[发明专利]激光点云地图融合方法、设备以及计算机可读存储介质

说明书

本发明公开了一种激光点云地图融合方法、设备以及计算机可读存储介质。其中，该方法包括：拼接匹配包含公共区域的第一局部点云和第二局部点云，得到第一位姿转换矩阵；通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下；将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接，得到第二位姿转换矩阵；通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下，并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。实现了一种高效的激光点云地图融合方案，提高了建图过程中的容错率。

技术领域

本发明涉及机器人技术领域，尤其涉及一种激光点云地图融合方法、设备以及计算机可读存储介质。

背景技术

现有技术中，当机器人需要准确地运行至一个目的地，需要类似于人类所绘制的地图。在机器人技术领域中，描述环境、认识环境的过程主要依靠于相关的地图信息。其中，机器人通常利用环境地图来描述自身所在的当前环境信息，并随着使用的算法与传感器差异的不同，采用的地图描述形式也不同。在机器人技术领域中，地图的表示方法主要包括了栅格地图、特征点地图、直接表征法以及拓扑地图这四种。栅格地图是目前机器人应用最为广泛的地图储存方式，它看起来和人们所认知的地图区别不大，其本质上是一张位图图片，其中每个“像素”表示在实际环境中存在障碍物的概率分布。一方面，栅格地图能表示空间环境中的很多特征，机器人可以用它来进行路径规划，另一方面，它又不直接记录传感器的原始数据，相对实现了空间和时间消耗的最优，激光雷达也是使用此种地图。

但是，在现有技术中，使用激光进行地图的构建时，并不能保证每次建图都是成功的，中间可能出现各种错误。例如，若在小场景建图时出现错误，则可以重新进行建图操作，而若在大场景建图时出现错误，例如，当地图超过10000平米的时候，重新进行一次建图可能会消耗大量的时间，而且在重建过程的准确性得不到保障，一旦出现差错，则需要再次进行重新建图。可以看出，现有技术的这类建图方案具有明显的技术缺陷，一方面，系统的容错率较低，另一方面，建图的执行效率不高。

发明内容

为了解决现有技术中的上述技术缺陷，本发明提出了一种激光点云地图融合方法，该方法包括：

拼接匹配包含公共区域的第一局部点云和第二局部点云，得到第一位姿转换矩阵；

通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下；

将投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云再次进行匹配拼接，得到第二位姿转换矩阵；

通过所述第二位姿转换矩阵将所述第二点云地图中的所有点云再次投影至所述第一点云地图中点云的参考坐标系下，并将再次投影后的第二点云地图中的所有点云与所述第一点云地图中的所有点云进行融合。

可选的，所述拼接匹配包含公共区域的第一局部点云和第二局部点云，得到第一位姿转换矩阵之前，包括：

确定一目标区域，在所述第一点云地图中，提取所述目标区域内的所有点云作为所述第一局部点云，同时，在所述第二点云地图中，提取所述目标区域内的所有点云作为所述第二局部点云。

可选的，所述确定一目标区域，在第一点云地图中，提取所述目标区域的第一局部点云，同时，在第二点云地图中，提取所述目标区域的第二局部点云，包括：

将所述第一点云地图与所述第二点云地图同时包含对同一环境的描述作为所述公共区域；

通过预设的形状框框选包含所述公共区域的地图区域，作为所述目标区域。

可选的，所述通过所述第一位姿转换矩阵将第二点云地图中的所有点云投影至第一点云地图中点云的参考坐标系下，包括：