CN108304578A - 地图数据的处理方法、介质、装置和计算设备 - Google Patents
地图数据的处理方法、介质、装置和计算设备 Download PDFInfo
- Publication number
- CN108304578A CN108304578A CN201810174532.5A CN201810174532A CN108304578A CN 108304578 A CN108304578 A CN 108304578A CN 201810174532 A CN201810174532 A CN 201810174532A CN 108304578 A CN108304578 A CN 108304578A
- Authority
- CN
- China
- Prior art keywords
- map
- map datum
- data
- relative accuracy
- datum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2004—Aligning objects, relative positioning of parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Data Mining & Analysis (AREA)
- Processing Or Creating Images (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明的实施方式提供了一种地图数据的处理方法、介质、装置和计算设备。该地图数据的处理方法包括:获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。本发明实施例的技术方案可以在不借助任何额外输入的情况下,尽可能准确地确定相对精度地图的精度。
Description
技术领域
本发明的实施方式涉及通信及计算机技术领域,更具体地,本发明的实施方式涉及地图数据的处理方法、介质、装置和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着技术的发展,涌现出了自动构建地图并通过构建的地图进行定位的技术,如SLAM(Simultaneous Localization And Mapping,即时定位与地图构建),采用这种技术构建的地图属于相对精度的地图。
发明内容
但是,在采用SLAM技术构建地图时,由于没有外部测量数据的参考,因此无法评估构建出的地图的精度,进而无法保证采用该地图进行定位的可信度。
为此,非常需要一种改进的地图数据的处理方案,可以在不借助任何额外输入的情况下,尽可能准确地确定相对精度地图的精度,进而可以确保根据确定的精度来调整相对精度的地图,提高了采用相对精度的地图进行定位的可信度。
在本上下文中,本发明的实施方式期望提供一种地图数据的处理方法、介质、装置和计算设备。
在本发明实施方式的第一方面中,提供了一种地图数据的处理方法,包括:获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述获取地图数据,根据所述地图数据构建相对精度地图,包括:获取用于构建地图的传感器所采集到的数据;根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
在本发明的一些实施方式中,基于前述方案,从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据,包括:将构建所述相对精度地图所使用的地图数据划分为多组数据;从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,将构建所述相对精度地图所使用的地图数据划分为多组数据,包括:将所述地图数据在时间域上均匀划分为所述多组数据;和/或将所述地图数据在空间域上均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,将所述地图数据在时间域上均匀划分为所述多组数据,包括:按照所述地图数据的采集时间顺序,将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,将所述地图数据在空间域上均匀划分为所述多组数据,包括:确定所述地图数据所对应的地图轨迹的长度;对所述地图轨迹的长度进行均匀切分,并基于均匀切分的结果将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据,包括:从所述多组数据中逐个选择每组数据作为所述第一地图数据;在从所述多组数据中选择任一组数据作为所述第一地图数据时,从所述多组数据中的其它组数据中逐个选择每组数据作为所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,包括:基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
在本发明的一些实施方式中,基于前述方案,所述预定的定位算法与构建所述相对精度地图所采用的三维重建算法相对应。
在本发明的一些实施方式中,基于前述方案,根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度,包括:确定所述第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差;对所述误差进行统计分析,以得到统计分析结果;基于所述统计分析结果确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述误差包括:平移误差和/或旋转角度误差。
在本发明的一些实施方式中,基于前述方案,对所述误差进行统计分析,包括:对所述误差进行累积概率分布统计;或对所述误差进行直方图分布统计。
在本发明的一些实施方式中,基于前述方案,所述的方法还包括:基于所述相对精度地图的精度,对所述相对精度地图进行调整。
在本发明的一些实施方式中,基于前述方案,对所述相对精度地图进行调整,包括:对构建所述相对精度地图的三维重建算法进行优化处理。
在本发明实施方式的第二方面中,提供了一种介质,其上存储有程序,该程序被处理器执行时实现如上述实施方式中第一方面所述的方法。
