CN113503875B - 一种基于扩展特征的数据关联的建图方法 - Google Patents
一种基于扩展特征的数据关联的建图方法 Download PDFInfo
- Publication number
- CN113503875B CN113503875B CN202111059122.4A CN202111059122A CN113503875B CN 113503875 B CN113503875 B CN 113503875B CN 202111059122 A CN202111059122 A CN 202111059122A CN 113503875 B CN113503875 B CN 113503875B
- Authority
- CN
- China
- Prior art keywords
- point
- features
- points
- line
- point cloud
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于扩展特征的数据关联的建图方法,通过激光雷达传感器获取点云数据;对点云数据进行滤波预处理,计算滤波预处理后的点云中每个点的曲率,并根据曲率的大小对每个点进行线、面特征点的分类,对它们进行聚类以得到相互无关的平面和直线的个体,求解空间中线、面特征的交点和交线特征完成空间中特征的提取;结合交点、交线之间的距离以及生成这些特征的几何特征之间的相似度进行帧间关联以估计位姿,从而构建室内三维环境地图。本发明通过对原始点云中存在的几何特征点进行线面特征参数的拟合,通过分析这些几何特征在空间上的位置关系,生成扩展的几何特征,将其用于数据关联以建立空间模型,提高数据关联与模型构建的精度。
Description
技术领域
本发明属于建图领域,涉及一种建图方法,特别涉及一种基于扩展特征的数据关联的建图方法。
背景技术
机器人通过传感器感知周围环境进行建模,通过将超声信息转换为点云信息,可以将建模问题转换为基于雷达获取的点云信息的机器人建图问题。在机器人建图问题中,通常通过连续帧之间的数据关联以计算传感器的位姿变换,进而通过点云数据的拼接实现机器人周围环境的三维建模。
目前,基于3D激光雷达的建图通常分为两类方法,一种是基于原始点云进行帧间关联,最具代表性的是迭代最近点算法和正态分布转换算法以及它们的变体。另一种是基于几何特征点的抽取,典型的几何特征主要有点特征、线特征、面特征,相比于对原始点云进行帧间关联,几何特征可以提取大量点云中存储信息较多的小部分点云并在一定程度上解决了由于点云的稀疏性引起的获取到的点不是稳定存在的问题,有效的提高了帧间关联的精度和效率,进而提高了帧间关联和建图的鲁棒性。目前几何特征的提取往往是通过对点云中的点进行分类,如LOAM的曲率法、基于主成分分析特征值方法,这些方法着重于检测点云中存在的线、面几何特征。但由于点云的稀疏性,激光感知环境往往会丢失部分几何特征,如角点、地面与墙面的交线等。
发明内容
1.所要解决的技术问题:
在现有激光雷达的建图中,由于点云的稀疏性,激光感知环境往往会丢失部分几何特征,如角点、地面与墙面的交线等。
2.技术方案:
为了解决以上问题本发明提供了一种基于扩展特征的数据关联的建图方法,包括以下步骤:步骤S01:通过激光雷达传感器获取点云数据;步骤S02:对点云数据进行滤波预处理,去除点云中的无效点以及地面点;步骤S03:特征检测和生成:计算滤波预处理后的点云中每个点的曲率,并根据曲率的大小对每个点进行线、面特征点的分类,对于线特征点集与面特征点集,对它们进行聚类以得到相互无关的平面和直线的个体,通过RANSAC参数拟合算法求解空间中线、面参数以及它们的交点、交线特征完成空间中特征的提取;步骤S04:增加对扩展的交点、交线特征的相似度的判断,对于两法向量或方向向量之间的相似度,采用余弦相似进行评价,通过添加交线、交点生成过程中的带有法向量的面特征之间的距离,结合交点、交线之间的距离以及生成这些特征的几何特征之间的相似度进行帧间关联以估计位姿,从而构建室内三维环境地图。
在步骤S02中,所述滤波预处理对于点云中的点,在空间中取半径为r的圆柱,判断柱形区域的点的数量以确定该点为地面点或杂质点的概率。
在步骤S02中,在进行滤波预处理之前,首先将三维空间的点云压缩至二维平面并利用密度滤波算法提取点云中的有效点云,包括非地面点和非噪声点,并将压缩后的点云恢复到三维空间。
在步骤S03中,对相似的线、面特征参数进行合并,根据这些特征在空间上相交的关系生成扩展的几何点、线特征。
