[發(fā)明專利]一種基于圖描述子的激光SLAM回環(huán)檢測(cè)系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911045348.1
• 申請(qǐng)日: 2019-10-30
• 公開(kāi)（公告）號(hào): CN110910389B
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 朱亞琛;陳龍;劉聰
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06N3/04
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 王曉玲

本發(fā)明涉及一種基于圖描述子的激光SLAM回環(huán)檢測(cè)系統(tǒng)及方法。包括語(yǔ)義分割模塊，全圖描述子提取模塊，全圖描述子匹配模塊，頂點(diǎn)描述子提取模塊，頂點(diǎn)描述子匹配模塊和幾何一致性驗(yàn)證模塊。本發(fā)明利用了從點(diǎn)云數(shù)據(jù)中提取的語(yǔ)義信息形成了全圖描述子和頂點(diǎn)描述子兩種圖描述子來(lái)進(jìn)行點(diǎn)云幀和語(yǔ)義物體的表征。相比于傳統(tǒng)算法從像素級(jí)別提取描述子，本發(fā)明可以避免繁重的法向量計(jì)算任務(wù)和避免視角大幅變化帶來(lái)的問(wèn)題，可以更加快速和魯棒地檢測(cè)回環(huán)。本發(fā)明先通過(guò)全圖描述子粗略地篩選出潛在的回環(huán)候選幀，接著用頂點(diǎn)描述子更加精細(xì)地匹配查詢幀與回環(huán)候選幀的細(xì)節(jié)信息，是一個(gè)由粗到精的查找過(guò)程，為方法的實(shí)時(shí)性提供了理論保障。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器人同時(shí)定位與建圖領(lǐng)域，更具體地，涉及一種基于圖描述子的激光SLAM回環(huán)檢測(cè)系統(tǒng)及方法。

背景技術(shù)

隨著我國(guó)經(jīng)濟(jì)水平的提高及科學(xué)技術(shù)的發(fā)展，機(jī)器人同時(shí)定位與建圖(SLAM)技術(shù)成為了炙手可熱的焦點(diǎn)。然而，要進(jìn)行精準(zhǔn)的定位建圖是非常有挑戰(zhàn)性的。前端里程計(jì)總會(huì)帶來(lái)不可避免的漂移誤差，因此，我們需要通過(guò)回環(huán)檢測(cè)技術(shù)來(lái)優(yōu)化掃描匹配里程計(jì)的狀態(tài)估計(jì)誤差。

GPS常常用來(lái)當(dāng)作輔助精準(zhǔn)定位的傳感器，但是在某些條件下，比如城市中林立的高樓大廈就會(huì)造成信號(hào)遮擋，GPS信號(hào)的度量誤差可以達(dá)到10m級(jí)。相機(jī)的回環(huán)檢測(cè)技術(shù)雖然比較成熟，但是相機(jī)的性能受環(huán)境影響較大，如有較強(qiáng)的光照變化或者比較大的視角變化，相機(jī)就難以正確檢測(cè)出回環(huán)。相比之下，激光雷達(dá)傳感器就沒(méi)有這些缺點(diǎn)，很適合完成SLAM和回環(huán)檢測(cè)任務(wù)。但是目前存在的激光雷達(dá)回環(huán)檢測(cè)算法無(wú)論是在檢測(cè)回環(huán)的性能上和實(shí)時(shí)性上都難以滿足實(shí)際使用需求。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術(shù)中的缺陷，提供一種基于圖描述子的激光SLAM回環(huán)檢測(cè)系統(tǒng)及方法，實(shí)現(xiàn)室內(nèi)外一體化地圖構(gòu)建，提升了地圖構(gòu)建的效率和精度。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是：一種基于圖描述子的激光SLAM回環(huán)檢測(cè)系統(tǒng)，包括：

語(yǔ)義分割模塊：用于感知外部環(huán)境，提取無(wú)序點(diǎn)云數(shù)據(jù)中的語(yǔ)義物體信息，得到物體的預(yù)測(cè)置信度和其質(zhì)心三維空間坐標(biāo)并輸出給全圖描述子提取模塊和頂點(diǎn)描述子提取模塊；

全圖描述子提取模塊：用于以點(diǎn)云數(shù)據(jù)中物體的質(zhì)心為頂點(diǎn)，頂點(diǎn)與頂點(diǎn)之間的歐幾里得距離為邊構(gòu)成一個(gè)完全圖，將圖中所有邊按長(zhǎng)度存放到一維計(jì)數(shù)向量中，該向量即全圖描述子，后將全圖描述子輸出到全圖描述子匹配模塊；

全圖描述子匹配模塊：用于利用KD樹(shù)這一數(shù)據(jù)結(jié)構(gòu)加速查找查詢幀與歷史所有幀歐氏距離最近的n個(gè)幀，并把這n個(gè)幀都記為回環(huán)候選幀，后把回環(huán)候選幀輸出給頂點(diǎn)描述子提取模塊；

頂點(diǎn)描述子提取模塊：用于對(duì)查詢幀和所有回環(huán)候選幀中的每一個(gè)頂點(diǎn)，將與該頂點(diǎn)相連的邊按長(zhǎng)度存放到一維計(jì)數(shù)向量中，該向量即為對(duì)應(yīng)頂點(diǎn)的頂點(diǎn)描述子，后輸出到頂點(diǎn)描述子匹配模塊；

頂點(diǎn)描述子匹配模塊：利用歐氏距離度量查詢幀與回環(huán)候選幀中有相似預(yù)測(cè)置信度的語(yǔ)義物體的頂點(diǎn)描述子，得出查詢幀與每一回環(huán)候選幀中頂點(diǎn)的一一對(duì)應(yīng)關(guān)系；并利用基于RANSAC的幾何一致性驗(yàn)證方法得出查詢幀與所有回環(huán)候選幀的位姿變換關(guān)系和匹配誤差，并依據(jù)這個(gè)匹配誤差判斷是否存在回環(huán)。

本發(fā)明通過(guò)制定統(tǒng)一的室內(nèi)外的地圖基準(zhǔn)，對(duì)室內(nèi)地圖和室外地圖進(jìn)行語(yǔ)義信息和圖像特征提取，匹配與對(duì)齊，實(shí)現(xiàn)室內(nèi)外一體化地圖構(gòu)建，提升了地圖構(gòu)建的效率和精度。

作為優(yōu)選的，所述語(yǔ)義分割模塊應(yīng)用的場(chǎng)景要至少可以提取出4個(gè)物體當(dāng)作完全圖的頂點(diǎn)，否則無(wú)法在頂點(diǎn)描述子匹配模塊得出正確的位姿變換和匹配誤差。

作為優(yōu)選的，所述語(yǔ)義分割模塊使用PointRCNN或SECOND神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行多目標(biāo)語(yǔ)義分割。

作為優(yōu)選的，在提取數(shù)據(jù)時(shí)使用單一32/64線激光雷達(dá)傳感器。