[发明专利]一种3D激光定位点云地图处理方法、装置及机器人

说明书

本发明提供了一种3D激光定位点云地图处理方法，其包括如下步骤：S1，根据整个环境3D点云地图的外接矩形对点云进行粗分割获取对应的小图集合；S2，获取所述机器人的实时位置，根据所述机器人的实时位置获取机器人所在的网格；S3，根据机器人所在的网络加载当前机器人位置对应的中心网格邻近八个网格的小图以获得机器人用于定位的第一地图；S4，在所述第一地图上获取当前激光雷达对应的当前环境轮廓的外接矩形，加载所述当前环境轮廓的外接矩形所在的子图以获得机器人用于定位的第二地图。机器人自主导航过程中，根据实时位置对地图进行动态加载，得到每次激光匹配的点云地图，既减小了点云的存储空间，又减小了匹配时的计算量，保证了实时性。

技术领域

本发明涉及机器人技术领域，具体来说，涉及一种3D激光定位点云地图处理方法、装置及机器人。

背景技术

机器人导航一般会通过SLAM(Simutaneous Localization and Mapping)技术利用激光雷达、视觉相机或者其他的传感器数据，建立起外界的环境地图。在自主导航过程中，根据传感器数据与先验的环境地图进行匹配，确定机器人在环境中的位置，为后续的路径规划提供信息。

目前常用的3D激光点云定位方法有以下2种：

1.ICP及NDT此类距离式的配准方法：利用单帧激光点云信息与先验点云地图做scan-to-map的匹配。这两种方法是在给定初值的情况下，其中ICP构建点到点的距离函数，NDT构建点到分布的距离函数，得到局部最优解，进而算得六自由度位姿。但通常来说，对整张先验点云地图进行配准会存在几个问题，一、大规模场景下，地图本身较大，加载整张地图需要较大的内存；二、没有对地图进一步细分，直接将实时激光数据与整张地图进行配准，实时性较差。

2.基于栅格地图或者高程地图的配准方法：栅格地图和高程地图类似，都是将外部环境按照一定分辨率离散化，栅格地图用格子是否被物体占据的概率分布描述环境，而高程地图用该格子中的高度统计数据进行表述。虽然这些方法能减小总体的存储空间，但是同时也是对数据进行降维或者压缩，与原数据相比丢失了一定的信息。

但对于一些运行场景比较大的机器人，例如在园区、场区、库房等执行巡逻任务的机器人，其先验地图一般比较大。使用基于原始点云地图的匹配方式能较为充分利用原始环境信息，但导航过程中直接对整张地图进行加载和匹配，存储空间占用多并且实时性较差；基于栅格或者高程图的地图匹配，虽然地图的存储占用小，但相当于对数据进行降维，但也丢失了一些重要的信息。

本文提供的背景描述用于总体上呈现本公开的上下文的目的。除非本文另外指示，在该章节中描述的资料不是该申请的权利要求的现有技术并且不要通过包括在该章节内来承认其成为现有技术。

发明内容

针对相关技术中的上述技术问题，本发明提出了一种3D激光定位点云地图处理方法，其包括如下步骤：

S1，根据3D点云地图的外接矩形对点云进行粗分割获取对应的小图集合；

S2，获取所述机器人的实时位置，根据所述机器人的实时位置获取机器人所在的网格；

S3，根据机器人所在的网络加载当前机器人位置对应的中心网格邻近八个网格的小图以获得机器人用于定位的第一地图；

S4，在所述第一地图上获取当前激光雷达对应的当前环境轮廓的外接矩形，加载所述当前环境轮廓的外接矩形所在的子图以获得机器人用于定位的第二地图。

具体的，步骤S1，还包括如下步骤：

S11、查找点云地图中x,y方向的最大最小值x_min、x_max、y_min、y_max；