[发明专利]一种非结构化动态环境下的同时定位与建图方法

说明书

一种适用于非结构化动态环境下的同时定位与建图方法，首先，基于惯性元件测量得到的姿态角对激光雷达点云数据去除运动畸变，再对无运动畸变的激光点云数据与惯性元件输出的姿态进行融合，通过几何特征对激光点云分割，得到较准确的船舱环境感知结果；其次，针对需要获取处于船舱内高动态环境下推耙机的实时位姿的情况，提出一种基于语义特征点匹配的激光里程计来估计推耙机在船舱内的位姿。基于多传感器融合得到的感知结果，利用其语义信息进行提取特征点，再采用点到点、点到线两种匹配方式实时估计推耙机的位姿；最后，为了降低点云地图内存占用率，设计了一种基于最近邻搜索的动态环境下地图更新方法，利用该方法降低算法的空间复杂度。

技术领域

本发明涉及非结构化动态环境下的同时定位与建图问题，针对高动态变化的环境，本发明提出了利用多传感器融合和语义特征点匹配的激光里程计方法，同时利用基于最近邻搜索的动态地图更新方法保证了非结构化动态环境下的同时定位与建图。

背景技术

无人驾驶产业已经踏上了高速发展的道路，面对各种行业的无人驾驶应用，拥有一个完整的无人驾驶系统是不可或缺的。而对于特殊行业的无人驾驶应用，通过合理的利用特殊的环境信息，选用合适的软硬件策略才能促使无人驾驶落地，在一些特殊行业恶劣的工作环境下保障工作人员的身心健康。

在整个无人驾驶系统中，同时定位与建图是最开始和最基本的步骤，最重要的是正确地感知到外界环境与自身车辆的实时状态，对车身在环境中的位姿进行定位，同时建立外界环境的地图信息，之后才是路径规划和运动控制。感知模块往往要对地面或墙壁等平面进行分割提取，提取平面主要的分割方法有随机采样一致性算法(RANSAC)、区域生长算法和线性拟合地面分段算法等。随机采样一致性算法能够抑制点云噪声对特征分割的影响，且迭代计算效率较高，但是需要人工设置平面阈值进行提前建模，鲁棒性较差。区域增长算法初始点云的选择要求比较高，在区域生长过程中易受噪声点影响。线性拟合地面分段算法利用旋转激光雷达的特性，将每个点云分配到对应的扇形中进行有序化处理，在有序化处理后再对三维数据降维，该操作可以保留竖直维度的信息，同时又不损失水平维度的信息，最后对每个扇形进行拟合直线以及地面点的筛选。

激光雷达SLAM方面，单线激光雷达SLAM中主要有基于粒子滤波的 gmapping算法，基于图优化的karto算法，基于非线性优化的cartographer算法，但由于单线激光雷达主要是进行二维的建图，对于一个三维的非结构化环境，无法获取到足够的环境空间变化信息来支持同时定位与建图。多线激光雷达SLAM 中主要有LOAM算法(Zhang J,Singh S.LOAM:lidar odometry and mapping in real-time[C].Robotics:Science and Systems.2014:33-41.)和cartographer算法(Hess W, Kohler D,Rapp H H,et al.Real-time loopclosure in 2d lidar slam[C].IEEE International Conference on Robotics andAutomation.2016:1271-1278.)，但他们都是基于一个结构化的相对静态的室内或室外场景进行建图，对于一个高动态变化的环境，如随着作业进行货物不断减少的仓库，往往无法取得很好的效果。同时传统的建图是增量式叠加的点云地图，点云会越来越多导致内存占用越来越大，且无法在已建的地图上进行更新。

范海东提出一种应用于煤栅内的自动推煤机定位系统及其定位方法(范海东, 胡凯波,王林刚,李峰,夏志凌,朱宇超,沈炳华.一种应用于煤栅内的自动推煤机定位系统及其定位方法[P].浙江省：CN111367297A,2020-07-03.)。但是同样无法针对动态变化的环境在已有的建图上进行实时更新。

发明内容

本发明要克服现有技术的不足之处，提供了一种适用于非结构化动态环境下的同时定位与建图方法。