在步骤S04中,对于曲率法检测的线面特征点,计算前后帧之间这些点的点-线距离和点-面距离;对于RANSAC拟合的带有法向量的面特征点,计算前后帧面特征点之间的点-面距离;对于生成的交点和交线,计算前后帧特征之间的距离以及生成该特征的线之间于面之间的相似度,通过对上述三种距离和相似度使用基于最小二乘优化的SLAM算法推算得到传感器的坐标信息变化并建立全局地图。
所述激光雷达传感器感知范围为水平方向360°,竖直方向±15°,所述激光雷达传感器将采集的数据发送到数据处理单元,所述激光雷达传感器上方设有惯性导航单元,所述惯性导航单元为机器人的自主导航和定位以及地图构建提供姿态,距离信息。
3.有益效果:
本发明提供的方法通过对原始点云中存在的几何特征点进行线面特征参数的拟合,并通过分析这些几何特征在空间上的位置关系,生成扩展的几何特征,并将其用于数据关联以建立空间模型,以提高数据关联与模型构建的精度。
附图说明
图1为本发明的流程示意图。
图2为点线匹配示意图。
图3为点面匹配示意图。
图4为建图的效果图。
具体实施方式
下面结合附图和实施例来对本发明进行详细说明。
如图1所示,激光雷达传感器获取点云数据,所述激光雷达传感器感知范围为水平方向360°,竖直方向±15°,所述激光雷达传感器将采集的数据发送到数据处理单元,所述激光雷达传感器上方设有惯性导航单元,所述惯性导航单元为机器人的自主导航和定位以及地图构建提供姿态,距离信息。
激光雷达得到的点云虽然可靠、鲁棒,但对于地面点或过于稀疏的点往往是不必要的。为了提高几何特征的提取的效率和精度,需要对原始点云进行滤波预处理,去除点云中的无效点以及地面点。本发明对三维空间的点压缩并进行密度滤波,在保证效率的前提下,提取了点云的有效点云。去除了地面点的干扰,不仅可以提高数据关联的效率,在机器人导航方面也有重大意义。
然后提取线特征和面特征,在上述建立的数据预处理的基础上,计算每个点的曲率,对候选的线、面特征点进行区域性的合并,首先通过聚类的方法进一步提取可能存在线、面特征的区域,对每个聚类采用RANSAC算法拟合直线和平面,防止一个聚类包含多个平面和直线。对于特征参数相似的平面特征和直线特征进行特征合并。本发明基于原始点云生成交线、交线特征的方法,通过计算点云中点的曲率判断该点的几何特征类别,并对候选点进行区域性的合并,通过这些几何特征的空间关系,生成稳定的扩展几何特征。一定程度上补全了稀疏点云的特征。
最后结合交点、交线之间的距离以及生成这些特征的几何特征之间的相似度进行帧间关联以估计位姿,从而构建室内三维环境地图。建图的效果图如图4所示。
对于已经检测出的线面特征,由于它们在环境中是稳定存在的特征,由空间上的性质,相交的线面和平面的交点和交线也是鲁棒存在的,由于几何特征的性质,无论这些特征是否出现在原始点云中,边缘线特征与平面特征的相交的交点特征和相交线特征也是在空间中稳定存在的。将相交边和相交点,应用到数据关联和建图中,可以进一步提高激光雷达测程和测图的精度。
在一个实施例中,特征的提取的方法为:计算预处理后的点云中每个点的曲率,并根据曲率的大小对每个点进行线、面特征点的分类,对于线特征点集与面特征点集,对它们进行聚类以得到相互无关的平面和直线的个体,通过RANSAC参数拟合算法求解空间中线、面参数完成空间中线面特征的提取。
在一个实施例中,由于三维空间实现效率低,在二维空间密度滤波算法的基础上的,本发明将三维空间的点云进行压缩,并在以该点为圆心半径为r的区域中判断该点是否为地面点。在后续的面特征检测时,对滤除的点云进行地面特征的检测。
采用点云拼接的方法进行室内模型的三维构建。进行点云拼接前首先要计算激光雷达的位姿变换。使用最小二乘优化算法计算并优化激光雷达的位姿,这里主要采用三种策略计算不同特征之间的距离。
对于激光点云中线特征,采用点-线距离约束,计算当前帧线特征点到前一帧点云对应的线特征的距离。对于面特征,采用点-面特征约束,计算当前帧面特征点到前一帧点云对应的平面的距离。此外,生成的相关点和相关线,它们的距离约束除了点和点、点和线之间的距离,还应该加入生成这些点和线的平面和直线特征之间的相似度约束。图2展示了点-线距离匹配方法,图3展示了点-面距离匹配方法示意图。
Claims (5)
