[發明專利]一種適用于多平臺協同感知的地圖融合方法

有效

• 申請號: 202011625180.4
• 申請日: 2020-12-30
• 公開（公告）號: CN112669358B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 周榆明;成慧
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/10
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 梁嘉琦

本發明公開了一種適用于多平臺協同感知的地圖融合方法，方法包括：獲取里程信息和局部地圖信息；根據所述里程信息對所述局部地圖信息進行預處理，得到子地圖特征點；根據所述子地圖特征點進行點云配準，得到子地圖間的匹配關系；根據所述里程信息、局部地圖信息和子地圖間的匹配關系構建全局位姿圖，優化得到融合地圖。本發明實施例降低了配準難度且擴展了應用場景，可廣泛應用于點云處理技術領域。

技術領域

本發明涉及點云處理技術領域，尤其是一種適用于多平臺協同感知的地圖融合方法。

背景技術

目前單機器人定位與建圖領域已有不錯的技術成果，尤其對于地面機器人，可通過多傳感器融合等方案實現良好的自我定位，從而得到較好的單機地圖，但在探測大范圍的未知環境時，使用單個機器人進行感知有很大的局限性，一方面，在復雜環境中機器人運動受到限制，使用單個機器人可能無法完成整個地圖的探測，且探測效率低下，另一方面，只使用地面或空中機器人進行探測，往往會由于視角有限而無法得到完整的環境地圖。而使用多機器人進行大范圍環境探測，則可以高效地獲得環境地圖，但在這種情況下，各個機器人在建立局部地圖時是以各自的起始位置和朝向建立世界坐標系的，無法直接疊加得到完整地圖，需要進行局部地圖的融合，即統一各個局部地圖的坐標系，才可以得到最終的完整環境地圖。

目前地圖融合方法主要通過對局部點云地圖之間進行粗配準得到良好的相對變換初始值，再利用初始值進行精配準來得到局部地圖之間準確的變換關系。

點云粗配準的方法較多，其中基于局部特征匹配的方法有基于FPFH點特征的SAC-IA算法、基于線特征的ICL算法、基于SHOT特征的AO算法等，這類方法通過探測環境本身具有的特征構建點云間的匹配對，然后計算點云間的變換關系；基于概率分布的NDT則通過構造正態分布來優化得到使得概率密度最大的變換關系；基于空間拓撲架構的有4PCS及其改進版本Super4PCS、V4PCS等，4PCS算法通過構建共面四點集合，然后通過仿射不變性約束，在共面四點集合中匹配符合條件的對應點對，使用LCP策略尋找配準后最大重疊度四點對，得到最優匹配結果，Super4PCS通過智能索引策略降低4PCS算法復雜度，V4PCS則通過體積一致法將算法拓展到非共面四點匹配，提高計算效率。

點云精配準的方法有lCP及其改進版Point-to-Plane?ICP、Plane-to-Plane?ICP、GICP、NICP等，ICP算法通過迭代計算點云變換關系得到最優匹配，Point-to-Plane?ICP將計算點與點距離改為計算源點到目標點所在平面的距離，考慮了點云結構，但它的優化是非線性的，計算速度慢，Plane-to-PIane?ICP則考慮面到面的距離，GICP則綜合點到點、點到面、面到面的三種策略，提高計算精度，NICP則引入法向量、局部曲率，進一步利用了點云結構信息。這些精配準方法在匹配點云間有較大的重疊區域時，可以利用粗配準得到的初始值進行迭代計算，得到較為準確的相對位姿。

在粗配準階段，基于局部特征和概率密度的方法不適用于多機感知任務，因為它們都要求源點云與目標點云有較大的重疊區域，而在多機器人探測環境時，搜索路線往往只有少量的交疊，得到的局部點云地圖也只有很小的重疊區域，在這種情況下，這些方法往往會將點云錯誤地混疊；而4PCS等基于四點集合的方法可以在重疊區域較小的情況下完成點云配準，但這類方法只能在小型點云正確確定對應點，難以進行大規模地圖配準，同時配準效果非常依賴預設的RANSAC內點閾值。

在精配準階段，ICP等算法需要一個相對準確的相對位姿作為初值，才可以迭代計算出最終的變換關系，當粗配準失敗時，精配準往往也無法完成正確的點云配準。另外，對于重疊區域較小的點云配準任務，ICP算法也難以完成正確拼接，其迭代的趨勢基本都是盡量將點云混合到有較大的重疊區域，不適用于多機探測地圖的融合。