【技术实现步骤摘要】
本专利技术属于激光雷达回环检测，特别涉及一种基于强度和位置信息的回环检测方法和系统。
技术介绍
1、slam（simultaneous localization and mapping）技术，中文译为“即时定位与地图构建”，是智能机器人领域的核心技术之一，应用非常广泛，尤其是在室内机器人、增强现实、无人驾驶和无人机等方面。它通过处理传感器数据（如激光雷达、摄像头等）来估算机器人或无人系统的位姿（位置和姿态）并实时构建环境地图。slam系统一般分为五个模块：传感器数据、视觉里程计、后端、建图及回环检测。传感器数据用于采集实际环境中各类型传感器的原始数据；视觉里程计用于估算不同时刻间系统移动的相对位置；后端用于优化视觉里程计带来的累计误差；建图则根据前端与后端得到的运动轨迹来建立环境地图；回环检测则通过检测同一场景不同时刻的地图来消除累积误差。
2、由于slam算法中位姿的估计往往是一个递推的过程，即由上一帧位姿解算当前帧位姿，因此其中的误差便会一帧一帧的传递下去，也就是通常所说的累积误差。回环检测通过判断机器人是否回到了先前经过的位置，如果检测到回环，它会把信息传递给后端进行优化处理。回环是一个比后端更加紧凑、准确的约束，这一约束条件可以形成一个拓扑一致的轨迹地图。如果能够检测到闭环，并对其优化，就可以让结果更加准确，这对于纠正漂移误差和构建全局一致的地图具有至关重要的作用。虽然回环检测对slam导航至关重要，但错误的配准结果可能是灾难性的，会对整个slam系统及算法的稳定和可靠性产生不可估量的影响，因此需要回环检测算
3、现有技术中回环检测以基于视觉和基于雷达的方法为主，基于视觉的回环检测中，由于照明变化和短期(例如，快速移动物体)或长期(例如，季节)变化，图像流对光照或视点的抵抗能力不强，使得基于视觉的位置识别在实际应用中鲁棒性不够，导致视觉识别本身就很困难。相似的环境可能出现在不同的位置，容易导致感知混叠。因此，导致回环检测的误检或漏检。基于激光雷达的位置识别方法一直在努力克服两个问题。一个是无论视点如何变化，描述符都需要满足旋转不变性。其次，噪声处理是这些空间描述符的另一个难题，因为点云的分辨率随距离而变化，法线是有噪声的。由于直方图方法只提供了场景的随机指标，因此描述场景的详细结构并不直接。这个限制使得描述符在位置识别问题上的可辨别性较差，从而导致潜在的误检或漏检问题。此外，在检测回环时，如果把以前的所有帧都拿过来和当前帧做匹配，匹配足够好的就是回环，但这样会导致计算量太大，匹配速度过慢，导致了整个系统的实时性比较差，而且在没有找好初值的情况下，需要匹配的数目会非常巨大，间接造成了系统匹配速度降低和误检或漏检等问题。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种基于强度和位置信息的回环检测方法和系统，将激光反射强度信息和位置信息进行融合，然后进行回环检测，提升了检测的准确性。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种基于强度和位置信息的回环检测方法，包括以下步骤：
4、获取激光雷达的点云信息，对所述点云信息进行划分生成基于强度和位置信息的第一3d点云描述因子结果矩阵；
5、将所述第一3d点云描述因子结果矩阵作为匹配因子与历史点云数据库中的第二3d点云描述因子结果矩阵进行粗匹配获得最大匹配度对应的目标平移列数；
6、将所述第一3d点云描述因子结果矩阵循环目标平移列数后与历史点云数据库中的第二3d点云描述因子结果矩阵进行精匹配得到最终匹配度；
7、将所述最终匹配度与匹配阈值进行对比判断是否检测到回环。
8、进一步的，将所述最终匹配度与匹配阈值进行对比判断是否检测到回环还包括：
9、如果最终匹配度大于等于匹配阈值表示检测到回环；
10、如果最终匹配度小于匹配阈值表示未检测到回环，即当前位置点云未出现在历史点云数据库中。
11、进一步的，所述方法还包括：将当前位置点云和第一3d点云描述因子结果矩阵保存到历史点云数据库，用于接下来的回环检测匹配。
12、进一步的，所述获取激光雷达的点云信息具体包括：
13、帧点云集合定义为：；（1）
14、其中，表示帧点云数量；为第一帧点云；为第二帧点云；为第帧点云；
15、第个帧点云的数据格式为：；（2）
16、表示第个帧点云轴坐标；表示第个帧点云轴坐标；表示第个帧点云轴坐标；表示第个帧点云的反射强度。
17、进一步的，所述方法还包括：将第个帧点云的数据格式转换为极坐标形式，具体为：
18、；（3）
19、其中极坐标为：
20、；（4）
21、；（5）。
22、进一步的，对所述点云信息进行划分生成基于强度和位置信息的3d点云描述因子结果矩阵具体为：
23、将收集到的激光雷达一帧中的点云根据极坐标进行等间距划分，即分别在方位角和径向上等间距分割为个扇区和个环，每段子区域表示为：
