[发明专利]基于点云的语义SLAM方法、装置、电子设备和存储介质

权利要求书

1.一种基于点云的语义SLAM方法，其特征在于，所述方法包括：

通过训练好的语义分割模型对激光雷达采集到的每一帧数据中包括的三维点云进行分割处理，获得各个三维点云的类别，其中，所述激光雷达设置在运动目标上；

根据各个三维点云的类别对每一帧数据中的静态点云进行特征提取，获得各个帧数据的几何特征；

对连续的两帧数据的几何特征进行运算，获得多个位姿变换矩阵；

基于每连续相邻两帧计算获得的位姿变换矩阵依次进行累积配准，获取所述运动目标的位置和姿态，并基于所述运动目标的位置和姿态构建全局地图。

2.根据权利要求1所述的方法，其特征在于，在根据各个三维点云的类别对每一帧数据中的静态点云进行特征提取，获得各个帧数据的几何特征之前，所述方法还包括：

按照相同尺度的体素单位对每帧数据中包括的所述三维点云进行体素化；

针对每个有效体素单位，判断所述有效体素单位内的目标类别对应的三维点云数量是否小于第一预设值，其中，目标类别在所述有效体素单位内对应的三维点云数量占比最小；

若是，则将所述目标类别替换为所述有效体素单位内三维点云数量占比最大的类别。

3.根据权利要求2所述的方法，其特征在于，在针对每个有效体素单位，判断所述有效体素单位内的目标类别对应的三维点云数量是否小于第一预设值之前，所述方法还包括获取有效体素单位的步骤，所述步骤包括：

针对每个体素单位，判断所述体素单位内的三维点云的数量是否大于第二预设值；

若是，判断所述体素单位内是否至少包含两个不同的类别；

若是，判断所述体素单位内三维点云数量占比最大的类别对应的三维点云数量是否大于第三预设值；

若是，则将所述体素单位判定为有效体素单位。

4.根据权利要求1所述的方法，其特征在于，所述根据各个三维点云的类别对每一帧数据中的静态点云进行特征提取，获得各个帧数据的几何特征，包括：

根据每一帧数据对应的多个三维点云的类别，将所述三维点云划分为静态点云和动态点云；

将所述静态点云投影到以激光扫描线为单位的平面投影图中，并计算每个静态点云的平滑度；

根据每个静态点云的平滑度的大小提取线特征点和面特征点，获得多个线特征点和多个面特征点；

基于所述线特征进行空间直线拟合，基于拟合直线的交点提取交点特征点，获得多个交点特征点；

从所述线特征点、所述面特征点及所述交点特征点中获取强化特征点。

5.根据权利要求4所述的方法，其特征在于，所述强化特征点包括强化线特征点、强化面特征点及强化交点特征点，所述从所述线特征点、面特征点及所述交点特征点中获取强化特征点，包括：

根据平滑度大小从多个线特征点中获取预设数量的强化线特征点；

根据平滑度大小从多个面特征点中获取预设数量的强化面特征点；

根据平滑度大小从多个交点特征集点中获取预设数量的强化交点特征点。

6.根据权利要求1或5所述的方法，其特征在于，所述对连续的两帧数据的几何特征进行运算，获得多个位姿变换矩阵，包括：

判断连续两帧数据的几何特征对应的类别是否相同，所述几何特征包含强化特征点；

若相同，则基于两步的L-M优化方法估计算法对所述连续两帧数据的强化特征点进行运算，构建位姿变换矩阵。

7.一种基于点云的语义SLAM装置，其特征在于，所述装置包括：

分割模块，用于通过训练好的语义分割模型对激光雷达采集到的每一帧数据中包括的三维点云进行分割处理，获得各个三维点云的类别，其中，所述激光雷达设置在运动目标上；

特征提取模块，用于根据各个三维点云的类别对每一帧数据中的静态点云进行特征提取，获得各个帧数据的几何特征；

运算模块，用于对连续的两帧数据的几何特征进行运算，获得多个位姿变换矩阵；

地图构建模块，用于基于每连续相邻两帧计算获得的位姿变换矩阵依次进行累积配准，获取所述运动目标的位置和姿态，并基于所述运动目标的位置和姿态构建全局地图。