在本发明实施方式的第三方面中,提供了一种地图数据的处理装置,包括:构建单元,用于获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;选择单元,用于从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;定位单元,用于基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;处理单元,用于根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述构建单元包括:获取单元,用于获取用于构建地图的传感器所采集到的数据;生成单元,用于根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
在本发明的一些实施方式中,基于前述方案,所述选择单元包括:划分单元,用于将构建所述相对精度地图所使用的地图数据划分为多组数据;执行单元,用于从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元配置为:将所述地图数据在时间域上均匀划分为所述多组数据;和/或将所述地图数据在空间域上均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元配置为:按照所述地图数据的采集时间顺序,将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元配置为:确定所述地图数据所对应的地图轨迹的长度;对所述地图轨迹的长度进行均匀切分,并基于均匀切分的结果将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述执行单元配置为:从所述多组数据中逐个选择每组数据作为所述第一地图数据;在从所述多组数据中选择任一组数据作为所述第一地图数据时,从所述多组数据中的其它组数据中逐个选择每组数据作为所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,所述定位单元配置为:基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
在本发明的一些实施方式中,基于前述方案,所述预定的定位算法与构建所述相对精度地图所采用的三维重建算法相对应。
在本发明的一些实施方式中,基于前述方案,所述处理单元包括:第一确定单元,用于确定所述第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差;统计单元,用于对所述误差进行统计分析,以得到统计分析结果;第二确定单元,用于基于所述统计分析结果确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述误差包括:平移误差和/或旋转角度误差。
在本发明的一些实施方式中,基于前述方案,所述统计单元配置为:对所述误差进行累积概率分布统计;或对所述误差进行直方图分布统计。
在本发明的一些实施方式中,基于前述方案,所述的装置还包括:调整单元,用于基于所述相对精度地图的精度,对所述相对精度地图进行调整。
在本发明的一些实施方式中,基于前述方案,所述调整单元配置为:对构建所述相对精度地图的三维重建算法进行优化处理。
在本发明实施方式的第四方面中,提供了一种计算设备,包括:处理器和存储器,所述存储器存储有可执行指令,所述处理器用于调用所述存储器存储的可执行指令执行如上述实施方式中第一方面所述的方法。
根据本发明实施方式的地图数据的处理方法、介质、装置和计算设备,通过从构建相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据,以基于第二地图数据所提供的地图对第一地图数据中的采集数据进行定位,并根据第一地图数据中的采集数据在相对精度地图中对应的位姿数据和定位结果确定相对精度地图的精度,使得可以在不借助任何额外输入的情况下,尽可能准确地确定相对精度地图的精度,进而可以确保根据确定的精度来调整相对精度的地图,提高了采用相对精度的地图进行定位的可信度。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性示出了根据本发明的一个实施例的地图数据的处理方法的流程图;
图2示出了图1中所示的步骤S120的一种实现过程示意图;
图3示出了图1中所示的步骤S140的一种实现过程示意图;
图4示意性示出了根据本发明的另一个实施例的地图数据的处理方法的流程图;
图5示意性示出了根据本发明的实施例的地图数据的处理装置的框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此,本发明可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种地图数据的处理方法、介质、装置和计算设备。
在本文中,需要理解的是,所涉及的术语“SFM”是Structure From Motion的缩写,中文为通过运动计算结构,SFM是一种摄影测量范围成像技术,估计二维图像序列中的三维结构,这些图像可能与局部运动信号相结合。
术语“相对精度地图”是与绝对精度地图相对的,绝对精度地图是通过全球卫星定位、测绘等绝对测量技术得到的地图,而“相对精度地图”是采用SLAM或SFM技术构建的地图。
此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,在采用SLAM技术构建地图时,由于没有外部测量数据的参考,因此无法评估构建出的地图的精度,进而无法保证采用该地图进行定位的可信度。
因此,本发明的实施方式提供了一种地图数据的处理方法、介质、装置和计算设备,可以在不借助任何额外输入的情况下,尽可能准确地确定相对精度地图的精度,进而可以确保根据确定的精度来调整相对精度的地图,提高了采用相对精度的地图进行定位的可信度。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
需要注意的是,下述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
应用场景一:当采用SLAM技术构建相对精度的地图之后,为了确定构建的相对精度地图的精度,可以从构建该相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据,然后基于选择的第二地图数据所提供的地图,对第一地图数据中的采集数据进行定位,进而根据第一地图数据中的采集数据在相对精度地图中对应的位姿数据和定位结果,确定该相对精度地图的精度。可见,本发明实施例的技术方案可以在不借助任何额外输入的情况下,准确确定相对精度地图的精度。
应用场景二:在根据本发明实施例的技术方案确定相对精度地图的精度之后,可以基于确定的精度对相对精度的地图进行调整,实现了对相对精度地图进行更新的目的,进而能够提高采用相对精度的地图进行定位的可信度。
示例性方法
下面结合上述的应用场景,参考图1至图4来描述根据本发明示例性实施方式的地图数据的处理方法。
图1示意性示出了根据本发明的一个实施例的地图数据的处理方法的流程图。
参照图1所示,根据本发明的一个实施例的地图数据的处理方法,包括步骤S110至步骤S140,以下对各个步骤的实现细节进行详细阐述:
在步骤S110中,获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据。
在本发明的一个实施例中,步骤S110包括:获取用于构建地图的传感器所采集到的数据;根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
在本发明的一个实施例中,用于构建地图的传感器可以是单目相机、双目相机、深度相机、雷达、RGB-D相机等。三维重建算法可以是ORB-SLAM算法(其中ORB即为OrientedFAST and Rotated BRIEF-SLAM,是一种快速特征点提取和描述的算法,该算法支持单目相机和双目相机)、LOAM(Lidar Odometry And Mappoing,是一种快速提取lidar数据中的“线”特征和“面”特征,且使用ICP(Iterative Closest Points,迭代最近点)算法进行优化的算法)算法、KinectFusion(kinect是RGB-D摄像头,对RGB图像部分置信度高的像素赋予深度,使用ICP算法进行加权最小二乘算法优化)等。
继续参照图1,在步骤S120中,从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据。
在本发明的一个实施例中,参照图2所示,步骤S120包括:
步骤S121,将构建所述相对精度地图所使用的地图数据划分为多组数据,这里的分组需要保证每个组的地图达到一定的稠密度,最少分为两组。
在本发明的实施例中,将构建相对精度地图所使用的地图数据划分为多组数据可以有如下几个实施例:
实施例1:
在本发明的一个实施例中,可以将构建相对精度地图所使用的地图数据在时间域上均匀划分为多组数据。
具体地,在传感器使用单目相机,算法使用ORB-SLAM进行三维重建的情况下,可以按照构建相对精度地图所使用的地图数据的采集时间顺序,将所述地图数据均匀划分为所述多组数据。需要说明的是,在本例中的地图数据是单目图像数据,定位算法使用基于ORB特征PnP(Perspective-n-point)算法。同时,该实施例中通过在时间域上进行均匀划分,可以保证每组数据的稠密度,当然在本发明的其它实施例中,也可以不进行均匀划分。
实施例2:
在本发明的一个实施例中,可以将构建相对精度地图所使用的地图数据在空间域上均匀划分为所述多组数据。
具体地,在传感器使用64线激光雷达,算法使用LOAM进行三维重建的情况下,可以确定构建相对精度地图所使用的地图数据所对应的地图轨迹的长度,然后对所述地图轨迹的长度进行均匀切分,并基于均匀切分的结果将所述地图数据均匀划分为所述多组数据。需要说明的是,在本例中的地图数据是激光雷达点云数据,定位算法使用基于“线”、“面”特征的ICP算法。同时,该实施例中通过在空间域上进行均匀划分,同样可以保证每组数据的稠密度,当然在本发明的其它实施例中,也可以不进行均匀划分。
实施例3:
该实施例是上述实施例1和实施例2的结合,即可以将构建相对精度地图所使用的地图数据在时间域上和空间域上划分为多组数据。比如得到的多组数据一部分是按照时间域划分得到的,另一部分是按照空间域划分得到的。在本发明的实施例中,在保证地图稠密度相当的情况下,按照时间域和空间域这两种划分得到的地图数据,可以交叉做定位测试。
继续参照图2所示,在步骤S122中,从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
在本发明的一个实施例中,步骤S122包括:从所述多组数据中逐个选择每组数据作为所述第一地图数据;在从所述多组数据中选择任一组数据作为所述第一地图数据时,从所述多组数据中的其它组数据中逐个选择每组数据作为所述第二地图数据。因此,一共有n!/(n-2)!组排列可能。在相对精度地图精度较高的时候,任何一组测试组的测试结果都应该相似,如果某一组或某几组测试结果较其他组差别较大,则需要进一步分析。
具体地,比如一共划分为四组数据:组1、组2、组3和组4。当选择组1作为第一地图数据时,可以将组2、组3和组4依次作为第二地图数据;当选择组2作为第一地图数据时,可以将组1、组3和组4依次作为第二地图数据;当选择组3作为第一地图数据时,可以将组1、组2和组4依次作为第二地图数据;当选择组4作为第一地图数据时,可以将组1、组2和组3依次作为第二地图数据。
继续参照图1所示,在步骤S130中,基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果。
在本发明的一个实施例中,步骤S130包括:基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
在本发明的一个实施例中,基于前述方案,所述预定的定位算法与构建所述相对精度地图所采用的三维重建算法相对应。比如三维重建算法为ORB-SLAM时,定位算法可以采用PnP算法;再如三维重建算法为LOAM时,定位算法可以采用ICP或GICP(Generalized-ICP,广义的ICP)等其他ICP系列算法。
继续参照图1所示,在步骤S140中,根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
在本发明的一个实施方式中,参照图3所示,步骤S140包括:
