3D激光SLAM自适应参数调整方法、系统及相关设备与流程

本发明涉及机器人导航定位，尤其涉及一种基于深度强化学习的3d激光slam自适应参数调整方法、系统及相关设备。

背景技术：

1、同步定位与建图（slam）是移动机器人实现自主导航的核心技术，其目标是在未知环境中同时估计机器人自身位姿并构建环境地图。3d激光slam以激光雷达（lidar）为主要传感器，通过发射激光束并接收回波来测量周围环境的距离信息，生成高密度3d点云数据，相比视觉slam，3d激光slam具有精度高、受光照条件影响小、测距准确等优势，在自动驾驶、无人机、服务机器人等领域得到广泛应用。

2、然而，当前3d激光slam系统还存在以下技术问题：

3、（1）现有3d激光slam系统参数手工调优困难的问题。传统3d激光slam系统（如loam、lego-loam、lio-sam、fast-lio等）的前端点云处理、特征提取、scan-to-map配准等模块均依赖大量人工预设参数（如特征提取阈值、icp最大对应点距离阈值、体素滤波大小、迭代次数等）。这些参数需要针对不同传感器型号、不同应用场景（室内/室外、结构化/非结构化环境）进行繁琐的手工调试，且调试结果往往仅适用于特定场景，严重制约了slam系统的部署效率和泛化能力。

4、（2）slam系统在环境退化场景下定位精度下降的问题。在几何特征退化环境（如长直走廊、开阔广场、地下隧道、大面积草地等）中，由于有效几何约束减少，固定参数策略容易导致scan-to-map配准退化、位姿估计漂移或跟踪失败；不同场景中的误差放大程度受传感器型号、运动速度和地图质量影响，需通过实测数据量化。

5、（3）slam系统缺乏对动态环境和传感器特性变化的自适应能力。实际应用中，机器人可能从室内结构化环境突然切换到室外非结构化环境，或者面临动态障碍物（行人、车辆）干扰、激光雷达点云密度变化等情况。传统slam系统的固定参数无法对这些变化做出实时响应，导致系统鲁棒性不足。

6、（4）多参数联合优化的计算复杂度问题。slam系统涉及10-20个相互耦合的关键参数，手工调优不仅依赖专家经验，且难以实现多参数的联合最优。穷举搜索或网格搜索方法在高维参数空间中计算代价巨大，无法满足实时性要求。

7、因此，现有技术还有待于改进和发展。

技术实现思路

1、本发明提供了一种基于深度强化学习的3d激光slam自适应参数调整方法、系统及相关设备，本发明的主要目的在于解决现有技术所存在背景技术中所提到的技术问题。

2、本发明第一方面提供了一种基于深度强化学习的3d激光slam自适应参数调整方法，包括：

3、获取3d激光slam系统的前端和后端运行数据，提取表征系统运行状态与环境特征的多维度数据，构建状态向量；

4、将所述状态向量输入至预先构建的深度强化学习智能体中，通过所述深度强化学习智能体输出包括多个slam关键运行参数的联合参数动作向量；

5、将所述联合参数动作向量对应的参数值应用于所述3d激光slam系统中，并根据参数调整后所述3d激光slam系统在后续运行中的运行效果，计算多目标加权奖励；

6、利用所述状态向量、所述联合参数动作向量以及所述多目标加权奖励构建经验元组，并基于经验回放机制对所述深度强化学习智能体进行在线或离线策略更新，以驱动所述3d激光slam系统实现参数自适应优化。

7、在本发明第一方面一种可选的实施方式中，所述状态向量包括：

8、点云统计特征：包括当前帧点云的总点数、有效点数、边缘特征点数量、平面特征点数量、点云密度、点云分布熵、近邻点平均距离、点云高度分布方差；

9、配准质量特征：包括icp迭代次数、icp收敛残差、内点比例、配准时间、与前一帧位姿变化的连续性度量、局部地图匹配得分；

10、环境退化检测特征：包括由配准hessian或近似信息矩阵提取平移方向信息强度、旋转方向信息强度、最小特征值、条件数、退化方向数量和几何约束强度方差，用于描述当前环境的可观测性和退化程度；

11、历史性能特征：包括过去n帧的平均定位方差、轨迹平滑度度量、地图点云重叠率、回环检测成功率；

12、运动状态特征：包括速度模长、角速度模长、加速度变化率，以及运动方向与主要几何特征方向的夹角，用于描述平台运动强度和运动-环境耦合关系。

13、在本发明第一方面一种可选的实施方式中，所述联合参数动作向量包括：

14、特征提取阈值：用于控制边缘特征和平面特征的筛选强度；

15、icp最大对应点距离阈值：用于控制scan-to-map配准中有效对应点的最大距离；

16、体素滤波分辨率：用于控制点云降采样的体素大小；

17、icp最大迭代次数：用于控制单次配准的最大迭代次数；

18、鲁棒核函数参数：用于控制对异常对应点的惩罚程度；

19、关键帧插入综合阈值：用于控制新关键帧的插入频率。

20、在本发明第一方面一种可选的实施方式中，所述多目标加权奖励被配置为多个单项奖励的加权和，多个所述单项奖励包括以下至少2种：

21、定位精度奖励：在仿真或带外部真值的数据集中，基于ate/rpe计算；在真实在线运行中，采用包括归一化创新平方、icp配准残差、位姿估计协方差和imu/里程计相对运动一致性的可观测指标进行计算；

