[发明专利]一种基于历史多帧点云信息融合的扫描匹配方法及系统

说明书

本发明涉及一种基于历史多帧点云信息融合的扫描匹配方法与系统，所述方法包括：获取历史多帧点云信息、当前帧点云信息、环境模型；根据历史多帧点云信息、当前帧点云信息、环境模型构建观测值概率模型；根据历史多帧点云信息构建栅格化查询表求解观测值概率模型的概率值；根据历史多帧点数据进行历史多帧点云信息融合获取当前帧点云信息的理论值并进行栅格化处理；根据当前帧点云信息的理论值与当前帧点云信息观测值进行多分辨率扫描匹配修正当前帧点云信息的观测值；根据修正后的当前帧点云信息的观测值及其理论值对待定位物体进行定位。本发明提供的方法及系统种解决了点云数据过于稀疏导致CSM方法匹配精度下降的方法，避免机器人定位失败。

技术领域

本发明涉及智能机器人技术领域，具体涉及一种基于历史多帧点云信息融合的扫描匹配方法及系统。

背景技术

随着科技的发展，以及人们对生活质量的要求的不断增高，智能机器人逐渐出现在人们的日常生活中，比如清扫机器人、工业机器人、服务机器人、仓库里搬运货物的机器人等。为了了解机器人的工作情况，需要对机器人进行实时定位，从而获取机器人的行走路线以及所在位置.

对于机器人定位，现有技术中常用的有ICP方法与ICL方法。其中ICP方法与ICL方法是解决基于自由形态曲面的一种迭代方法。与ICP和ICL等方法相比，CSM不依赖于前后帧待匹配扫描点的一一对应关系，这使得在点云较为稀疏，特征较少的情况下，CSM方法仍然有效。单线激光雷达具有计算量小，实时性高的优点，但是，单线激光雷达数据受地面起伏变化影响较大，同时当点云数据过于稀疏时，CSM方法匹配精度下降。

本发明为了解决CSM方法匹配精度下降的问题，提供了一种基于历史多帧点云信息融合的扫描匹配方法与系统。

发明内容

本发明解决的技术问题是，提供了一种基于历史多帧点云信息融合的扫描匹配方法及系统。提供了一种解决点云数据过于稀疏导致CSM方法匹配精度下降的方法，避免机器人定位失败。

为了解决上述技术问题，本发明提供的技术方案为：

一种基于历史多帧点云信息融合的扫描匹配方法，包括：

获取历史多帧点云信息、当前帧点云信息、环境模型；

根据历史多帧点云信息、当前帧点云信息、环境模型构建观测值概率模型；

根据历史多帧点云信息构建栅格化查询表求解观测值概率模型的概率值；

根据历史多帧点数据进行历史多帧点云信息融合获取当前帧点云信息的理论值并进行栅格化处理；

根据当前帧点云信息的理论值与当前帧点云信息观测值进行多分辨率扫描匹配修正当前帧点云信息的观测值；

根据修正后的当前帧点云信息的观测值与其理论值对待定位物体进行定位。

优选地，所述的构建概率模型具体为构建点云的后验概率模型，其中包含观测模型与运动模型。CSM算法运用概率模型搜索能够使观测数据概率最大得刚体变换具有初始误差鲁棒性强且计算效率高的优点。

通过构建机器人点云的后验概率分布模型，通过贝叶斯法则去除无关条件后，后验概率模型可通过观测模型和运动模型来表达。方法中所述的环境模型是采用机器人轨迹前一时刻的激光雷达扫描点云地图。

优选地，所述的构建栅格化查询表包括场景中每个位置点以及位置点附近点的激光雷达观测到扫描点的概率。栅格化查询表是根据历史点云信息构建的一个2D查询表，目的是加快观测模型的计算速度，查询表包含了场景中每个位置激光雷达观测到扫描点的概率值。由于传感器存在测量误差，采用高斯函数作为模糊核来构建栅格化查询表以保持测量数据的不确定性。