CN115496792B 基于人在环优化的点云语义slam的方法、系统及装置 （杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)）

MobileRobotwithHu本发明公开了一种基于人在环优化的机器云语义类别并采用标注工具进行叠加地图的点行分割模型的训练和评估得到训练和评估后的2S1、通过移动机器人上的采集模块对目标地点进行通过将连续点云和连续点云对应的推算位姿进行地图叠加，基于点云获取人工观测的建图误差信息，基于所述建图误差信息选择建图误S3、将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对应点云导入标注工S4、基于点云语义分割数据集进行点云语义分割模将点云语义分割数据集分为训练集和测试集，基于训练集和测试将点云发送到实时点云语义分割的模型得到点分割的语义标签，然后获得第一帧点云后，基于点云语义信息删除每帧点云的动态语义点，获取移动机器人在全局点云地图上的初始位置，对里程计前端估选择建图误差周围正确的点云帧重新进行局部ICP的配准优化，获取关键位姿点之间的闭3通过将连续点云和连续点云对应的推算位姿进行地图叠加，基于点云获取人工观测的建图误差信息，基于所述建图误差信息选择建图误数据集模块，用于将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对应点分割模型模块，用于基于点云语义分割数据集进行分割模将点云语义分割数据集分为训练集和测试集，基于训练集和测试将点云发送到实时点云语义分割的模型得到点分割的语义标签，然后获得第一帧点云后，基于点云语义信息删除每帧点云的动态语义点，获取移动机器人在全局点云地图上的初始位置，对里程计前端估处理器执行时实现如权利要求1所述的基于人在环优化的机器人点云语义SLAM方法的步4.一种计算机可读存储介质，其特征在于，所述计算机可递的实现程序，所述程序被处理器执行时实现如权利要求1所述的基于人在环优化的机器4[0002]随着技术的快速发展，移动机器人的相关应用正从研究阶段逐渐进入日常生机器人自主定位技术包括同步定位与建图(simultaneouslocalizationandmapping，点云的稀疏性、随机性和不稳定的数据结构使得配准特征筛选和匹配的难度比图像更复[0006]本发明的目的在于提供一种基于人在环优化的点云语义SLAM的方法、系统及装[0008]S1、通过移动机器人上的采集模块对目标地点进行数据采集，在采集过程中将5[0010]S3、将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对应点云导入标信息选择建图误差周围正确的点云帧重新进行局部ICP的配准优化，获取关键位姿点之间[0016]数据集模块，用于将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对[0023]上述说明仅是本发明技术方案的概述，为了能够更清楚6[0026]图2是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的工作流程[0027]图3是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的机器人示意[0028]图4是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地下车库建[0029]图5是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的人工修正前[0030]图6是本发明实施例的基于人在环优化的机器人点云语义SLAM方法人工修正后点[0031]图7是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地库语义标[0032]图8是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地图语义标[0033]图9是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的标注后的全[0034]图10是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的测试示意[0035]图11是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的前后端优[0036]图12是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的蒙特卡罗[0037]图13是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的三种SLAM术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范7[0058]图2是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的工作流程[0059]首先，通过手动控制移动机器人在目标场景进行点云数据采集。使用轻量级的8[0064]图3是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的机器人示意[0066]图4是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地下车库建[0069]图5是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的人工修正前图偏差的区域附近的位姿帧，并依次选择与周围正确9[0071]本步骤需要不断的人工循环迭代优化，具体的优化时间取决于场景的大小等因[0072]图7是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地库语义标[0075]图8是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的地图语义标[0077]图9是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的标注后的全[0078]通过累积一定规模的点云标注结果构建语义分割数据集，而叠加的点云语义地[0081]图10是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的测试示意[0085]图11是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的前后端优[0086]流程2.从前端不稳定点云过滤和后端闭环配准优化两方面对现有SLAM系统进行时，针对t时刻的一帧语义点云进行近邻搜索，构建基于语义的2D环境帧极坐标编码[0087]图12是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的蒙特卡罗[0091]针对流程1，将人类对点云的语义认知能力封装到地图和每帧点云中。其操作如rr[0097]MCL实现了一种估计概率密度的递归贝叶斯滤波器p(xelz1:pux),根据初始时r对应的观测是语义范围地图SRMr=中推断出机器人的当前位置。该观测模型可定义为具有相同尺度的两幅图像的绝对像素[0104]图13是本发明实施例的基于人在环优化的机器人点云语义SLAM方法的三种SLAM[0108]在没有GPS定位信息或测绘级激光跟踪仪的情况下，快速高效地构建用于语义信粒子滤波进行周期性全局定位减少累积误差和信息选择建图误差周围正确的点云帧重新进行局部ICP的配准优化，获取关键位姿点之间[0117]数据集模块，用于将进行局部ICP配准优化后的点云位姿和优化后的点云位姿对[0120]优化模块具体用于：通过将连续点云和连续点云对应的度高于某个阈值的模型参数作为实时点云语义分[0129]本发明实施例提供一种基于人在环优化的机器人点云语义SLAM装置，如图15所