CN113129377A - 一种三维激光雷达快速鲁棒slam方法和装置 - Google Patents
一种三维激光雷达快速鲁棒slam方法和装置 Download PDFInfo
- Publication number
- CN113129377A CN113129377A CN202110440733.7A CN202110440733A CN113129377A CN 113129377 A CN113129377 A CN 113129377A CN 202110440733 A CN202110440733 A CN 202110440733A CN 113129377 A CN113129377 A CN 113129377A
- Authority
- CN
- China
- Prior art keywords
- pose
- point cloud
- frame
- matrix
- laser radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 51
- 239000000126 substance Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明公开一种三维激光雷达快速鲁棒SLAM方法和装置,采用高度传感器、惯性测量单元对激光雷达进行信息辅助,补偿点云配准前激光雷达点云的初始位姿,并通过解耦三维激光雷达点云配准算法实现UAV的六自由度导航解算。本发明相比于传统激光SLAM算法,有效抑制了点云过度匹配带来的高度解算误差以及水平耦合误差,提高了复杂环境下UAV的位姿估计精度,并且具有更高的计算效率。
Description
技术领域
本发明属于组合导航领域,尤其涉及一种三维激光雷达快速鲁棒SLAM方法和装置,具体涉及一种复杂环境下微小型飞行器(UAV)三维激光雷达解耦SLAM方法和装置。
背景技术
同步定位与地图(SLAM,Simultaneous Localization and Mapping)技术是机器人自主导航技术领域中的一大研究热点。在无GPS(Global Positioning System)环境中,SLAM方法能够帮助机器人实现在陌生环境中的导航与定位,是机器人实际应用中的关键技术。
在SLAM算法中,采取迭代匹配两帧点云,寻找两帧点云之间的相对位姿关系的方式来确定机体位姿,通常采用基于概率统计的多元正态变换算法(NDT)进行无人机的位姿估计。然而UAV在高程方向飞行过程中,机载三维激光雷达点云的感知能力因为环境的结构特性被弱化,以NDT作为位姿估计的传统SLAM算法无法只对两帧点云实际重合部分进行匹配从而为其相对位姿关系的确定引入高程误差以及水平耦合误差。
发明内容
针对上述现有技术的缺陷,本发明提供一种三维激光雷达快速鲁棒SLAM方法和装置,通过高度传感器/IMU的信息辅助以及点云配准算法的解耦解算实现机载激光雷达点云实际重合部分的匹配。相比传统算法具有精度高、速度快的特点。
本发明为解决上述技术问题采用以下技术方案:
一种三维激光雷达快速鲁棒SLAM方法,包括如下步骤:
步骤1、采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
步骤2、采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
步骤3、利用步骤2中位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位;。
步骤4、根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至步骤2。
作为优选,步骤1具体包括:
作为优选,步骤2具体包括:
步骤21、将初始位姿向量转换为转换矩阵,所述初始位姿向量由第k帧点云对应的无人机外部位姿向量以及第k-1帧点云解算出的无人机内部位姿向量组成;
步骤22、将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
作为优选,步骤3具体包括:
步骤31、构建两帧点云之间的关联
对空间进行网格化处理,根据空间网格中的点云分布及其坐标数据,对关键帧点云进行多元正态分布函数表示:
步骤32、构建待目标函数
步骤33、求解目标函数
位姿变化量解算采用高斯牛顿迭代法,求解无人机内部位姿变化量的正规方程如下式:
其中,H、g为待优化函数的Hessian矩阵和Jacobian矩阵,
令:
其中,gi、Hij分别为g、H的元素;Tcal的Jacobian矩阵与Hessian矩阵分别为:
作为优选,步骤4具体包括:
计算机体当前位姿为:
将结果传递至步骤2。
本发明提供一种三维激光雷达快速鲁棒SLAM装置,包括:
获取模块,用于采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
补偿模块,用于采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
计算模块,用于利用位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位姿;
更新模块,用于根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至补偿模块。
作为优选,所述补偿模块包括:
转换单元,用于将初始位姿向量转换为转换矩阵,所述初始位姿向量由第k帧点云对应的无人机外部位姿向量以及第k-1帧点云解算出的无人机内部位姿向量组成;
补偿单元,用于将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
作为优选,所述更新模块具体为:
计算机体当前位姿为:
将结果传递至补偿模块。
与现有技术相比,本发明具有以下有益效果:
通过本发明,可以解决由于环境特征退化使得点云过度配准,从而带来的导航精度降低的问题。与传统SLAM相比,本发明有效抑制了点云过度匹配带来的高度解算误差以及水平耦合误差,提高了复杂环境下的位姿估计精度,并且具有更高的计算效率。
附图说明
图1为本发明三维激光雷达快速鲁棒SLAM方法的流程示意图;
图2为本发明一种三维激光雷达快速鲁棒SLAM装置的结构示意图。
具体实施方式
如图1所示,本发明提供一种三维激光雷达快速鲁棒SLAM方法,包括以下步骤:
步骤1、采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
步骤2、采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
步骤3、利用步骤二中位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位姿;
