[发明专利]一种基于点云分割匹配闭环校正的同步定位与构图方法

说明书

本发明公开了一种基于点云分割匹配闭环校正的同步定位与构图算法，属于机器人自主导航和计算机图形学技术领域。本发明所述算法通过对从三维点云中提取的特征点进行帧间匹配得到机器人的相对位姿变换，同时将求得的位姿以图的形式保存在后端，再将点云基于此位姿记录下来形成地图；再利用点云分割和描述算法将点云片段化处理后保存，利用随机森林算法对点云片段进行匹配，形成闭环约束条件；最后通过图优化算法对历史位姿和地图进行修正，实现机器人同步定位与构图。本发明所述方法在保证局部定位精度的同时，对历史位姿和地图进行了保存和修正，有效地减小了室外长距离环境下的累积误差，进而实现了全局一致性良好的机器人同步定位与构图。

技术领域

本发明属于机器人自主导航和计算机图形学技术领域，具体涉及一种基于点云分割匹配闭环校正的同步定位与构图方法。

背景技术

21世纪以来，随着计算机科学的迅猛发展，人类的生活和工作方式正发生着翻天覆地的变化。人工智能的出现为人们从繁重的体力劳动甚至是复杂的脑力劳动中解放提供了巨大的可能。机器人作为协助和替代人类工作的工具，拥有自主导航的能力是实现其智能化的第一步。同步定位与构图SLAM技术能使机器人同时完成构建环境地图和对自身位置的估计，是实现自主导航的先决条件，也是目前机器人领域和人工智能领域备受关注的热点问题。

激光雷达是SLAM算法常用的用来获取环境信息的传感器。三维激光雷达可以采集到海量具有准确角度和距离信息的点，被称为点云，以此来准确的反映真实环境的几何信息。其建图直观，测距精度高且不容易受到光照变化的影响，在室外大型环境的应用中是必不可少的传感器，因此涌现了众多基于其的SLAM算法。但因为三维激光雷达一次扫描可以获得包含上百万个点的点云，且点云的信息单一、无序，缺乏环境的纹理信息，对高效存储、回环闭合检测，即对重复场景的判定，以及SLAM算法的实时性提出了挑战。着眼于三维激光SLAM的应用前景和技术难点，点云分割匹配技术通过将点云片段化处理，为实现回环闭合检测、解决其数据压缩和实时性的需求提供了切实可行的方向。以往的基于三维激光点云的机器人SLAM研究工作主要有以下几种方法：

(1)Zhang等提出了激光里程计与建图LOAM算法，通过将二维激光旋转得到三维点云，并对其提取特征，根据特征点、线和面之间的约束关系来估计机器人位姿和建图。另外，其通过降频多级运算满足了基于三维点云的SLAM算法实时性的需求。

(2)Deschaud提出了一种扫描到模型的匹配方法，通过最小化从当前点到隐式移动最小二乘IMLS表示的表面的距离来完成姿态估计。虽然这种方法精度较高，但是它不是实时在线的SLAM算法。

(3)Serafin等提出了一种基于点邻域特征的SLAM方法，其使用主成分分析PCA描述点与点周围的特征。这种方法对于稀疏点云有较好的效果。

(4)Droeschel等提出了一种基于有效局部映射和分层优化后端的高效连续时间SLAM方法。其考虑了有限的历史位姿对当前位姿估计的影响，提高了机器人局部定位的精度。

三维激光雷达通过对周围环境多线程圆周式的扫描，精确的感知和获取环境的几何信息，形成三维激光点云。以上方法通过对点云的有效处理实现了对机器人的定位以及环境地图的构建，但依然存在很多局限，主要表现在：

(1)缺少对历史位姿和地图的保存修正，轨迹和地图全局一致性较差。以上方法大多基于马尔可夫假设，仅仅利用前一时刻或者相邻几个时刻的位姿来估计机器人当前位姿。由于车轮打滑、传感器测量等带来的误差，上述方法必然会造成误差的累积，并且缺少相应的全局优化模块对历史位姿和地图进行保存和修正。尤其是在室外较大型的长距离环境下运行时，误差随着机器人运行轨迹的增长而累积，导致得到的轨迹与真实轨迹、建立的地图与真实地图在SLAM运行的后期阶段出现较大偏移，从而导致得到的轨迹和地图全局一致性较差。