[发明专利]一种基于激光视觉融合数据的大场景重定位方法

说明书

本发明适用于激光雷达定位技术领域，提供了一种基于激光视觉融合数据的大场景重定位方法，包括如下步骤：步骤1：创建激光点云地图；利用车载激光雷达对大场景环境进行建图，生成激光点云地图；步骤2：获取初始位姿估计值；根据步骤1创建的激光点云地图，利用当前获取的点云帧，与地图中的特征点进行匹配，并进行优化，最终计算得到车辆当前位姿；步骤3：根据视觉数据进行匹配获取位姿；首先对图像信息提取特征点，计算描述子；根据当前图像已有的特征向量进行匹配，计算出图像与地图之间的相对位姿变换，并优化位姿以便获得更精确的位姿估计值；步骤4：获取重定位位姿。

技术领域

本发明属于激光雷达定位技术领域，尤其涉及一种基于激光视觉融合数据的大场景重定位方法。

背景技术

随着人工智能和大数据科技的高速发展，自动驾驶技术在计算机和传感器等相关技术的推动下得到了飞速发展。同步定位与建图、的概念最早于上世纪80年代被提出，起源于机器人领域。SLAM主要解决的问题是携带传感器的运动物体，在运动过程中如何对自身进行定位，同时对周围的环境进行建图。

虽然现有的SLAM技术已经取得了诸多成果，例如LeGO-LOAM、LIO-SAM、ORB-SLAM2、VINS-Mono等视觉与激光SLAM框架在静态环境中拥有出色的表现。当前，在移动机器人、自主驾驶等领域中，激光SLAM技术和视觉SLAM技术都有着广泛应用。但是，在大场景下，仅仅使用单一的SLAM技术进行定位和建图会存在诸多问题。例如，激光SLAM需要依赖地图匹配进行重定位，但是由于大场景的变化性和不可预知性，地图的匹配效果会受到影响。而视觉SLAM又会受到光照变化、遮挡等因素的影响，导致定位精度下降。

因此，需要一种能够克服以上问题，实现高精度定位和建图的方法和装置。

发明内容

本发明的目的在于提供一种基于激光视觉融合数据的大场景重定位方法，旨在通过激光传感器和相机传感器采集场景数据，利用激光SLAM技术和视觉SLAM技术进行建图和定位。

本发明是这样实现的，一种基于激光视觉融合数据的大场景重定位方法，包括以下步骤：

步骤1：利用激光雷达和相机构建重定位点云地图；

步骤2：利用激光数据进行初步的定位，获取初始位姿估计值；

步骤3：利用视觉数据获取当前场景的图像特征，并利用图像特征与先前建立的地图进行匹配，获取匹配的位姿；

步骤4：利用初始位姿估计值和匹配的位姿进行优化，得到最终的重定位位姿。

进一步的技术方案，所述的步骤1具体步骤包括：

1.1使用激光雷达采集所需建立的大场景环境中的点云数据。

1.2对采集到的点云数据进行预处理，包括去噪、滤波、聚类等操作；

1.3.将处理后的点云数据通过点云配准算法建立初始点云地图；

1.4.随着车辆或机器人的移动，不断采集新的点云数据，并通过点云配准算法将其加入到已有的点云地图中；

1.5将新的点云数据与已有的点云地图进行融合和更新，保证点云地图的实时性和准确性；

1.6在点云地图中设置关键帧，便于后续的重定位操作；

1.7将更新后的点云地图保存下来，以便后续的重定位操作使用。

进一步的技术方案，所述步骤2的具体步骤包括：

2.1首先需要对激光数据进行去噪和滤波，以减少数据噪声和误差；

2.2从处理后的激光数据中提取特征点，常见的特征点提取方法包括通过计算点云附近点的曲率对点云数据进行分类，分为角点和面点；