【技术实现步骤摘要】
本专利技术属于slam、机器人运动控制，涉及一种轻量级slam方法，尤其涉及一种基于激光雷达的轻量级slam方法。
技术介绍
1、同步定位与建图(simultaneous localization and mapping，slam)是自主移动机器人和自动驾驶的关键技术之一。根据slam系统使用的主要传感器的不同，slam技术可以分为激光slam、视觉slam和多源融合slam等等。其中激光slam通过激光雷达感知环境，可以直接获取环境的三维信息，具有定位精确、系统可靠性高的特点，广泛应用于室内导航、自动驾驶等领域。激光slam根据前端里程计算法的原理，可以分为基于迭代最近点(iterative closest point,icp)的slam算法、基于高斯混合模型(gaussian mixturemodels，gmm)的slam算法以及基于图优化的slam算法。其中基于icp的slam算法精度较高，但运算量也比较大，无法部署在微处理器等低成本、算力受限的嵌入式设备上，限制了slam在低成本、小型化机器人系统的应用。
...
【技术保护点】
1.一种轻量级SLAM方法，依托于获取的二维点云；其特征在于，包括：
2.根据权利要求1所述的一种轻量级SLAM方法，其特征在于，所述哈希值采用局部敏感哈希函数计算，包括线特征的哈希值和角特征的哈希值；
3.根据权利要求1所述的一种轻量级SLAM方法，其特征在于，Step13所述特征包括线特征和角特征；曲率绝对值小于线特征识别阈值的曲率极小值点为线特征；曲率绝对值大于角特征识别阈值，但曲率的负数不大于异常点识别阈值的曲率极大值点为角特征。
4.根据权利要求1或2所述的一种轻量级SLAM方法，其特征在于，Step14所述特征参数，还包...
【技术特征摘要】
1.一种轻量级slam方法，依托于获取的二维点云；其特征在于，包括：
2.根据权利要求1所述的一种轻量级slam方法，其特征在于，所述哈希值采用局部敏感哈希函数计算，包括线特征的哈希值和角特征的哈希值；
3.根据权利要求1所述的一种轻量级slam方法，其特征在于，step13所述特征包括线特征和角特征；曲率绝对值小于线特征识别阈值的曲率极小值点为线特征；曲率绝对值大于角特征识别阈值，但曲率的负数不大于异常点识别阈值的曲率极大值点为角特征。
4.根据权利要求1或2所述的一种轻量级slam方法，其特征在于，step14所述特征参数，还包括地图坐标、特征方向；所述地图坐标的计算方式为：将传感器极坐标系下的特征点通过坐标变换得到地图坐标系下的直角坐标；所述特征方向，包括线特征的特征方向和角特征的特征方向；所述线特征的特征方向为该特征前后各nc个数据点组成近似直线的方向；所述角特征的特征方向为该特征前后各nc个数据点与该特征连线的向量和的方向。
5.根据权利要求1所述的一种轻量级slam方法，其特征在于，step2所述特征地图是一个哈希表，被分为2hmax-1个哈希桶，每个哈希桶对应一个哈希值且被表示为一个链表；每个链表包括表头和表节点；所述表头为该哈希桶的哈希值，表节点储存地图特征的地图坐标、特征方向和权重。
6.根据权利要求1所述的一种轻量级slam方法，其特征在于，step3所述特征对的误差函数，包括线特征对的误差函数和角特征对的误差函数；所述线特征对的误差函数的...
【专利技术属性】
技术研发人员：张延军，王卓，周禹彤，卢继华，
申请(专利权)人：北京理工大学，
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。