24、；（6）
25、其中，表示在第个环的第个扇区内点云的集合；表示划分的第个环，；表示某个环中的第个扇区，∈；表示激光雷达的最大探测距离；
26、3d点云描述因子结果矩阵表示为：；（7）
27、表示第个环的第个扇区的3d点云描述因子信息；的定义如下：
28、；（8）
29、当检测到的子段区间为集时，表示雷达点云未检测到数据，则表示为0；当检测到的子段区间不是集时，则表示在子段区间内激光反射强度和三维坐标高度的极大值组成的一个二维信息，则由当前点云信息所有子区间共同生成的基于强度和位置信息的3d点云描述因子结果矩阵；
30、；（9）。
31、进一步的，将所述第一3d点云描述因子结果矩阵作为匹配因子与历史点云数据库中的第二3d点云描述因子结果矩阵进行粗匹配获得最大匹配度对应的目标平移列数的过程包括：
32、；（10）
33、其中，为第二3d点云描述因子结果矩阵；函数表示将矩阵进行循环平移列后,与矩阵进行逐元素异或运算；函数表示对矩阵中非零元素进行求和；而表示进行掩码运算的一个函数，定义如下：
34、；（11）
35、其中，表示目标平移列数。
36、进一步的，所述将所述第一3d点云描述因子结果矩阵循环目标平移列数后与历史点云数据库中的第二3d点云描述因子结果矩阵进行精匹配得到最终匹配度的过程包括：
37、；（12）
38、；（13）
39、其中，表示最终匹配度；表示经过循环平移列的矩阵；circshift表示矩阵的循环平移；表示矩阵的第列数据表示激光反射强度；分别表示矩阵的第列数据表示激光反射强度；表示矩阵的第列数据表示点云数据三维坐标z轴对应本文档来自技高网...
【技术保护点】
1.一种基于强度和位置信息的回环检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于强度和位置信息的回环检测方法，其特征在于，将所述最终匹配度与匹配阈值进行对比判断是否检测到回环还包括：
3.根据权利要求2所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述方法还包括：将当前位置点云和第一3D点云描述因子结果矩阵保存到历史点云数据库，用于接下来的回环检测匹配。
4.根据权利要求1所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述获取激光雷达的点云信息具体包括：
5.根据权利要求4所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述方法还包括：将第个帧点云的数据格式转换为极坐标形式，具体为：
6.根据权利要求5所述的一种基于强度和位置信息的回环检测方法，其特征在于，对所述点云信息进行划分生成基于强度和位置信息的3D点云描述因子结果矩阵具体为：
7.根据权利要求6所述的一种基于强度和位置信息的回环检测方法，其特征在于，将所述第一3D点云描述因子结果矩阵作为匹配因子与历史
8.根据权利要求7所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述将所述第一3D点云描述因子结果矩阵循环目标平移列数后与历史点云数据库中的第二3D点云描述因子结果矩阵进行精匹配得到最终匹配度的过程包括：
9.一种基于强度和位置信息的回环检测系统，其特征在于，包括：预处理模块、粗匹配模块、精匹配模块和检测模块；
10.根据权利要求9所述的一种基于强度和位置信息的回环检测系统，其特征在于，所述检测模块执行的过程具体包括：
...【技术特征摘要】
1.一种基于强度和位置信息的回环检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于强度和位置信息的回环检测方法，其特征在于，将所述最终匹配度与匹配阈值进行对比判断是否检测到回环还包括：
3.根据权利要求2所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述方法还包括：将当前位置点云和第一3d点云描述因子结果矩阵保存到历史点云数据库，用于接下来的回环检测匹配。
4.根据权利要求1所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述获取激光雷达的点云信息具体包括：
5.根据权利要求4所述的一种基于强度和位置信息的回环检测方法，其特征在于，所述方法还包括：将第个帧点云的数据格式转换为极坐标形式，具体为：
6.根据权利要求5所述的一种基于强度和位置信息的回环检测方法，其特征在于，对所...
【专利技术属性】
技术研发人员：李健，陈雪梅，张宝庭，杨东清，刘晓慧，
申请(专利权)人：北京理工大学前沿技术研究院，
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。