申请/专利权人：南京航空航天大学

申请日：2021-04-23

公开（公告）日：2024-04-23

公开（公告）号：CN113140004B

主分类号：G06T7/73

分类号：G06T7/73;G06V10/762;G06F16/29;G06F16/245;G06F16/23;G01S17/06;G01C21/30;G01C21/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.08.06#实质审查的生效;2021.07.20#公开

摘要：本发明公开一种基于激光雷达的无人系统快速重定位方法和装置，包括：采集激光雷达点云，获取每帧点云的特征描述矩阵、特征描述向量以及点云位姿，形成点云存储单元进行存储，构建点云特征资源池；基于点云特征资源池通过特征描述匹配实现对查询点云的快速搜索，从而获取查询点云的初始位姿，实现无人系统的全局初始定位。采用本发明的技术方案，通过特征描述矩阵以及特征描述向量实现对查询点云的快速搜索，实现初始定位。相比传统算法具有查找效率、可靠性高的优点。

主权项：1.一种基于激光雷达的无人系统快速重定位方法，其特征在于，包括：步骤1、采集激光雷达点云，获取每帧点云的特征描述矩阵、特征描述向量以及点云位姿；将特征描述矩阵，特征描述向量，点云位姿三者组合成点云存储单元并进行存储，构建点云特征资源池；步骤2、基于点云特征资源池通过特征描述匹配实现对查询点云的快速搜索，从而获取查询点云的初始位姿，实现无人系统的全局初始定位；步骤1具体包括：步骤11、构建特征描述矩阵根据激光雷达环境探测的结构特征，设点云三维坐标为px,py,pz，按照下式构建点云特征描述矩阵Sc：Scprow,pcol＝maxpz其中，prow表示该点的归一化深度，pcol表示该点归一化角度；步骤12、构建特征描述向量，即 其中，Srow为特征描述向量，为特征矩阵列向量，Nc为特征描述矩阵的列数；步骤13、在激光雷达数据采集过程中获取点云位姿；步骤14、构建点云存储单元结构，即，其中，Sc,k表示第k帧点云的特征描述矩阵，Srow,k表示特征描述向量以及Pk表示点云位姿；步骤2具体包括：步骤21、通过特征描述向量实现候选点云的快速聚类计算查询点云特征向量与资源池中点云特征向量的距离disrow 步骤22、通过特征描述矩阵从候选点云中选取最优匹配解通过如下式所示距离函数计算两特征描述矩阵之间的最小偏差： 其中，是由列向量偏移n位后形成的特征描述矩阵，并且： 其中，分别表示目标点云与输入点云特征矩阵的第k列向量，获取距离最小点云的位姿即为无人系统的初始位姿。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于激光雷达的无人系统快速重定位方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD