[发明专利]一种基于车辙线的多模态里程计方法

说明书

一种基于车辙线的多模态里程计方法，本发明涉及基于车辙线的多模态里程计方法。本发明的目的是为了解决现有点特征对于环境依赖较大，在纹理缺失等场景中表现不佳，导致无法得到准确的机器人里程信息问题。过程为：一、对非重叠视角下多相机和激光雷达进行联合标定；二、设定标定误差约束；三、对激光点云进行去噪预处理；四、得到边缘、平面特征误差模型；五、获得图像帧与帧之间点特征和图像帧与帧之间线特征；六、获得点线特征误差模型；七、获得深度恢复误差模型；八、构建视觉激光的数据关联模型；九、对智能体的位姿进行增量式更新；十、重复三至九，估计连续帧位姿变换，完成多模态里程计构建。本发明用于机器人SLAM领域。

技术领域

本发明属于机器人SLAM领域(Simultaneous Localization and Mapping)，具体涉及基于车辙信息的多模态里程计方法。

背景技术

近年来，随着人工智能的发展，移动机器人也开始在社会各个领域迅速发展，在特殊场景去替代人们完成一些工作。但是，在沙地或土质较为松软的环境中，由于路面的变形，车轮会产生滑转下陷等问题导致轮式里程计失效，从而无法得到准确的机器人里程信息。而SLAM作为一种定位与地图重建技术，通过各类传感器的应用以及相互融合，可以使得移动机器人具有感知自身位置和周围环境的能力。目前没有一种普适的SLAM方案，单一传感器SLAM算法有其不可避免的传感器自身问题，尤其是面对复杂恶劣的环境，所以需要多传感器之间的融合提高SLAM算法的精度、冗余性以及鲁棒性。目前SLAM中最广泛使用的特征是点特征，在特征提取、匹配和表示上都比较成熟。然而点特征对于环境依赖较大，在纹理缺失等场景中表现不佳，导致无法得到准确的机器人里程信息；

发明内容

本发明的目的是为了解决现有点特征对于环境依赖较大，在纹理缺失等场景中表现不佳，导致无法得到准确的机器人里程信息问题，而提出一种基于车辙线的多模态里程计方法。

一种基于车辙线的多模态里程计方法具体过程为：

步骤一、对非重叠视角下多相机和激光雷达进行联合标定；

步骤二、对非重叠视角下多相机和激光雷达的联合标定设定标定误差约束；

步骤三、激光雷达获取激光点云，利用点云分割算法对激光点云进行去噪预处理；

步骤四、利用帧-图的匹配方式对步骤三去噪预处理后的激光点云提取点云特征，对提取的点云特征进行点云匹配，得到边缘、平面特征误差模型；

步骤五、多视角相机拍摄彩色图像，提取点线特征，获得匹配追踪得到的图像帧与帧之间点特征和图像帧与帧之间线特征；

步骤六、将步骤五匹配追踪得到的点特征、线特征投影到图像坐标系，投影到图像坐标系中的点与相机成像平面中对应的2D点线建立约束关系，获得点线特征误差模型；

步骤七、对步骤三去噪预处理后的激光点云进行处理，获得深度恢复误差模型；

步骤八、基于步骤二、步骤四、步骤六、步骤七，构建视觉激光的数据关联模型；

步骤九、基于步骤八使用因子图算法对智能体的位姿进行增量式更新；

步骤十、重复步骤三至步骤九，估计连续帧位姿变换，完成多模态里程计构建。

本发明的有益效果为：

在沙土或土质松软环境中，在经过机器人行驶之后，存在着“车辙”这一明显的特征，车辙线是一个良好的线特征，可以与图像中的点特征起到良好的信息互补作用。