本發(fā)明涉及同時(shí)定位與地圖構(gòu)建，特別是指一種基于球樹和dbscan聚類的slam前端配準(zhǔn)方法及裝置。

背景技術(shù)：

1、近年來，隨著自動(dòng)駕駛，移動(dòng)機(jī)器人技術(shù)等行業(yè)的不斷發(fā)展，同時(shí)定位與地圖構(gòu)建（simultaneous?localization?and?mapping，slam）技術(shù)成為這些領(lǐng)域中不可或缺的技術(shù)手段。通常，slam系統(tǒng)包括前端和后端模塊。前端主要通過分析來自外部傳感器的數(shù)據(jù)來測(cè)量機(jī)器人的運(yùn)動(dòng)，而后端則采用過濾或圖形優(yōu)化技術(shù)來細(xì)化地圖并校正機(jī)器人的位置，減少了前端操作中的累積誤差。其中前端的掃描匹配精度在很大程度上影響著slam技術(shù)整體的定位精度。

2、正態(tài)分布變換（normal?distribution?transform，ndt）作為slam前端常用的掃描匹配算法，有著計(jì)算成本低、受環(huán)境影響程度小等優(yōu)點(diǎn)在自動(dòng)駕駛領(lǐng)域有著廣泛的應(yīng)用，然而，這種方法可能導(dǎo)致在某些區(qū)域不合理地劃分點(diǎn)云，從而影響最終的精度和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)存在的某些區(qū)域不合理地劃分點(diǎn)云、導(dǎo)致精度和穩(wěn)定性較差的技術(shù)問題，本發(fā)明實(shí)施例提供了一種基于球樹和dbscan聚類的slam前端配準(zhǔn)方法及裝置。所述技術(shù)方案如下：

2、一方面，提供了一種基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，該方法由基于球樹和dbscan聚類的slam前端配準(zhǔn)設(shè)備實(shí)現(xiàn)，該方法包括：

3、s1、在激光雷達(dá)運(yùn)行過程中，每隔一定距離提取當(dāng)前點(diǎn)云作為關(guān)鍵幀，將一定數(shù)量的關(guān)鍵幀拼合為局部點(diǎn)云；

4、s2、將所述局部點(diǎn)云注冊(cè)到球樹框架中，作為ndt算法中的目標(biāo)點(diǎn)云；

5、s3、將當(dāng)前幀作為ndt算法中的源點(diǎn)云，以目標(biāo)點(diǎn)云為基準(zhǔn)，利用dbscan聚類方法，聚合源點(diǎn)云中每個(gè)點(diǎn)周圍的點(diǎn)云信息，組成聚類點(diǎn)云；

6、s4、利用主成分分析算法，確定所述聚類點(diǎn)云的幾何信息，對(duì)所述幾何信息進(jìn)行加權(quán)處理；

7、s5、根據(jù)加權(quán)后的幾何信息，對(duì)當(dāng)前幀進(jìn)行ndt的點(diǎn)云概率密度分?jǐn)?shù)計(jì)算，并完成梯度和hessian矩陣的計(jì)算。

8、另一方面，提供了一種基于球樹和dbscan聚類的slam前端配準(zhǔn)裝置，該裝置應(yīng)用于基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，該裝置包括：

9、提取單元，用于在激光雷達(dá)運(yùn)行過程中，每隔一定距離提取當(dāng)前點(diǎn)云作為關(guān)鍵幀，將一定數(shù)量的關(guān)鍵幀拼合為局部點(diǎn)云；

10、注冊(cè)單元，用于將所述局部點(diǎn)云注冊(cè)到球樹框架中，作為ndt算法中的目標(biāo)點(diǎn)云；

11、聚類單元，用于將當(dāng)前幀作為ndt算法中的源點(diǎn)云，以目標(biāo)點(diǎn)云為基準(zhǔn)，利用dbscan聚類方法，聚合源點(diǎn)云中每個(gè)點(diǎn)周圍的點(diǎn)云信息，組成聚類點(diǎn)云；

12、處理單元，用于利用主成分分析算法，確定所述聚類點(diǎn)云的幾何信息，對(duì)所述幾何信息進(jìn)行加權(quán)處理；

13、計(jì)算單元，用于根據(jù)加權(quán)后的幾何信息，對(duì)當(dāng)前幀進(jìn)行ndt的點(diǎn)云概率密度分?jǐn)?shù)計(jì)算，并完成梯度和hessian矩陣的計(jì)算。

14、另一方面，提供一種基于球樹和dbscan聚類的slam前端配準(zhǔn)設(shè)備，所述基于球樹和dbscan聚類的slam前端配準(zhǔn)設(shè)備包括：處理器；存儲(chǔ)器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述基于球樹和dbscan聚類的slam前端配準(zhǔn)方法中的任一項(xiàng)方法。

15、另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一條指令，所述至少一條指令由處理器加載并執(zhí)行以實(shí)現(xiàn)上述基于球樹和dbscan聚類的slam前端配準(zhǔn)方法中的任一項(xiàng)方法。

16、本發(fā)明實(shí)施例提供的技術(shù)方案帶來的有益效果至少包括：

17、本發(fā)明實(shí)施例中，在激光雷達(dá)運(yùn)行過程中，每隔一定距離提取當(dāng)前點(diǎn)云作為關(guān)鍵幀，將一定數(shù)量的關(guān)鍵幀拼合為局部點(diǎn)云；將局部點(diǎn)云注冊(cè)到球樹框架中，作為ndt算法中的目標(biāo)點(diǎn)云；將當(dāng)前幀作為ndt算法中的源點(diǎn)云，以目標(biāo)點(diǎn)云為基準(zhǔn)，利用dbscan聚類方法，聚合源點(diǎn)云中每個(gè)點(diǎn)周圍的點(diǎn)云信息，組成聚類點(diǎn)云；利用主成分分析算法，確定聚類點(diǎn)云的幾何信息，對(duì)幾何信息進(jìn)行加權(quán)處理；根據(jù)加權(quán)后的幾何信息，對(duì)當(dāng)前幀進(jìn)行ndt的點(diǎn)云概率密度分?jǐn)?shù)計(jì)算，并完成梯度和hessian矩陣的計(jì)算。采用本發(fā)明，對(duì)球樹進(jìn)行3維點(diǎn)云的適應(yīng)處理，以便更適合處理點(diǎn)云環(huán)境。在球樹基礎(chǔ)上加入dbscan聚類方法提高點(diǎn)云聚類算法的速度。利用球樹和dbscan聚類方法，提升了ndt掃描匹配在局部計(jì)算概率密度分?jǐn)?shù)時(shí)的精度。引入了加權(quán)形狀和密度權(quán)重，對(duì)局部點(diǎn)云表面形狀作出更細(xì)致的分類，提高了算法在不同形狀特征下的適應(yīng)能力，實(shí)現(xiàn)了更為精準(zhǔn)的定位效果。

技術(shù)特征：

1.一種基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述s1的在激光雷達(dá)運(yùn)行過程中，每隔一定距離提取當(dāng)前點(diǎn)云作為關(guān)鍵幀，將一定數(shù)量的關(guān)鍵幀拼合為局部點(diǎn)云，包括：

3.根據(jù)權(quán)利要求2所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述s2的將所述局部點(diǎn)云注冊(cè)到球樹框架中，作為ndt算法中的目標(biāo)點(diǎn)云，包括：

4.根據(jù)權(quán)利要求3所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述s3的將當(dāng)前幀作為ndt算法中的源點(diǎn)云，以目標(biāo)點(diǎn)云為基準(zhǔn)，利用dbscan聚類方法，聚合源點(diǎn)云中每個(gè)點(diǎn)周圍的點(diǎn)云信息，組成聚類點(diǎn)云，包括：

5.根據(jù)權(quán)利要求4所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述s4的利用主成分分析算法，確定所述聚類點(diǎn)云的幾何信息，對(duì)所述幾何信息進(jìn)行加權(quán)處理，包括：

6.一種基于球樹和dbscan聚類的slam前端配準(zhǔn)裝置，所述基于球樹和dbscan聚類的slam前端配準(zhǔn)裝置用于實(shí)現(xiàn)如權(quán)利要求1-5任一項(xiàng)所述基于球樹和dbscan聚類的slam前端配準(zhǔn)方法，其特征在于，所述裝置包括：

7.根據(jù)權(quán)利要求6所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)裝置，其特征在于，所述提取單元，用于：

8.根據(jù)權(quán)利要求7所述的基于球樹和dbscan聚類的slam前端配準(zhǔn)裝置，其特征在于，所述注冊(cè)單元，用于：

9.一種基于球樹和dbscan聚類的slam前端配準(zhǔn)設(shè)備，其特征在于，所述基于球樹和dbscan聚類的slam前端配準(zhǔn)設(shè)備包括：

10.一種計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中存儲(chǔ)有程序代碼，所述程序代碼可被處理器調(diào)用執(zhí)行如權(quán)利要求1至5任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明涉及同時(shí)定位與地圖構(gòu)建技術(shù)領(lǐng)域，特別是指一種基于球樹和DBSCAN聚類的SLAM前端配準(zhǔn)方法及裝置，方法包括：在激光雷達(dá)運(yùn)行過程中，每隔一定距離提取當(dāng)前點(diǎn)云作為關(guān)鍵幀，將一定數(shù)量的關(guān)鍵幀拼合為局部點(diǎn)云；將局部點(diǎn)云注冊(cè)到球樹框架中，作為NDT算法中的目標(biāo)點(diǎn)云；將當(dāng)前幀作為NDT算法中的源點(diǎn)云，以目標(biāo)點(diǎn)云為基準(zhǔn)，利用DBSCAN聚類方法，聚合源點(diǎn)云中每個(gè)點(diǎn)周圍的點(diǎn)云信息，組成聚類點(diǎn)云；利用主成分分析算法，確定聚類點(diǎn)云的幾何信息，對(duì)幾何信息進(jìn)行加權(quán)處理；根據(jù)加權(quán)后的幾何信息，對(duì)當(dāng)前幀進(jìn)行NDT的點(diǎn)云概率密度分?jǐn)?shù)計(jì)算，并完成梯度和Hessian矩陣的計(jì)算。采用本發(fā)明，可以提高算法在不同形狀特征下的適應(yīng)能力，可以提高定位效果的精度。

技術(shù)研發(fā)人員：李天宇,張嘉棋
受保護(hù)的技術(shù)使用者：吉林大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14