[发明专利]一种基于静态语义信息的点云地图创建与场景辨识方法

说明书

本发明公开了一种基于静态语义信息的点云地图创建与场景辨识方法，包括步骤1：激光点云与语义图像联合投影获得语义点云；步骤2：通过语义标签筛选鲁棒静态信息；步骤3：提取鲁棒静态信息的描述子并组合成当前场景的描述子；步骤4：语义点云与激光雷达的里程计相结合生成全局地图，并通过点云配准在全局地图上进行重定位。本发明取得的有益效果：本发明面向长期环境，提高一种基于静态信息的点云地图表达方式，同时设计了一种基于鲁棒静态信息的描述子，能够在变化的环境下实现稳定的场景表示功能，并提高点云配准算法的收敛速度，在场景表示的基础上，实现较高的重定位成功率。

技术领域

本发明涉及机器人导航的技术领域，具体涉及一种基于静态语义信息的点云地图创建与场景辨识方法。

背景技术

SLAM技术，中文译作同时定位与地图构建，它能够在未知环境中为机器人提供未知和地图信息，就像人的感知系统一样，因此在很多机器人导航的领域中都会用到SLAM技术，为机器人的主动寻路与动态避障等提供技术支持，而在机器人的相关应用场所中，经常需要解决的一个问题被称之为“绑架问题”，该问题需要机器人在由于某些原因导致连续定位失败时，仍能够通过当前的环境信息和已有的环境地图，重新确定其自身在地图中的所处的正确位置，也就是说，机器人需要具有重新定位的能力，是否能够可靠、有效地实现重定位，是机器人自主定位能力的一种体现，而且关系着环境地图的有效使用期限和自动驾驶车辆的行驶安全。

CN110006432A公开了一种基于几何先验信息下的室内机器人快速重定位的方法，其无需人的协助可直接根据环境信息辅助粒子滤波算法进行快速定位，并且根据SLAM模块给出的定位合并重复的地图信息并添加新的地图信息，最终可以形成一个包含着几何结构信息的几何特征地图，虽然该快速重定位方法鲁棒性高，实时性好，能够有效解决大地图之下室内机器人无法快速重新定位以及定位困难的问题，但是在室外环境中，该快速重定位方法因缺乏室内环境所具有的几何先验信息，无法可靠的完成机器人的场景辨识任务。

CN110243370A公开了一种基于深度学习的室内环境三维语义地图构建方法，步骤为：1)用移动机器人自身携带的Kinect深度相机获取室内环境目标场景的RBG-D图像序列；2)用训练好的基于RGB-D图像进行特征提取与处理；3)据输入的每一帧图像估计对应的机器人位姿信息Pt；4)据Randomized ferns实时重定位和闭环检测算法优化机器人的位姿；5)用关键帧构建点云地图，并将新获取图像帧对应点云与已构建的点云地图进行融合；6)将关键帧的像素级语义标注结构映射到对应的点云地图上；7)用获取关键帧的语义标签优化已构建三维点云地图的语义标注信息，获得室内环境的三维语义地图；虽然该构建方法完成室内环境语义地图实时构建任务，提高移动机器人环境感知的智能化水平，但是该构建方法使用的是RBG-D相机，在室外环境下存在一定的局限性，且感知范围有限。

CN111337943A公开了一种基于视觉引导激光重定位的移动机器人定位方法，包括以下步骤：根据视觉特征地图对机器人的位置进行初始化定位，并将其映射到激光地图上；采用自适应粒子滤波方法，根据激光扫描匹配的结果获取机器人在激光地图上的精准定位；判断在自适应粒子滤波方法的定位过程中定位的粒子方差是否超过设定的阔值，若是，利用视觉特征地图进行视觉重定位，输出机器人的定位结果，并对当前的粒子进行重新初始化，即错误恢复；若否，输出机器人的定位结果；该定位方法虽然可使得机器人能在初始化时或“被绑架”后，依靠视觉特征地图的重定位功能，快速恢复精准的定位，从而保证定位的稳定可靠，但是该定位方法基于自适应粒子滤波进行重定位需要消耗一定的时间，无法快速完成重定位。

发明内容