【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及定位與地圖構(gòu)建，尤其涉及一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法。
技術(shù)介紹
1、slam(simultaneous?localization?and?mapping)是一種集成了定位和地圖構(gòu)建的技術(shù)，主要應(yīng)用于基于移動機器人、自動駕駛車輛等領(lǐng)域。slam的目標(biāo)是估計移動機器人在六自由度(6-dof)下的位姿(位置和姿態(tài))，并在位置環(huán)境中構(gòu)建移動機器人周圍的地圖。激光雷達里程計(lidar?odometry)是通過使用激光雷達(lidar)數(shù)據(jù)估計機器人或車輛的位姿變化(位置和方向)的一項技術(shù)。
2、在地圖重建方面大多數(shù)現(xiàn)有的三維重建工作都是為rgb-d相機和室內(nèi)環(huán)境開發(fā)的，這不適用于大規(guī)模的戶外環(huán)境。對于大規(guī)模的建圖，激光雷達(lidar)由于其提供準(zhǔn)確距離測量的能力而起著關(guān)鍵作用。在使用激光雷達定位方法中，現(xiàn)有技術(shù)大多是顯式的方法，即直接依靠點云數(shù)據(jù)本身，或是從點云數(shù)據(jù)提取點特征、面特征、邊特征等通過尋找相鄰幀的對應(yīng)點或特征來最小化歐式距離來獲得位姿。現(xiàn)有深度學(xué)習(xí)方式也大多是有監(jiān)督的訓(xùn)練來獲得位姿，即在訓(xùn)練過程中需要額外的真實位姿，從而需要從環(huán)境中獲取大量的真實數(shù)據(jù)。由于激光雷達數(shù)據(jù)中可能包含噪聲，尤其是在惡劣天氣條件下(如雨雪、大霧等)，這些噪聲會影響特征提取和匹配過程，導(dǎo)致位姿估計誤差增大，計算開銷大，在實時運用中，處理速度可能會成為瓶頸，尤其是當(dāng)點云密度高時，對初始位姿估計依賴較強。如果初始猜測偏差過大，可能會導(dǎo)致算法收斂到局部最優(yōu)解，造成較大誤差，無法應(yīng)對動態(tài)環(huán)境，容易受到動態(tài)物體的干
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供了一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，可以解決了現(xiàn)有slam技術(shù)中存在的對噪聲敏感、計算開銷大、對初始位姿估計依賴性強、無法很好地應(yīng)對動態(tài)環(huán)境等問題。本專利技術(shù)旨在提供一種更加智能、高效且適應(yīng)戶外環(huán)境的新型解決方案，以有效提高激光雷達在定位和建圖方面的準(zhǔn)確性和可靠性。
2、本專利技術(shù)解決上述技術(shù)問題提出了一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，包括以下步驟：
3、s1初始化地圖和神經(jīng)符號距離場nsdf：
4、s1.1初始化地圖：對于雷達點云數(shù)據(jù)中的第一幀數(shù)據(jù)，使用單位矩陣或常量矩陣將輸入的采樣點從傳感器坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)系，并使用轉(zhuǎn)換到世界坐標(biāo)系中的點來初始化地圖，在初始化地圖過程中，通過高斯分布隨機生成分層潛在特征；
5、s1.2初始化神經(jīng)符號距離場nsdf：采用自監(jiān)督方式優(yōu)化分層潛在特征，并使用八叉樹數(shù)據(jù)結(jié)構(gòu)存儲優(yōu)化后的潛在特征生成潛在特征集合f，通過淺層多層感知機mlp對潛在特征集合f中的特征解碼為符號距離值，完成nsdf的初始化；
6、s2預(yù)測位姿和擴展nsdf：
7、s2.1預(yù)測位姿：從雷達點云數(shù)據(jù)的第二幀數(shù)據(jù)開始，每輸入一幀，通過幀到隱式地圖的匹配方式來獲得預(yù)測位姿；
8、s2.2擴展nsdf：利用獲得的預(yù)測位姿，將新輸入點轉(zhuǎn)換到世界坐標(biāo)系中，根據(jù)新輸入點的莫頓morton值來確定是否在當(dāng)前地圖中，若新輸入點有對應(yīng)的節(jié)點，則不需要添加新的潛在特征；否則，對于新的潛在特征同樣分層存儲在基于八叉樹數(shù)據(jù)結(jié)構(gòu)的潛在特征集合f中；
9、通過重復(fù)預(yù)測位姿和擴展nsdf的操作，直到所有的雷達點云數(shù)據(jù)全部輸入完成后，得到完整的地圖和所有數(shù)據(jù)幀的位姿，完成nsdf構(gòu)建。
10、有益效果：本專利技術(shù)是基于自監(jiān)督的訓(xùn)練方式即不需要真實位姿訓(xùn)練，而且是隱式的方法即我們不需要尋找相鄰幀的對應(yīng)點或?qū)?yīng)特征，這是一種無對應(yīng)關(guān)系的對齊方式，僅需使用基于八叉樹結(jié)構(gòu)的分層潛在特征通過最小化當(dāng)前幀的sdf值來獲得當(dāng)前幀的位姿，由于不需要去相鄰幀找對點或?qū)?yīng)特征，因此也減少了計算消耗。而且分層的特征融合也減少了動態(tài)物體對定位精度影響。
11、在地圖構(gòu)建方面，區(qū)別于傳統(tǒng)顯示重建方法，采用隱式的方式表征地圖，因此細節(jié)也更加逼真，基于八叉樹的數(shù)據(jù)結(jié)構(gòu)存儲和索引分層的潛在特征不僅能在大規(guī)模構(gòu)建地圖時減少內(nèi)存消耗，還提高了數(shù)據(jù)訪問的效率，多層的潛在特征讓地圖細節(jié)更加豐富，使得大規(guī)模3d建圖更加高效和準(zhǔn)確。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，在八叉樹數(shù)據(jù)結(jié)構(gòu)中生成潛在特征集合F時，同時生成表N和表G；其中表N表示為N＝{{N0},{N1},…,{N(L-2)},{N(L-1)}}，用于建立八叉樹數(shù)據(jù)結(jié)構(gòu)中分層節(jié)點與分層潛在特征之間的關(guān)系；
3.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，所述通過幀到隱式地圖的匹配方式來獲得預(yù)測位姿，包括：
4.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，所述地圖的大小的確定包括：
5.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，所述地圖的可視化包括：
6.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，所述MLP的隱藏層數(shù)量為2，潛在特征向量長度H1為12，八叉樹層級K為15。
【技術(shù)特征摘要】
1.一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于，在八叉樹數(shù)據(jù)結(jié)構(gòu)中生成潛在特征集合f時，同時生成表n和表g；其中表n表示為n＝{{n0},{n1},…,{n(l-2)},{n(l-1)}}，用于建立八叉樹數(shù)據(jù)結(jié)構(gòu)中分層節(jié)點與分層潛在特征之間的關(guān)系；
3.根據(jù)權(quán)利要求1所述的一種基于隱式神經(jīng)場的激光雷達定位與三維建圖方法，其特征在于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊志柳，張健源，段承耀，代晉語，
申請(專利權(quán))人：云南大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。