[发明专利]一种多源信息分层融合方法、装置及存储介质

权利要求书

1.一种多源信息分层融合方法，应用于无人移动平台，所述无人移动平台设置有单目相机、点云扫描装置以及惯性测量单元，其特征在于，包括：

获取所述点云扫描装置得到的点云数据、所述单目相机得到的单目图像数据和所述惯性测量单元得到的所述无人移动平台的位姿信息，所述位姿信息包括加速度和角速度；

对获取的所述点云数据进行预处理，以去除点云数据中的噪点并去除运动畸变；

对获取的所述单目图像数据进行去噪处理并提取单目图像数据的SIFT特征点；

为单目图像关联所述点云数据的深度值；

将进行关联深度值的单目图像和预处理后的点云数据进行融合，得到局部里程计，并将所述局部里程计转换成里程计因子；

对所述位姿信息进行预积分处理，得到预积分因子；

利用因子图模型优化所述里程计因子、所述预积分因子和回环检测因子，以得到所述无人移动平台的运动轨迹以及地图。

2.根据权利要求1所述的多源信息分层融合方法，其特征在于，还包括：

确定相邻点云数据间存在多个时刻的位姿信息，则提取点云数据的关键帧，所述关键帧为不同时刻的点云数据；

对任意两个所述关键帧对应的第一时刻和第二时刻间的位姿信息进行预积分处理，得到第一时刻相对于第二时刻的相对变化量。

3.根据权利要求1所述的多源信息分层融合方法，其特征在于，所述为单目图像关联所述点云数据的深度值，具体包括：

根据点云帧和视觉帧的时间戳进行数据对齐，把SIFT特征点和点云点投影到以单目相机为圆心的单位球上，对单位球上的点进行降采样并利用极坐标进行保存，利用极坐标确定SIFT特征点周围最近的三个点云点，单位球圆心和所述SIFT特征点的连线的长度为所述SIFT特征点的深度值。

4.根据权利要求1所述的多源信息分层融合方法，其特征在于，还包括：构建因子图模型。

5.根据权利要求1所述的多源信息分层融合方法，其特征在于，采用半径滤波器对点云数据进行噪声去除，并采用线性插值的方法去除运动畸变。

6.根据权利要求1所述的多源信息分层融合方法，其特征在于，利用拓展卡尔曼滤波算法将关联深度值的单目图像和预处理后的点云数据进行融合。

7.根据权利要求1所述的多源信息分层融合方法，其特征在于，采用中值滤波算法去除单目图像的噪声。

8.根据权利要求1至7任一所述的多源信息分层融合方法，其特征在于，所述点云扫描装置为激光雷达，所述惯性测量单元为惯性传感器。

9.一种多源信息分层融合装置，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的所述程序指令以实现如权利要求1至8中任一项所述的多源信息分层融合方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如权利要求1至8中任一项所述的多源信息分层融合方法。