【技术实现步骤摘要】
本专利技术涉及电力检测构建，具体涉及一种巡检机器人回环检测的slam点云地图构建方法及系统。
技术介绍
1、巡检机器人在电力作业过程中需要对地图进行构建，从而进行定位和导航。对于室外的地图构建，采用点云数据的好处是可以减少计算量，提高运算速度。点云数据采用激光雷达的发射与接收感知周围环境，通过强度通道可以获取目标表面反射率数据，强度信息可以有效地辅助激光雷达进行位置识别。例如中国专利公开号为cn117589151a，公开一种融合词袋模型的动态场景自主定位与建图方法，其定位过程中，将构建的点云地图进行预处理，利用相机采集图像的静态特征生成词袋向量，在构建的词袋模型中检索，映射出车辆的初始位置；在完成定位初始化后，进行配准，利用词袋模型与gps/imu融合提供配准初值，实时输出车辆的位姿信息。但是该技术方案并未采用全局一致性图优化来生成全局地图，无法减少误差并提高地图的精度；虽然涉及动态特征的剔除，但在复杂的动态场景中，无法准确地识别和剔除所有动态特征，将影响定位精度和地图构建的准确性。
技术实现思路
1、本专利技术要解决的技术问题是：克服现有技术的不足，提供一种巡检机器人回环检测的slam点云地图构建方法及系统。
2、本专利技术采用的技术方案如下：
3、一种巡检机器人回环检测的slam点云地图构建方法，包括如下步骤：
4、s1、对激光点云数据进行预处理及初次运动畸变补偿，得到初次处理后的激光点云数据，其中：
5、s11、对巡检机器人的激
6、s12、基于点云数据库中内置的恒速运动模型对预处理后的激光点云数据进行初次运动畸变补偿；
7、s2、提取所述初次处理后的激光点云数据的线特征和面特征，基于线特征和面特征，对激光点云数据进行姿态估计和二次运动畸变补偿，其中：
8、s21、计算激光点云数据中每一个点的曲率；
9、s22、基于激光点云数据中每一个点的曲率，提取激光点云数据的线特征和面特征；
10、s23、将激光点云数据的线特征和面特征添加到局部特征图中，局部特征图中的点云局部特征包括法线、曲率、表面法向量、苗冕曲率和局部描述子，点云局部特征用于描述激光点云数据的局部表面属性和几何变化；
11、s3、对初次处理后的激光点云数据的强度信息进行校准并提取isc特征，其中：
12、利用映射函数将激光点云数据的强度数值校准并映射至[0,1]范围内，针对非地面点的几何信息及强度信息进行编码，得到激光点云数据的isc特征图；
13、s4、基于激光点云数据的姿态估计结果和isc特征，对激光点云数据进行回环检测，其中：
14、s41、基于激光点云数据的姿态位置信息和isc强度信息，分别计算两个帧之间的空间距离信息和强度距离信息；
15、s42、当两个帧之间的空间距离信息和强度距离信息满足阈值条件时，则两个帧之间发生回环；
16、s5、基于激光点云数据的线特征、面特征、姿态估计结果以及回环约束信息，构建因子图并进行全局一致性图优化，生成全局地图，其中：
17、s51、检测到回环帧之后构建回环帧的线面约束并将其添加至因子图中，采用增量平滑的方式优化两帧间的位姿估计，得到优化后的激光点云数据的位姿信息；
18、s52、按照优化后的激光点云数据的位姿信息生成全局地图，全局地图包括全局线特征地图及全局面特征地图，并基于关键帧对全局地图进行更新，所述关键帧为从所有帧中挑选而来。
19、优选的，所述s21包括如下具体步骤：
20、s211、对于每个待计算曲率的点，选择其周围的一组邻域点；
21、s212、基于选定的邻域点，进行曲线拟合，得到局部曲线；
22、s213、通过最小二乘法拟合方法，根据选定的曲线函数，拟合局部曲线到邻域点上，得到最终拟合曲线；
23、s214、基于最终拟合曲线，通过计算倒数的方法计算每一个点的曲率。
24、优选的，所述s2的激光点云数据进行姿态估计和二次运动畸变补偿中，包括如下小步：
25、s24、使用激光点云数据和激光雷达自带的运动学模型，估计激光雷达的位姿变化，通过滤波器来融合激光点云数据，以获取激光雷达的位姿估计结果；
26、s25、依据激光点云数据的线特征和面特征，分别构建点到平面的残差项和点到直线的残差项，基于点到平面的残差项和点到直线的残差项，对激光点云数据进行二次运动畸变补偿。
