[發(fā)明專利]基于感知哈希的激光SLAM閉環(huán)檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010102282.1
• 申請(qǐng)日: 2020-02-19
• 公開（公告）號(hào): CN111429344B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計(jì)）人: 王賀升;謝熠辰;趙小文
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T3/60;G06T7/30;G06T7/521;G06T7/62;G06F17/16
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 李佳俊;郭國中

本發(fā)明提供了一種基于感知哈希的激光SLAM閉環(huán)檢測(cè)方法及系統(tǒng)，包括:激光掃描雷達(dá)每次旋轉(zhuǎn)預(yù)設(shè)角度過程中掃描獲得的點(diǎn)云，經(jīng)過前端里程計(jì)和后端優(yōu)化得到激光雷達(dá)位姿；根據(jù)獲得的激光雷達(dá)位姿，構(gòu)建每次旋轉(zhuǎn)的深度圖；根據(jù)每次旋轉(zhuǎn)的深度圖，計(jì)算深度圖中心部分圓形區(qū)域的強(qiáng)度中心，確定深度圖主方向；根據(jù)深度圖主方向?qū)ι疃葓D中各點(diǎn)坐標(biāo)旋轉(zhuǎn)變換，構(gòu)建變換后的深度圖；根據(jù)變換后的深度圖感知哈希計(jì)算圖片指紋，獲得圖片指紋；將獲得圖片指紋與每次旋轉(zhuǎn)的深度圖指紋依次計(jì)算漢明距離，根據(jù)漢明距離計(jì)算相似度，當(dāng)相似度最大值大于閾值時(shí)，則判斷為閉環(huán)。本發(fā)明計(jì)算量小，適用于廉價(jià)的嵌入式設(shè)備，具有實(shí)時(shí)性，準(zhǔn)確性高，抗噪聲能力強(qiáng)的特點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及定位與導(dǎo)航領(lǐng)域，具體地，涉及一種基于感知哈希的激光SLAM閉環(huán)檢測(cè)方法及系統(tǒng)。

背景技術(shù)

SLAM(simultaneous localization and mapping),即時(shí)定位與地圖構(gòu)建。問題可以描述為：將一個(gè)機(jī)器人放入未知環(huán)境中的未知位置，是否有辦法讓機(jī)器人一邊移動(dòng)一邊逐步描繪出此環(huán)境完全的地圖，在遞增地建立地圖的同時(shí)，利用已建立的地圖來同步刷新自身的位置。這是一個(gè)相輔相成不斷迭代的過程，也是移動(dòng)機(jī)器人自主完成作業(yè)任務(wù)需要解決的基本問題。目前依據(jù)使用的傳感器不同，SLAM技術(shù)主要分為兩大類：基于激光雷達(dá)的激光SLAM和基于攝像頭的視覺SLAM。在測(cè)量平臺(tái)移動(dòng)的過程中，由于前端位姿估計(jì)和后端優(yōu)化均基于部分相鄰數(shù)據(jù)，之前產(chǎn)生的誤差將不可避免地累計(jì)到下一個(gè)時(shí)刻，使得整個(gè)SLAM將會(huì)出現(xiàn)累積誤差，長期估計(jì)的結(jié)果將不可靠。為消除這類誤差，SLAM系統(tǒng)中引入閉環(huán)檢測(cè)模塊。閉環(huán)檢測(cè)，又稱回環(huán)檢測(cè)(Loop Closure Detection)，主要解決位置估計(jì)隨時(shí)間漂移的問題，通過識(shí)別測(cè)量平臺(tái)曾經(jīng)達(dá)到過的場(chǎng)景，從而在位姿優(yōu)化中添加時(shí)隔更加久遠(yuǎn)的約束，使之得到更好的、全局一致的位姿估計(jì)。另一方面，由于閉環(huán)檢測(cè)提供了當(dāng)前數(shù)據(jù)與所有歷史數(shù)據(jù)的關(guān)聯(lián)，在跟蹤丟失后，還可以利用閉環(huán)檢測(cè)進(jìn)行重定位。因此，閉環(huán)檢測(cè)對(duì)整個(gè)SLAM系統(tǒng)精度和魯棒性有非常明顯的提升。

傳統(tǒng)的激光SLAM閉環(huán)檢測(cè)算法主要有如下兩種：

ICP算法，即迭代最近點(diǎn)(Iterative Closest Point)：該算法是一種點(diǎn)集對(duì)點(diǎn)集配準(zhǔn)方法，借助迭代優(yōu)化的思想，通過旋轉(zhuǎn)、平移使得兩個(gè)點(diǎn)集之間累計(jì)的距離最小，從而實(shí)現(xiàn)相似部分點(diǎn)云的匹配。該方法有較為可靠的準(zhǔn)確率，然而運(yùn)算效率較低，在搜索對(duì)應(yīng)點(diǎn)的過程中，計(jì)算量非常大，難以在廉價(jià)的嵌入式設(shè)備上實(shí)現(xiàn)實(shí)時(shí)運(yùn)行。

詞袋法(Bag of Words,BoW)：該算法是一種基于特征點(diǎn)的匹配方法，首先從每次掃描的點(diǎn)云中提取部分特征點(diǎn)和特征描述，再將所有特征描述進(jìn)行聚類，并組織成樹的形式方便搜索構(gòu)成詞典，當(dāng)兩片點(diǎn)云中包含詞典中一定量的相似點(diǎn)時(shí)，可以認(rèn)為其存在相似性。然而該方僅僅基于圖像局部特征，沒有考慮特征點(diǎn)之間的相互關(guān)系，且特征點(diǎn)的稠密程度往往取決于工作環(huán)境，因而應(yīng)用在激光SLAM上時(shí)準(zhǔn)確度和可靠性較差。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于感知哈希的激光SLAM閉環(huán)檢測(cè)方法及系統(tǒng)。

根據(jù)本發(fā)明提供的一種基于感知哈希的激光SLAM閉環(huán)檢測(cè)方法，包括:

步驟M1：激光掃描雷達(dá)每次旋轉(zhuǎn)預(yù)設(shè)角度過程中掃描獲得的點(diǎn)云，經(jīng)過前端里程計(jì)和后端優(yōu)化得到激光雷達(dá)位姿；

步驟M2：根據(jù)獲得的激光雷達(dá)位姿，構(gòu)建每次旋轉(zhuǎn)的深度圖；

步驟M3：根據(jù)每次旋轉(zhuǎn)的深度圖，計(jì)算深度圖中心部分圓形區(qū)域的強(qiáng)度中心，確定深度圖主方向；

步驟M4：根據(jù)深度圖主方向?qū)ι疃葓D中各點(diǎn)坐標(biāo)旋轉(zhuǎn)變換，構(gòu)建變換后的深度圖；

步驟M5：根據(jù)變換后的深度圖感知哈希計(jì)算圖片指紋，獲得圖片指紋；