[发明专利]基于高度信息的激光SLAM方法和系统

说明书

本发明涉及基于高度信息的激光SLAM方法和系统。其中的方法包括：获取三维激光雷达数据，进行运动畸变和动态点滤除处理，得到第一点云数据；获取机器人IMU数据，进行预积分处理，得到第一位姿数据；对第一点云数据提取特征，得到特征点云，并记录特征点云的高度，并根据特征点云和特征点云的高度，得到激光雷达里程计数据；基于因子图，对第一位姿数据和激光雷达里程计数据进行融合，得到第二位姿数据作为机器人位姿；根据第二位姿数据确定对应的点云数据，拼接生成三维点云地图。本发明能够使机器人在陌生的集伤点场景下实现高精度的自身定位和高精度建图。

技术领域

本发明涉及一种基于高度信息的激光SLAM方法和系统，属于机器人技术领域。

背景技术

机器人定位和建图技术是移动机器人的关键技术，许多重要的应用场景，例如电力检查、室外安保巡逻、地震检伤等，都需要机器人能够在陌生的环境中自主定位和建图。

例如在地震集伤点检伤时，集伤点一般选择较为开阔的区域，如广场、篮球场、足球场等。这是在地震灾难发生后，由于救援人员未能第一时间到达地震现场开展救援工作，而大多数救援方式为自救和互救；因此，为了避免伤员再次受伤将救出的伤员安置到相对开阔的区域。但是，传统的激光SLAM(Simultaneous Localization and Mapping，即时定位与建图)方法在地震集伤点场景中不能稳定地建图和定位。

发明内容

本发明提供基于高度信息的激光SLAM方法和系统，旨在至少解决现有技术中存在的技术问题之一。

本发明的技术方案一方面涉及一种基于高度信息的激光SLAM方法，包括以下步骤：

S1、获取三维激光雷达数据，进行运动畸变和动态点滤除处理，得到第一点云数据；

S2、获取机器人IMU数据，进行预积分处理，得到第一位姿数据；

S3、对所述第一点云数据提取特征，得到特征点云，并记录所述特征点云的高度；

S4、根据所述特征点云和所述特征点云的高度，得到激光雷达里程计数据；

S5、基于因子图，对所述第一位姿数据和所述激光雷达里程计数据进行融合，得到第二位姿数据作为机器人位姿；

S6、根据所述第二位姿数据确定对应的点云数据，拼接生成三维点云地图。

进一步地，所述步骤S1包括：

S11、对于所述三维激光雷达数据，通过对机器人进行运动补偿，获得第二点云数据；

S12、获取当前帧所述第二点云数据与局部地图的深度图像数据的差值，根据所述差值确定当前帧所述第二点云数据是否为动态点；所述局部地图为机器人行进过程中根据当前帧之前的第一时间内的所述第一点云数据生成的地图；

S13、删除确定为动态点的所述第二点云数据，得到所述第一点云数据。

进一步地，所述步骤S12包括：若所述差值大于第一阀值，则当前所述第二点云数据为动态点。

进一步地，所述特征点云包括角点特征点云；所述步骤S3包括：计算当前帧中的所述第一点云数据中每个的点云的曲率；将曲率大于第一曲率阈值的点云作为所述角点特征点云。

进一步地，所述步骤S3包括：从当前帧中的所述第一点云数据中获取地面点云数据；对所述地面点云数据进行平面拟合，得到当前帧的地面平面方程。

进一步地，所述步骤S4包括：检测出当前帧的所述第一点云数据中的角点特征点云；并获取所述角点特征点云对应的地图特征点；获取所述地图特征点在局部地图中对应的边线特征的两个坐标点，得到通过这两个坐标点的第一直线；所述局部地图为机器人行进过程中根据当前帧之前的所述第一点云数据生成的地图；