步骤S141,确定第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差。
在本发明的一个实施例中,计算的误差可以是平移误差和/或旋转角度误差,对于三维地图来说,平移误差可以更具体为x、y、z三轴误差,旋转角度误差可以具体为yaw、pitch、roll三轴角度误差,对于二维地图来说,平移误差可以更具体为x、y两轴误差,旋转角度误差可以具体为yaw一轴角度误差。
步骤S142,对所述误差进行统计分析,以得到统计分析结果。
在本发明的一个实施例中,步骤S142中对误差进行统计分析可以是对误差进行累积概率分布统计;或对误差进行直方图分布统计;对于追求更加平滑效果的场景而言,可能也需要对最大值误差进行分布统计等。
步骤S143,基于所述统计分析结果确定所述相对精度地图的精度,具体地,不同组别得到的在定位效果较好且接近的时候,说明相对精度地图的精度较好,若个别组定位效果较其他组的差别较大,则需要更进一步分析。
本发明上述实施例的技术方案使得可以在不借助任何额外输入的情况下,尽可能准确地确定相对精度地图的精度。
在本发明的一个实施例中,当确定相对精度地图的精度之后,可以基于该相对精度地图的精度,对相对精度地图进行调整,进而可以提高采用相对精度的地图进行定位的可信度。
其中,对相对精度地图进行调整可以是对构建相对精度地图的三维重建算法进行优化处理,对二维地图也可以用同样的方法进行分析。
以下结合图4所示的实现逻辑对本发明实施例的地图数据的处理方案的实现细节进行详细阐述:
参照图4所示,根据本发明的另一个实施例的地图数据的处理方法,包括:
步骤S410,根据传感器采集到的数据和相对精度地图构建算法,建立相对精度地图M。
在本发明的一个实施例中,传感器包括但不限于:单目相机、双目相机、深度相机、雷达、RGB-D相机等。同时,可以根据采用的传感器,选择合适的三维重建算法,包括但不限于:ORB-SLAM、LOAM等。并且也可以根据选择的三维重建算法选择合适的地图格式,该地图格式包括但不限于octree、kdtree、TSDF、inversed index、multi inversed index、occupancy grid map等。
步骤S420,将构建地图M的数据进行均匀分组。
在本发明的一个实施例中,在对构建地图M的数据进行均匀分组时,可以是时间上也可以是空间上的均匀划分。当在时间上进行均匀划分时,可以按照数据的采集时间在时间域上均匀分成N组;当在空间上进行均匀划分时,可以按照采集地图的轨迹的长度进行均匀切分,以均匀分成N组。其中,N大于或等于2。
步骤S430,将均匀分得的N组划分为用于定位的数据组和被测试的地图数据组。同时,将用于定位的数据组中的数据帧(数据帧在此仅为示例,也可以是数据包、数据段、元素等)逐帧输入至被测试的地图数据组中,得到用于各个数据帧在地图M中的位姿数据,其中被测试的地图数据组则是由分到该组的地图数据组成。
步骤S430的具体实现过程包括以下两个步骤:
步骤a,将用于定位的数据组中的数据帧逐帧输入至被测试的地图数据组中,并使用定位算法来进行定位,其中使用的定位算法与上述步骤S410中的三维重建算法相对应。比如三维重建算法为ORB-SLAM时,定位算法可以采用PnP算法;再如三维重建算法为LOAM时,定位算法可以采用ICP或GICP。
步骤b,将用于定位的数据组和被测试的地图数据组进行互换,重新进行步骤a,以便得到较多的结果用于统计分析,定位的数据组和被测试的地图数据组进行交换的意义在于:用于定位的数据也是相对精度地图的一部分,它也需要被测试分析。
步骤S440,针对步骤S430得到的结果,进行累积概率分布统计/直方图统计,得到平移误差或旋转角度误差,进而可以基于统计结果确定构建的相对精度地图M的精度,这里的精度是相对精度,表示地图M已经相当平滑,地图M没有异样数据。
本发明上述实施例的技术方案可以在不借助任何额外输入的情况下,通过自定位验证统计的方式分析相对精度地图的精度;同时可以通过确定的精度发现建图算法中可能遇到的问题,以优化建图算法;此外在确定相对精度地图的精度后,有助于实现多批地图的更新及合并。
示例性介质
在介绍了本发明示例性实施方式的方法之后,接下来,对本发明示例性实施方式的介质进行说明。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种介质,其上存储有程序代码,当所述程序代码被设备的处理器执行时用于实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的地图数据的处理方法中的步骤。
具体地,所述设备的处理器执行所述程序代码时用于实现如下步骤:获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:获取用于构建地图的传感器所采集到的数据;根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:将构建所述相对精度地图所使用的地图数据划分为多组数据;从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:将所述地图数据在时间域上均匀划分为所述多组数据;和/或将所述地图数据在空间域上均匀划分为所述多组数据。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:按照所述地图数据的采集时间顺序,将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:确定所述地图数据所对应的地图轨迹的长度;对所述地图轨迹的长度进行均匀切分,并基于均匀切分的结果将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:从所述多组数据中逐个选择每组数据作为所述第一地图数据;在从所述多组数据中选择任一组数据作为所述第一地图数据时,从所述多组数据中的其它组数据中逐个选择每组数据作为所述第二地图数据。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
