[發明專利]一種基于激光里程計算的激光數據驗證方法及裝置

有效

• 申請號: 202010551218.1
• 申請日: 2020-06-17
• 公開（公告）號: CN111458699B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 李夢男;支濤
• 申請（專利權）人: 北京云跡科技有限公司
• 主分類號: G01S11/12
• 分類號: G01S11/12;G01C22/00;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

1.一種基于激光里程計算的激光數據驗證方法，其特征在于，包括：

在預設時間段內獲取多個方向上的多幀激光數據，以組成實時激光數據；

根據預設的人工智能模型對所述實時激光數據進行特征提取處理，得到第一特征集合；所述人工智能模型為神經網絡模型；所述神經網絡模型的輸入層用于對輸入的激光數據進行預處理，一幀激光為N個點，提取基于激光坐標系的X、Y坐標信息，進行一維展開得到2*N個數據；

根據預設的特征提取方式對所述實時激光數據進行特征提取處理，得到第二特征集合；所述第二特征集合包括沿X軸向前平移10個像素，移動前后激光數據像素個數的比值；

組合所述第一特征集合和所述第二特征集合，得到激光特征集合；

將所述激光特征集合輸入至預設的支持向量機分類器中進行分類驗證，得到分類驗證結果；所述分類驗證結果用于表示所述實時激光數據是否能夠計算激光里程。

2.根據權利要求1所述的基于激光里程計算的激光數據驗證方法，其特征在于，所述方法還包括：

獲取多個歷史激光數據；

將所述多個歷史激光數據輸入至預設的幀間計算模型中進行計算，得到與所述多個歷史激光數據一一對應的多個計算結果；

根據所述多個計算結果對所述多個歷史激光數據標注相對應的標簽，得到數據樣本集合；

將所述數據樣本集合輸入至預設的神經網絡模型進行訓練，得到預設的人工智能模型。

3.根據權利要求2所述的基于激光里程計算的激光數據驗證方法，其特征在于，所述預設的神經網絡模型至少依次包括：輸入層、第一卷積層、池化層、第二卷積層、第三卷積層、dropout層以及全連接層。

4.根據權利要求1所述的基于激光里程計算的激光數據驗證方法，其特征在于，所述方法還包括：

當所述分類驗證結果表示所述實時激光數據能夠計算激光里程時，根據所述實時激光數據計算實時激光里程；

獲取脈沖計算里程；所述脈沖計算里程是根據機器人移動時產生的電子脈沖所計算得到的；

根據所述脈沖計算里程和所述實時激光里程進行定位，得到所述機器人的位置信息。

5.一種基于激光里程計算的激光數據驗證裝置，其特征在于，所述激光數據驗證裝置包括：

獲取單元，用于在預設時間段內獲取多個方向上的多幀激光數據，以組成實時激光數據；

提取單元，用于根據預設的人工智能模型對所述實時激光數據進行特征提取處理，得到激光特征集合；

驗證單元，用于將所述激光特征集合輸入至預設的支持向量機分類器中進行分類驗證，得到分類驗證結果；所述分類驗證結果用于表示所述實時激光數據是否能夠計算激光里程；

所述提取單元包括：

第一子單元，用于根據預設的人工智能模型對所述實時激光數據進行特征提取處理，得到第一特征集合；所述人工智能模型為神經網絡模型；所述神經網絡模型的輸入層用于對輸入的激光數據進行預處理，一幀激光為N個點，提取基于激光坐標系的X、Y坐標信息，進行一維展開得到2*N個數據；

第二子單元，用于根據預設的特征提取方式對所述實時激光數據進行特征提取處理，得到第二特征集合；所述第二特征集合包括沿X軸向前平移10個像素，移動前后激光數據像素個數的比值；

第三子單元，用于組合所述第一特征集合和所述第二特征集合，得到激光特征集合。

6.根據權利要求5所述的基于激光里程計算的激光數據驗證裝置，其特征在于，所述激光數據驗證裝置還包括：

所述獲取單元，用于獲取多個歷史激光數據；

計算單元，用于將所述多個歷史激光數據輸入至預設的幀間計算模型中進行計算，得到與所述多個歷史激光數據一一對應的多個計算結果；

標注單元，用于根據所述多個計算結果對所述多個歷史激光數據標注相對應的標簽，得到數據樣本集合；

訓練單元，用于將所述數據樣本集合輸入至預設的神經網絡模型進行訓練，得到預設的人工智能模型。