[发明专利]自动驾驶场景下具有多目标追踪能力的动态SLAM方法

权利要求书

1.一种自动驾驶场景下具有多目标追踪能力的动态SLAM方法，其特征在于，包括以下步骤：

步骤1：将车载相机采集的图像序列输入到语义分割网络中，获得图像序列中各图像帧的语义分割掩膜，同时通过光流方法对车载相机采集的图像序列进行处理后，获得当前图像序列的光流结果；

步骤2：将车载激光雷达采集的初始点云序列与车载相机采集的图像序列之间进行点云-图像投影，获得3D点云序列；

步骤3：根据图像序列中各图像帧的语义分割掩膜和3D点云序列中的2D信息，对3D点云序列中各帧3D点云进行点云语义分割，获得各帧3D点云的车辆点云和静态点云，对各帧3D点云的车辆点云进行聚类后，获得各帧3D点云中不同车辆对应的点云；

步骤4：根据图像序列中第一个相邻的两帧图像帧、3D点云序列中对应帧的3D点云的静态点云和不同车辆对应的点云确定当前两帧的静态特征点和动态特征点，进而根据当前两帧对应的光流结果确定车载相机所在车辆在当前相邻帧间的初始位姿变换以及不同车辆在当前相邻帧间的初始相对变换矩阵；

步骤5：根据当前两帧图像帧的静态特征点与动态特征点、车载相机所在车辆在当前相邻帧间的初始位姿变换和不同车辆在当前相邻帧间的初始相对变换矩阵构建图优化问题并求解，获得车载相机所在车辆在当前相邻帧间的优化后的位姿变换以及不同车辆在当前两帧的后一帧时的优化后的相对变换矩阵；

步骤6：将车载相机所在车辆的优化后的位姿变换作为车载相机的最终位姿变换，根据车载相机所在车辆在当前相邻帧间的优化后的位姿变换以及不同车辆在当前相邻帧间的优化后的相对变换矩阵，计算获得当前相邻帧间不同车辆的位姿信息，再根据当前相邻帧间不同车辆的位姿信息计算对应车辆的速度；

步骤7：重复步骤4-步骤6，根据图像序列中剩余图像帧、3D点云序列中对应帧3D点云的静态点云和不同车辆对应的点云以及光流结果依次进行相邻帧的位姿计算以及优化，获得各帧中车载相机的位姿变换、不同车辆的位姿信息以及对应的速度。

2.根据权利要求1所述的一种自动驾驶场景下具有多目标追踪能力的动态SLAM方法，其特征在于，所述步骤1中，各图像帧的语义分割掩膜中属于车辆的像素标记为1，含有除车辆外的动态元素的像素标记为-1，剩余像素被标记为0。

3.根据权利要求1所述的一种自动驾驶场景下具有多目标追踪能力的动态SLAM方法，其特征在于，所述步骤2中，根据车载激光雷达到车载相机的外参将雷达坐标系下的初始点云序列转换到相机坐标系下，再根据相机的内参将相机坐标系下的初始点云序列转换到像素坐标系下，从而获得3D点云序列。

4.根据权利要求1所述的一种自动驾驶场景下具有多目标追踪能力的动态SLAM方法，其特征在于，所述步骤3中，首先将各帧3D点云的车辆点云构建为对应的K-D树，接着设定搜索半径后对各帧K-D树进行欧式聚类分割，获得各帧3D点云中不同车辆对应的点云。