在本发明的一些实施方式中,基于前述方案,所述预定的定位算法与构建所述相对精度地图所采用的三维重建算法相对应。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:确定所述第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差;对所述误差进行统计分析,以得到统计分析结果;基于所述统计分析结果确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述误差包括:平移误差和/或旋转角度误差。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:对所述误差进行累积概率分布统计;或对所述误差进行直方图分布统计。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时还用于实现如下步骤:基于所述相对精度地图的精度,对所述相对精度地图进行调整。
在本发明的一些实施方式中,所述设备的处理器执行所述程序代码时用于实现如下步骤:对构建所述相对精度地图的三维重建算法进行优化处理。
需要说明的是:上述的介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线、光缆、RF等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性装置
在介绍了本发明示例性实施方式的介质之后,接下来,参考图5对本发明示例性实施方式的地图数据的处理装置进行说明。
图5示意性示出了根据本发明的实施例的地图数据的处理装置的框图。
参照图5所示,根据本发明的实施例的地图数据的处理装置500,包括:构建单元502、选择单元504、定位单元506和处理单元508。
其中,构建单元502用于获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;选择单元504用于从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;定位单元506用于基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;处理单元508用于根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述构建单元502包括:获取单元5022,用于获取用于构建地图的传感器所采集到的数据;生成单元5024,用于根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
在本发明的一些实施方式中,基于前述方案,所述选择单元504包括:划分单元5042用于将构建所述相对精度地图所使用的地图数据划分为多组数据;执行单元5044用于从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元5042配置为:将所述地图数据在时间域上均匀划分为所述多组数据;和/或将所述地图数据在空间域上均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元5042配置为:按照所述地图数据的采集时间顺序,将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述划分单元5042配置为:确定所述地图数据所对应的地图轨迹的长度;对所述地图轨迹的长度进行均匀切分,并基于均匀切分的结果将所述地图数据均匀划分为所述多组数据。
在本发明的一些实施方式中,基于前述方案,所述执行单元5044配置为:从所述多组数据中逐个选择每组数据作为所述第一地图数据;在从所述多组数据中选择任一组数据作为所述第一地图数据时,从所述多组数据中的其它组数据中逐个选择每组数据作为所述第二地图数据。
在本发明的一些实施方式中,基于前述方案,所述定位单元506配置为:基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
在本发明的一些实施方式中,基于前述方案,所述预定的定位算法与构建所述相对精度地图所采用的三维重建算法相对应。
在本发明的一些实施方式中,基于前述方案,所述处理单元508包括:第一确定单元5082用于确定所述第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差;统计单元5084用于对所述误差进行统计分析,以得到统计分析结果;第二确定单元5086用于基于所述统计分析结果确定所述相对精度地图的精度。
在本发明的一些实施方式中,基于前述方案,所述误差包括:平移误差和/或旋转角度误差。
在本发明的一些实施方式中,基于前述方案,所述统计单元5084配置为:对所述误差进行累积概率分布统计;或对所述误差进行直方图分布统计。
在本发明的一些实施方式中,基于前述方案,所述的装置500还包括:调整单元510,用于基于所述相对精度地图的精度,对所述相对精度地图进行调整。
在本发明的一些实施方式中,基于前述方案,所述调整单元510配置为:对构建所述相对精度地图的三维重建算法进行优化处理。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后,接下来,介绍根据本发明的另一示例性实施方式的计算设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
在一些可能的实施方式中,根据本发明实施方式的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的地图数据的处理方法中的步骤。例如,所述处理器可以执行如图1中所示的步骤S110,获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;步骤S120,从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;步骤S130,基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;步骤S140,根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。又如,所述处理器也可以执行如图2和图3中所示的步骤。
