[发明专利]基于多信息源的机器人即时定位与地图构建方法及系统

说明书

本发明公开了一种基于多信息源的机器人即时定位与地图构建方法及系统，该方法包括：获取激光点云数据并对点云数据进行预处理；基于点云数据的几何特征和激光点反射强度信息，对预处理后的每一帧的点云进行特征点提取；利用聚类标签和激光点反射强度信息作为联合的约束条件，根据特征点进行点云配准；基于点云配准结果，结合IMU数据和回环检测信息，得到全局位姿和地图。本发明采用紧耦合的方式，利用IMU和激光雷达的信息，引入激光反射强度信息，避免了单一几何信息的不足。同时融合了目前先进的scan context描述符进行回环检测，从而提升了定位以及建图精度，提高了系统整体的鲁棒性。

技术领域

本发明涉及机器人技术领域，特别涉及一种基于多信息源的机器人即时定位与地图构建方法及系统。

背景技术

SLAM(即时定位与地图构建)作为移动机器人的核心功能，在过去的几十年时间里得到了飞速的发展，引起了国际社会学者们的广泛兴趣。

为了构建良好的激光惯导SLAM系统，人们也提出了诸如LOAM，Lego-loam，LIO-Mapping、LIO-SAM等算法，但是这些现有的算法都不可避免的采取单一的几何特征，信息源较为单一，并且这些现有的惯导系统大多没有对地面进行优化，缺少地平面这一有明显特征的几何约束，因此，需要改进。

发明内容

本发明提供了一种基于多信息源的机器人即时定位与地图构建方法及系统，以解决目前SLAM大多以3D激光雷达为主，信息源大多采取几何信息的特征，在一些场景下，如室外，发生纯旋转等情况下的鲁棒性不高的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于多信息源的机器人即时定位与地图构建方法，该基于多信息源的机器人即时定位与地图构建方法包括：

获取激光点云数据，并对获取的激光点云数据进行预处理，以去除激光点云数据中的杂点，并且获得激光点反射强度信息和激光点云数据的聚类标签；

基于激光点云数据的几何特征和激光点反射强度信息，对预处理后的激光点云数据中的每一帧的点云进行特征点提取，以获取每一帧点云的特征点；

利用提取到的特征点进行点云配准；其中，在点云配准过程中，利用所述聚类标签和所述激光点反射强度信息作为联合的约束条件；

基于点云配准结果，结合IMU数据和回环检测信息，得到全局位姿和地图。

进一步地，所述对获取的激光点云数据进行预处理，包括：

根据反射强度的生成原理，建立数学模型，利用所述数学模型进行激光点反射强度的矫正和归一化处理，获得激光点反射强度信息，所述数学模型如下：

其中，ρ是反射率，即相当于反射强度消除外在因素干扰后的信息，I是测得的反射强度信息，R是激光点距离激光雷达的距离，可以直接测得，α是入射角度，可通过测量得到，经过推导，我们可以知道反射∝(正相关于)反射强度。

进一步地，所述对获取的激光点云数据进行预处理，还包括：

利用激光点间的角度关系进行线束分割，以确定每个激光点属于哪个线束；

利用相邻点与地平线的夹角关系进行地面点与非地面点的点云分割；

利用惯性传感器IMU信息进行点云数据的运动畸变去除；

对非地面点投影聚类，对每个聚类分配一个唯一的聚类标签并去除边缘点。

进一步地，所述利用惯性传感器IMU信息进行运动畸变去除，包括：

将IMU直接测得的角速度和线加速度进行积分；