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:北京理工大学
摘要:本发明涉及一种轻量级SLAM方法,属于SLAM、机器人运动控制技术领域。所述方法包括:获取激光雷达点云;从激光雷达点云中根据曲率提取特征;计算特征的地图坐标、特征方向、哈希值、邻近哈希值和邻近距离共5个特征参数;根据特征参数采用局部敏感哈希表匹配最邻近特征;根据匹配结果采用牛顿迭代法优化位姿;根据位姿和特征参数更新地图;所述方法实现了在微处理器等低成本、算力受限的嵌入式设备上部署SLAM算法。
主权项:1.一种轻量级SLAM方法,依托于获取的二维点云;其特征在于,包括:Step1、根据曲率提取特征并计算每个特征的特征参数,具体为:Step11、计算二维点云每个数据点的近似曲率;Step12、对所有数据点近似曲率取绝对值再进行非极大值抑制,筛选出极大和极小值作为备选数据点;Step13、依据设定的线特征识别阈值、角特征识别阈值和异常点识别阈值从备选数据点中提取特征;Step14、计算每个特征的特征参数;所述特征参数,包括哈希值、邻近哈希值和邻近距离;Step2、将特征与地图特征进行匹配,得到匹配好的特征对;所述特征即为Step1提取的特征称为扫描特征;所述地图特征为特征地图中的特征;对于每个扫描特征,遍历其哈希值对应哈希桶中的所有地图特征计算并得到该哈希桶的最小特征距离,记为第一距离;判断该遍历操作是否满足如下条件:1邻近哈希值等于哈希值;2第一距离小于邻近距离;3邻近距离大于搜索半径;若满足1或2或3者中之一,则找出第一距离对应的地图特征与该扫描特征一起即为匹配好的特征对;若123均不满足,则遍历邻近哈希值对应哈希桶中的所有地图特征并得到该哈希桶的最小特征距离,记为第二距离;找出第一距离和第二距离的较小值对应的地图特征与该扫描特征一起即为匹配好的特征对;Step3、计算每个特征对的误差函数并求和,得到构造好的优化函数,再依据该优化函数通过牛顿迭代法更新位姿;Step4、收敛判断:判断优化函数的雅可比矩阵的L2范数是否小于设定的收敛阈值,若小于跳至Step5,否则跳至Step14;Step5、更新失配扫描特征、更新特征对以及更新失配地图特征。
全文数据:
权利要求:
百度查询: 北京理工大学 一种轻量级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。