[发明专利]一种基于双向高程模型的局部环境特征描述方法

说明书

一种基于双向高程模型的局部环境特征描述方法，属于无人系统及自主机器人的激光雷达环境感知技术领域。该方法首先基于点云在XY平面上的投影进行主分布方向对齐。通过构建曲面体素栅格，解决三维激光点云数据密度不均匀的问题，同时滤除噪声以及无效点云，构建有序的点云索引。计算每个栅格对应的正向和逆向高程图，根据分隔平面处的连通性将逆向高程图与正向高程值进行融合更新，得到最终的双通道高程描述子，最后进行冗余处理，得到场景的鲁棒描述符。本发明可以用在移动机器人的场景识别、大范围环境中定位与建图和闭环检测等领域。

技术领域

本发明属于无人系统及自主机器人的激光雷达环境感知技术领域，涉及到激光雷达数据的高效场景描述方法。

背景技术

随着无人系统的快速发展，同时定位与地图构建技术的焦点已转移到长期自主性能，而场景识别是设备在静态和受控环境之外的真实场景中运行的关键，其中，场景特征描述方法对闭环检测速度、场景匹配性能都有重要的影响。在实际场景中，光照和动态环境变化导致基于视觉的描述方式存在大量感知混淆，而激光雷达因其对光照和感知方位的不变性而得到了重视。最直接的描述方式就是选定局部关键点并结合邻域计算局部描述符，使用词袋方法将局部描述符矢量化并对应到离线构造的字典单词，单词的直方图作为描述符。但是在处理三维点云时，具有高重复性的独特关键点的检测是一个低效的过程，且结果对噪声敏感，而基于视点特征的全局描述符能够更好地描述三维点云的整体结构特征，而且建模效率高，在实际场景中的应用更为广泛。

文献(Salti S,Tombari F,Stefano L D.SHOT:unique signatures ofhistograms for surface and texture description[J].Computer Vision and ImageUnderstanding.2014,125(8):251-265.)提出了一种用于外观匹配的局部三维描述符。该方法结合了特征签名和直方图这两类主流方案，前者对关键点建立局部参考系和局部三维描述符，后者以特征和直方图之间的混合结构为特征，在描述能力和鲁棒性之间取得了较好的平衡。但是，该方法仅利用了点云的部分几何特征，很难编码局部空间分布信息，存在对数据分辨率变化、非均匀采样以及噪声敏感等缺陷，从而影响场景匹配的准确率。

文献(L.He,X.Wang,and H.Zhang.M2DP:a novel 3d point cloud descriptorand its application in loop closuredetection[C].Proceedings of the 2016IEEE/RSJ International Conference on Intelligent Robots and Systems.2016,231-237.)提出一种三维点云的全局描述子，并将其应用于闭环检测问题。该方法将三维点云投影到多个二维平面，并为每个平面的点生成特征标签，然后将这些标签的左右奇异矢量作为三维点云的描述符。该方法通过特征向量对齐实现了描述子的旋转不变性，而求解奇异矢量实现了特征降维，从而得以实现快速匹配。但是，该论文所采用的三维点云投影到二维平面的方法会导致点云一个维度空间信息的缺失，从而造成数据分布的区分度降低，在场景识别过程中无法保证良好的召回率。

文献(X.Meng,Z.Cao,S.Liang,etal.A terrain descriptionmethod fortraversability analysis based on elevation gridmap[J].International Journalof Advanced Robotic Systems.2018,15(1):1-12)提出了一种基于高程栅格图的地形描述方法，用于可通行性分析。该方法利用高差核分割地面，再通过高程值聚类得到地形特征，包括高度指数、粗糙度和坡度角，从而可以对边缘进行划分。但是该方法直接采用高程值作为结构特征会导致高处悬浮物体的高程值屏蔽低处物体特征，丢失了部分垂直结构信息。此外，将高程值聚类所得到的精细地形描述应用于场景匹配时，计算效率会显著降低，从而导致场景匹配性能下降。

发明内容