[发明专利]一种多车协同快速建图方法

说明书

本发明涉及一种多车协同快速建图方法。包括以下步骤：S1.数据采集与感知；S2.点云数据的预处理；S3.构建车辆的局部点云地图和全局点云地图；S4.车辆与车辆之间进行通信，并计算两车之间的坐标系变换关系；S5.将车辆之间的坐标系变换关系进行一一匹配，匹配结果满足阀值要求的，作为两车的坐标系变换矩阵；S6.配准成功之后，每辆车发送配准结果给对方，每辆车收到配准结果之后，开始发送自己已经建立的全局边缘地图与轨迹给对方，S7.每辆车收到对方持续发过来的全局边缘地图和对方的轨迹数据之后，将数据通过步骤5计算得到的矩阵进行转换，再将结果传输至步骤2和步骤3进行实时的协同建图。本发明使用多车协同建图，效率高探测视野大，且精度高。

技术领域

本发明属于自动驾驶感知技术领域，具体地，涉及一种多车协同快速建图方法。

背景技术

目前ROS（Robot Operating System）是开源的机器人操作系统，该系统作为中间件，提供了操作系统应有的服务：硬件抽象，底层设备控制，常用函数的实现，进程间消息传递等。

ROS 的主要目标是为机器人研究和开发提供代码复用的支持。ROS采用分布式进程框架，以节点作为基本单元，实现通信。ROS支持一种类似于代码储存库的联合系统，这个系统也可以实现工程的协作及发布。这个设计可以使一个工程的开发和实现从文件系统到用户接口完全独立决策（不受ROS限制）。同时，所有的工程都可以被ROS的基础工具整合在一起。除此之外，ROS平台对velodyne系列激光雷达产品具有比较好的硬件驱动支持以及对PCL点云处理库函数具有良好的环境支持。

点云配准是通过匹配具有重叠部分的数据集，将不同坐标下的三维数据集变换到同一坐标系下，得到旋转变换矩阵和平移向量。这种变换矩阵可以用一个旋转矩阵R和平移向量T来描述。目前经常使用的点云配准算法包括了：最近点迭代算法（ICP）、正态分布变换算法（NDT）以及随机抽样一致性算法（RANSAC）等。本方法利用了一种GPS数据粗略配准结合ICP精确配准的方法完成点云配准任务。

专利名称为基于激光雷达的三维建图的方法，申请号：CN201710598881.5，该发明公开一种基于激光雷达的三维建图的方法，其实现步骤是：首先获得带有坐标信息的点云，然后使用双边滤波算法对点云进行滤波处理，接着由激光雷达测距算法计算激光雷达点云中每一个特征点的位移，最后用绘图算法将扫描到的点云配准到世界坐标系上，构成三维点云图；该发明是一种三维激光雷达的建图方法，该方法主要的针对目标是一台机器人的建图算法，健壮性与鲁棒性相对较差，在经过长距离的建图之后，易产生较大的累积误差。

专利名称为一种多传感器的高精度即时定位与建图方法，申请号：CN201710437709.1，该发明是一种结合激光雷达与相机的建图方法，该方法主要的针对目标是一台机器人的建图算法，健壮性与鲁棒性相对较差，在经过长距离的建图之后，易产生较大的累积误差，并且使用多台传感器设备，价格昂贵。

专利名称为一种智能多机器人协同测图系统及其方法，申请号：CN201710787430.6，该发明是一种2D条件下多机器人的协同建图方法，该建图方法使用的是基于图特征的方法，计算代价高昂，在建图过程中需要存储大量的临时点云数据与矩阵信息。此外，此发明方法由于缺少能够降低计算量和通信量的预处理环节，性能方面会有所降低。

现有技术中主要存在以下问题，1.目前大部分的建图技术针对单车的建图；2.上述建图方案需要比较多的外设传感器，价格昂贵；3.单车的建图存在精确度差、速度慢与效率低的问题；4.已有的协同建图方法需要大量内存空间，计算量大，并且对CPU要求很高；5.已有的协同建图方法需要占据大量的带宽资源；6.已有的协同建图算法针对室内2D环境建图效果比较好，拓展到户外3D环境下建图效率较差；7.已有的协同建图算法需要已知所有车的初始位置信息或者车辆在中途相遇，从而实现车辆之间坐标系的统一以及地图融合，此种要求在实际建图任务中过于苛刻。