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:西安工业大学
摘要:本发明提出融合增强多线激光雷达与IMU的建图方法及系统,该方法包括:使用差分检测的方式,对接收到的三维点云信息进行阈值判断,使用DBSCAN聚类算法对超出阈值的点云进行聚类,接着将噪点的聚类消除;使用时间同步的方式同步多线激光雷达与IMU接收到数据的时间,保证数据接收的一致性,并将两者的数据使用扩展卡尔曼滤波EKF的方法进行融合优化,以矫正数据接收时产生的误差,使点云与位姿信息匹配的更加精准,为后续地图融合做准备;使用自适应的特征点云图提取方法,在对边缘和平面特征点云图进行提取的时候添加一个自适应参数,可以实时根据上一时刻的点云情况来优化下一帧的特征点云图效果,使最终地图的融合效果具有更强的精确性和鲁棒性。
主权项:1.一种融合增强多线激光雷达与IMU的建图方法,其特征在于,包括:S1、对多线激光雷达采集到的点云数据进行数据预处理:对多线激光雷达采集的点云信息进行去噪,移除孤立点得到过滤后点云集Pfiltered;S2、对IMU采集到的速度信息进行平滑处理,得到平滑后的加速度asmooth和平滑后的角速度ωsmooth;S3、数据采集:对处理后的多线激光雷达点云数据进行采集,得到一组点云数据Pt,再采集处理后的IMU速度信息,同样对线速度和角速度进行收集得到数据At,Ωt;对多线激光雷达的点云数据构建出连续的数据序列Pserics,同样对IMU的加速度和角速度信息也构建出连续的数据序列Aseries,Ωseries;接着对构建好的数据序列分别进行残差分析,通过欧式距离计算出点与阈值的距离dpi,p′j,同时计算速度的差分vt,at;判断速度和点云是否超出阈值范围,对超出范围的点云和速度进行标记;S4、对标记后的点云和速度信息,使用DBSCAN算法进行聚类:先找到具体的邻域范围Nrp,接着判断核心点p的位置,如果点p不是核心点,但在核心点的r-邻域内,则判断p是边界点;如果点p既不是核心点也不是边界点,就将p归类为噪声点;接着将噪声点聚类后消除,实现动态点的消除;S5、将多线激光雷达和IMU的时间信息进行同步:首先确认时间戳的偏差值Δtavg,再使用插值法对时间戳的偏移进行矫正,保证接收数据时间的一致,接着获取IMU的状态向量,融合多线激光雷达的观测数据,使用EKF对两者的数据用协方差矩阵来预测更新,实现对多线激光雷达和IMU数据的误差矫正和更新;具体的,计算多线激光雷达和IMU的时间戳的偏差值式中,tL,i和tI,i代表多线激光雷达和IMU记录的时间戳;得到偏差值之后,使用插值法对时间戳进行矫正式中,其中t1和t2为偏差的时间戳之间时刻的时间数据,这两点对应的数据值为和获取IMU的状态向量xk=[pk,vk,qk]T,包含位置pk、速度vk、和姿态qk;对IMU的状态进行预测,更新位姿信息式中,Δt是时间间隔,Exp是将角速度转换为四元数变化的操作,表示四元数乘法;接着通过协方差矩阵预测下一帧的位姿信息式中,Fk-1是状态转移矩阵的雅可比,Qk-1是IMU的噪声协方差矩阵;融合多线激光雷达的观测残差yk=zk-hxk|k-1,式中,zk是多线激光雷达提供的位置观测,hxk|k-1将预测状态转换为观测空间;最后通过卡尔曼增益来更新系统的状态估计xk|k=xk|k-1+Kkyk和协方差增益Pk|k=I-KkHkPk|k-1,式中,Hk是观测模型的雅可比矩阵,Rk是观测噪声协方差矩阵;实现对对多线激光雷达和IMU数据的误差矫正和更新;S6:对点云进行自适应特征提取:对点云的边缘特征和平面特征分别进行提取计算得到边缘点云特征κp和平面点云特征;添加自适应参数Paramnew,通过特征提取的情况,结合前一帧点云的特征来实时调整自适应参数的变化,并将自适应参数作用于下一步的特征提取中;具体的,先对点云密度进行判断,利用KNN算法得出每个点云块的局部密度:式中,Nkp是点p的k个最近邻点集,||p-q||是点p与点q之间的距离;接着通过局部曲率来测算边缘点,提取计算边缘点云特征式中,Np是点p的邻域,np和nq分别是点p和其邻域点q处的拟合平面的法向量;同时通过RANSAC算法来提取计算平面点云特征,为点云面构建平面方程Ax+By+Cz+D=0,通过点到面的距离,测算出点云是否超出平面的阈值最后添加一个参数Param,参数Param会实时根据上一帧的状态来更新下一步的特征提取情况,同时也用上一步的参数Param来更新下一步的参数,以实现自适应效果Paramnew=gParamold,C式中,Paramnew和Paramold分别代表新旧参数值,g是一个根据评价指标C调整参数的函数;S7:将多线激光雷达和IMU数据进行融合位姿估计,再利用非线性优化技术Levenberg-Marquardt算法对位姿进行优化;S8:使用全局地图融合的方式对分块点云图进行融合,得到整体的三维点云地图Mglogal,最后对地图进行优化,去除冗余数据,删除相似点,构建完善的三维点云地图。
全文数据:
权利要求:
百度查询: 西安工业大学 融合增强多线激光雷达与IMU的建图方法及系统
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。