[发明专利]一种基于点云多视角投影图的激光里程计算法

权利要求书

1.一种基于点云多视角投影图的激光里程计算法，应用于移动机器人以及自动驾驶平台，其特征在于，包括如下步骤：

步骤1、对三维激光点云数据进行多视角二维投影，得到环境的柱面全景投影视图、鸟瞰图，进一步对投影进行分割得到多视角点云投影图；

步骤2、构建多视角位姿估计网络，在点云投影图上提取环境几何结构特征；

步骤3、计算基于位姿绝对值的位姿损失函数以及基于稳定点区域的光度重投影误差损失函数；

在步骤3中，构造基于位姿绝对值的位姿损失函数为基于欧拉角和平移量的L2损失函数，计算基于稳定区域的光度重投影误差损失函数为基于双线性插值的重投影误差损失函数，具体过程为：

首先计算基于欧拉角和平移量的L2损失函数：

其中分别表示平移量真值和旋转量真值，p、q表示平移量和旋转量的预测值，k为权重；

然后将前后帧点云根据预测的相对位姿变换对齐：

P′_tgt＝TP_src

其中P_src表示前一帧点云，P′_tgt表示变换到后一帧点云的坐标系的前一帧点云，T为预测的相对位姿变换；

并分别构建稳定区域掩模：

M＝M₁*M₂

其中Φ()表示柱面投影函数，r_threshold为稳定区域判定阈值，表示求解当变量(i,j)在集合E范围内变化时的最小值，分别表示两帧点云的柱面投影图对应的稳定区域掩膜的第i行、第j列的值，M为最终的稳定区域掩膜，表示两帧点云的柱面投影图的稳定区域的交集；

然后根据像素之间的对应关系，在每一个像素的邻域内对柱面投影图进行双线性插值：

其中Δu₁、Δu₂为插值目标位置到其附近上下两个像素的纵向距离，Δv₁、Δv₂为插值目标位置到其附近上下两个像素的横向距离；

构建基于双线性插值的重投影误差损失函数：

其中H、W为柱面投影图的高和宽，M_ij为稳定区域掩膜在(i,j)处的值；

最后得到总的损失函数：

Loss＝w₁*L_pose+w₂*L_pho

其中w₁、w₂为损失项的对应权重；

步骤4、根据总的损失函数训练神经网络模型，所述计算基于位姿绝对值的位姿损失函数为基于欧拉角和平移量的L2损失函数。

2.根据权利要求1所述基于点云多视角投影图的激光里程计算法，其特征在于，在步骤1中，分别根据俯视视角、环视视角对点云投影，得到鸟瞰图以及柱面全景投影图，在柱面全景投影图的基础上，构造多视角点云投影图。

3.根据权利要求1所述基于点云多视角投影图的激光里程计算法，其特征在于，在步骤2中构建多视角位姿估计网络，包括图像特征提取网络、旋转预测网络、平移预测网络，对步骤1中得到的点云投影图分别提取特征，然后用旋转预测网络和平移预测网络对融合特征进行处理，得到旋转量预测以及平移量预测，具体过程为：

使用柱面投影图特征提取网络、鸟瞰图特征提取网络以及基于FlowNets的多视角光流特征提取网络，对各个投影图分别进行处理，然后融合特征，构建两个相同的深层全连接网络，分别用于输出旋转估计量以及平移估计量。