[发明专利]一种室内外通用的高精度实时测量方法

说明书

本发明涉及一种室内外通用的高精度实时测量方法，该方法基于激光雷达的视觉SLAM系统，即：捕获来自同步相机和激光雷达的数据，并将其处理成统一的RGB‑D帧；然后，以处理后的RGB‑D帧作为输入，通过视觉SLAM系统实现全局地图的构建；最后，根据不同的测量任务，对构建出的场景运用匹配的视觉算法计算所求的工程参数。与现有技术相比，本发明所提出的测量方法可以以更高的精度和效率执行大规模建图，并且可以在室外强日光环境中鲁棒地操作，测量精度高，通用性好，能满足室内外不同的测量需求。

技术领域

本发明涉及工程测量领域，具体涉及一种室内外通用的高精度实时测量方法。

背景技术

工程施工过程需要测量很多参数，例如在建筑领域需要测量建筑占地面积和楼层高度等参数，传统的测量方式主要依靠人工完成，不仅劳动强度大、测量效率低、还无法保证测量精度和数据监测的实时性。随着无人机技术发展的日益成熟，将无人机引入工程测量领域实现高精度实时测量成为可能。通常在无人机上安装多种传感器进行参数采集，将采集的数据进行处理后可实现场景的构建，对构建出的场景运用相匹配的算法可计算出所求工程参数。

无人机测量主要由智能决策、环境感知和运动控制三个模块构成，其中环境感知是一切的基础。无人机感知环境需要一套性能强大的传感器来采集数据，同时需要相应的算法来处理分析数据，在环境感知模块中，视觉传感器是不可或缺的。

SLAM（Simultaneous Localization and Mapping）是指同步定位与地图构建，即：载有特定传感器的主体在没有先验信息的情况下，通过计算特定传感器获取图像帧来估计自身运动的轨迹，并建立周围环境的地图，被广泛应用于机器人、无人机、自动驾驶、增强现实、虚拟现实等领域。SLAM可分为激光SLAM和视觉SLAM，前者理论较为成熟很早就被应用于工程中，其采用激光雷达作为传感器可视范围广，但缺点是激光雷达智能感知的结构信息是二维信息，信息量较少且易丢失大量的环境信息，使其应用场景受到限制；虽然激光雷达点云的精度和范围优于其他深度相机，但纯激光雷达SLAM系统由于激光雷达不能提供像相机一样高的角度分辨率，因此它容易在隧道或走廊等不太突出的结构环境中出现故障，它还缺乏闭环检测，使得算法只关注局部精度，而没有全局姿态和地图优化；后者的感知信息源为相机图像，根据相机类型可分为单目SLAM、双目SLAM和RGB-D SLAM，因视觉SLAM图像具有丰富信息，在21世纪得以快速发展。视觉SLAM有一个典型假设是场景固定，若有动态物体出现不仅影响相机位姿的估计而且在地图中留下残影，进而影响地图构建质量。并且，相机在高速运动情况下所捕捉的照片容易模糊，极大的影响了特征点的提取与匹配。若能将激光SLAM和视觉SLAM技术进行结合使用，利用相机的最佳角度分辨率和激光雷达的最佳深度及距离，则可以兼具两者的优点并互补各自的不足。

ORB-SLAM是基于特征点的实时单目SLAM系统，该算法可以实时运行在狭小的室内环境和宽阔的室外环境中，对剧烈运动具有鲁棒性。ORB-SLAM2是在ORB-SLAM算法基础上发展起来的，还支持标定后的双目相机和RGB-D相机，其精度更高，并能在标准CPU上实时工作。ORB-SLAM2虽然支持双目相机和RGB-D相机对深度估计的支持，但这两种相机都有缺点，特别是在估计具有长深度的室外物体时，双目相机需要长基线来进行精确的长深度估计，这在现实测量中通常不容易实现，此外双目相机之间的校准也容易受到机械变化的影响，致使深度估计精度降低；而RGB-D相机在室外通常容易受到太阳光的影响，有效工作范围一般小于10米。

ORB-SLAM2能够实现地图重用、回环检测和重新定位，其采用了光束优化法（BA，Bundle Adjustment），从视觉重建中提取出优化的3D模型和相机参数（内参数和外参数），从每一个特征点反射出来的几束光线，在我们把相机姿态和特征点空间位置做出最优的调整之后，最后收束到相机光心的过程。