[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

说明书

本申请实施例提供了一种基于点云的语义SLAM方法、装置、电子设备和存储介质，首先通过语义分割模型对每一帧数据中的三维点云进行分割，获得各个三维点云的类别；根据类别对每一帧数据中的静态点云进行特征提取，获得几何特征；再对每连续两帧数据的几何特征进行运算，获得位姿变换矩阵；最后基于位姿变换矩阵进行累积配准，获取运动目标的位置和姿态并构建全局地图。在进行运动目标的定位和地图构建时，通过语义分割模型对三维点云进行分割，获得三维点云的类别，再结合几何特征提取算法及三维点云的类别对每一帧数据中的静态点云进行几何特征提取，可以降低动态目标对累积配准过程的干扰，高效准确地获取到运动目标的位置及姿态，并进行全局地图的构建。

技术领域

本申请涉及人工智能技术，具体地，涉及一种基于点云的语义SLAM方法、装置、电子设备和存储介质。

背景技术

随着传感器技术的不断发展，许多智能机器人或无人车辆通过装配的传感器(例如激光雷达)获取环境信息，再借助同步定位与建图(Simultaneous Localization andMapping，SLAM)算法对获取到的环境信息进行运算和分析，完成机器人或无人车的定位及地图的构建。

目前常用的定位与建图(SLAM)方法主要是通过在视觉SLAM算法的框架前端结合深度学习目标检测算法或分割网络算法实现对场景中的动态目标的检测和分割，并在输入SLAM特征抽取前对动态目标进行剔除，即通过相机获取视频或图像信息，对视频或图像信息进行动态目标的检测或分割，最后通过视觉SLAM算法进行定位与建图。

但基于视觉的SLAM技术对环境光的波动性十分敏感，难以在户外场景及光照较差的情况使用。

发明内容

本申请实施例中提供了一种基于点云的语义SLAM方法、装置、电子设备和存储介质，用于解决目前基于视觉的SLAM技术对环境光的波动性十分敏感，难以在户外场景及光照较差的情况使用的问题。

根据本申请实施例的第一个方面，提供了一种基于点云的语义SLAM方法，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。

根据本申请实施例的第二个方面，提供了一种基于点云的语义SLAM装置，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。

根据本申请实施例的第三个方面，提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行上述的基于点云的语义SLAM方法。