一种基于自适应特征提取的SLAM方法及装置制造方法及图纸

本申请实施例提供一种基于自适应特征提取的SLAM方法及装置，涉及智能驾驶技术领域。该方法包括获取激光点数据、RGB图像和IMU传感器数据；利用激光点数据和RGB图像分别获得激光点云深度图和灰度图；对激光点云深度图进行自适应特征点提取，获得激光里程计因子；IMU传感器数据得到预积分因子；灰度图获得视觉里程计因子；对激光点云深度图构建回环检测因子；对激光里程计因子、预积分因子、视觉里程计因子和回环检测因子进行运动失效检测和优化，并生成全局轨迹地图。通过运动失效检测和自适应有效激光点提取，减小误差，通过自适应阈值提取特征点，提高定位和建图的精度，解决了现有方法定位和建图的准确度不高的问题。

【技术实现步骤摘要】

本申请涉及智能驾驶，具体而言，涉及一种基于自适应特征提取的slam方法及装置。

技术介绍

1、slam技术目前在自动驾驶、无人机、机器人导航等领域具有广泛应用，该技术可以帮助设备确定自身位置和周围环境的地形和障碍物，slam技术可以应用于无人车，且目前已经应用于港口、矿山及工作园区等。

2、目前人们提出的slam算法往往在特征明显的场景效果较好，然而真实的测试环境中，特征点往往存在诸多干扰，且各传感器本身存在失效状态，将会对slam的精度产生影响：当采用某一种传感器时，信息获取单一，一旦传感器发生故障，将会产生较大误差；在室外环境下，天空和地面占比较多，极远点对位姿计算存在干扰；采用单一固定阈值提取特征点，容易产生局部极值的缺陷，从而影响定位和建图的准确度。

技术实现思路

1、本申请实施例的目的在于提供一种基于自适应特征提取的slam方法及装置，通过运动失效检测，避免因某一传感性故障引发的系统性误差，通过自适应有效激光点提取，剔除极远点，减小误差，通过自适应阈值提取特征点，可以避免陷入局部极值，提本文档来自技高网...

【技术保护点】

1.一种基于自适应特征提取的SLAM方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于自适应特征提取的SLAM方法，其特征在于，对所述激光点数据进行自适应有效激光点筛选，获得激光点云深度图，包括：

3.根据权利要求1所述的基于自适应特征提取的SLAM方法，其特征在于，所述对所述激光点云深度图进行自适应特征点提取，获得激光里程计因子，包括：

4.根据权利要求1所述的基于自适应特征提取的SLAM方法，其特征在于，所述对所述IMU传感器数据进行预积分处理，得到预积分因子，包括：

5.根据权利要求1所述的基于自适应特征提取的SLAM方法...

【技术特征摘要】

1.一种基于自适应特征提取的slam方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于自适应特征提取的slam方法，其特征在于，对所述激光点数据进行自适应有效激光点筛选，获得激光点云深度图，包括：

3.根据权利要求1所述的基于自适应特征提取的slam方法，其特征在于，所述对所述激光点云深度图进行自适应特征点提取，获得激光里程计因子，包括：

4.根据权利要求1所述的基于自适应特征提取的slam方法，其特征在于，所述对所述imu传感器数据进行预积分处理，得到预积分因子，包括：

5.根据权利要求1所述的基于自适应特征提取的slam方法，其特征在于，所述基于所述灰度图提取sift特征点，包括：

6.根据权利要求1所述的基于自适应特征提取的slam方法，其特征在于，所...

【专利技术属性】
技术研发人员：周赖栏，邝利兵，曾丽春，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：