【技术实现步骤摘要】
本专利技术涉及自动驾驶，具体涉及基于语义特征的相对位姿计算方法、装置、设备及介质。
技术介绍
1、对于自动驾驶感知模块，目标障碍物的动静状态能够为下游规控模块提供重要线索。由于自动驾驶车辆大部分时间处于运动状态，如何准确地补偿自车状态就显得尤为重要。激光里程计是利用激光雷达进行递推地位姿状态估计的方法，使用激光里程计的结果数据对自车运动的趋势进行补偿，可以有效避免使用视觉、轮速计等其他传感器时需要进行的时间同步和空间参数标定操作，且激光雷达里程计相较于其他传感器还具有精度上的优势。
2、目前比较经典的激光里程计都是参考使用激光雷达进行实时建图的算法(lidarodometry and mapping，loam)实现的，在处理点云时，需要手动的提取边缘以及平面这些几何特征，然后根据几何特征的变化构建优化的残差函数进行计算得到最终的位姿信息。手动提取特征目前都是基于曲率平滑度提取面特征，基于深度不连续性提取边缘特征，这种方法不仅无法感知处理的点云的类别信息，且耗时巨大，效率低。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于语义特征的相对位姿计算方法、装置、设备及介质，以解决相关激光里程计方法无法感知点云类别且效率低的问题。
2、第一方面，本专利技术提供了一种基于语义特征的相对位姿计算方法，该方法包括：
3、获取车辆周边环境的多帧激光点云数据，并基于多帧激光点云数据，得到每帧激光点云数据的语义分割结果；
4、基于语义分割结果对多帧激
5、基于每帧激光点云数据对应的边缘特征点列表和非地面特征点子列表进行点云配准，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿；
6、基于第一相对位姿对地面特征点子列表进行点云配准，得到在欧式三维空间下当前帧相对于起始帧的目标相对位姿。
7、从而通过获取车辆周边环境的多帧激光点云数据，得到每帧激光点云数据的语义分割结果。接着，基于语义分割结果进行特征提取，得到边缘特征点列表和面特征点列表，面特征点列表包括地面特征点子列表和非地面特征点子列表，无需手动提取几何特征，提高了效率与精度。然后，基于边缘特征点列表和非地面特征点子列表进行点云配准，得到欧式二维空间的第一相对位姿。基于第一相对位姿对地面特征点子列表进行点云配准，得到欧式三维空间的目标相对位姿。从而通过获取的多帧激光点云数据的语义特征信息，来提取边缘特征和面特征，无需手动提取特征，提高了计算效率，并使用提取的边缘特征和面特征计算任意一帧的目标相对位姿，完成激光里程计的目标。
8、在一种可选的实施方式中，基于第一相对位姿对地面特征点子列表进行点云配准，得到在欧式三维空间下当前帧相对于起始帧的目标相对位姿，包括：
9、基于第一相对位姿，得到在欧式三维空间下当前帧相对于起始帧的目标相对位姿中的固定参数；
10、通过对地面特征点子列表进行点云配准，确定目标相对位姿中的非固定参数；
11、基于固定参数和非固定参数确定在欧式三维空间下当前帧相对于起始帧的目标相对位姿。
12、从而基于在欧式二维空间得到的第一相对位姿，确定目标相对位姿中的固定参数，再通过对地面特征点子列表进行点云配准，确定目标相对位姿中的非固定参数，通过结合激光点云数据的语义特征来计算目标相对位姿，提高了计算精度。
13、在一种可选的实施方式中，边缘特征点列表包括多个边缘特征点，非地面特征点子列表包括多个非地面特征点；基于每帧激光点云数据对应的边缘特征点列表和非地面特征点子列表进行点云配准，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿，包括：
14、通过预设的第二相对位姿对当前帧和上一帧的激光点云数据进行坐标变换，得到当前帧和上一帧中各特征点的特征点坐标；
15、将当前帧的边缘特征点与上一帧的边缘特征点进行点云配准，并基于特征点坐标计算边缘特征损失值；
16、将当前帧的非地面特征点与上一帧的非地面特征点进行点云配准得到特征面，并基于特征面和特征点坐标计算面特征损失值；
17、基于边缘特征损失值和面特征损失值，对第二相对位姿进行迭代更新，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿。
18、从而通过结合激光点云数据的语义特征信息，通过不同的方式计算边缘特征损失值和面特征损失值，并基于边缘特征损失值和面特征损失值，对第二相对位姿的值进行迭代优化，提高相对位姿的计算精度。
19、在一种可选的实施方式中，基于特征面和特征点坐标计算面特征损失值，包括：
20、基于特征点坐标，计算特征面的法向量以及当前帧的特征点距离特征面的截距；
21、计算当前帧的特征点坐标和法向量之间的乘积，根据乘积与截距之和得到面特征损失值。
22、从而通过根据特征面和特征点坐标计算面特征损失值，来衡量点云配准的匹配程度。
23、在一种可选的实施方式中，基于边缘特征损失值和面特征损失值，对第二相对位姿进行迭代更新，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿，包括：
24、计算边缘特征损失值和面特征损失值之和，得到配准损失值；
25、判断配准损失值是否低于预设损失阈值；
26、若配准损失值低于预设损失阈值，则将当前的第二相对位姿作为在欧式二维空间下当前帧相对于起始帧的第一相对位姿；
27、若配准损失值不低于预设损失阈值，则沿着配准损失值下降的方向对第二相对位姿进行迭代更新，并返回通过预设的第二相对位姿对当前帧和上一帧的激光点云数据进行坐标变换，得到当前帧和上一帧中各特征点的特征点坐标的步骤，直至配准损失值低于预设损失阈值。
28、从而通过判断边缘特征损失值和面特征损失值之和是否低于预设阈值，对第二相对位姿的值进行迭代优化，直至得到符合条件的第一相对位姿，提高相对位姿的计算精度。
29、在一种可选的实施方式中，获取车辆周边环境的多帧激光点云数据，并基于多帧激光点云数据，得到每帧激光点云数据的语义分割结果，包括：
30、通过激光雷达获取车辆周边环境的多帧激光点云数据；
31、将多帧激光点云数据输入预先训练好的语义分割网络，得到每帧激光点云数据的语义分割结果。
32、从而通过语义分割网络来得到激光点云数据的语义分割结果，以便使用语义分割结果进行点云数据的特征提取。
33、在一种可选的实施方式中，语义分割结果包括树干点云数据、杆状物点云数据、护栏点云数据、建筑物点云数据、交通牌点云数据和地面点云数据中的至少一项；
34、基于语义分割结果对多帧激光点云数据进行特征提取，得到每帧激光点云数据对应的边缘特征点列表和面特征点列表，包括：
35、对多帧激光点云数据本文档来自技高网...
【技术保护点】
1.一种基于语义特征的相对位姿计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一相对位姿对所述地面特征点子列表进行点云配准，得到在欧式三维空间下当前帧相对于起始帧的目标相对位姿，包括：
3.根据权利要求1所述的方法，其特征在于，所述边缘特征点列表包括多个边缘特征点，所述非地面特征点子列表包括多个非地面特征点；所述基于每帧激光点云数据对应的边缘特征点列表和非地面特征点子列表进行点云配准，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述特征面和所述特征点坐标计算面特征损失值，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述边缘特征损失值和所述面特征损失值，对所述第二相对位姿进行迭代更新，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取车辆周边环境的多帧激光点云数据，并基于多帧所述激光点云数据，得到每帧激光点云数据的语义分割结果，包括：<...
【技术特征摘要】
1.一种基于语义特征的相对位姿计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一相对位姿对所述地面特征点子列表进行点云配准，得到在欧式三维空间下当前帧相对于起始帧的目标相对位姿，包括：
3.根据权利要求1所述的方法，其特征在于，所述边缘特征点列表包括多个边缘特征点，所述非地面特征点子列表包括多个非地面特征点；所述基于每帧激光点云数据对应的边缘特征点列表和非地面特征点子列表进行点云配准，得到在欧式二维空间下当前帧相对于起始帧的第一相对位姿，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述特征面和所述特征点坐标计算面特征损失值，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述边缘特征损失值和所述面特征损失值，对所述第二相...
【专利技术属性】
技术研发人员：张波，钱少华，
申请(专利权)人：重庆长安汽车股份有限公司，
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。