买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安工业大学

摘要：本发明提出融合增强多线激光雷达与IMU的建图方法及系统，该方法包括：使用差分检测的方式，对接收到的三维点云信息进行阈值判断，使用DBSCAN聚类算法对超出阈值的点云进行聚类，接着将噪点的聚类消除；使用时间同步的方式同步多线激光雷达与IMU接收到数据的时间，保证数据接收的一致性，并将两者的数据使用扩展卡尔曼滤波EKF的方法进行融合优化，以矫正数据接收时产生的误差，使点云与位姿信息匹配的更加精准，为后续地图融合做准备；使用自适应的特征点云图提取方法，在对边缘和平面特征点云图进行提取的时候添加一个自适应参数，可以实时根据上一时刻的点云情况来优化下一帧的特征点云图效果，使最终地图的融合效果具有更强的精确性和鲁棒性。

主权项：1.一种融合增强多线激光雷达与IMU的建图方法，其特征在于，包括：S1、对多线激光雷达采集到的点云数据进行数据预处理：对多线激光雷达采集的点云信息进行去噪，移除孤立点得到过滤后点云集Pfiltered；S2、对IMU采集到的速度信息进行平滑处理，得到平滑后的加速度asmooth和平滑后的角速度ωsmooth；S3、数据采集：对处理后的多线激光雷达点云数据进行采集，得到一组点云数据Pt，再采集处理后的IMU速度信息，同样对线速度和角速度进行收集得到数据At，Ωt；对多线激光雷达的点云数据构建出连续的数据序列Pserics，同样对IMU的加速度和角速度信息也构建出连续的数据序列Aseries，Ωseries；接着对构建好的数据序列分别进行残差分析，通过欧式距离计算出点与阈值的距离dpi，p′j，同时计算速度的差分vt，at；判断速度和点云是否超出阈值范围，对超出范围的点云和速度进行标记；S4、对标记后的点云和速度信息，使用DBSCAN算法进行聚类：先找到具体的邻域范围Nrp，接着判断核心点p的位置，如果点p不是核心点，但在核心点的r-邻域内，则判断p是边界点；如果点p既不是核心点也不是边界点，就将p归类为噪声点；接着将噪声点聚类后消除，实现动态点的消除；S5、将多线激光雷达和IMU的时间信息进行同步：首先确认时间戳的偏差值Δtavg，再使用插值法对时间戳的偏移进行矫正，保证接收数据时间的一致，接着获取IMU的状态向量，融合多线激光雷达的观测数据，使用EKF对两者的数据用协方差矩阵来预测更新，实现对多线激光雷达和IMU数据的误差矫正和更新；具体的，计算多线激光雷达和IMU的时间戳的偏差值式中，tL，i和tI，i代表多线激光雷达和IMU记录的时间戳；得到偏差值之后，使用插值法对时间戳进行矫正式中，其中t1和t2为偏差的时间戳之间时刻的时间数据，这两点对应的数据值为和获取IMU的状态向量xk＝[pk，vk，qk]T，包含位置pk、速度vk、和姿态qk；对IMU的状态进行预测，更新位姿信息式中，Δt是时间间隔，Exp是将角速度转换为四元数变化的操作，表示四元数乘法；接着通过协方差矩阵预测下一帧的位姿信息式中，Fk-1是状态转移矩阵的雅可比，Qk-1是IMU的噪声协方差矩阵；融合多线激光雷达的观测残差yk＝zk-hxk|k-1，式中，zk是多线激光雷达提供的位置观测，hxk|k-1将预测状态转换为观测空间；最后通过卡尔曼增益来更新系统的状态估计xk|k＝xk|k-1+Kkyk和协方差增益Pk|k＝I-KkHkPk|k-1，式中，Hk是观测模型的雅可比矩阵，Rk是观测噪声协方差矩阵；实现对对多线激光雷达和IMU数据的误差矫正和更新；S6：对点云进行自适应特征提取：对点云的边缘特征和平面特征分别进行提取计算得到边缘点云特征κp和平面点云特征；添加自适应参数Paramnew，通过特征提取的情况，结合前一帧点云的特征来实时调整自适应参数的变化，并将自适应参数作用于下一步的特征提取中；具体的，先对点云密度进行判断，利用KNN算法得出每个点云块的局部密度：式中，Nkp是点p的k个最近邻点集，||p-q||是点p与点q之间的距离；接着通过局部曲率来测算边缘点，提取计算边缘点云特征式中，Np是点p的邻域，np和nq分别是点p和其邻域点q处的拟合平面的法向量；同时通过RANSAC算法来提取计算平面点云特征，为点云面构建平面方程Ax+By+Cz+D＝0，通过点到面的距离，测算出点云是否超出平面的阈值最后添加一个参数Param，参数Param会实时根据上一帧的状态来更新下一步的特征提取情况，同时也用上一步的参数Param来更新下一步的参数，以实现自适应效果Paramnew＝gParamold，C式中，Paramnew和Paramold分别代表新旧参数值，g是一个根据评价指标C调整参数的函数；S7：将多线激光雷达和IMU数据进行融合位姿估计，再利用非线性优化技术Levenberg-Marquardt算法对位姿进行优化；S8：使用全局地图融合的方式对分块点云图进行融合，得到整体的三维点云地图Mglogal，最后对地图进行优化，去除冗余数据，删除相似点，构建完善的三维点云地图。

全文数据：

权利要求：

百度查询： 西安工业大学 融合增强多线激光雷达与IMU的建图方法及系统