一种基于特征点云描述子的回环检测方法技术

技术编号:43971817 阅读:30 留言:0更新日期:2025-01-10 19:59
本发明专利技术公开了一种基于特征点云描述子的回环检测方法,包括如下步骤:基于欧式距离的最邻近关键帧查找,找到距离当前帧最近的历史关键帧;基于平滑度公式的当前帧及最邻近关键帧特征点计算与提取,提取并计算两类特征点数量并组合为描述子;基于极坐标变换的二维描述子图像构建,将三维激光点云转变为二维描述子图像;基于Log‑Gabor滤波器的图像特征强化;基于傅里叶变换及标准化功率谱的两图像位姿变换查找,找到两点云存在的回环情况及位姿变换。经过回环测试,本发明专利技术提高了回环检测的鲁棒性和精确度。

【技术实现步骤摘要】

本专利技术涉及激光雷达的回环检测,具体涉及一种基于特征点云描述子的回环检测方法


技术介绍

1、激光雷达的回环检测技术是机器人构建全局地图,修正累计误差的重要环节。机器人利用激光雷达数据推算自身位姿变化,同时创建三维地图。由于激光雷达存在的噪声,在长距离激光里程计推算后,累计误差增大,通过引入回环检测技术来修正地图和机器人的位姿估计。回环检测通过识别机器人是否回到之前访问过的位置,来计算并加入位姿约束。基于激光雷达的回环检测方法大致可分为三类直接匹配方法,描述子匹配,深度学习等。直接匹配方法采用点对点,特征几何对特征几何的直接配准方法来检测回环,计算数据庞大,无法较好的满足实时性。深度学习的匹配方法如:使用卷积神经网络来提取点云中的特征的cnn算法,基于transformer架构的模型,用于处理序列化的点云数据的transformer-based models算法,这类算法需要庞大的算力,无法部署在微型嵌入式机器人中,且训练好的模型适用性不强,在各环境下的回环鲁棒性较差。描述子匹配方法通过设计回环检测描述子如:scan context算法将三维点云转换为二本文档来自技高网...

【技术保护点】

1.一种基于特征点云描述子的回环检测方法,其特征在于,包括下列步骤:

2.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

3.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

4.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

5.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

6.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

【技术特征摘要】

1.一种基于特征点云描述子的回环检测方法,其特征在于,包括下列步骤:

2.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

3.如权利要求1所述的基于特征点云描述子的回环检测方法,其特征在于,

...

【专利技术属性】
技术研发人员:刘建伟王彬豪匡兵罗廷陈普鹤景晖
申请(专利权)人:桂林电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1