【技术实现步骤摘要】
本申请涉及检测，具体而言，涉及一种激光slam闭环检测方法及系统。
技术介绍
1、同步定位与地图构建(simulatneous localization and mapping，slam)是移动机器人和无人驾驶在环境中定位和地图构建的核心问题。在动态环境建模中，感知环境信息的传感器存在测量误差会随着时间增加而累积，混有测量误差的数据很容易导致定位和建图失败。针对累积误差问题，提出了一系列的解决办法，其中回环检测是最常见的方法之一。回环检测用于检测再次访问相同位置的能力，可以有效的消除累积误差、提高定位精度和地图一致性。
2、激光雷达测距和实时测绘(loam)是使用最广泛的建图算法，能够获取精准的位姿信息，但是loam系统缺少回环检测模块在长时间运行下建图结果会出现较大漂移。在loam算法框架的基础上，现有技术加入了上下文检测(scan context)方式来检测回环帧，并使用迭代最近点(icp)方法获取回环帧之间的位姿约束关系，提出的新算法框架被称为sc-lego-loam。
3、但是基于最近迭代点(icp)实现回环检测会导致系统陷入局部最优，对系统累计误差的消除效果差，进而影响整体的精度。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种激光slam闭环检测方法及系统，以至少解决累计误差的消除效果差导致的整体精度低的技术问题。
2、根据本申请实施例的一个方面，提供了一种激光slam闭环检测方
3、在一些实施例中，获取回环帧，对所述回环帧匹配获取位姿转换关系，并根据所述位姿转换关系对所述当前帧的历史位姿进行校正，包括：使用扫描上下文方法和最邻近匹配方法同时对局部环境地图中存在的回环进行检测和识别，得到所述回环帧；结合体素化广义迭代最近点匹配算法获取所述回环帧之间的位姿转换关系，将所述位姿转换关系加入因子图中，利用所述因子图对所述当前帧的历史位姿进行校正。
4、在一些实施例中，使用扫描上下文方法和最邻近匹配方法同时对局部环境地图中存在的回环进行检测和识别，包括：使用扫描上下文方法对非地面点云提取描述符，从所述描述符中提取特征向量；基于所述特征向量，利用所述最邻近匹配方法中的两步搜索算法执行特征配准，以获得匹配分数，并基于所述匹配分数，确定所述局部环境地图中存在的回环帧。
5、在一些实施例中，结合变换全局迭代最近点匹配算法获取所述回环帧之间的位姿转换关系，包括：结合所述体素化广义迭代最近点匹配算法，借助kdtree模型，搜索当前帧在预设时间间隔内相似的历史姿势及附近点云；基于所述相似的历史姿势及附近点云，确定所述位姿转换关系。
6、在一些实施例中，对点云进行预处理，得到特征点集，包括：对地面点进行特征提取，并对除所述地面点之外的剩下的点进行分割，得到分割后的点云；计算所述分割后的点云的点云曲率，并根据所述点云曲率的曲率特征将所述分割后的点云分为角点和平面点，得到所述特征点集。
7、在一些实施例中，基于所述特征点集进行关联点优化得到姿态变换参数，包括：基于所述当前帧点云角点和所述前一帧点云角点进行关联点优化得到第一姿态变换参数，其中，所述第一姿态变换参数包括x轴位移增量、y轴位移增量和偏航角旋转增量；基于所述当前帧点云平面点和所述前一帧点云平面点进行关联点优化得到第二姿态变换参数，其中，所述第二姿态变换参数包括z轴位移增量、翻滚角旋转增量、俯仰角旋转增量，其中，x轴表示水平方向，y轴表示垂直方向，z轴表示与所述水平方向和所述垂直方向垂直的方向。
8、根据本申请实施例的另一方面，还提供了一种激光slam闭环检测系统，包括：点云预处理模块，被配置为对点云进行预处理，得到特征点集，其中，所述特征点集包括：当前帧点云角点、当前帧点云平面点、前一帧点云角点和前一帧点云平面点；激光里程计，被配置为基于所述特征点集进行关联点优化得到姿态变换参数，并基于所述姿态变换参数构建关键帧地图；局部地图模块，被配置为将当前帧和所述关键帧地图进行配准以更新全局位姿，同时，将新的关键帧添加到所述关键帧地图中生成新的关键帧地图；全局地图模块，被配置为获取回环帧，对所述回环帧匹配获取位姿转换关系，并根据所述位姿转换关系对所述当前帧的历史位姿进行校正，消除所述新的关键帧地图中的累积误差，得到全局位姿和点云地图。
