一种顾及局部结构的语义地图配准方法

基于语义特征的环境地图构建与匹配定位具有较强的环境适应性,是自动驾驶和机器人领域中的研究热点,而语义地图配准是其中的一项关键环节。现有的大多数配准方法仅考虑语义特征间简单的数量和层次分布关系,在城市道路等语义特征高度重复的环境下容易配准失败,导致地图误差变大和定位精度下降等问题。基于图论中团的思想,提出了一种顾及局部结构的语义地图配准方法。首先,基于差异性更加显著的语义特征间相对距离和方位关系,构建包含局部结构信息的属性图,并建立属性图间的相似度计算准则。其次,设计粗-精级联的语义地图配准方法,粗配准阶段通过在属性图匹配时保持局部结构以获取稳健的初值,进而利用语义特征点云进行精配准,以提高地图配准的成功率。基于KAIST Urban数据集完成测试验证,与NGraph和SHD等经典算法相比,所提算法的配准成功率分别提高了约93.5%和74.0%,即使在语义特征重复的高相似度场景下,不依赖先验位姿也能完成鲁棒和精确的地图配准。