买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学;重庆书山文海机器人有限责任公司

摘要：本发明涉及一种动态场景下基于语义的激光SLAM方法，属于自动驾驶领域。该方法包括以下步骤：点云实例分割：点云被赋予语义和实例属性，并根据语义将点云分为未知运动状态路标、纯静态路标和地面点云；位姿初步估计：利用未知运动状态路标和纯静态路标，完成帧间配准，得到初步估计的位姿；未知运动状态路标的运动状态识别；位姿精确估计：采用纯静态和半静态路标，解算出水平方向的位姿。利用水平方向的姿态与地面点云结合，完成垂直方向的位姿估计，并组合为6DoF位姿；回环检测：采用改进的回环检测纠正由误差积累导致的轨迹偏移；建图。本发明提升了无人驾驶平台在动态场景下的定位精度，并建立了信息更为丰富的语义地图。

主权项：1.动态场景下基于语义的激光SLAM方法，其特征在于：该方法包括以下步骤：S1：点云的实例分割；具体包括：针对原始的激光LiDAR点云，采用RangeNet++进行点云语义分割，将点云分割成不同语义的点云簇；针对点云簇，采用DBSCAN聚类算法进行聚类，实现点云实例分割；基于点云的语义信息，将实例分为三个类别：纯静态路标、未知运动状态的路标和地面点云；S2：位姿的初步估计；具体包括：针对连续两帧中的纯静态路标与未知运动状态路标，基于路标的几何中心和语义信息完成路标的初始配对；针对完成初始配对的路标对，根据路标对在垂直方向上的平均值确定分层阈值，并根据分层阈值对路标对进行分层处理，分为上下两层；然后，将路标对上下两层的点云在水平面上分别进行投影以得到二维点集，并使用Graham'sScan算法计算二维点集的凸包，得到上下层凸包；通过旋转函数曲线和Hausdorff距离构建的综合指标，评判连续两帧上下层凸包中的同一层凸包特征之间的形状相似性和尺寸接近性；依据综合指标选取形状最相似且尺寸最接近的一对凸包作为路标对的凸包特征对，将其作为配准的凸包特征对进行位姿初步估计；构建以凸包特征对重叠面积为优化目标的目标函数，然后，使用优化的粒子群算法迭代求解目标函数参数，使得前后两帧中所有凸包特征对之间的重叠面积之和最大；S3：未知运动状态路标的运动状态识别；具体包括：利用初步位姿估计的结果，将当前时刻LiDAR坐标系下的未知运动状态路标几何中心转换到世界坐标系；然后，基于二维匀速转弯模型，建立状态转移模型、预测路标几何中心位置和速度，并将转换到世界坐标系下的路标中心位置作为观测方程的输入，利用卡尔曼滤波器更新几何中心的位置和速度；同时考虑状态变化量和语义信息两个因素来区分动态路标和半静态路标：如果路标的速度和位置变化量小于设定阈值，并且前后两个时刻路标的语义信息一致，则将未知运动状态路标识别为半静态路标；如果路标的速度和位置变化量大于设定阈值，并且前后两个时刻路标的语义信息一致，则将未知运动状态路标识别为动态路标；S4：位姿的精确估计；具体包括：位姿精确估计被分为两个部分：1水平方向的位姿估计和2垂直方向的位姿估计；针对水平方向的位姿估计，利用纯静态路标和半静态路标，结合当前帧匹配局部地图的方法，来实现水平方向位姿的精确估计；在垂直方向，通过选择LiDAR原点某一邻域范围内的地面点云，并分别对前视地面点云和后视地面点云进行平面拟合；通过比较前后两帧中平面的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；结合水平方向的位姿估计和俯仰角变化量，联合求解垂直方向的变化量；假设无人驾驶平台侧倾是0；组合各个方向的位姿变化量得到的六自由度位姿变化量；并通过变换积分求解全局坐标系下的位姿；S5：回环检测；具体包括：从纯静态路标和地面点云中提取LinK3D特征，接着根据提取的LinK3D特征创建词袋；然后，使用BoW3D来检测回环，在回环检测的过程中确保只有具有相同语义信息LinK3D特征被用来求解回环约束；当检测到回环时，使用图优化的方法实现回环矫正以更新位姿和更新地图；S6：建图；具体包括：针对纯静态路标和地面点云，通过位姿将其转换到世界坐标系下；接着，对全局地图进行体素化。

全文数据：

权利要求：

百度查询： 重庆大学 重庆书山文海机器人有限责任公司 动态场景下基于语义的激光SLAM方法