[发明专利]基于语义的回环检测方法、装置、电子设备及存储介质

权利要求书

1.一种基于语义的回环检测方法，其特征在于，包括：

S110、基于获取的多帧激光点云数据获取相邻激光帧之间的位姿变换信息；

S120、至少基于相邻激光帧之间的位姿变换信息构建位姿图，对位姿图进行优化，基于优化后的位姿图构建全局地图；以及

S130、基于语义信息从所述获取的多帧激光点云数据中获取与当前帧最相似的预设数量的候选帧，计算当前帧与各个候选帧之间的相似度，判断是否出现回环。

2.根据权利要求1所述的基于语义的回环检测方法，其特征在于，还包括：

S140、如果出现回环，获取出现回环的两帧之间的相对位姿误差，将所述相对位姿误差用于步骤S120中的对位姿图进行优化。

3.根据权利要求1所述的基于语义的回环检测方法，其特征在于，S110、基于获取的多帧激光点云数据获取相邻激光帧之间的位姿变换信息，包括：

S111、对获取的包括激光雷达的SLAM相关传感器的传感数据进行时间同步以及对多帧激光点云数据进行点云畸变补偿；

S112、对各帧激光点云数据进行特征提取，以获取各帧激光点云数据的线面特征；以及

S113、对各帧激光点云数据进行特征匹配计算，以获得相邻两帧间的位姿变换信息。

4.根据权利要求1或2所述的基于语义的回环检测方法，其特征在于，S120、至少基于相邻激光帧之间的位姿变换信息构建位姿图，对位姿图进行优化，基于优化后的位姿图构建全局地图，包括：

S121、获取所述多帧激光点云数据中的至少一个关键帧，将关键帧位姿作为位姿图的节点并对关键帧位姿进行优化；以及

S122、基于优化后的关键帧位姿将关键帧的激光点云投影到地图上以获得全局地图。

5.根据权利要求1所述的基于语义的回环检测方法，其特征在于，S130、基于语义信息从所述获取的多帧激光点云数据中获取与当前帧最相似的预设数量的候选帧，计算当前帧与各个候选帧之间的相似度，判断是否出现回环，包括：

S131、以主物体为中心构建当前场景的全局描述子；

S132、基于全局描述子以及与主物体最近的语义物体的类别和距离，构建主物体的语义类别vector；

S133、基于当前场景确定语义分割所需的语义类别，以主物体为中心将主物体周围的360度范围均分为N_S等份区域，基于各个等份区域内的语义物体的语义类别以及各个语义类别的语义物体数量获取语义类别直方图；

S134、计算当前帧中主物体的语义类别vector与所述获取的多帧激光点云数据中与该主物体具有相同语义类别的历史语义类别vector之间的语义类别vector相似度，以获取语义类别vector相似度大于或等于阈值相似度的历史关键帧作为候选帧；以及

S135、计算当前帧中主物体的语义类别直方图与各个候选帧中与该主物体具有相同语义类别的历史语义类别直方图的相似度，以获取语义类别直方图相似度最大的历史关键帧；

优选地，还包括：

S136、判断语义类别直方图相似度最大的历史关键帧的语义类别直方图与当前帧的语义类别直方图之间的距离是否小于或等于阈值距离，如果是，则将所述语义类别直方图相似度最大的历史关键帧作为回环帧。

6.根据权利要求4所述的基于语义的回环检测方法，其特征在于，步骤S134中，还包括：

判断当前帧的主物体的语义类别vector中是否存在车辆标签，如果存在，则判断历史关键帧的历史语义类别vector中对应位置标签是否为车辆标签，如果是，则计算当前帧与该历史关键帧之间的语义类别vector相似度；和/或

判断历史关键帧的主物体的语义类别vector中是否存在车辆标签，如果存在，则判断当前帧的语义类别vector中对应位置标签是否为车辆标签，如果是，则计算当前帧与该历史关键帧之间的语义类别vector相似度。