22、计算效率奖励：用于鼓励在满足精度要求的前提下降低计算开销；

23、地图质量奖励：用于评估局部地图的一致性和点云分布质量；

24、鲁棒性奖励：用于奖励连续跟踪成功和较高内点比例，并对配准失败、跟踪丢失和超时处理施加惩罚；

25、参数平滑性奖励：用于惩罚参数的剧烈变化，鼓励平稳过渡。

26、在本发明第一方面一种可选的实施方式中，所述深度强化学习智能体采用基于actor-critic架构的强化学习算法，所述深度强化学习智能体包括：

27、actor策略网络：用于接收所述状态向量并输出所述联合参数动作向量；

28、critic价值网络：采用双网络架构，用于评估所述状态向量与动作向量组合的动作价值，在策略更新时取两个网络输出价值的较小值作为目标q值，以缓解q值过估计问题。

29、在本发明第一方面一种可选的实施方式中，所述深度强化学习智能体的训练过程包括仿真环境预训练阶段和真实环境在线微调阶段：

30、所述仿真环境预训练阶段：构建包含多种典型场景和不同噪声水平的仿真环境，采用课程学习策略，由简单到复杂逐步增加环境复杂度，使智能体学习基础参数调整策略；

31、所述真实环境在线微调阶段：将预训练策略部署至真实机器人后，保留预训练经验回放数据，以保守的策略更新机制和降低的学习率，仅在奖励来源可信且系统未处于失效状态时进行低频策略更新，并采用ε-greedy探索机制、以预设上限ε_max约束探索幅度，以适应真实环境。

32、在本发明第一方面一种可选的实施方式中，所述深度强化学习智能体与slam系统采用松耦合集成方式，所述松耦合集成方式包括：

33、数据流通过ros话题或共享内存区发布特征信息；

34、参数接口采用参数服务或动态重配置机制实时修改slam参数；

35、同步机制过程rl智能体的参数调整以固定频率执行，且与slam主循环异步运行；

36、异常处理过程当检测到slam系统跟踪丢失或配准失败时，rl智能体自动切换至使用预设定的安全参数的保守模式，待系统恢复正常后再启用学习到的策略。

37、本发明第二方面提供了一种基于深度强化学习的3d激光slam自适应参数调整系统，所述3d激光slam自适应参数调整系统包括：

38、slam状态观测模块，用于获取3d激光slam系统的前端和后端运行数据，提取表征系统运行状态与环境特征的多维度数据，构建状态向量；

39、深度强化学习智能体模块，用于将所述状态向量输入至预先构建的深度强化学习智能体中，通过所述深度强化学习智能体输出包括多个slam关键运行参数的联合参数动作向量；

40、参数执行与效果评估模块，用于将所述联合参数动作向量对应的参数值应用于所述3d激光slam系统中，并根据参数调整后所述3d激光slam系统在后续运行中的运行效果，计算多目标加权奖励；

41、经验回放与策略更新模块，用于利用所述状态向量、所述联合参数动作向量以及所述多目标加权奖励构建经验元组，并基于经验回放机制对所述深度强化学习智能体进行在线或离线策略更新，以驱动所述3d激光slam系统实现参数自适应优化。

42、本发明第三方面提供了一种导航设备，所述导航设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

43、所述至少一个处理器调用所述存储器中的所述指令，以使得所述导航设备执行如本发明第一方面中任一项所述的基于深度强化学习的3d激光slam自适应参数调整方法。

44、本发明第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明第一方面中任一项所述的基于深度强化学习的3d激光slam自适应参数调整方法。

45、有益效果：本发明提供了一种基于深度强化学习的3d激光slam自适应参数调整方法、系统及相关设备，方法包括首先获取slam系统的前后端运行数据，构建表征系统状态与环境特征多维度数据的状态向量；随后将状态向量输入至深度强化学习智能体输出包括多个slam关键运行参数的联合参数动作向量，之后再将动作向量应用于slam系统中，并根据系统调整后的运行效果计算多目标加权奖励；最后构建状态向量、联合参数动作向量和多目标加权奖励的经验元组并通过经验回放机制对智能体进行在线或离线策略更新。本发明摆脱了人工经验调参依赖，实现了slam多核心参数的动态协同优化，提升了系统在复杂动态场景及环境退化条件下的定位精度与鲁棒性。