基于全约束的3D激光SLAM方法、系统、介质及设备技术方案

本发明专利技术属于机器人同时定位和建图领域，提供了基于全约束的3D激光SLAM方法、系统、介质及设备，其技术方案为通过计算点云几何约束和强度图像强度约束对优化方向约束强度的贡献值，选择其中贡献值更大的一方约束优化方向，得到对系统的全约束观测，实现几何约束和强度约束互补的强约束系统在退化方向上添加额外约束实现全约束的LIO系统；在系统更新步骤，通过推导强度图像帧间匹配的残差及相应的雅可比矩阵，结合点云点面匹配的残差和雅可比矩阵，共同实现对系统的全约束状态更新。在退化方向上额外引入约束，使用拉格朗日乘子法，修正系统的全约束状态更新。通过以上步骤，实现各方向均稳健的SLAM系统，提高了SLAM系统的稳健性。

【技术实现步骤摘要】

本专利技术属于机器人同时定位和建图，尤其涉及基于全约束的3d激光slam方法、系统、介质及设备，可以实现在特征稀疏的退化环境下高精度、高稳健性的定位和地图构建。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、近年来，自动驾驶汽车、智能巡检机器人等一系列自动化产品的发展，推动了机器人自主移动技术的发展。同时定位和建图（slam）作为其中的关键技术，受到广泛关注。而3d激光slam以其精度高的特点，成为slam发展的重要方向之一。现有的3d激光slam通常会融合惯性测量单元（imu），为系统提供高频运动数据。但是在长走廊、隧道、室外空旷地区等场景下，由于周围环境特征稀疏，激光雷达在某些方向会发生退化，这会降低系统定位和建图精度甚至会导致slam系统发生错误。

3、目前解决3d激光slam退化的主要方法是引入额外的传感器，如相机、轮速计、雷达等。许多3d激光slam系统会融合imu，为系统提供预测值。融合轮速计能提供额外的速度观测，为系统提供更精确的预测值，能提高slam系统的性能。融合相本文档来自技高网...

【技术保护点】

1.基于全约束的3D激光SLAM方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于全约束的3D激光SLAM方法，其特征在于，基于激光雷达点云数据得到点面匹配的信息矩阵之前，利用系统状态的预测值对每帧点云数据进行去畸变处理，其中，系统状态的预测值的计算方法为：当仅有IMU数据时，根据IMU预测模型进行向前传播得到预测值，当接收到轮速计数据时，通过扩展卡尔曼滤波器融合IMU预测数据和轮速计数据，得到预测值。

3.如权利要求1所述的基于全约束的3D激光SLAM方法，其特征在于，所述通过强度图像帧间匹配计算得到强度图像在各优化方向上的约束贡献值，包括：

<...

【技术特征摘要】

1.基于全约束的3d激光slam方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于全约束的3d激光slam方法，其特征在于，基于激光雷达点云数据得到点面匹配的信息矩阵之前，利用系统状态的预测值对每帧点云数据进行去畸变处理，其中，系统状态的预测值的计算方法为：当仅有imu数据时，根据imu预测模型进行向前传播得到预测值，当接收到轮速计数据时，通过扩展卡尔曼滤波器融合imu预测数据和轮速计数据，得到预测值。

3.如权利要求1所述的基于全约束的3d激光slam方法，其特征在于，所述通过强度图像帧间匹配计算得到强度图像在各优化方向上的约束贡献值，包括：

4.如权利要求1所述的基于全约束的3d激光slam方法，其特征在于，基于激光雷达点云数据生成强度图像时，通过将激光雷达点云数据按照球面投影模型投影生成强度图像。

5.如权利要求1所述的基于全约束的...

【专利技术属性】
技术研发人员：皇攀凌，胡大超，苗吉学，栾慎涛，郭和荣，
申请(专利权)人：山东大学，
类型：发明
国别省市：