[发明专利]动态环境下基于激光雷达的点云配准方法

说明书

本发明公开了动态环境下基于激光雷达的点云配准方法，包括如下步骤：（1）读取k时刻每个激光雷达线上的激光点云信息，并将每个激光雷达线上的激光点云进行平均划分，对每一段进行特征点筛选，从而得到k时刻对应的特征点集合；（2）基于先验信息的随机采样一致性方法迭代获取k时刻最优内点集以及转移矩阵；（3）根据最优内点集采用LM方法重新解算转移矩阵；（4）计算k时刻内点比重，根据内点比重计算得到k+1时刻解算模型参数的先验信息；进入k+1时刻，重复（1）‑（4）。在动态环境下，相对于传统ICP匹配模型，通过本发明公开的基于先验信息的配准方法能够在包含大量动态点的环境中有效提高点云配准精度和实时性。

技术领域

本发明涉及动态环境下基于激光雷达的点云配准方法，属于机器人自主导航技术领域。

背景技术

同步定位与地图(SLAM，Simultaneous Localization and Mapping)技术是机器人自主导航技术领域中的一大研究热点，也是机器人实际应用中的关键技术。激光雷达不依赖于外界光照条件，是一种主动式探测传感器，且具备高精度的测距信息。激光雷达SLAM方法是机器人SLAM方法中应用最为广泛的方法之一。

目前大多激光雷达SLAM技术都针对于静态环境，即整个SLAM过程中，环境不会发生任何变化，而实际应用环境大多为动态环境，存在着移动物体的影响。机器人SLAM方法中，通常利用激光雷达扫描的点云数据进行匹配来求解位姿，而激光雷达探测到移动物体的扫描点云数据会对直接影响匹配的效果，造成较大的误差，不仅如此，移动物体会直接导致构图精度变差。

发明内容

本发明所要解决的技术问题是：提供动态环境下基于激光雷达的点云配准方法，以解决动态环境下已有的点云配准方法中容易受动态点导致定位与构图效果差的问题，从而提高激光雷达SLAM在动态环境下的点云匹配精度。

本发明为解决上述技术问题采用以下技术方案：

动态环境下基于激光雷达的点云配准方法，包括如下步骤：

步骤1，读取k时刻每个激光雷达线上的激光点云信息，并将每个激光雷达线上的激光点云平均划分为N_b段，对每一段进行特征点筛选，从而得到k时刻对应的特征点集合；

步骤2，基于先验信息的随机采样一致性方法迭代获取k时刻最优内点集以及[k+1,k]时刻之间的转移矩阵；具体过程如下：

步骤21，设置参数，包括最大迭代次数K_s，内点集内点集内点个数第l段激光点云B_k,l中的内点集内点个数内点比重阈值T_better，一致集一致集内点个数第l段激光点云B_k,l中的一致集内点个数一致集评分s_best，最优内点集最优内点集内点个数第l段激光点云B_k,l中的最优内点集内点个数

初始化K_s＝∞，T_better＝60％，s_best＝0，

步骤22，获取k时刻激光点云先验点集D_k，当k＝0时，每个B_k,l随机选取一个激光点，构成先验点集D₀；当k≠0时，根据k-1时刻计算得到解算模型参数的先验点集D_k；令迭代次数K＝0；