System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于激光雷达,尤其涉及一种多尺度自适应激光雷达slam方法和装置。
技术介绍
1、激光雷达同步定位与建图(simultaneous localization and mapping,slam)方法可以将激光雷达的观测数据和无人系统的运动信息结合起来,实现无人系统在未知环境下的定位和地图构建。激光雷达slam方法由前端里程计和后端优化两个部分组成。前端里程计包括点云预处理、点云匹配、回环检测三个部分。后端优化通过融合前端里程计、回环信息和绝对位置量测(例如卫星提供的位置)得到全局最优的位姿,同时利用优化后的位姿将激光雷达点云投影到全局坐标系下,得到点云地图。
2、单帧激光雷达点云数量较多,如果利用所有点云进行点云匹配会消耗大量的计算资源。因此,通常利用体素滤波器对原始点云进行降采样后,再进行点云匹配。此外,后端优化通常利用因子图实现,如果对所有激光雷达帧的位姿进行优化,因子图的规模会变得过大,从而影响算法的效率。因此,通常从所有激光雷达帧中选取部分关键帧进行优化。传统的激光雷达slam算法(例如lio-sam)将体素滤波器的体素大小和关键帧选择的距离阈值设置为固定值。如果在空间尺度较小的场景(例如狭窄的室内场景)使用了较大的体素和关键帧距离阈值,会导致定位的精度降低;如果在空间尺度较大的场景(例如开阔的室外环境)使用了较小的体素大小和关键帧距离,会导致计算量增加。
技术实现思路
1、本专利技术要解决的技术问题是,提供一种多尺度自适应激光雷达slam方法和装置,能
2、为实现上述目的,本专利技术采用如下的技术方案:
3、一种多尺度自适应激光雷达slam方法,包括以下步骤:
4、步骤1、根据空间尺度自适应地调整体素滤波器的网格大小和关键帧距离阈值;
5、步骤2、根据体素滤波器的网格大小和关键帧距离阈值,利用改进点到面icp的点云匹配算法得到激光雷达里程计,并基于距离搜索实现回环检测;
6、步骤3、通过因子图融合激光雷达里程计和回环约束,对所有的关键帧位姿进行优化,并利用优化后的关键帧位姿将关键帧点云投影到全局坐标系下,得到点云地图。
7、作为优选,步骤1中,通过空间尺度评估算法,根据激光雷达的实时点云对载体所处环境的空间尺度进行评估,并根据环境的空间尺度自适应地调整体素滤波器网格大小和关键帧距离阈值。
8、作为优选,步骤2中,在点到面icp算法上,根据激光点距离自适应地调整平面拟合的参数;利用降采样后的实时点云与局部地图点云匹配,以最小化点到面距离残差为目标,得到激光雷达里程计。
9、作为优选,步骤2中,对于最新的关键帧,在历史关键帧中寻找满足回环关系的关键帧,并计算帧间相对位姿,实现回环检测。
10、本专利技术还提供一种多尺度自适应激光雷达slam装置,包括:
11、评估模块,用于根据空间尺度自适应地调整体素滤波器的网格大小和关键帧距离阈值;
12、计算模块,用于根据体素滤波器的网格大小和关键帧距离阈值,利用改进点到面icp的点云匹配算法得到激光雷达里程计,并基于距离搜索实现回环检测;
13、优化模块,用于通过因子图融合激光雷达里程计和回环约束,对所有的关键帧位姿进行优化,并利用优化后的关键帧位姿将关键帧点云投影到全局坐标系下,得到点云地图。
14、作为优选,评估模块通过空间尺度评估算法,根据激光雷达的实时点云对载体所处环境的空间尺度进行评估,并根据环境的空间尺度自适应地调整体素滤波器网格大小和关键帧距离阈值。
15、作为优选,计算模块基于点到面icp算法,根据激光点距离自适应地调整平面拟合的参数;利用降采样后的实时点云与局部地图点云匹配,以最小化点到面距离残差为目标,得到激光雷达里程计。
16、作为优选,计算模块对于最新的关键帧,在历史关键帧中寻找满足回环关系的关键帧,并计算帧间相对位姿,实现回环检测。
17、本专利技术首先通过激光雷达的实时点云,对载体所处环境的空间尺度进行评估,并根据环境的空间尺度自适应地调整体素滤波器的体素大小和关键帧选取的距离阈值;然后通过点到面的icp匹配算法得到激光雷达里程计,并通过因子图融合激光雷达里程计和回环信息,优化得到关键帧位姿;利用关键帧位姿将实时点云投影到全局坐标系下并累加,得到点云地图。
本文档来自技高网...【技术保护点】
1.一种多尺度自适应激光雷达SLAM方法,其特征在于,包括以下步骤:
2.如权利要求1所述的多尺度自适应激光雷达SLAM方法,其特征在于,步骤1中,通过空间尺度评估算法,根据激光雷达的实时点云对载体所处环境的空间尺度进行评估,并根据环境的空间尺度自适应地调整体素滤波器网格大小和关键帧距离阈值。
3.如权利要求2所述的多尺度自适应激光雷达SLAM方法,其特征在于,步骤2中,在点到面ICP算法上,根据激光点距离自适应地调整平面拟合的参数;利用降采样后的实时点云与局部地图点云匹配,以最小化点到面距离残差为目标,得到激光雷达里程计。
4.如权利要求3所述的多尺度自适应激光雷达SLAM方法,其特征在于,步骤2中,对于最新的关键帧,在历史关键帧中寻找满足回环关系的关键帧,并计算帧间相对位姿,实现回环检测。
5.一种多尺度自适应激光雷达SLAM装置,其特征在于,包括:
6.如权利要求5所述的多尺度自适应激光雷达SLAM装置,其特征在于,评估模块通过空间尺度评估算法,根据激光雷达的实时点云对载体所处环境的空间尺度进行评估,并根据环境的空
7.如权利要求6所述的多尺度自适应激光雷达SLAM装置,其特征在于,计算模块基于点到面ICP算法,根据激光点距离自适应地调整平面拟合的参数;利用降采样后的实时点云与局部地图点云匹配,以最小化点到面距离残差为目标,得到激光雷达里程计。
8.如权利要求7所述的多尺度自适应激光雷达SLAM装置,其特征在于,计算模块对于最新的关键帧,在历史关键帧中寻找满足回环关系的关键帧,并计算帧间相对位姿,实现回环检测。
...【技术特征摘要】
1.一种多尺度自适应激光雷达slam方法,其特征在于,包括以下步骤:
2.如权利要求1所述的多尺度自适应激光雷达slam方法,其特征在于,步骤1中,通过空间尺度评估算法,根据激光雷达的实时点云对载体所处环境的空间尺度进行评估,并根据环境的空间尺度自适应地调整体素滤波器网格大小和关键帧距离阈值。
3.如权利要求2所述的多尺度自适应激光雷达slam方法,其特征在于,步骤2中,在点到面icp算法上,根据激光点距离自适应地调整平面拟合的参数;利用降采样后的实时点云与局部地图点云匹配,以最小化点到面距离残差为目标,得到激光雷达里程计。
4.如权利要求3所述的多尺度自适应激光雷达slam方法,其特征在于,步骤2中,对于最新的关键帧,在历史关键帧中寻找满足回环关系的关键帧,并计算帧间相对位姿,实现回环检测。...
【专利技术属性】
技术研发人员:蔡小飞,石昌俊,吕品,沙建东,蔡放,
申请(专利权)人:南京森思科技有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。