1.一种基于扩展特征的数据关联的建图方法,包括以下步骤:步骤S01:通过激光雷达传感器获取点云数据;步骤S02:对点云数据进行滤波预处理,去除点云中的无效点以及地面点;步骤S03:计算预处理后的点云中每个点的曲率,并根据曲率的大小对每个点进行线、面特征点的分类,对于线特征点集与面特征点集,对它们进行聚类以得到相互无关的平面和直线的个体,通过RANSAC参数拟合算法求解空间中线、面参数以及它们之间的交点和交线特征完成空间中特征的提取;步骤S04:增加对扩展的交点、交线特征的相似度的判断,对于两法向量或方向向量之间的相似度,采用余弦相似进行评价,通过添加交线、交点生成过程中的带有法向量的面特征之间的距离,结合交点、交线之间的距离以及生成这些特征的几何特征之间的相似度进行帧间关联以估计位姿,从而构建室内三维环境地图,在步骤S04中,对于曲率法检测的线面特征点,计算前后帧之间这些点的点-线距离和点-面距离;对于RANSAC拟合的带有法向量的面特征点,计算前后帧面特征点之间的点-面距离;对于生成的交点和交线,计算前后帧特征之间的距离以及生成该特征的线之间与面之间的相似度,通过对上述三种距离和相似度使用基于最小二乘优化的SLAM算法推算得到传感器的坐标信息变化并建立全局地图。
2.如权利要求1所述的方法,其特征在于:在步骤S02中,所述滤波预处理对于点云中的点,在空间中取半径为r的圆柱,判断柱形区域的点的数量以确定该点为地面点或杂质点的概率。
3.如权利要求1或2所述的方法,其特征在于:在步骤S02中,在进行滤波预处理之前,首先将三维空间的点云压缩至二维平面并利用密度滤波算法提取点云中的有效点云,包括非地面点和非噪声点,并将压缩后的点云恢复到三维空间。
4.如权利要求1所述的方法,其特征在于:在步骤S03中,首先要对对于特征参数相似的平面特征和直线特征进行特征合并,根据这些特征在空间上相交的关系生成扩展的几何点、线特征。
5.如权利要求1-2、4任一项权利要求所述的方法,其特征在于:所述激光雷达传感器感知范围为水平方向360°,竖直方向±15°,所述激光雷达传感器将采集的数据发送到数据处理单元,所述激光雷达传感器上方设有惯性导航单元,所述惯性导航单元为机器人的自主导航和定位以及地图构建提供姿态,距离信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059122.4A CN113503875B (zh) | 2021-09-10 | 2021-09-10 | 一种基于扩展特征的数据关联的建图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059122.4A CN113503875B (zh) | 2021-09-10 | 2021-09-10 | 一种基于扩展特征的数据关联的建图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113503875A CN113503875A (zh) | 2021-10-15 |
CN113503875B true CN113503875B (zh) | 2021-12-14 |
Family
ID=78016577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111059122.4A Active CN113503875B (zh) | 2021-09-10 | 2021-09-10 | 一种基于扩展特征的数据关联的建图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113503875B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9020191B2 (en) * | 2012-11-30 | 2015-04-28 | Qualcomm Incorporated | Image-based indoor position determination |
CN104463872B (zh) * | 2014-12-10 | 2018-01-12 | 武汉大学 | 基于车载LiDAR点云数据的分类方法 |
CN105335997A (zh) * | 2015-10-10 | 2016-02-17 | 燕山大学 | 一种基于泊松重构的复杂结构点云处理算法 |
EP3306344A1 (en) * | 2016-10-07 | 2018-04-11 | Leica Geosystems AG | Flying sensor |
CN108152831B (zh) * | 2017-12-06 | 2020-02-07 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
KR102050754B1 (ko) * | 2019-05-24 | 2020-01-08 | 한화시스템 주식회사 | 3d 센서 시스템을 위한 초소형 표적 탐지방법 |
CN110796728B (zh) * | 2019-09-20 | 2023-05-12 | 南京航空航天大学 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