9、根据本申请实施例的又一方面，还提供了一种激光同步定位和地图构建方法，包括：利用k维树半径搜索方法获取点云回环候选帧，并使用激光雷达虹膜描述子对所述回环候选帧进行筛选，得到回环帧；通过快速广义迭代最近点算法获取所述回环帧之间的位姿约束关系，并基于所述位姿约束关系以回环因子加入因子图中来同步定位和构建地图。
10、在一些实施例中，在得到所述回环帧之前，所述方法还包括：利用地面分割方法对地面点云进行识别和提取，得到地面分割后的点云数据。
11、在一些实施例中，利用k维树半径搜索方法获取点云回环候选帧，包括：针对所述点云数据中的每个点云帧，计算所述点云帧与当前帧之间的距离，如果所述距离在预设的搜索半径内，则所述点云帧被视为所述回环候选帧。
12、在一些实施例中，使用激光雷达虹膜描述子对所述回环候选帧进行筛选，得到回环帧，包括：对于每个所述回环候选帧，将所述激光雷达虹膜描述子与当前帧的描述子进行比较，以对回环帧进行匹配；使用相似性度量方法，来计算所述回环候选帧与所述当前帧之间的相似性分数，并根据所述相似性分数，筛选出所述回环候选帧。
13、在一些实施例中，通过快速广义迭代最近点算法获取所述回环帧之间的位姿约束关系，并基于所述位姿约束关系以回环因子加入因子图中来同步定位和构建地图，包括：通过快速广义迭代最近点算法，确定所述回环帧之间的位姿变换关系；基于所述位姿变换关系，确定所述位姿约束关系，并基于所述位姿约束关系来同步定位和构建地图。
14、在一些实施例中，通过快速广义迭代最近点，确定所述回环帧之间的位姿变换关系，包括：选择所述回环帧中的特征点；通过快速广义迭代最近点，将所述回环帧中的特征点与另一个回环帧的特征点进行匹配，以找到所述回环帧中的特征点与另一个回环帧的特征点之间的对应关系；根据成功匹配的特征点对，使用最小二乘算法计算所述回环帧之间的位姿变换关系。
15、在一些实施例中，基于所述位姿变换关系，来确定所述位姿约束关系，包括本文档来自技高网...
【技术保护点】
1.一种激光SLAM闭环检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取回环帧，对所述回环帧匹配获取位姿转换关系，并根据所述位姿转换关系对所述当前帧的历史位姿进行校正，包括：
3.根据权利要求2所述的方法，其特征在于，使用扫描上下文方法和最邻近匹配方法同时对局部环境地图中存在的回环进行检测和识别，包括：
4.根据权利要求2所述的方法，其特征在于，结合变换全局迭代最近点匹配算法获取所述回环帧之间的位姿转换关系，包括：
5.根据权利要求1所述的方法，其特征在于，对点云进行预处理，得到特征点集，包括：
6.根据权利要求1所述的方法，其特征在于，基于所述特征点集进行关联点优化得到姿态变换参数，包括：
7.一种激光SLAM闭环检测系统，其特征在于，包括：
8.根据权利要求7所述的激光SLAM闭环检测系统，其特征在于，所述全局地图模块还被配置为：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有程序，其特征在于，在所述程序运行时
...【技术特征摘要】
1.一种激光slam闭环检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取回环帧，对所述回环帧匹配获取位姿转换关系，并根据所述位姿转换关系对所述当前帧的历史位姿进行校正，包括：
3.根据权利要求2所述的方法，其特征在于，使用扫描上下文方法和最邻近匹配方法同时对局部环境地图中存在的回环进行检测和识别，包括：
4.根据权利要求2所述的方法，其特征在于，结合变换全局迭代最近点匹配算法获取所述回环帧之间的位姿转换关系，包括：
5.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：赵旭，刘欣，任逍，范军芳，赵辉，刘宁，刘福朝，李连鹏，
申请(专利权)人：北京信息科技大学，
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。