[发明专利]SLAM建图过程中的平面特征融合方法

说明书

本发明涉及一种SLAM建图过程中的平面特征融合方法，属于图像处理领域。步骤为：1)根据车载激光雷达的点云数据分割出不同时刻激光雷达坐标系下的平面特征；2)获取连续不同时刻车载GPS位置和IMU航向角信息，从而得到相对于初始位置的平移矩阵和旋转矩阵；3)将所有激光雷达坐标系下的平面特征信息转换到世界坐标系下；4)针对任意两个不同时刻内的任意平面特征与x‑o‑y平面的交线进行角度大小的计算、特征圆重合度的计算和相对距离的计算；5)删除类中特征的个数较少的类，并对剩余类的特征求对应的线性回归方程，之后构建出世界坐标系下的全局地图。本发明减少了冗余特征，提高了地图表达的简洁性和构建地图的精度。

技术领域

本发明属于图像处理领域，涉及SLAM建图过程中的平面特征融合方法。

背景技术

车载激光雷达可以精确的对车辆周边环境进行感知且具有响应快，测距长等优点而受到关注。结构化建筑物是城市交通环境中常见的障碍物。如何从三维点云中构建出建筑物对应的地图是车辆对环境进行感知的重要的问题之一。一般情况下，平面特征可以表示真实环境中结构化建筑物的表面，但是针对同一个建筑物表面很可能会在多个连续帧中重复出现，最终导致平面特征地图中出现冗余特征。这些冗余特征应适当融合，以避免地图表述上的歧义并减少计算量。

现有的平面特征融合方法主要有基于随机聚类后融合的方法和基于连续帧间融合的方法。基于随机聚类后融合的方法在选取初始迭代点时具有较大的随机性，因此聚类时对属于同一类的特征并不能完全的聚在一起，从而在构建全局地图时仍然保留了较多的冗余特征。基于连续帧间融合的方法进行融合时，当前时刻融合得到的结果只与此刻提取到的平面特征和上一时刻融合得到的结果有关，因此随着时间的推移，位置存在着累积误差。

总而言之，现有的平面特征地图构建方法主要存在以下问题和缺陷：

(1)融合后的特征仍然包含较多的冗余特征，因此构建的地图不够简洁。

(2)融合过程中累积误差的存在导致构建的地图精度不高。

发明内容

有鉴于此，本发明的目的在于提供一种SLAM建图过程中的平面特征融合方法。

为达到上述目的，本发明提供如下技术方案：

SLAM建图过程中的平面特征融合方法，该方法包括以下步骤：

步骤1：以激光雷达中心位置为坐标原点建立激光雷达坐标系；在连续不同时刻，根据激光雷达的三维点云数据、分割出激光雷达坐标系下的平面特征；

步骤2：在世界坐标系下，利用车载IMU和GPS经纬度解算出车辆当前位姿相对于初始位置的欧拉变换；

步骤3：将所有激光雷达坐标系下的平面特征经过欧拉变换转换到世界坐标系下；

步骤4：针对任意两个不同时刻内的任意平面特征与x-o-y平面的交线进行角度大小的计算、特征圆重合度的计算和相对距离的计算，并将满足这些条件的特征归为同一类；

步骤5：删除类中特征的个数较少的类，并对剩余类的特征求对应的线性回归方程，之后构建出世界坐标系下的全局地图。

可选的，所述步骤1包括：

1-1：以激光雷达中心位置为坐标原点o建立激光雷达坐标系，以激光雷达垂直轴线向上的方向为z轴，车体向前的方向为y轴，根据右手系准则确定激光雷达坐标系的x轴方向；

1-2：从激光雷达点云数据中分割平面特征，具体包括：使用改进的选择性统计估计算法MSSE实现属于结构化建筑物点云的提取并建立平面模型，在平面法向量的垂直方向对平面进行等距分割并统计每个等距分割范围内点云的个数χ_i，分割出满足条件的平面特征。