[发明专利]一种基于二维激光扫描仪角点特征的闭环检测方法

权利要求书

1.一种基于二维激光扫描仪角点特征的闭环检测方法，其特征在于利用从二维激光扫描仪获得的二维点云数据中提取出的角点特征F，对二维点云数据C进行以下步骤处理：

步骤1：利用提出得到的二维点云角点特征F，生成二维点云C的签名，该签名具有旋转不变性的特征；根据两帧点云签名之间的欧氏距离来衡量两帧点云之间的相似性；

步骤2：利用点云角点特征之间的几何结构来计算相似两帧点云之间的相对位姿，并用两帧点云之间的相对位姿构建图模型，对图模型进行优化后输出优化后的全局位姿；

步骤1中所述二维点云的签名通过以下方法得到：

1.1)对二维点云中任意两个特征点之间形成的线段的距离和角度进行离散化；

1.2)对离散化后的距离和角度进行高斯建模；

1.3)综合所有特征点对相应的高斯模型，生成二维点云的归一化后的签名；

1.4)将得到的签名沿角度轴平移N个槽位，得到二维点云签名对应的N个平行签名；

1.5)对任意两帧点云的签名，其距离定义为一帧点云的签名与另一帧点云M个平行签名之间最小的欧式距离。

2.根据权利要求1所述的方法，其特征在于，两个特征点之间形成的线段的距离和角度离散化通过以下方法得到：

对其中任意两个特征点F_i和F_j，其对应的坐标分别为(x_i，y_i)和(x_j，y_j)，则两个特征点之间形成的线段的距离d_ij和角度为：

对d_ij和进行等距离离散化，离散化后的对应一个大小为N_d行，N_ψ列的二维直方图中的一个槽bin(n_d，n_ψ)：

3.根据权利要求1所述的方法，其特征在于，(1.2)中所建立的高斯分布模型G_ij的中心在n_ij＝(n_d，n_ψ)，方差为Ω_ij。

4.根据权利要求1所述的方法，其特征在于，(1.4)中所述的平行签名通过以下方法得到：签名的角度轴槽的个数为N_ψ，对得到的签名沿着角度轴循环平移N_ψ个槽位，得到N_ψ个平行签名。

5.根据权利要求1所述的方法，两帧点云签名之间的距离通过以下方法得到：选出两帧签名Signature₁、Signature₂的峰值，其所在的角度槽值分别为n_ψ1、n_ψ2，两者之间差值为Δψ＝n_ψ1-n_ψ2，选取一个范围[Δψ-Δ，Δψ+Δ]，从Signature₂对应的N_ψ个平行签名中选取平移量在上述范围内的共计2Δ个平行签名，并从中选取与Sihnature₁之间最小的欧式距离作为两帧签名之间的最终距离。

6.根据权利要求1所述的方法，其特征在于，相似两帧点云之间的相对位姿通过以下方法得到：

2.1)两帧签名对应的数据帧中的角点分别构成了一个无向图，无向图中的节点对应数据帧中的角点，无向图中两个节点之间的边为对应数据帧中两角点之间的欧式距离，得到的两个无向图分别为G₁(V，E)和G₂(V，E)；

2.2)对于G₁(V，E)中每一条边edge_1i，从G₂(V，E)中选取与其长度最接近的边为edge_2i，若两条边之间长度的差值在阈值以内，就认为两条边匹配上，反之，认为edge_1i在G₂(V，E)中不存在与其匹配的边；

2.3)对于匹配上的两条边edge_1i和edge_2i，分别对应两个节点为和由此产生个配对，对这4个节点对分别投一票；

2.4)遍历完G₁(V，E)中每一条边后，得到对所有点对的投票结果，对G₁(V，E)中的每个节点，选取与其关联的配对得票数最高的节点作为G₂(V，E)中与之配对的节点，若最高的得票数为0，则认为该节点在G₂(V，E)中没有与之匹配的节点；

2.5)计算所有配对上的两个节点之间的平均相对位移作为两帧点云之间的相对位姿。