(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210859012.4 (22)申请日 2022.07.21 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 郭世盛　资引东　陈家辉　许振昌　 崔国龙　孔令讲　杨晓波　 (74)专利代理 机构 成都虹盛汇泉专利代理有限 公司 51268 专利代理师 王伟 (51)Int.Cl. G01S 7/48(2006.01) G01S 17/89(2020.01) G01C 21/00(2006.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于室内特征退化环境的激光雷达边 缘特征预测方法 (57)摘要 本发明公开一种室内特征退化环境下的激 光雷达边缘特征预测方法， 应用于室此环境下三 维高精度同时定位与 构图领域， 针对现有技术构 图与定位建图效果在室内特征退化环境下存在 特征退化问题。 本发明根据 原始激光点云的曲率 值大小提取边缘特征和平面特征； 然后， 根据环 境的结构信息将提取的平面特征分为面特征点、 地面相似特征点与非地面特征点； 其次， 本发明 运用基于欧式聚类生长的点云分割方法将此三 类平面特征点进一步分割， 并用随机抽样一致方 法以直线模 型去拟合这些被分割的三维点云， 进 而运用拟合的直线相交于点的方式预测出虚拟 边缘点； 最后， 将这些预测得到虚拟边缘特征点 与基于曲率的边缘特征点合并， 并作为最终的边 缘特征。 权利要求书2页 说明书6页 附图3页 CN 115113170 A 2022.09.27 CN 115113170 A 1.一种基于室内特 征退化环境的激光雷达边 缘特征预测方法， 其特 征在于， 包括： S1、 通过激光雷达采集室内特 征退化环境数据； S2、 根据步骤S1所采集的室内特征退化环境数据提取平面特征点云F和边缘特征点云 S3、 将提取的平面特征点云F进行分类， 具体包括以下三类平面点： 地面点 类地面点 和非地面点 S4、 根据步骤S3分类得到的三类平面点， 得到室内特征退化环境对应的虚拟边缘特征 点； S5、 将室内特征退化环境对应的虚拟边缘特征点与步骤S2中的边缘特征点云 合并作 为最终的边 缘特征。 2.根据权利要求1所述的一种基于室内特征退化环境的激光雷达边缘特征预测方法， 其特征在于， 步骤S2具体通过计算原始点的曲率值， 提取平面特征点云F和边缘特征点云 3.根据权利要求2所述的一种基于室内特征退化环境的激光雷达边缘特征预测方法， 其特征在于， 步骤S3包括以下分步骤： S31、 计算平面特 征点云F中所有平面特 征点对应的法向量 集合U； S32、 平面特 征点云F中的平面特 征点参照对应的法向量方向进行分类： 其中， 是地平面拟合方法， || ·||是欧几里得距离， ui为fi所对应的法向量， gL为当 前雷达坐标系{L} 中的重力向量， σ 是一个固定阈值。 4.根据权利要求3所述的一种基于室内特征退化环境的激光雷达边缘特征预测方法， 其特征在于， 步骤S31具体实现过程 为： 对于平面特征点云F中的当前平面特征点， 寻找其周围最近的NM个点， 并计算这NM个点 的质心， 得到质心的协方差矩阵； 通过QR分解 求解质心的协方差矩阵对应的特 征值和特 征向量； 得到当前平面特征点对应的法向量为其质心 的协方差矩阵最小特征值对应的特征向 量； 根据平面特 征点云F中所有平面特 征点的特 征向量， 得到对应的法向量 集合U。 5.根据权利要求4所述的一种基于室内特征退化环境的激光雷达边缘特征预测方法， 其特征在于， 步骤S4具体包括以下分步骤： S41、 以雷达坐标为原点， 以dζ为子空间间隔， 沿X轴方向和Y轴方向将当前雷达坐标系 {L}切割成若干 子空间； S42、 将平面特 征点云F中的所有特 征点根据各自对应的坐标分类至不同子空间； S43、 对每 个子空间中的点云进行分割， 得到各子空间对应的若干点云集 合； S44、 根据子空间分割后的每个点云集合中的点云进行直线拟合， 得到一条直线， 将这权　利　要　求　书 1/2 页 2 CN 115113170 A 2若干条直线在三维空间中两 两相交， 得到该子空间的虚拟边 缘特征点； S45、 将每 个子空间的虚拟边 缘特征点相加， 得到最终的虚拟边 缘特征点 6.根据权利要求5所述的一种基于室内特征退化环境的激光雷达边缘特征预测方法， 其特征在于， 步骤S43采用基于距离的区域 生长分割方法对每 个子空间中的点云进行分割。权　利　要　求　书 2/2 页 3 CN 115113170 A 3