[发明专利]一种地图构建方法、装置及终端设备

说明书

本发明适用于移动机器人导航技术领域，提供了一种地图构建方法、装置及终端设备，方法包括：控制小车在目标范围内运动；通过设置于小车上的激光雷达采集激光雷达数据；在采集第N帧激光雷达数据时创建第M个子图，其中，N和M为正整数，N和M的初始值均为1；通过相关扫描匹配，将预设帧数的激光雷达数据插入第M个子图中，获得M个子地图；在将预设帧数的激光雷达数据插入第M个子图的过程中，进行闭环检测，并对每一帧激光雷达数据进行初值优化；根据M个子地图构建基于目标范围的全局地图。通过本发明可以减少每一帧激光雷达数据与子图的匹配误差，以及每个子地图中，激光雷达数据和子图累积的匹配误差，使得最终构建的全局地图精确可靠。

技术领域

本发明涉及移动机器人导航技术领域，尤其涉及一种地图构建方法、装置及终端设备。

背景技术

在求解机器学习算法的模型参数，即获取最小化的损失函数和模型参数值时，梯度下降法、迭代计算方法是最常采用的方法。例如，进行机器人的地图构建时，通常会使用初值优化减少地图构建的误差，其中，迭代、梯度下降方法对初值敏感，初值的选择对最后扫描匹配的结果有很大影响，较好的初值可以使得扫描匹配容易收敛，得到较好的效果，较差的初值容易陷入局部极小值、不收敛的情况。因此，为在进行迭代优化时能提供较好的初值，通常要求传感器具有较高的采样频率，使得两帧数据之间采样间隔小。

然而，即使优化了初值，地图构建的过程中仍会产生误差，在一个分地图的地图构建中，这些误差将累积起来，严重影响建图效果。

发明内容

本发明的主要目的在于提出一种地图构建方法、装置及终端设备，以解决现有技术中的初值优化在地图构建过程中产生误差，并累积误差，使得建图效果差的问题。

为实现上述目的，本发明实施例第一方面提供一种地图构建方法，包括：

控制小车在目标范围内运动；

通过设置于所述小车上的激光雷达采集激光雷达数据；

在采集第N帧所述激光雷达数据时创建第M个子图，其中，N和M为正整数，N和M的初始值均为1；

通过相关扫描匹配，将预设帧数的所述激光雷达数据插入所述第M个子图中，获得M个子地图；

在所述将预设帧数的所述激光雷达数据插入第M个子图的过程中，进行闭环检测，并对每一帧所述激光雷达数据进行初值优化；

根据所述M个子地图构建基于所述目标范围的全局地图。

结合本发明第一方面，本发明第一实施方式中，在所述将预设帧数的所述激光雷达数据插入第M个子图的过程中，进行闭环检测，并对每一帧激光雷达数据进行初值优化，包括：

在预设帧数的所述激光雷达数据中的每一帧所述激光雷达数据插入第M个所述子图时，进行初值优化；

开启闭环检测，以使预设帧数的所述激光雷达数据插入第M个所述子图时，对第M个所述子图进行闭环检测，消除第M个所述子图与所述激光雷达数据的累积误差。

结合本发明第一方面的第一实施方式，本发明第二实施方式中，在预设帧数的所述激光雷达数据中的每一帧所述激光雷达数据插入第M个子图时，进行初值优化，包括：

进行第一次相关扫描匹配；

计算每一帧所述激光雷达数据与第M个所述子图匹配的概率，公式为：

其中，x_i表示小车当前时刻的位姿，小车上一时刻的位姿为x_i-1，z表示任一帧激光雷达数据，j表示预设帧数，m表示世界模型，且小车当前时刻的位姿通过第一次的相关扫描匹配获取；

获取所述概率的最大值；