CN111583369B (zh) * | 2020-04-21 | 2023-04-18 | 天津大学 | 一种基于面线角点特征提取的激光slam方法 |
CN111929699B (zh) * | 2020-07-21 | 2023-05-09 | 北京建筑大学 | 一种顾及动态障碍物的激光雷达惯导里程计与建图方法及系统 |
CN113219493B (zh) * | 2021-04-26 | 2023-08-25 | 中山大学 | 一种基于三维激光雷达传感器的端到端点云数据压缩方法 |
-
2021
- 2021-09-10 CN CN202111059122.4A patent/CN113503875B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113503875A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264567B (zh) | 一种基于标记点的实时三维建模方法 | |
CN112396650B (zh) | 一种基于图像和激光雷达融合的目标测距系统及方法 | |
Xu et al. | Road curb extraction from mobile LiDAR point clouds | |
WO2017219391A1 (zh) | 一种基于三维数据的人脸识别系统 | |
CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
KR101822185B1 (ko) | 3d 포인트 클라우드 poi 검출 방법 및 장치 | |
Wang et al. | Window detection from mobile LiDAR data | |
CN113269094B (zh) | 基于特征提取算法和关键帧的激光slam系统及方法 | |
Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
Demantké et al. | Streamed vertical rectangle detection in terrestrial laser scans for facade database production | |
CN107220964A (zh) | 一种线状特征提取用于地质危岩体稳定性评估方法 | |
CN110967020B (zh) | 一种面向港口自动驾驶的同时制图与定位方法 | |
CN114463396B (zh) | 一种利用平面形状和拓扑图投票的点云配准方法 | |
Yao et al. | Automatic extraction of road markings from mobile laser-point cloud using intensity data | |
Wang | Automatic extraction of building outline from high resolution aerial imagery | |
CN113487631B (zh) | 基于lego-loam的可调式大角度探测感知及控制方法 | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN112232248B (zh) | 一种多线LiDAR点云数据平面特征的提取方法及装置 | |
CN113536959A (zh) | 一种基于立体视觉的动态障碍物检测方法 | |
CN113503875B (zh) | 一种基于扩展特征的数据关联的建图方法 | |
Chen et al. | An efficient global constraint approach for robust contour feature points extraction of point cloud | |
Lee et al. | Determination of building model key points using multidirectional shaded relief images generated from airborne LiDAR data | |
CN111445578B (zh) | 一种地图三维道路特征识别方法和系统 |
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 | ||
GR01 | Patent grant |