公开(公告)号：CN119863578A

公开(公告)日：2025-04-22

申请号：CN202411769014.X

申请日：2024-12-04

Applicant: 重庆大学 ,  重庆书山文海机器人有限责任公司

Inventor： 傅春耘 ,  李飞亚 ,  孙冬野

IPC: G06T17/05 ,  G06V10/26 ,  G06V10/44 ,  G06N3/0464

Abstract: 本发明涉及一种基于单目视觉和LiDAR融合的动态环境语义SLAM方法，属于机器人技术领域。该方法包括：1)对点云进行实例分割，分出未知运动状态、纯静态路标和地面属性点云，通过位姿初步估计和卡尔曼滤波来识别半静态和动态路标点云，继而进行位姿精确估计；2)对图像实例分割和增强，并提取SuperPoint特征点，通过投影动态路标至分割图像，进而区分静态与非静态点，采用多种跟踪策略跟踪静态特征，并利用局部地图优化位姿；3)进行异构传感器姿态融合；4)结合两种回环检测结果，输出优化轨迹；5)构建全局纯静态语义地图。本发明考虑了动态环境影响，提升了系统在动态复杂环境下定位精度和建图质量。

公开(公告)号：CN117974787A

公开(公告)日：2024-05-03

申请号：CN202410163883.1

申请日：2024-02-05

Applicant: 重庆大学 ,  重庆书山文海机器人有限责任公司

Inventor： 李飞亚 ,  傅春耘 ,  孙冬野

IPC: G06T7/73 ,  G06T17/05 ,  G06T3/067 ,  G06T7/277 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/762 ,  G06V10/764 ,  G06N3/006 ,  G06T7/33 ,  G01C21/32 ,  G01C21/00

Abstract: 本发明涉及一种动态场景下基于语义的激光SLAM方法，属于自动驾驶领域。该方法包括以下步骤：点云实例分割：点云被赋予语义和实例属性，并根据语义将点云分为未知运动状态路标、纯静态路标和地面点云；位姿初步估计：利用未知运动状态路标和纯静态路标，完成帧间配准，得到初步估计的位姿；未知运动状态路标的运动状态识别；位姿精确估计：采用纯静态和半静态路标，解算出水平方向的位姿。利用水平方向的姿态与地面点云结合，完成垂直方向的位姿估计，并组合为6DoF位姿；回环检测：采用改进的回环检测纠正由误差积累导致的轨迹偏移；建图。本发明提升了无人驾驶平台在动态场景下的定位精度，并建立了信息更为丰富的语义地图。

公开(公告)号：CN117974787B

公开(公告)日：2024-08-27

申请号：CN202410163883.1

申请日：2024-02-05

Applicant: 重庆大学 ,  重庆书山文海机器人有限责任公司

Inventor： 李飞亚 ,  傅春耘 ,  孙冬野

IPC: G06T7/73 ,  G06T17/05 ,  G06T3/067 ,  G06T7/277 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/762 ,  G06V10/764 ,  G06N3/006 ,  G06T7/33 ,  G01C21/32 ,  G01C21/00

Abstract: 本发明涉及一种动态场景下基于语义的激光SLAM方法，属于自动驾驶领域。该方法包括以下步骤：点云实例分割：点云被赋予语义和实例属性，并根据语义将点云分为未知运动状态路标、纯静态路标和地面点云；位姿初步估计：利用未知运动状态路标和纯静态路标，完成帧间配准，得到初步估计的位姿；未知运动状态路标的运动状态识别；位姿精确估计：采用纯静态和半静态路标，解算出水平方向的位姿。利用水平方向的姿态与地面点云结合，完成垂直方向的位姿估计，并组合为6DoF位姿；回环检测：采用改进的回环检测纠正由误差积累导致的轨迹偏移；建图。本发明提升了无人驾驶平台在动态场景下的定位精度，并建立了信息更为丰富的语义地图。