[发明专利]一种八叉树地图构建方法及系统

说明书

本发明公开了一种八叉树地图构建方法及系统。该方法包括：根据激光雷达和里程计数据，采用激光图优化SLAM算法确定关键帧以及关键帧下的移动机器人位姿；采集环境点云信息，并将点云数据在相机坐标系下的坐转换到世界坐标系下；将坐标转换后的点云信息进行拼接，得到三维点云地图；基于三维点云地图，对激光图优化SLAM算法进行回环检测和后端优化，得到更新后的移动机器人位姿和更新后的三维点云地图；对更新后的三维点云地图进行滤波，去除更新后的三维点云地图的离群点；将滤波后的三维点云地图转化为八叉树地图。相对于点云地图，本发明构建的八叉树地图易于存储，占用内存空间更小，灵活方便，可直接用于导航。

技术领域

本发明涉及移动机器人三维地图构建技术领域，特别是涉及一种八叉树地图构建方法及系统。

背景技术

随着应用场景和任务的要求，二维地图已经不能满足任务要求，三维地图更能够详细描述三维空间环境，因此对三维地图的需求也越来越多，三维地图的应用不仅用于移动机器人的定位，还需要其他的应用需求，比如三维重建，导航，避障等。三维地图的表现形式主要有点云和八叉树两种。其中，点云地图构建方式主要有3D激光SLAM、视觉SLAM、2D激光与视觉结合的SLAM。其中，视觉SLAM对光照和环境敏感，对计算机算力要求高，且计算位姿不如激光精确。3D激光SLAM成本高昂，且需要对大量点云进行匹配等操作，对计算机性能要求高。相比于视觉和3D激光构建点云地图的方法，2D激光与相机结合的方式更合适，2D激光图优化SLAM的可靠性和精度更高，例如Cartographer和Karto图优化SLAM等算法已经成为了较为成熟的2D激光的建图算法，更适用于日常环境和大场景建图等。在2D激光图优化SLAM基础上，采用相机的点云信息进行点云地图构建更具有实际意义。

但三维点云地图是稀疏的，移动机器人并不能知道三维点云地图是否可以通过。同时点云地图还提供了不必要的细节。例如窗帘的褶皱等我们不需要关系的细节，把这种信息放在地图里浪费空间。因此需要转换为一种压缩的、可更新的和分辨率可调的八叉树地图。

发明内容

为了解决上述问题，本发明提供了一种八叉树地图构建方法及系统。

为实现上述目的，本发明提供了如下方案：

一种八叉树地图构建方法，包括：

根据激光雷达和里程计数据，采用激光图优化SLAM算法确定关键帧以及关键帧下的移动机器人位姿；

采集环境点云信息，并将点云数据在相机坐标系下的坐转换到世界坐标系下；

将坐标转换后的点云信息进行拼接，得到三维点云地图；

基于三维点云地图，对激光图优化SLAM算法进行回环检测和后端优化，得到更新后的移动机器人位姿和更新后的三维点云地图；

对更新后的三维点云地图进行滤波，去除更新后的三维点云地图的离群点；

将滤波后的三维点云地图转化为八叉树地图。

可选地，采用激光图优化SLAM算法确定关键帧，具体包括：

若当前帧为第一帧，则不进行扫描匹配；

若当前帧不是第一帧，则判断当前帧与上一关键帧的采集时间间隔、移动距离或航向角的差值是否超过设定的阈值；

若是，则判断当前帧为关键帧；

若否，则舍弃当前帧。

可选地，所述将点云数据在相机坐标系下的坐转换到世界坐标系下，具体包括：

获取相机坐标系与移动机器人坐标系的位姿转换关系；

根据所述移动机器人位姿和所述位姿转换关系，将点云数据在相机坐标系下的坐转换到世界坐标系下。