申请/专利权人：重庆大学

申请日：2023-08-07

公开（公告）日：2024-06-04

公开（公告）号：CN117007061B

主分类号：G01C21/32

分类号：G01C21/32;G06T7/73;G06F16/29;G06V10/762;G06V10/74;G01C21/34;G01C21/00;G01S17/86

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2023.11.24#实质审查的生效;2023.11.07#公开

摘要：本发明涉及一种用于无人驾驶平台的基于地标的激光SLAM方法，属于无人驾驶技术领域。本发明通过激光雷达的点云数据预处理、针对非地面点云建立上下层凸包、评估凸包相似性并利用改进迭代步长的坐标轮换法求解目标优化函数，从而得到无人驾驶平台非平面的位姿态变化量。针对地面点云，通过前后两帧中两个平面法向量之间的角度变化，确定无人驾驶平台的俯仰角变化量，联合求解出垂直方向变化量，从而得到六自由度位姿变化量。最终将地标点云和地面点云转换到全局坐标系下，并对地图进行占据栅格体素化。相比于现有技术，本发明在定位方面精度更高，并且能够实现对物体的分割，提供更丰富的环境信息，进而提高机器人的感知和交互能力。

主权项：1.一种用于无人驾驶平台的基于地标的激光SLAM方法，其特征在于：该方法包括以下步骤：S1：对激光雷达的三维点云数据进行预处理；针对单帧的三维点云数据的预处理包括：地面和非地面点云分割、非地面点云聚类、去除统计学上的离群点；针对前后两帧去除离群点后的类进行地标的初始配对，得到非地面点云中的地标；S2：针对非地面点云，每一对完成初始配对的地标进行分层，根据地标中三维点云z的均值对地标分为上下两层，并利用Graham扫描法分别建立上下层凸包；S3：通过使用转角函数曲线差值和霍夫距离建立一对凸包相似性的综合评价指标，对上下层凸包的相似性进行评估；根据综合评价指标的大小选择出上下层中最相似的一对凸包；S4：针对完成初始配对的地标，通过使所有最相似凸包对的重叠面积之和最大、构建以无人驾驶平台非平面的位姿变化量的目标优化函数；S5：使用改进迭代步长的坐标轮换法求解目标优化函数，完成无人驾驶平台非平面的位姿变化量的求解；S6：针对地面点云，选择激光雷达原点某一邻域范围内的前视点云和后视点云分别进行平面拟合；S7：通过前后两帧中两个平面法向量之间的角度变化，确定无人驾驶平台的俯仰角变化量；S8：根据非平面的位姿态变化量和俯仰角变化量联合求解出垂直方向变化量，得到前后两帧点云匹配得到的六自由度位姿变化量；S9：根据解算出的六自由度位姿变化量，将地标点云和地面点云转换到全局坐标系下，并对地图进行占据栅格体素化。

全文数据：

权利要求：

百度查询： 重庆大学 一种用于无人驾驶平台的基于地标的激光SLAM方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD