[发明专利]一种多源信息分层融合方法、装置及存储介质

说明书

本申请涉及一种多源信息分层融合方法、装置及存储介质，方法包括获取点云数据、单目图像数据和位姿信息；对获取的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，并将局部里程计转换成里程计因子；对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里程计因子、预积分因子和回环检测因子，以得到无人移动平台的运动轨迹以及地图。该方法能提高多源信息的利用率，降低累计误差。

技术领域

本申请涉及机器人技术领域，尤其涉及一种多源信息分层融合方法。

背景技术

即时定位与地图构建（Simultaneous Localization And Mapping，SLAM）技术是移动机器人需要解决的关键问题之一。经过几十年的发展，目前已经取得诸多成果。在移动机器人上，往往搭载多种传感器，采集数据并进行计算，得到自身位置姿态的定位和场景地图信息的系统。

目前最常见的SLAM为激光SLAM算法和视觉SLAM算法。随着场景任务日益复杂，单一的传感器往往难以满足需求，因此多传感器融合算法就很有必要。如何充分利用多传感器的信息仍是目前的难点之一。

发明内容

为了解决上述背景技术提到的技术问题或者至少部分地解决上述技术问题，本申请提供一种多源信息分层融合方法、装置及存储介质，以提高多源信息的利用率，降低累计误差。

第一方面，本申请提供了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，方法包括：

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。

在此方案中，回环检测用于判断载体是否再次经过曾经到过的位置，目的在于增加历史帧约束，增加数据丰富度。在载体运行过程中，会将扫描帧不断储存构成历史帧集，当前帧会和历史帧集中的所有激光帧进行匹配（即当前帧的所有激光点和历史帧的所有激光点计算物理距离残差，转换成最小二乘问题，通过迭代求解得到最小残差和），若当前帧和历史帧最小残差和小于某个阈值时，则认定产生回环，将该残差和视为回环检测因子，进行下一步联合优化。

在此方案中，可以采用预设的回环检测算法进行回环检测，得到回环检测因子，回还检测因子的形成和计算方式属于现有技术，这里不做赘述。

在此方案中，将无人移动平台（比如移动机器人）的位姿构建为变量节点，将回环检测因子，里程计因子和预积分因子构成相关变量节点间的因子节点，一起加入因子图中进行联合优化，得到全局一致的位姿轨迹，并经过地图的拼接后，得到全局一致性的地图。

优选的，所述多源信息分层融合方法还包括：

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；