步骤4:根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至步骤2。
进一步,步骤1具体包括:
进一步,步骤2具体包括:
步骤22、将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
进一步,步骤3具体包括:
步骤31、构建两帧点云(输入点云、目标点云)之间的关联
采用NDT算法,对空间进行网格化处理,随后根据空间网格中的点云分布及其坐标数据,对关键帧点云进行多元正态分布函数表示:
步骤32、构建待目标函数
步骤33、求解目标函数
位姿变化量解算采用高斯牛顿迭代法,求解无人机内部位姿变化量的正规方程如下式:
其中:H、g为待优化函数的Hessian矩阵和Jacobian矩阵。
令:
其中,gi、Hij分别为g、H的元素;Tcal的Jacobian矩阵与Hessian矩阵分别为:
进一步,步骤4具体为:采用Hdl_Graph_Slam算法中的导航框架进行导航解算,改进后框架内引入惯性/高度传感器的位姿解算。定义第k+m-1与k+m帧点云解算出的位姿增量为则初值补偿矩阵更新方法为:
计算机体当前位姿为:
将结果传递至步骤2。
本发明的三维激光雷达快速鲁棒SLAM方法,采用高度传感器、惯性测量单元对激光雷达进行信息辅助,补偿点云配准前激光雷达点云的初始位姿,并通过解耦三维激光雷达点云配准算法实现UAV的六自由度导航解算。本发明相比于传统激光SLAM算法,有效抑制了点云过度匹配带来的高度解算误差以及水平耦合误差,提高了复杂环境下UAV的位姿估计精度,并且具有更高的计算效率。
如图2所示,本发明提供一种三维激光雷达快速鲁棒SLAM装置,实现三维激光雷达快速鲁棒SLAM方法,包括:
获取模块,用于采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
补偿模块,用于采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
计算模块,用于利用位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位姿。
更新模块,用于根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至补偿模块。
进一步,所述补偿模块包括:
转换单元,用于将初始位姿向量转换为转换矩阵,所述初始位姿向量由第k帧点云对应的无人机外部位姿向量以及第k-1帧点云解算出的无人机内部位姿向量组成;
补偿单元,用于将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
进一步,所述更新模块具体为:
计算机体当前位姿为:
将结果传递至补偿模块。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种三维激光雷达快速鲁棒SLAM方法,其特征在于,包括如下步骤:
步骤1、采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
步骤2、采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
步骤3、利用步骤2中位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位姿;
步骤4、根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至步骤2。
2.如权利要求1所述的三维激光雷达快速鲁棒SLAM方法,其特征在于,步骤1具体包括:
3.如权利要求1或2所述的三维激光雷达快速鲁棒SLAM方法,其特征在于,步骤2具体包括:
步骤21、将初始位姿向量转换为转换矩阵,所述初始位姿向量由第k帧点云对应的无人机外部位姿向量以及第k-1帧点云解算出的无人机内部位姿向量组成;
步骤22、将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
4.如权利要求3所述的三维激光雷达快速鲁棒SLAM方法,其特征在于,步骤3具体包括:
步骤31、构建两帧点云之间的关联
对空间进行网格化处理,根据空间网格中的点云分布及其坐标数据,对关键帧点云进行多元正态分布函数表示:
步骤32、构建待目标函数
步骤33、求解目标函数
位姿变化量解算采用高斯牛顿迭代法,求解无人机内部位姿变化量的正规方程如下式:
其中,H、g为待优化函数的Hessian矩阵和Jacobian矩阵,
令:
其中,gi、Hij分别为g、H的元素;Tcal的Jacobian矩阵与Hessian矩阵分别为:
6.一种三维激光雷达快速鲁棒SLAM装置,其特征在于,包括:
获取模块,用于采集惯性传感器以及高度传感器数据,并据此计算当前时刻机体坐标系相对于全局坐标系的横滚角、俯仰角与高度;
补偿模块,用于采集激光雷达点云数据,并对激光雷达点云进行位姿补偿;
计算模块,用于利用位姿补偿后的点云,进行解耦点云配准算法的计算,解算当前时刻的机体六自由度位姿;
更新模块,用于根据SLAM框架的更新条件对位姿矩阵进行更新,并将结果传递至补偿模块。
7.如权利要求6所述的三维激光雷达快速鲁棒SLAM装置,其特征在于,所述补偿模块包括:
转换单元,用于将初始位姿向量转换为转换矩阵,所述初始位姿向量由第k帧点云对应的无人机外部位姿向量以及第k-1帧点云解算出的无人机内部位姿向量组成;
补偿单元,用于将滤波去噪后的三维激光雷达点云根据初始位姿矩阵进行补偿,获得初始位姿较好的激光雷达点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440733.7A CN113129377B (zh) | 2021-04-23 | 一种三维激光雷达快速鲁棒slam方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110440733.7A CN113129377B (zh) | 2021-04-23 | 一种三维激光雷达快速鲁棒slam方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129377A true CN113129377A (zh) | 2021-07-16 |
CN113129377B CN113129377B (zh) | 2024-05-03 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858226A (zh) * | 2022-07-05 | 2022-08-05 | 武汉大水云科技有限公司 | 一种无人机山洪流量测量方法、装置及设备 |
