[发明专利]激光雷达栅格地图的自动修图方法和装置

说明书

本发明提供一种激光雷达栅格地图的自动修图方法，包括以下步骤：分别获取激光雷达扫描形成的栅格地图和摄像头拍摄的图像；所述激光雷达和摄像头配置为对准同一区域；分别将激光雷达扫描形成的栅格地图和摄像头拍摄的图像进行分割，形成同样大小的栅格；将激光雷达扫描形成的栅格地图进行二值化，得到二值化栅格地图；将摄像头拍摄的图像输入一图像识别模型，输出得到与二值化栅格地图相对应的二值化特征图；将二值化栅格地图与二值化特征图进行对比，消除二值化栅格地图中的噪声；将二值化栅格地图与二值化特征图进行对比，补足栅格地图的障碍物边界。本发明提高了修图效率。

技术领域

本发明涉及移动机器人自动定位导航技术领域，尤其是一种激光雷达栅格地图的自动修图方法。

背景技术

移动机器人想要实现自主行走，核心在于实现自主定位导航，在自主定位导航技术中会涉及到定位、建图、路径规划等问题，而地图构建的好坏将直接影响机器人的行走路径。

机器人想要到达某个目的地，需要和人类绘制地图一样，描述环境、认识环境的过程主要就是依靠地图。它利用环境地图来描述其当前环境信息，并随着使用的算法与传感器差异的不同，所采用的地图描述形式也不同，在机器人学中，地图的表示方法主要包括了格栅地图、特征点地图、直接表征法以及拓扑地图这四种。栅格地图是目前机器人应用最为广泛的地图储存方式，它看起来和人们所认知的地图区别不大，本质上就是一张位图图片，但其中每个“像素”则表示了实际环境中存在障碍物的概率分布。

目前采用传统的激光雷达方式构建栅格地图会出现以下问题：

1、缺少数据：扫描的模型通常被遮挡，部分数据丢失或者障碍物边缘不清晰；

2、噪声：所有传感器都是嘈杂的。有几种类型的噪声，包括点云扰动和异常值。这意味着一个点有一定的概率位于它被采样的地方附近的某一半径范围内（扰动），或者它可能出现在空间的任意位置（异常值），导致栅格地图中出现噪音。

目前通用的处理方式就是采用激光雷达厂家提供的Robo Studio等工具，进行人为的修图。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种激光雷达栅格地图的自动修图方法，能够实现自动修图，提高了修图效率。

第一方面，本发明实施例提出一种激光雷达栅格地图的自动修图方法，包括以下步骤：

步骤S1，分别获取激光雷达扫描形成的栅格地图和摄像头拍摄的图像；所述激光雷达和摄像头配置为对准同一区域；

步骤S2，分别将激光雷达扫描形成的栅格地图和摄像头拍摄的图像进行分割，形成同样大小的栅格；

步骤S3，将激光雷达扫描形成的栅格地图进行二值化，得到二值化栅格地图；

步骤S4，将摄像头拍摄的图像输入一图像识别模型，输出得到与二值化栅格地图相对应的二值化特征图；

步骤S5，将二值化栅格地图与二值化特征图进行对比，消除二值化栅格地图中的噪声；

步骤S6，将二值化栅格地图与二值化特征图进行对比，补足栅格地图的障碍物边界。

进一步地，步骤S1中，激光雷达扫描的边界与摄像头扫描的边界为同一圆形区域的边界。

进一步地，步骤S2中，激光雷达扫描形成的栅格地图分割后和摄像头拍摄的图像分割后，均形成1cm*1cm大小的栅格。

进一步地，步骤S4中，图像识别模型采用YOLO v3-tiny网络；

图像识别模型经过训练，训练时，首先对可能存在的障碍物都进行数据采集，并且分类，然后输入YOLO v3-tiny网络进行数据训练，使得YOLO v3-tiny网络能够进行障碍物识别分类。