应当注意,尽管在上文详细描述中提及了地图数据的处理装置的若干单元或子单元,但是这种划分仅仅是示例性的,并非是强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或单元的特征和功能可以在一个模块或单元中具体化。反之,上文描述的一个模块或单元的特征和功能可以进一步划分为由多个模块或单元来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所发明的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种地图数据的处理方法,包括:
获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;
从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;
基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;
根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
2.根据权利要求1所述的方法,其中,所述获取地图数据,根据所述地图数据构建相对精度地图,包括:
获取用于构建地图的传感器所采集到的数据;
根据所述传感器采集到的数据和与所述传感器相对应的三维重建算法,生成所述相对精度地图。
3.根据权利要求1所述的方法,其中,从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据,包括:
将构建所述相对精度地图所使用的地图数据划分为多组数据;
从所述多组数据中选择不同组的数据作为所述第一地图数据和所述第二地图数据。
4.根据权利要求3所述的方法,其中,将构建所述相对精度地图所使用的地图数据划分为多组数据,包括:
将所述地图数据在时间域上均匀划分为所述多组数据;和/或
将所述地图数据在空间域上均匀划分为所述多组数据。
5.根据权利要求1所述的方法,其中,基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,包括:
基于预定的定位算法,将所述第一地图数据中的采集数据逐个输入至所述第二地图数据中,以得到所述第一地图数据中的各个采集数据对应的定位结果。
6.根据权利要求1所述的方法,其中,根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度,包括:
确定所述第一地图数据中的各个采集数据在所述相对精度地图中对应的位姿数据相对于所述各个采集数据对应的定位结果的误差;
对所述误差进行统计分析,以得到统计分析结果;
基于所述统计分析结果确定所述相对精度地图的精度。
7.根据权利要求1至6中任一项所述的方法,还包括:基于所述相对精度地图的精度,对所述相对精度地图进行调整。
8.一种介质,其上存储有程序,该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
9.一种地图数据的处理装置,包括:
构建单元,用于获取地图数据,根据所述地图数据构建相对精度地图,所述地图数据包括位姿数据和采集数据;
选择单元,用于从构建所述相对精度地图所使用的地图数据中选择用于定位的第一地图数据和被测试的第二地图数据;
定位单元,用于基于所述第二地图数据所提供的地图,对所述第一地图数据中的采集数据进行定位,得到定位结果;
处理单元,用于根据所述第一地图数据中的采集数据在所述相对精度地图中对应的位姿数据和所述定位结果,确定所述相对精度地图的精度。
10.一种计算设备,包括:处理器和存储器,所述存储器存储有可执行指令,所述处理器用于调用所述存储器存储的可执行指令执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174532.5A CN108304578B (zh) | 2018-03-02 | 2018-03-02 | 地图数据的处理方法、介质、装置和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174532.5A CN108304578B (zh) | 2018-03-02 | 2018-03-02 | 地图数据的处理方法、介质、装置和计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304578A true CN108304578A (zh) | 2018-07-20 |
CN108304578B CN108304578B (zh) | 2020-08-21 |
Family
ID=62849214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810174532.5A Active CN108304578B (zh) | 2018-03-02 | 2018-03-02 | 地图数据的处理方法、介质、装置和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304578B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667506A (zh) * | 2020-05-14 | 2020-09-15 | 电子科技大学 | 一种基于orb特征点的运动估计方法 |
WO2022078301A1 (zh) * | 2020-10-12 | 2022-04-21 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN114543807A (zh) * | 2022-01-14 | 2022-05-27 | 安徽海博智能科技有限责任公司 | 一种极端场景下slam算法的高精度评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846308A (zh) * | 2017-01-20 | 2017-06-13 | 广州市城市规划勘测设计研究院 | 基于点云的地形图精度的检测方法和装置 |
CN107167148A (zh) * | 2017-05-24 | 2017-09-15 | 安科机器人有限公司 | 同步定位与地图构建方法和设备 |
-
2018
