[发明专利]一种融合多激光雷达的建图方法及系统

说明书

本发明涉及一种融合多激光雷达的建图方法，该方法包括以下步骤：步骤1：多个激光雷达通过对环境进行不同俯仰角度和水平角度的扫描检测得到环境信息，即获取三维点云，并通过ROS节点发布话题；步骤2：在ROS节点选取一个激光雷达作为主激光雷达，将其余激光雷达对应的三维点云基于相对TF变换关系旋转平移到主激光雷达的坐标系上，并对所有的三维点云进行融合得到融合三维点云，进而通过ROS节点发布新的融合点云话题；步骤3：基于开源的3D激光雷达LeGO‑LOAM算法根据融合三维点云进行建图，以提高建图精度，与现有技术相比，本发明具有提高点云的密度、缓解目前移动平台上激光雷达的固定安装方式造成的不方便性以及提高算法的建图精度等优点。

技术领域

本发明涉及建图技术领域，尤其是涉及一种融合多激光雷达的建图方法及系统。

背景技术

近年来，随着人工智能的发展，机器人技术获得越来越广泛的关注，移动机器人是一个能对周围环境进行感知和特征提取，并针对动、静态干扰进行相应路径规划，从而实现实时运动控制的智能装置，环境感知是机器人通过自身携带的传感器来感知外部环境，并从获得的传感器数据中提取出有意义的信息实现的，激光雷达因其具有测距精度高、实时性能好等特点广泛应用于移动机器人领域，激光雷达有单线与多线之分，与单线激光雷达不同的是，多线激光雷达能够直接对环境进行不同俯仰角度和水平角度的扫描得到三维点云，通过搭载3D激光进行建图，目前有许多开源的3DSLAM算法，LeGO-LOAM就是较为经典的建图算法，它是铁小山等人提出一种轻量级和地面优化的激光雷达测距和建图算法，能够实现较好的精度及建图工作，它的闭环检测机制能够有效的抑制漂移。

目前无人车上常用的64线激光雷达获得的点云信息较为丰富，对环境的感知也较为精确，LeGO-LOAM算法也是在采用64线激光雷达设备采集的开源数据集上取得良好的成绩，通过搭载高线数激光雷达去进行3DSLAM算法建图，最终的建图效果能较好的反映出周围环境信息，尽管如此，搭载高线数的雷达使用LeGO-LOAM算法建图会有一些不足：

第一，64线的激光雷达价格相较于16线的低线数雷达多了几倍，使用成本太高，实际项目的可行性较低，同时64线激光雷达大多会采用垂直的安装方式会导致在移动平台周围存在盲区，而雷达是固定安装在在平台上面不能够调节视野；同时距离越远，雷达点就越稀疏，在机器人的环境感知中，雷达点的稀疏度直接影响着感知的能力以及效果，因为点云稀疏，能够提取的细节信息就较少。

第二，LeGO-LOAM算法是通过设定半径搜索的方式来实现简单的闭环检测，在对数据大且距离远的点云场景容易受到噪声影响从而影响回环的效率，最终影响建图的精度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种融合多激光雷达的建图方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种融合多激光雷达的建图方法，该方法包括以下步骤：

步骤1：多个激光雷达通过对环境进行不同俯仰角度和水平角度的扫描检测得到环境信息，即获取三维点云，并通过ROS节点发布话题；

步骤2：在ROS节点选取一个激光雷达作为主激光雷达，将其余激光雷达对应的三维点云基于相对TF变换关系旋转平移到主激光雷达的坐标系上，并对所有的三维点云进行融合得到融合三维点云，进而通过ROS节点发布新的融合点云话题；

步骤3：基于开源的3D激光雷达LeGO-LOAM算法根据融合三维点云进行建图，以提高建图精度。

步骤3中，基于开源的3D激光雷达LeGO-LOAM算法进行建图的过程具体包括以下步骤：