27、优选的，所述s25包括如下具体步骤：
28、s251、对于点到直线的残差项和点到平面的残差项的最小二乘拟合任务，通过最小化总残差的平方和，以获得最佳的运动畸变补偿模型；
29、s252、基于最佳的运动畸变补偿模型，对激光点云数据进行二次运动畸变补偿；
30、其中：点到平面的残差项，是指点到激光雷达的距离与点到拟合平面的距离之间的差异；
31、点到直线的残差项，是指点到激光雷达的距离与点到拟合曲线的距离之间的差异。
32、优选的，所述s52包括如下小步：因子图的优化通过gtsam库实现：
33、假设各节点l代表里程估计位姿，构建图节点按照优化后的里程计信息生成全局地图；
34、全局地图，包括全局线特征地图及全局面特征地图，并基于关键帧进行更新；
35、选择关键帧时，遵循其平移变化或旋转变化比预设阈值大的准则，同逐帧更新相比；
36、基于关键帧进行地图更新，输出全局运动轨迹及全局一致性的原始地图。
37、另外，本专利技术采用的技术方案还包括：
38、一种巡检机器人回环检测的slam点云地图构建系统，包括如下模块：
39、处理模块，用于对激光点云数据进行预处理及初次运动畸变补偿，得到初次处理后的激光点云数据；
40、提取模块，用于提取所述初次处理后的激光点云数据的线特征和面特征，以及对初次处理后的激光点云数据的强度信息进行校准并提取isc特征；
41、姿态估计模块，用于基于线特征和面特征，对激光点云数据进行姿态估计和二次运动畸变补偿；
42、回环检测模块，用于基于激光点云数据的姿态估计结果和isc特征，对激光点云数据进行回环检测；
43、生成模块，用于基于激光点云数据的线特征、面特征、姿态估计结果以及回环约束信息，构建因子图并进行全局一致性图优化，生成全局地图。
44、本专利技术与现有技术相比，具有以下有益效果：
45、本专利技术基于激光点云数据的线特征、面特征、姿态估计结果以及回环约束信息，构建因子图并进行全局一致性图优化，生成全局地图；利用激光点云的几何相似度和强度相似度分两阶段进行快速地回环检测，该方法能够有效减少漂移误差，提升定位精度。...
【技术保护点】
1.一种巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，包括如下步骤：
2.如权利要求1所述的巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，所述S21包括如下具体步骤：
3.如权利要求2所述的巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，所述S2的激光点云数据进行姿态估计和二次运动畸变补偿中，包括如下小步：
4.如权利要求3所述的巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，所述S25包括如下具体步骤：
5.如权利要求1所述的巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，所述S52包括如下小步：因子图的优化通过GTSAM库实现：
6.一种巡检机器人回环检测的SLAM点云地图构建系统，采用如权利要求1-5任意一项所述的巡检机器人回环检测的SLAM点云地图构建方法，其特征在于，包括如下模块：
【技术特征摘要】
1.一种巡检机器人回环检测的slam点云地图构建方法，其特征在于，包括如下步骤：
2.如权利要求1所述的巡检机器人回环检测的slam点云地图构建方法，其特征在于，所述s21包括如下具体步骤：
3.如权利要求2所述的巡检机器人回环检测的slam点云地图构建方法，其特征在于，所述s2的激光点云数据进行姿态估计和二次运动畸变补偿中，包括如下小步：
4.如权利要求3所述的巡检机...
【专利技术属性】
技术研发人员：朱文明，吴海斌，魏大洋，胡汉巧，苏正华，龚蕾，候姝斌，王子哲，
申请(专利权)人：国网江苏省电力有限公司常州供电分公司，
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。