- 2018-03-02 CN CN201810174532.5A patent/CN108304578B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846308A (zh) * | 2017-01-20 | 2017-06-13 | 广州市城市规划勘测设计研究院 | 基于点云的地形图精度的检测方法和装置 |
CN107167148A (zh) * | 2017-05-24 | 2017-09-15 | 安科机器人有限公司 | 同步定位与地图构建方法和设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667506A (zh) * | 2020-05-14 | 2020-09-15 | 电子科技大学 | 一种基于orb特征点的运动估计方法 |
CN111667506B (zh) * | 2020-05-14 | 2023-03-24 | 电子科技大学 | 一种基于orb特征点的运动估计方法 |
WO2022078301A1 (zh) * | 2020-10-12 | 2022-04-21 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN114543807A (zh) * | 2022-01-14 | 2022-05-27 | 安徽海博智能科技有限责任公司 | 一种极端场景下slam算法的高精度评价方法 |
CN114543807B (zh) * | 2022-01-14 | 2023-10-20 | 安徽海博智能科技有限责任公司 | 一种极端场景下slam算法的高精度评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108304578B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102126724B1 (ko) | 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치 | |
US10438408B2 (en) | Resolution adaptive mesh for performing 3-D metrology of an object | |
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN111968229B (zh) | 高精度地图制图方法及装置 | |
US9053572B2 (en) | Densifying and colorizing point cloud representation of physical surface using image data | |
CN109883418A (zh) | 一种室内定位方法及装置 | |
EP3818741A1 (en) | Method, apparatus and computer program for performing three dimensional radio model construction | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
KR102396929B1 (ko) | 지오아크를 이용한 2차원 운송수단 국소화 | |
CN114758337B (zh) | 一种语义实例重建方法、装置、设备及介质 | |
CN108304578A (zh) | 地图数据的处理方法、介质、装置和计算设备 | |
CN108474658A (zh) | 地面形态检测方法及***、无人机降落方法和无人机 | |
CN110648363A (zh) | 相机姿态确定方法、装置、存储介质及电子设备 | |
KR102387679B1 (ko) | 지오아크를 이용한 3차원 운송수단 국소화 | |
CN108665541A (zh) | 一种基于激光传感器的地图生成方法及装置和机器人 | |
CN108759788A (zh) | 无人机影像定位定姿方法及无人机 | |
CN114061586A (zh) | 用于生成电子设备的导航路径的方法和产品 | |
ESTOQUE et al. | < Original Papers> Validating ALOS PRISM DSM-derived surface feature height: Implications for urban volume estimation | |
CN117830772A (zh) | 基于点云图像融合的局部地图生成方法及*** | |
EP4407563A1 (en) | Multi-type map-based fusion positioning method and electronic device | |
CN113141570A (zh) | 地下场景定位方法、装置、计算设备及计算机存储介质 | |
CN109934185A (zh) | 数据处理方法及装置、介质和计算设备 | |
CN113670253B (zh) | 空间目标姿态反演方法、装置、计算设备及存储介质 | |
KR20200032776A (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
CN114359891A (zh) | 一种三维车辆检测方法、***、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190702 Address after: 311215 Room 102, 6 Blocks, C District, Qianjiang Century Park, Xiaoshan District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Yixian Advanced Technology Co., Ltd. Address before: 310052 Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province, 4, 7 stories Applicant before: NetEase (Hangzhou) Network Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |