(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 202210856876.0 (22)申请日 2022.07.20 (71)申请人 上海大学 地址 200444 上海市宝山区上 大路99号 (72)发明人 欧芳　苗中华　何创新　李楠　 李云辉　 (74)专利代理 机构 深圳市易美 诺知识产权代理 事务所(普通 合伙) 44520 专利代理师 沈荣彬 (51)Int.Cl. G01S 17/89(2020.01) G01C 21/20(2006.01) G01C 21/32(2006.01) G06T 7/73(2017.01) (54)发明名称 面向非结构化果园的激光SLAM回环检测方 法 (57)摘要 本发明提供一种面向非结构化果园的激光 SLAM回环检测方法， 包括： 获取结构化果园的点 云数据， 构建具有区分性的空间二进制模式全局 表示； 计算空间二进制模式的列指标贡献度及关 于行因子的低维注意力分数图； 根据注意力分数 图构建KDTree， 查找候选回环帧并判断候选帧与 当前帧的空间二进制模式重叠率是否满足阈值 条件， 是则回环检测成功， 否则回环检测失败。 采 摘机器人在实际果园中的实验结果表明该方法 的有效性， 此外， 在常规户外 数据集KITT I上的实 验进一步证明了该方法的泛化 性。 权利要求书1页 说明书5页 附图3页 CN 115453561 A 2022.12.09 CN 115453561 A 1.一种面向非结构化 果园的激光SLAM回环检测方法， 其特 征在于， 包括有如下步骤： 获取结构化果园的点云数据， 构建具有区分性的空间二进制模式全局表示； 计算空间二进制模式的列指标贡献度及关于行因子的低维注意力分数图； 根据注意力分数图构 建KDTree， 查找候选回环帧并判断候选回环帧与当前帧的空间二 进制模式重 叠率是否满足阈值条件， 是则回环检测成功， 否则回环检测失败。 2.根据权利要求1所述的面向非结构化果园的激光SLAM回环检测方法， 其特征在于： 其 中“获取结构化果园的点云数据， 构建具有区分性的空间二进制模式全局表示； ”步骤包括： 通过激光雷达获取果园的点云数据； 以雷达为原点将当前帧点云沿果树高度方向分割到多个单元块， 其中每个单元块包含 多个点云数据； 将单元块的点云数据投影到图像域矩阵， 并以此矩阵构建具有区分性的空间二进制模 式全局表示。 3.根据权利要求1所述的面向非结构化果园的激光SLAM回环检测方法， 其特征在于： 其 中“计算空间二进制模式的列指标贡献度及关于行因子的低维注意力分数图； ”步骤包括： 计算空间二进制模式的列指标在行因子中的占比； 计算空间二进制模式的列指标贡献度， 表示 为权重矩阵； 由列指标权 重矩阵计算关于空间二进制模式 内部行因子的低维注意力分数图。 4.根据权利要求1所述的面向非结构化果园的激光SLAM回环检测方法， 其特征在于： “根据注意力分数图构建KDTree， 查找候选回环帧并判断候选回环帧与当前帧的空间二进 制模式重 叠率是否满足阈值条件， 是则回环检测成功， 否则回环检测失败 ”步骤包括： 根据注意力分数图构建KDTre e， 从中快速找到k近邻个候选回环帧 计算候选帧与当前帧点云的SBP重 叠率； 平移候选回环帧列向量取得与当前帧的最大SBP重叠率， 作为该候选帧与当前帧之间 的最终重 叠率值； 确定与当前帧重 叠率最大的候选帧作为回环目标帧； 判断候选帧与当前帧的空间二进制模式重叠率是否满足阈值条件， 是则回环检测成 功， 否则回环检测失败。 5.根据权利要求3所述的面向非结构化果园的激光SLAM回环检测方法， 其特征在于： 其 中“判断候选回环帧与当前帧的空间二进制模式重叠率是否满足阈值条件， 是则回环检测 成功， 否则回环检测失败。 ”步骤包括： 若回环目标帧与当前帧的最大重叠率大于阈值， 则回环检测成功， 并且进行回环修正， 否则回环检测失败， 进入下一帧的回环检测。权　利　要　求　书 1/1 页 2 CN 115453561 A 2面向非结构化果园的激光 SLAM回环检测方 法 技术领域 [0001]本发明涉及回环检测技术领域， 特别是涉及一种面向非结构化果园的激光S LAM回 环检测方法。 背景技术 [0002]机器人在非结构化果园环境下基于雷达点云数据在定位的同时构建地图， 即激光 SLAM(Simultaneous  Localization  and Mapping， 同步定位与建图)技术， 是农业机器 人领 域的核心问题。 在激光SLAM中， 当前帧位姿由上一帧位姿约束计算而来， 随着时间推移， 位 姿误差会不断累积导 致轨迹漂移。 [0003]在SLAM过程中加入回环检测能够实时判断机器人在建图过程中是否再次回到了 曾经到达过的位置， 构建位姿约束， 减少定位与建图偏差。 回环检测的实质是为了求两帧点 云的相似性配准。 目前回环检测主要采用三种方法： 1、 采用融合gps位置的方法， 该方法不 适用于树冠茂密容易导致无GPS或GPS 定位不准的果园场景； 2、 直接采用任意关键帧匹配的 方法， 随着果园场景大尺度增加， 该方法存在计算量大、 效率低的缺点； 3、 提取点云的直方 图特征用于点云配准的方法， 不仅计算量大且在高度相似的果园场景具有局限性。 果园由 于树叶运动、 长期天气 变化、 生长变化使其具有非结构化特性， 应用于果园的回环检测需要 具有针对非结构化特性的不变性。 发明内容 [0004]本发明的目的是针对现有技术存在的不足， 提出一种面向非结构化果园的激光 SLAM回环检测方法， 能够针对非结构化 果园环境进行激光SLAM回环检测。 [0005]本发明的是通过如下的技 术方案来实现的。 [0006]本申请的技术方案是一种面向非结构化果园的激光S LAM回环检测方法， 其包括如 下步骤， 获取结构化果园的点云数据将当前帧点云沿果树高度方向分割到Nr×Ns×Nh个单 元块， 进一步地将单元块的点云数据投影到 Nr×Ns矩阵， 以此构建具有区分性的空 间二进制 模式(Spatial  Binary Pattern， SBP)全局 表示； 对SBP全局 表示进行内部列指标的贡献度 计算， 得到关于行因子的低维注意力 分数图； 两阶段回环检测过程是， 首先， 由注意力 分数 图构建KDTree(K ‑Dimensional  Tree， K维度树)， 从中快速找到k近邻 个候选回环帧。 其 次， 对候选帧进 行列平移， 计算所有候选帧与当前帧的SBP 重叠率， 得到与当前帧重叠率最大的 候选帧作为回环目标帧， 若最大重叠率大于阈值， 则回环检测成功， 进 行回环修正， 否则， 回 环检测失败， 进入下一帧的回环检测。 [0007]本技术方案的回环检测方法可扩充应用到常规室外环境的回环检测， 能够满足基 本的精度要求， 具有泛化 性。 [0008]本技术方案的面向非结构化 果园的激光SLAM回环检测方法具体包 含如下步骤： [0009]步骤11： 机器人在运动过程中， 通过速腾16线激光雷达获取果园的点云数据。 [0010]步骤12： 以雷达为原点将当前扫描帧点云pk＝(xk,yk,zk)沿果树高度方向分割到Nr说　明　书 1/5 页 3 CN 115453561 A 3