骤2，对传入的当前关键帧利用渐进形态滤波器对地面点云滤波处理，为增强点云强度特征的描述性能，对滤波后点云强度值做归一化处理，对处理后的点云构建强度扫描上下文全局描述子，将全局描述子中的环向向量单独提取并用
kd
‑
tree
结构存储，对当前帧与存储结构中的历史帧的环向向量作相似度计算，筛选通过相似度门限的少量历史帧作为候选帧，之后，将进入基于平面几何特征的快速筛选阶段；步骤3，对当前帧与候选帧点云进行平面体素化，将平面体素分为两类以提取其中的平面关键点，利用各候选帧与当前帧的平面关键点构建协方差矩阵并进行
SVD
分解，获得多对位姿转换矩阵，比较转换后关键点重合数量获得各候选帧与当前帧的最优位姿转换矩阵，利用该矩阵计算各候选帧与当前帧所有平面体素的重合数量以再次进行验证，取平面重合数量最大侯选帧记为回环帧；步骤4，对回环帧间做
ICP
匹配，将匹配结果加入位姿图并进行全局优化，更新所有帧的位姿和全局地图，完成小视角激光雷达在非结构化环境下的快速回环检测
。2.
根据权利要求1所述的一种非结构化环境下的小视角激光雷达快速回环检测方法，其特征在于：所述步骤1的具体步骤包括：1‑1将固态雷达点云累加成帧转到世界坐标系下，单帧载体坐标系点云向世界坐标系转换后累加为关键帧
P
k
公式为：公式为：其中，表示第
i
帧的载体坐标系下的点云数据，表示第
i
帧的世界坐标系下的点云数据，
R
i
是第
i
帧的旋转矩阵，
T
i
是第
i
帧的平移向量，单帧的位姿矩阵由
SLAM
的前端位姿匹配得到，
k
帧世界坐标系点云累加后获得用于回环检测的关键帧
P
k
，将第
n/2
帧的点云位姿矩阵作为
P
k
的对应位姿
。3.
根据权利要求1所述的一种非结构化环境下的小视角激光雷达快速回环检测方法，其特征在于，所述步骤2的具体步骤包括：2‑1对当前关键帧点云进行渐进式形态学地面滤波，该滤波过程具体为：将点云分成二维网格，并在每个网格中选择最小高程点云来构建最小表面网格，然后，对于每一网格形态学开操作的滤波器来平滑网格表面，并输出高程差阈值滤波后的点云，之后增加滤波器大小与高程差阈值，重复上述对于每一网格操作，迭代直到预定义的最大值，获得经地面滤波处理后的关键帧点云；
2
‑2对地面滤波后的点云进行强度归一化矫正，这一过程具体为：对于在0‑
255
之间的点云强度值采集数据，做归一化处理矫正到
[0,1]
区间内，其中对大于
100
的强度数据统一置1处理；2‑3对经过2‑1和2‑2处理后的当前帧点云生成强度扫描上下文描述子矩阵；具体为：对于经上述步骤处理后得到某一关键帧点云
P
k
＝
{P1,P2,P3...P
i
}
，记其中一点空间笛卡尔位置坐标和强度信息为
P
i
＝
{x
i
,y
i
,z
i
,
η
i
}
，将笛卡尔坐标系下点云进行极坐标系转换：系转换：则在极坐标系下可用
P
i
＝
{
ρ
i
,
θ
i
,z
i
,
η
i
}
表示该点，对极坐标空间中的点云做二维的环向和径向的区域划分，将空间划分为
N
s
×
N
r
块子空间：其中，
L
max
代表最大探测距离，
n
s
表示环向间隙的距离，
n
r
表示径向每一扇形的间隔角度，那么对于每一块子空间
S
ij
中的对应的点云
P
n
定义为：因此，关键帧
P
k
中的点云按极坐标被划分到对应的
N
s
×
N
r
块子空间，取每块子空间中点云最大强度作为该子空间值记为
φ
(S
ij
)
，由此得到
N
s
×
N
r
维描述子矩阵
I
：
φ
(S
ij
)
＝
max
η
n
,P
n
∈S
ij
其中，
η
n
是
S
ij
中子空间点云的强度信息，
I
是
N
s
×
N
r
维的实数矩阵；2‑4对当前帧和历史帧的相似度计算，获得候选关键...

【专利技术属性】
技术研发人员：祝雪芬，陆正鹏，涂刚毅，
申请(专利权)人：东南大学，
类型：发明
国别省市：