[发明专利]一种基于静态语义信息的点云地图创建与场景辨识方法

权利要求书

1.一种基于静态语义信息的点云地图创建与场景辨识方法，其特征在于，包括以下步骤：

步骤1：将相机拍摄的全景图像通过语义分割形成语义图像，将激光雷达扫描的激光点云与语义图像联合投影获得语义点云；

步骤2：将语义点云通过语义标签进行分类，筛选出环境中不易随时间变化的鲁棒静态信息；

步骤3：提取不同的鲁棒静态信息分别获得对应鲁棒静态信息的描述子，将鲁棒静态信息的描述子通过变权重组合的方式构成当前场景的描述子；

步骤4：通过语义点云和激光雷达的里程计相结合生成一个基于静态信息的全局地图，并通过点云配准在全局地图中进行重定位；

步骤4中生成基于静态信息的全局地图包括以下步骤：

S4.1：假设静态地图的全局坐标系记作对于激光雷达获得每一帧的点云数据其在地图坐标系下对应的位姿变量记作其中是三维点云数据，位姿变量R为旋转矩阵，t为平移量，将每一帧激光雷达点云数据转换到地图坐标点云则全局地图点云

通过点云配准在全局地图中进行重定位包括以下步骤：

S4.2：对于全局地图点云对其中的每一个点，计算以为中心，r为领域的一定范围内的正态分布，记作：

S4.3：对于激光雷达点云数据对其中的每一个点，计算以为中心，r为领域的一定范围内的正态分布，记作：

其中，k表示在以或为中心，半径为r的领域内的点的个数，p_k表示领域中的点集合，表示以为中心，半径为r的领域范围内的所有点的均值，表示以为中心，半径为r领域范围内的所有点的均值，及为协方差矩阵，描述了当前帧点云第i个点周围的点云分布情况，描述了当前帧点云对应的全局地图点云的第i个点周围的点云分布情况；

S4.4：计算一个经过任意变换T之后的点之间距离的误差函数变量为任意变换T，表示和之间的位置姿态变换矩阵，将该式转换为最大似然问题进行迭代求解误差表达式T，则误差表达式

其中H(·)为鲁棒核函数，表达式如下：

2.根据权利要求1所述的基于静态语义信息的点云地图创建与场景辨识方法，其特征在于，所述鲁棒静态信息包括树干、电线杆、建筑、人行道、道路及交通标识牌。

3.根据权利要求2所述的基于静态语义信息的点云地图创建与场景辨识方法，其特征在于，提取树干或电线杆的描述子方法包括以下步骤：

S3.1：对包含树干或电线杆标签的语义点云进行聚类；

S3.2：计算两个聚类之间的距离及角度进行提取特征。

4.根据权利要求3所述的基于静态语义信息的点云地图创建与场景辨识方法，其特征在于，步骤S3.1包括以下步骤：

S3.1.1：对包含树干或电线杆标签的所有点投影到X-Y平面上；

S3.1.2：将X-Y平面划分为多个栅格，栅格的边长为r；

S3.1.3：对每一点的x坐标及y坐标进行计算，获得对应的栅格索引，并将该点放入对应栅格单元里；

S3.1.4：对栅格遍历访问；

S3.1.5：若当前栅格包含点云，将当前栅格用队列保存并检查当前栅格的相邻栅格，若相邻栅格包含点云则用同一个队列保存，并标记为已访问，若当前栅格不包含点云，则跳过当前栅格；

S3.1.6：队首的栅格出队，遍历下一队首栅格的相邻且未被访问栅格；

S3.1.7：重复S3.1.5-S3.1.6直至队列为空，进入同一队列的栅格属于同一聚类。