[发明专利]回环检测方法及系统、可读存储介质、电子设备

说明书

本发明提供了一种回环检测方法及系统、可读存储介质、电子设备，该方法通过接收节点数据，并基于节点数据中的述GPS位置进行哈希编码得到键值，可以分利用车辆接收的全球位置(GPS)信息的同时，实现近乎实时的回环检索效率。以历史GPS位置编码库中查找具有相同键值的包括至少一个历史节点的历史节点集合，进而从历史节点集合中进行筛选目标回环节点，并基于目标节点和目标回环节点构建回环，采用时间加轨迹长度的约束可快速剔除由于长时间停车形成的伪回环，改善轨迹优化的精度。

技术领域

本发明涉及自动驾驶技术领域，特别是涉及一种回环检测方法。

背景技术

高精度地图可提供精准三维环境信息，是实现L4级无人驾驶不可或缺的要素。以激光雷达作为主要传感器，利用即时定位与建图(Simultaneous Localization andMapping,SLAM)技术自动构建高精度地图是当前主流的趋势。

一个完整的SLAM系统可分为前端和后端两个部分，其中，前端的里程计通过帧间匹配实时估计无人车的位置和姿态(位姿)；由于帧间匹配存在误差，随着时间推移，误差逐渐累积，会造成轨迹漂移甚至发散，后端主要通过回环检测对整个轨迹进行优化，从而保证轨迹的精度。所谓回环检测是指无人车需要判断当前位置之前是否来过，如果来过，还需要估计车辆当前位姿与历史位姿之间关联。

利用回环间的位姿约束，借助位姿图优化便可以修正位姿，从而提升整个SLAM系统的精度和鲁棒性。

目前回环检测的主流方法是借助词袋模型进行特征检索，通过对比场景的相似性，判断当前位置是否构成回环。当无人车在小范围内运动时，利用词袋模型进行回环检测可以取得较高的准确率，但是当无人车行驶距离较远、范围较大时，词袋模型会随着特征的饱和，导致检索的准确率逐渐下降。此外，利用词袋模型进行回环检索需要额外进行特征提取操作，对于SLAM系统而言，这无疑会增加整个SLAM系统的计算代价，影响SLAM系统的运行效率。

发明内容

本发明提供了一种基于激光雷达的回环检测方法及系统、可读存储介质、电子设备以克服上述问题或者至少部分地解决上述问题。

根据本发明的一个方面，提供了一种回环检测方法，包括：

接收目标节点的节点数据；所述节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云；

对所述GPS位置进行哈希编码得到所述目标节点的键值；

在历史GPS位置编码库中查找与所述目标节点的键值具有相同键值的至少一个历史节点，生成历史节点集合；

在所述历史节点集合中筛选出与所述目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；

在所述候选回环节点中筛选出与所述目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；

获取所述目标回环节点的三维点云记为目标点云，将所述目标节点的三维点云记为源点云；

通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵；

以所述刚体变换矩阵作为回环约束，将所述目标回环节点和所述目标节点构成回环；

对所述回环中所述目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新所述回环上各节点的位姿状态。

可选地，所述对所述GPS位置进行哈希编码得到所述目标节点的键值之后，还包括：

将所述键值存入所述历史GPS位置编码库。

可选地，所述对所述GPS位置进行哈希编码得到所述目标节点的键值，包括：