[發(fā)明專利]一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202211629343.5
• 申請(qǐng)日: 2022-12-19
• 公開(kāi)（公告）號(hào): CN115631314B
• 公開(kāi)（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 王慶閃;郭蓬;楊建森;夏海鵬;張登權(quán);蔡聰
• 申請(qǐng)（專利權(quán)）人: 中汽研（天津）汽車工程研究院有限公司;中國(guó)汽車技術(shù)研究中心有限公司
• 主分類號(hào): G06T17/05
• 分類號(hào): G06T17/05
• 代理公司: 天津企興智財(cái)知識(shí)產(chǎn)權(quán)代理有限公司 12226
• 代理人: 韓敏

本發(fā)明提供了一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法，基于正態(tài)分布變換算法NDT進(jìn)行幀間點(diǎn)云粗配準(zhǔn)，然后基于點(diǎn)云迭代最近鄰點(diǎn)配準(zhǔn)算法PLICP進(jìn)行點(diǎn)云配準(zhǔn)糾正，實(shí)現(xiàn)高精度的lidar?slam前端里程計(jì)；其次根據(jù)動(dòng)態(tài)的歐氏距離及航向角的變化對(duì)點(diǎn)云的關(guān)鍵幀進(jìn)行提取，最后提出基于滑動(dòng)窗口完成對(duì)激光雷達(dá)實(shí)時(shí)定位與建圖lidar?slam的后端圖優(yōu)化，進(jìn)行完成實(shí)時(shí)性點(diǎn)云高精度地圖的構(gòu)建。本發(fā)明所述的一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法，不僅提高了點(diǎn)云地圖構(gòu)建的實(shí)時(shí)性，而且為無(wú)人車的導(dǎo)航提供了精確的高精度點(diǎn)云地圖。

技術(shù)領(lǐng)域

本發(fā)明屬于無(wú)人駕駛技術(shù)領(lǐng)域，尤其是涉及一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法。

背景技術(shù)

車載雷達(dá)LIDAR能夠自動(dòng)快速地獲取高精度、高密度的周圍三維坐標(biāo)信息，并在城市三維重建、地形測(cè)繪等領(lǐng)域具有重要的應(yīng)用。隨著無(wú)人車技術(shù)的發(fā)展，雷達(dá)LIDAR作為無(wú)人車中感知領(lǐng)域重要的傳感器之一，在無(wú)人車的SLAM(Simultaneous?Localization?andMapping，即時(shí)定位與地圖構(gòu)建)技術(shù)中具有重要的研究?jī)r(jià)值。

激光雷達(dá)是無(wú)人駕駛技術(shù)開(kāi)發(fā)的重要傳感器之一，可通過(guò)掃描周圍環(huán)境構(gòu)建點(diǎn)云地圖。但因雷達(dá)lidar對(duì)點(diǎn)云地圖構(gòu)建的精度低及實(shí)時(shí)性差，也是一大亟待克服的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明旨在提出一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法，以解決雷達(dá)lidar對(duì)點(diǎn)云地圖構(gòu)建的精度低及實(shí)時(shí)性差的問(wèn)題。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于多特征和自適應(yīng)關(guān)鍵幀的點(diǎn)云地圖構(gòu)建方法，具體步驟包括：

S1、接收第N幀點(diǎn)云集并初始化坐標(biāo)系，通過(guò)變換參數(shù)矩陣T將第N+1幀映射到第N幀坐標(biāo)系中，并計(jì)算映射后第N+1幀點(diǎn)云集的概率密度函數(shù)，結(jié)合牛頓優(yōu)化算法優(yōu)化第N幀與第N+1幀間點(diǎn)云粗配準(zhǔn)，并獲得最優(yōu)解的坐標(biāo)變換參數(shù)矩陣T’，N≥1；

S2、最優(yōu)解的坐標(biāo)變換參數(shù)矩陣T’結(jié)合點(diǎn)云迭代最近鄰點(diǎn)配準(zhǔn)算法PLICP進(jìn)行第N幀與第N+1幀之間的點(diǎn)云配準(zhǔn)糾正，從第N+1幀點(diǎn)云集中找到距離第N幀參考表面距離最小的點(diǎn)，將距離最小的點(diǎn)記為第N+1幀點(diǎn)；

S3、步驟S2執(zhí)行結(jié)束后，將N的值迭代加一；

S4、重復(fù)步驟S1-S3，實(shí)時(shí)獲取第N+1幀點(diǎn)，并將第N+1幀點(diǎn)與當(dāng)前關(guān)鍵幀點(diǎn)配合判斷第N+1幀點(diǎn)是滿足成為關(guān)鍵幀點(diǎn)的要求，若滿足則第N+1幀點(diǎn)保留并成為最新關(guān)鍵幀點(diǎn)，若不滿足則刪除第N+1幀點(diǎn)，當(dāng)前關(guān)鍵幀點(diǎn)仍為最新關(guān)鍵幀點(diǎn)；

S5、在點(diǎn)云地圖中加入最新關(guān)鍵幀點(diǎn)，實(shí)時(shí)的對(duì)點(diǎn)云地圖的更新及構(gòu)建。

進(jìn)一步的，步驟S1中，接收第N幀點(diǎn)云集并初始化坐標(biāo)系，通過(guò)變換參數(shù)矩陣T將第N+1幀映射到第N幀坐標(biāo)系中，并計(jì)算映射后第N+1幀點(diǎn)云集的概率密度函數(shù)，結(jié)合牛頓優(yōu)化算法優(yōu)化第N幀與第N+1幀間點(diǎn)云粗配準(zhǔn)，并獲得最優(yōu)解的坐標(biāo)變換參數(shù)矩陣T’，具體方法：

S11、將第N幀雷達(dá)掃描的點(diǎn)云集在所占的空間中劃分指定大小的網(wǎng)格，并計(jì)算每個(gè)網(wǎng)格的均值和協(xié)方差矩陣，初始化第N幀坐標(biāo)系；

S12、初始化坐標(biāo)變換參數(shù)矩陣T_r；

S13、將第N+1幀雷達(dá)掃描點(diǎn)云集根據(jù)變換參數(shù)矩陣映射到第N幀坐標(biāo)系中，獲得映射后第N+1幀雷達(dá)掃描點(diǎn)云集合 X_i’；

S14、映射后第N+1幀雷達(dá)掃描點(diǎn)云集合 X_i’通過(guò)正態(tài)分布變換算法NDT轉(zhuǎn)換為分段連續(xù)可微的概率密度函數(shù)；