CN117689698A (zh) * | 2024-02-04 | 2024-03-12 | 安徽蔚来智驾科技有限公司 | 点云配准方法、智能设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020155616A1 (zh) * | 2019-01-29 | 2020-08-06 | 浙江省北大信息技术高等研究院 | 一种基于数字视网膜的拍摄装置的定位方法 |
CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
CN111983639A (zh) * | 2020-08-25 | 2020-11-24 | 浙江光珀智能科技有限公司 | 一种基于Multi-Camera/Lidar/IMU的多传感器SLAM方法 |
CN112268559A (zh) * | 2020-10-22 | 2021-01-26 | 中国人民解放军战略支援部队信息工程大学 | 复杂环境下融合slam技术的移动测量方法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020155616A1 (zh) * | 2019-01-29 | 2020-08-06 | 浙江省北大信息技术高等研究院 | 一种基于数字视网膜的拍摄装置的定位方法 |
CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
CN111983639A (zh) * | 2020-08-25 | 2020-11-24 | 浙江光珀智能科技有限公司 | 一种基于Multi-Camera/Lidar/IMU的多传感器SLAM方法 |
CN112268559A (zh) * | 2020-10-22 | 2021-01-26 | 中国人民解放军战略支援部队信息工程大学 | 复杂环境下融合slam技术的移动测量方法 |
Non-Patent Citations (3)
Title |
---|
付相可: "合作环境下基于惯性/里程计/Lidar融合的UGV导航方法", 《导航定位与授时》, 12 November 2020 (2020-11-12), pages 94 - 101 * |
柯艳国;王雄奇;魏新;吴贤斌;朱仲贤;董翔宇;黄杰;董二宝;: "一种基于图优化的实时3D激光SLAM算法", 机电一体化, no. 1, 15 April 2020 (2020-04-15), pages 94 - 101 * |
石鹏: "复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法", 《导航定位与授时》, 24 December 2018 (2018-12-24), pages 14 - 21 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858226A (zh) * | 2022-07-05 | 2022-08-05 | 武汉大水云科技有限公司 | 一种无人机山洪流量测量方法、装置及设备 |
CN114858226B (zh) * | 2022-07-05 | 2022-10-25 | 武汉大水云科技有限公司 | 一种无人机山洪流量测量方法、装置及设备 |
CN117689698A (zh) * | 2024-02-04 | 2024-03-12 | 安徽蔚来智驾科技有限公司 | 点云配准方法、智能设备及存储介质 |
CN117689698B (zh) * | 2024-02-04 | 2024-04-19 | 安徽蔚来智驾科技有限公司 | 点云配准方法、智能设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347840B (zh) | 视觉传感器激光雷达融合无人机定位与建图装置和方法 | |
CN109709801B (zh) | 一种基于激光雷达的室内无人机定位系统及方法 | |
CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
CN111426318B (zh) | 基于四元数-扩展卡尔曼滤波的低成本ahrs航向角补偿方法 | |
CN108731670B (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
CN106871928B (zh) | 基于李群滤波的捷联惯性导航初始对准方法 | |
CN111337943B (zh) | 一种基于视觉引导激光重定位的移动机器人定位方法 | |
CN107728182B (zh) | 基于相机辅助的柔性多基线测量方法和装置 | |
CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
CN112083725A (zh) | 一种面向自动驾驶车辆的结构共用多传感器融合定位系统 | |
CN111366148B (zh) | 适用于机载光电观瞄系统多次观察的目标定位方法 | |
CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
CN108458709B (zh) | 基于视觉辅助测量的机载分布式pos数据融合方法和装置 | |
CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
CN109443354B (zh) | 基于萤火虫群优化pf的视觉-惯性紧耦合组合导航方法 | |
CN108444468B (zh) | 一种融合下视视觉与惯导信息的定向罗盘 | |
CN113763549A (zh) | 融合激光雷达和imu的同时定位建图方法、装置和存储介质 | |
CN110686684A (zh) | 一种小天体环绕探测器光学协同定轨方法 | |
CN112197765B (zh) | 一种实现水下机器人精细导航的方法 | |
CN111696155A (zh) | 一种基于单目视觉的多传感融合机器人定位方法 | |
WO2023226155A1 (zh) | 多源数据融合定位方法、装置、设备及计算机存储介质 | |
Tao et al. | SLAM Method Based on Multi-Sensor Information Fusion | |
CN113129377B (zh) | 一种三维激光雷达快速鲁棒slam方法和装置 | |
CN113129377A (zh) | 一种三维激光雷达快速鲁棒slam方法和装置 | |
Xiaoqian et al. | Nonlinear extended Kalman filter for attitude estimation of the fixed-wing UAV |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |