CN109556617A - 一种自动建图机器人的地图要素提取方法 - Google Patents

一种自动建图机器人的地图要素提取方法 Download PDF

Info

Publication number
CN109556617A
CN109556617A CN201811329208.2A CN201811329208A CN109556617A CN 109556617 A CN109556617 A CN 109556617A CN 201811329208 A CN201811329208 A CN 201811329208A CN 109556617 A CN109556617 A CN 109556617A
Authority
CN
China
Prior art keywords
map
information
map elements
jian
automatic
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.)
Pending
Application number
CN201811329208.2A
Other languages
English (en)
Inventor
陈广
王法
陈凯
余卓平
卢凡
瞿三清
杜嘉彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201811329208.2A priority Critical patent/CN109556617A/zh
Publication of CN109556617A publication Critical patent/CN109556617A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提出了一种自动建图机器人的地图要素提取方法，属于导航技术领域。该方法获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。该方法能够全自动地完成点云建图和语义标注，得到高精度的语义地图，同时成本较低，容易实施，可扩展性好。

Description

一种自动建图机器人的地图要素提取方法
技术领域
本发明属于导航技术领域，涉及一种地图要素提取方法，尤其是自动建图机器人的地图要素提取方法。
背景技术
近年来，随着自动驾驶汽车在一些领域的逐步应用，针对自动驾驶汽车所使用的高精度地图的巨大需求与目前高精度语义地图的高昂采集成本、较繁琐的采集流程都产生了较大的矛盾，对其大规模实际应用带来了相当的难度。目前在地图采集过程中，局部地图可以采用激光雷达建立点云地图的形式进行构建，并通过自动算法进行点云局部地图的拼接与提取轮廓，最终可以生成全局的轮廓地图。
但是，受制于目前自动化算法对于地图要素本身语义信息(如类型、尺寸、位置)等的分割与识别，准确率与计算速度仍较难达到人工标注的水平，故在高精地图的后处理阶段，目前仍然需要依靠大量人力与时间，对程序采集得到的全局轮廓地图进行手工的地图要素语义标注。在此过程中，将会带来大量的人力、时间成本，对自动驾驶汽车上高精度地图的更大规模应用造成了不小的阻碍。
发明内容
本发明的目的在于提供一种全自动完成点云建图和语义标注，得到高精度语义地图的方法。
为了达到上述目的，本发明的解决方案是：
一种自动建图机器人的地图要素提取方法，获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。
所述视觉标记为二维码。
第一地图要素信息包括地图要素的轮廓、距离、高差信息，不包含地图要素的语义信息。
采用激光雷达，获取待测环境的第一地图要素信息；优选地，所述激光雷达为多线激光雷达。
第二地图要素信息包含对应视觉标记所在位置的地图要素的位置、类型、大小的编码信息。
采用视觉传感器，检测待测环境设定位置上的视觉标记；优选地，所述视觉传感器为前视单目相机。
通过激光雷达获取待测环境中的第一地图要素信息，并通过SLAM(simultaneouslocalization and mapping，即同步定位与建图)算法进行点云数据预处理，生成基于激光雷达点云的场景地图，进而建立不包含地图要素语义信息的点云轮廓地图。
所述视觉标记为二维码；采用前视单目相机，获取自动建图机器人前方地面上的图像信息；从所述图像信息中识别并提取二维码标识的类型和二维码的四个角点，利用二维码的平面假设计算自动建图机器人与二维码之间的相对位置关系；读取并记录二维码对应的第二地图要素信息，通过扩展卡尔曼滤波器优化融合基于二维码求解出的自动建图机器人相对位置信息，以及惯性导航观测得到的自动建图机器人相对位移信息，实现地图要素语义标记点建图，并根据二维码中所记录的信息，对一个或多个相近的二维码标记点形成连线、网格或区域的语义轮廓，得到待测环境的语义轮廓地图。
所述将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图包括：将所述语义轮廓地图与所述点云轮廓地图融合，识别所述点云轮廓地图，将所述语义轮廓地图中的第二地图要素信息标记到所述点云轮廓地图中，得到包含完整语义的地图。
所述视觉标记的不同编码信息被预先定义在表格各行中，通过增加表格的行数，来适应增量式的地图要素种类扩充；预定义表格扩充后，已采集的地图，已有的视觉标记和未扩充的表格三者仍然兼容。
由于采用上述方案，本发明的有益效果是：本发明自动建图机器人高精度地图要素快速提取方法为一种完全自动地完成激光雷达点云建图、生成全局轮廓地图、并自动通过读取人工视觉标记在轮廓地图上进行实时语义标注的方法。该方法所采用的视觉传感器价格低廉、使用方便；其所涉及的人工视觉标记布置简单，算法成熟，通过Apriltag的二维码识别耗时短、准确率高，实施简单，快速可靠；直接通过视觉读取二维码信息(识别率接近100％)，相较于基于视觉的深度学习识别(识别率往往在80-90％)，具有识别精确度高的优点；该方法无需以传统方式人工对地图上的各个元素进行手工标注，省去了大量人力成本以及标注软件的授权费用，取而代之的是张贴二维码后，即可在激光建图的同时自动采集到标注的地图要素语义信息点，成本低。从而，本发明以低成本、方便快速的方式实现了得到包含完整语义信息的高精度地图，尤其适用于自动驾驶车辆的高精度语义地图的自动采集，能够有效地促进高精度地图在自动驾驶汽车上的大规模应用。该方法可应用于自动泊车停车场等使用场景。
附图说明
图1为本发明一实施例的自动建图机器人的地图要素提取方法的流程图；
图2是该实施例中某一单一道路中的二维码布置效果图；
图3是该实施例中某一分支道路中的二维码布置效果图；
图4是该实施例中某一开放区域中的二维码布置效果图；
图5是该实施例中对某一二维码角点识别、定位的结果示意图。
附图中：1、直路起点二维码；2、直路终点二维码；3、交叉路口转向点二维码；4、开放区域边界点二维码；5、开放区域出口点二维码；6、开放区域入口点二维码。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明提出了一种自动建图机器人的地图要素提取方法，该方法基于视觉传感器和激光雷达，面向自动建图机器人提取高精度地图的地图要素。其待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。
也就是说，该方法中，建图机器人的建图过程主要包括两部分：建图机器人的激光建图和建图机器人的地图要素信息自动标记，其中：
自动建图机器人的激光建图包括：利用多线激光雷达，获取周边局部环境的地图要素轮廓、距离、高差等信息，结合自动建图机器人自身组合定位传感器信息，完成对建图机器人周边局部环境的不含地图要素语义信息的点云高精地图的构建；
地图要素信息自动标准包括：在建图机器人的激光建图的基础上，利用视觉传感器，获取目标地图要素上或周围特定位置上所定义的人工视觉标记，如二维码等，通过读取人工视觉标记，可直接读取到此地图要素的位置、类型、大小等具体信息。通过之前建立好的机器人周边局部环境的不含地图要素语义信息点云高精地图结合标记的地图要素信息，实现精准对点云地图要素轮廓的识别与标注，并记录到地图中相应点云轮廓位置，完成包含具体语义信息的地图要素信息自动标注。
图1为本实施例中自动建图机器人的地图要素提取方法的流程图。
在本实施例中，该方法的具体实现过程为：
采用经过改装的电动车辆作为采集平台，本实施例中其为短轴距自动行驶车，其上安装了GPS定位模块、激光雷达、前视单目相机、轨迹规划模块、控制模块等组件，能够自行驾驶，构成自动建图机器人。在本发明中，上述组件也可以更换安装到其他经过改装的车辆或其他可移动平台上，构成自动建图机器人。
前视单目相机布置于车辆前方正中倾斜向下位置，分辨率为1080p或以上，帧率为25Hz，延迟小于5ms，通过棋盘格内参标定法对前视单目相机的内参数进行标定。激光雷达布置于车辆车顶正上方，分辨率为32或64线，可实现360度水平视场角，使用前也先对其外参数与内参数进行标定。
车道线、墙面、柱子、交通信号线、障碍物边界等地图要素作为重要的环境标志，在传统的视觉SLAM(simultaneous localization and mapping，即同步定位与建图)中容易造成误检测。虽然RGBD相机可以进行有效的检测，但成本较高，且对玻璃等强反射材质无效。因此，引入人工视觉标记(本实施例中为二维码)来进行辅助检测。
采用Apriltag二维码方案，每个二位码具有独一无二的序号，无二义性。二维码中包含以下信息编码代号：标记点序号，相应地图要素的位置、尺寸、类型，需要组合为语义轮廓的其他标记点序号及顺序等必要信息。按照每种不同的信息为一行制定定义表，二维码本身仅包含定义表列表的行号。
将二维码打印于A2以上尺寸的雾面防水纸，然后将其张贴在所需识别场景中各个地图要素的起始点、终止点、角点等位置。张贴的密度约为沿直线车道线1张/10m，在转弯处增加张贴密度至1张/5m。墙面、柱体上张贴高度约为1.7m-2.5m，保证车辆前视单目相机能够观测到二维码，并避免其他车辆的遮挡。图2是某一单一道路中的二维码布置效果图；图3是某一分支道路中的二维码布置效果图；图4是某一开放区域中的二维码布置效果图。
视觉传感器(即前视单目相机)读取到二维码的内容，并依据读到的行号从定义表中读取对应的含义信息及其编码，并同时计算采图机器人与二维码本身的相对位置(利用二维码角点与平面假设PnP模型坐标计算得到)，结合采图机器人自身定位信息(rtkGPS)，可得到二维码所代表的地图要素的位置信息。具体过程为：
利用前视单目相机对二维码进行检测，由于图像中四个角点在世界坐标系中位于同一平面上，且二维码边长已知，可用PnP(Perspective-n-Point)模型求解。
利用PnP模型，已知n(n＞2)组三维点坐标及在二维影像上对应的投影点坐标，即可确定相机外参数。具体求解过程如下：
三维点坐标与二维像点的对应关系可表示为：
spc＝K[R T]pw
其中，pw＝[x y z 1]T，为世界坐标系中三维点坐标的齐次形式，(x、y、z分别为三个维度上的空间坐标，x坐标轴、y坐标轴和z坐标轴的规定参照下段)；pc＝[u v 1]T，是影像坐标系中二维点坐标的齐次形式(u、v分别为影像平面上的两个坐标)；K为相机内参数，在标定步骤中已预先求得；由于外参数[R T](R、T分别为相机外参数中的旋转参数矩阵、平移参数矩阵)的自由度为6Dof(即具有六个自由度(具体涉及3个平移方向、3个旋转方向))，当n＞2时，可使用SVD分解迭代求解出[R T]。
在本方法中，定义以二维码中心为原点，沿二维码方向水平向右为x轴，沿二维码方向垂直向上为y轴，垂直于二维码平面向内为z轴的二维码空间坐标系。由于二维码四个角点之间的相对位置关系已知，易得它们的坐标值(如图5，其中长度s为二维码边长的一半)。因此，pw已知，pc通过二维码检测确定，K已标定相机得出，n＝4＞2，可使用PnP模型迭代求解[R T]。
对R3×3(即上段中所述的R矩阵，在三维自由空间中其为3行3列的矩阵)进行罗德里格变换，即得前视单目相机到二维码中心连线与车辆航向的夹角a，对t3×1(即上段中的T矩阵，其包含3行1列)取二范数即为前视单目相机到二维码标记中心的距离d。则视觉标记在自动建图机器人坐标系下坐标为：(xtag＝sin(a)·d,ytag＝cos(a)·d)(xtag和ytag分别表示自动建图机器人坐标系下的横坐标与纵坐标)。
生成对应地图要素类型的csv文件，并按观测到的先后顺序逐行添加：从定义表中读取到的语义信息，以及二维码位置坐标，并添加序号。
实际使用中，为明确各个二维码标记点之间的连接组合关系，额外对每一种地图要素定义一种“边沿”标记，定义方法同上，张贴于各个顶点的二维码标记点直线连线上，用于标记连接关系，采用同样的方法采集、存储于单独csv文件中。
得到并保存多个文件，即为所需要的矢量高精地图，其中包含了每种地图要素(如交通灯、车道、停止线、开放区域等)每个顶点或起始点(或者其他特征点)的位置，以及表明这些点之间组合连接关系的“边沿”标记位置。
使用时，***自动读取所有csv文件，并根据对应地图元素点的坐标在地图上生成标记顶点；然后，根据对应地图元素边沿点的坐标在地图上生成标记边沿(若顶点间直线连线上存在对应边沿点，则生成直线连接，被连接的顶点与边沿组合为地图元素对象；若顶点间连线需要为曲线，曲率较小时可采用多段直线拟合，曲率较大时则仍需要后续人工标注)
由于基于惯性导航进行航位推算存在累积误差，因此需要通过不断重复观测二维码标记或库位位置来修正累积误差。在激光雷达建图过程中，当识别到人工视觉标记时，其航位推算的累积误差可以得到极大的消除，省去了回环检测。
本方法中，采用扩展卡尔曼滤波，根据已观测到的标记点之间相对位置(直线)，每次观测到新二维码时可减小对于新观测到二维码标记点位置估计的误差。采用图优化方法，对于已得到的标记点，进行迭代优化计算，使误差最小化，得到最终标记点位置信息结果。具体为：
激光雷达进行点云图无语义地图建图过程中，每当检测到二维码等人工视觉特征标记时，即根据预定义的规则识别、读取该人工视觉标记本身所包含的地图要素位置、类型等信息，并通过定位标记角点，计算得到车辆自身的位置，实现在地图中精确定位，同时将所读取到的地图要素语义信息标记到所建立地图上的读取位置，完成地图上特定位置语义标记点的自动信息采集、标注。
而对于采集得到的标记点地图，可以根据二维码中记录的相关信息，将语义标记点之间进行连线、组合，形成语义轮廓，包括形成相应曲线或相应形状。本方法中，顶点是每个语义标记点所在位置，即各二维码所在位置，边是基于读取二维码中编码记录信息连接的结果。每获得一个新的观测或车辆发生了位移，则在图中增加新的顶点和边缘，并通过扩展卡尔曼滤波算法对已形成的语义轮廓进行修正。在添加所有数据后，根据图中边和顶点的关系，列出边误差方程，使用高斯牛顿法迭代进行优化。
图模型可以用下列误差方程描述：
其中，
xcoordinate表示某节点的位置信息矩阵，为误差函数的自变量
k表示图模型中任意一个结点(视觉标记或车辆)；
C表示图模型中全体结点集合；
xk表示第k个结点的位置信息矩阵，若该结点为视觉标记，则存储视觉标记的位置坐标；若该结点为车辆，则存储车辆的位置坐标及航向；
zk表示由与第k个结点相关的观测获得的第k个结点的位置信息矩阵；
Ωk表示由与第k个结点相关的观测获得的协方差矩阵；
ek(xk,zk)表示xk与zk的误差函数；
则F(xcoordinate)是整个图模型的误差函数，表示图模型的全局最优解；
为了求出全局最优解用高斯牛顿法对上式进行迭代求解。
对F(xcoordinate)进行一阶泰勒展开，该问题转化为求解线性方程，解得新的全局最优解，作为初始值代入F(xcoordinate)进行新一轮迭代，并用扩展卡尔曼滤波公式优化，可增量式地得到车辆当前位置，并即时更新地图中视觉标记的位置。
使用多线激光雷达对车辆周边的环境障碍物进行点云信息的采集，并通过扩展卡尔曼滤波与图形匹配算法，实时完成对点云轮廓的建图与局部地图的实时拼接，最终得到点云组成的全局场景地图。地图完全由点云信息构成，并进行存储。
按照离线优化过后的语义轮廓地图位置、大小、类型等信息，将地图要素语义标记轮廓建图结果标记到激光雷达完成的无语义点云轮廓地图中，生成带地图要素信息的高精度地图。
本发明中，可通过二维码编号所代表的预定义表中某些行的内容，自动对多种不同地图要素语义信息点进行采集，例如预定义的车道、开放区域、停止线、交通灯的二维码标记等，并不仅仅局限于对停车场库位的识别与采集。因此，采集的地图要素种类并非只有停车场库位这特定的一种，而是预定义表中定义好的多种(也可以是一种)地图要素。这种将视觉标记的不同编码信息被预先定义在表格各行中，可以通过增加表格行数，以适应增量式的地图要素种类扩充。采用预定义表的方式，可以适应增量式的地图要素种类扩充，即在预定义表中按顺序向下增量的添加行内容，以定义新的二维码种类，即可对扩充的地图要素进行采集。且在预定义表格扩充后，已采集的地图，已有的视觉标记和未扩充的表格三者仍然兼容(即预定义表格扩充后，已采地图、已有视觉标记、未扩充表格3者均仍然可以使用新的预定义表格解析其内容(即地图的使用过程)，无需用扩充后预定义表格重新采集或其他额外工作)。因而，采集的地图要素种类并非一定，可通过增加预定义表中对各类要素点的定义内容，针对需求，采集新的种类不同的地图要素语义信息。使用时，仅需要保证采集时依据的预定义表，与使用时相同，或是使用地图时所依据的预定义表的真子集即可。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (10)

1.一种自动建图机器人的地图要素提取方法，其特征在于：
获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；
检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；
将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；
其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。
2.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：所述视觉标记为二维码。
3.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：第一地图要素信息包括地图要素的轮廓、距离、高差信息，不包含地图要素的语义信息。
4.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：采用激光雷达，获取待测环境的第一地图要素信息；
优选地，所述激光雷达为多线激光雷达。
5.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：第二地图要素信息包含对应视觉标记所在位置的地图要素的位置、类型、大小的编码信息。
6.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：采用视觉传感器，检测待测环境设定位置上的视觉标记；
优选地，所述视觉传感器为前视单目相机。
7.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：通过激光雷达获取待测环境中的第一地图要素信息，并通过SLAM算法进行点云数据预处理，生成基于激光雷达点云的场景地图，进而建立不包含地图要素语义信息的点云轮廓地图。
8.根据权利要求6所述的自动建图机器人的地图要素提取方法，其特征在于：所述视觉标记为二维码；
采用前视单目相机，获取自动建图机器人前方地面上的图像信息；从所述图像信息中识别并提取二维码标识的类型和二维码的四个角点，利用二维码的平面假设计算自动建图机器人与二维码之间的相对位置关系；
读取并记录二维码对应的第二地图要素信息，通过扩展卡尔曼滤波器优化融合基于二维码求解出的自动建图机器人相对位置信息，以及惯性导航观测得到的自动建图机器人相对位移信息，实现地图要素语义标记点建图，并根据二维码中所记录的信息，对一个或多个相近的二维码标记点形成连线、网格或区域的语义轮廓，得到待测环境的语义轮廓地图。
9.根据权利要求8所述的自动建图机器人的地图要素提取方法，其特征在于：所述将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图包括：
将所述语义轮廓地图与所述点云轮廓地图融合，识别所述点云轮廓地图，将所述语义轮廓地图中的第二地图要素信息标记到所述点云轮廓地图中，得到包含完整语义的地图。
10.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：所述视觉标记的不同编码信息被预先定义在表格各行中，通过增加表格的行数，来适应增量式的地图要素种类扩充；预定义表格扩充后，已采集的地图，已有的视觉标记和未扩充的表格三者仍然兼容。
CN201811329208.2A 2018-11-09 2018-11-09 一种自动建图机器人的地图要素提取方法 Pending CN109556617A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811329208.2A CN109556617A (zh) 2018-11-09 2018-11-09 一种自动建图机器人的地图要素提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811329208.2A CN109556617A (zh) 2018-11-09 2018-11-09 一种自动建图机器人的地图要素提取方法

Publications (1)

Publication Number Publication Date
CN109556617A true CN109556617A (zh) 2019-04-02

Family

ID=65865871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811329208.2A Pending CN109556617A (zh) 2018-11-09 2018-11-09 一种自动建图机器人的地图要素提取方法

Country Status (1)

Country Link
CN (1) CN109556617A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057373A (zh) * 2019-04-22 2019-07-26 上海蔚来汽车有限公司 用于生成高精细语义地图的方法、装置和计算机存储介质
CN110220517A (zh) * 2019-07-08 2019-09-10 紫光云技术有限公司 一种结合环境语意的室内机器人鲁棒slam方法
CN110440811A (zh) * 2019-08-29 2019-11-12 湖北三江航天红峰控制有限公司 一种通用型自主导航控制方法、装置及设备终端
CN110555801A (zh) * 2019-07-26 2019-12-10 纵目科技（上海）股份有限公司 一种航迹推演的校正方法、终端和存储介质
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN110861082A (zh) * 2019-10-14 2020-03-06 北京云迹科技有限公司 辅助建图方法、装置、建图机器人及存储介质
CN111256689A (zh) * 2020-01-15 2020-06-09 北京智华机器人科技有限公司 一种机器人定位方法、机器人和存储介质
CN111551185A (zh) * 2020-06-12 2020-08-18 弗徕威智能机器人科技（上海）有限公司 行车道添加的方法
CN111652248A (zh) * 2020-06-02 2020-09-11 上海岭先机器人科技股份有限公司 一种柔性布料的定位方法和装置
CN111723173A (zh) * 2020-06-15 2020-09-29 中国第一汽车股份有限公司 车载地图制作方法、装置、电子设备及存储介质
CN111765892A (zh) * 2020-05-12 2020-10-13 驭势科技（北京）有限公司 一种定位方法、装置、电子设备及计算机可读存储介质
CN112149471A (zh) * 2019-06-28 2020-12-29 北京初速度科技有限公司 一种基于语义点云的回环检测方法及装置
CN112365606A (zh) * 2020-11-05 2021-02-12 日立楼宇技术（广州）有限公司 设备位置的标注方法、装置、计算机设备和存储介质
CN112581533A (zh) * 2020-12-16 2021-03-30 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
WO2021129345A1 (zh) * 2019-12-27 2021-07-01 炬星科技（深圳）有限公司 场景地图建立方法、设备及存储介质
CN113375682A (zh) * 2021-06-09 2021-09-10 深圳朗道智通科技有限公司 一种数据融合对实时高精地图自动标注***及方法
CN113535868A (zh) * 2021-06-11 2021-10-22 上海追势科技有限公司 一种基于公开导航地图的自主泊车高精地图生成方法
WO2022068781A1 (zh) * 2020-09-29 2022-04-07 炬星科技（深圳）有限公司 一种引导建图方法、设备及计算机可读存储介质
CN115381354A (zh) * 2022-07-28 2022-11-25 广州宝乐软件科技有限公司 清洁机器人的避障方法、避障装置、存储介质和设备
CN115655262A (zh) * 2022-12-26 2023-01-31 广东省科学院智能制造研究所 基于深度学习感知的多层级语义地图构建方法和装置
TWI836366B (zh) * 2022-03-04 2024-03-21 歐特明電子股份有限公司 裝載於車輛的自動泊車建圖系統及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104330090A (zh) * 2014-10-23 2015-02-04 北京化工大学 机器人分布式表征智能语义地图创建方法
CN105678476A (zh) * 2016-03-01 2016-06-15 浙江大学 一种基于视频的自习教室智能引导***以及引导方法
CN107180215A (zh) * 2017-05-31 2017-09-19 同济大学 基于库位和二维码的停车场自动建图与高精度定位方法
CN107449427A (zh) * 2017-07-27 2017-12-08 京东方科技集团股份有限公司 一种生成导航地图的方法及设备
CN108303101A (zh) * 2018-03-05 2018-07-20 弗徕威智能机器人科技（上海）有限公司 一种导航地图的构建方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104330090A (zh) * 2014-10-23 2015-02-04 北京化工大学 机器人分布式表征智能语义地图创建方法
CN105678476A (zh) * 2016-03-01 2016-06-15 浙江大学 一种基于视频的自习教室智能引导***以及引导方法
CN107180215A (zh) * 2017-05-31 2017-09-19 同济大学 基于库位和二维码的停车场自动建图与高精度定位方法
CN107449427A (zh) * 2017-07-27 2017-12-08 京东方科技集团股份有限公司 一种生成导航地图的方法及设备
CN108303101A (zh) * 2018-03-05 2018-07-20 弗徕威智能机器人科技（上海）有限公司 一种导航地图的构建方法

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057373B (zh) * 2019-04-22 2023-11-03 上海蔚来汽车有限公司 用于生成高精细语义地图的方法、装置和计算机存储介质
CN110057373A (zh) * 2019-04-22 2019-07-26 上海蔚来汽车有限公司 用于生成高精细语义地图的方法、装置和计算机存储介质
CN112149471B (zh) * 2019-06-28 2024-04-16 北京初速度科技有限公司 一种基于语义点云的回环检测方法及装置
CN112149471A (zh) * 2019-06-28 2020-12-29 北京初速度科技有限公司 一种基于语义点云的回环检测方法及装置
CN110220517A (zh) * 2019-07-08 2019-09-10 紫光云技术有限公司 一种结合环境语意的室内机器人鲁棒slam方法
CN110555801A (zh) * 2019-07-26 2019-12-10 纵目科技（上海）股份有限公司 一种航迹推演的校正方法、终端和存储介质
CN110440811A (zh) * 2019-08-29 2019-11-12 湖北三江航天红峰控制有限公司 一种通用型自主导航控制方法、装置及设备终端
CN110440811B (zh) * 2019-08-29 2021-05-14 湖北三江航天红峰控制有限公司 一种通用型自主导航控制方法、装置及设备终端
CN110861082A (zh) * 2019-10-14 2020-03-06 北京云迹科技有限公司 辅助建图方法、装置、建图机器人及存储介质
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
WO2021129345A1 (zh) * 2019-12-27 2021-07-01 炬星科技（深圳）有限公司 场景地图建立方法、设备及存储介质
CN111256689A (zh) * 2020-01-15 2020-06-09 北京智华机器人科技有限公司 一种机器人定位方法、机器人和存储介质
CN111256689B (zh) * 2020-01-15 2022-01-21 北京智华机器人科技有限公司 一种机器人定位方法、机器人和存储介质
CN111765892A (zh) * 2020-05-12 2020-10-13 驭势科技（北京）有限公司 一种定位方法、装置、电子设备及计算机可读存储介质
CN111765892B (zh) * 2020-05-12 2022-04-29 驭势科技（北京）有限公司 一种定位方法、装置、电子设备及计算机可读存储介质
CN111652248A (zh) * 2020-06-02 2020-09-11 上海岭先机器人科技股份有限公司 一种柔性布料的定位方法和装置
CN111652248B (zh) * 2020-06-02 2023-08-08 上海岭先机器人科技股份有限公司 一种柔性布料的定位方法和装置
CN111551185A (zh) * 2020-06-12 2020-08-18 弗徕威智能机器人科技（上海）有限公司 行车道添加的方法
CN111723173A (zh) * 2020-06-15 2020-09-29 中国第一汽车股份有限公司 车载地图制作方法、装置、电子设备及存储介质
WO2022068781A1 (zh) * 2020-09-29 2022-04-07 炬星科技（深圳）有限公司 一种引导建图方法、设备及计算机可读存储介质
CN112365606B (zh) * 2020-11-05 2023-08-01 日立楼宇技术（广州）有限公司 设备位置的标注方法、装置、计算机设备和存储介质
CN112365606A (zh) * 2020-11-05 2021-02-12 日立楼宇技术（广州）有限公司 设备位置的标注方法、装置、计算机设备和存储介质
CN112581533A (zh) * 2020-12-16 2021-03-30 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
CN112581533B (zh) * 2020-12-16 2023-10-03 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
CN113375682A (zh) * 2021-06-09 2021-09-10 深圳朗道智通科技有限公司 一种数据融合对实时高精地图自动标注***及方法
CN113535868A (zh) * 2021-06-11 2021-10-22 上海追势科技有限公司 一种基于公开导航地图的自主泊车高精地图生成方法
TWI836366B (zh) * 2022-03-04 2024-03-21 歐特明電子股份有限公司 裝載於車輛的自動泊車建圖系統及其方法
CN115381354A (zh) * 2022-07-28 2022-11-25 广州宝乐软件科技有限公司 清洁机器人的避障方法、避障装置、存储介质和设备
CN115655262A (zh) * 2022-12-26 2023-01-31 广东省科学院智能制造研究所 基于深度学习感知的多层级语义地图构建方法和装置

Similar Documents

Publication Publication Date Title
CN109556617A (zh) 一种自动建图机器人的地图要素提取方法
CN111273305B (zh) 基于全局与局部栅格图多传感器融合道路提取与索引方法
CN109556616A (zh) 一种基于视觉标记的自动建图机器人建图修整方法
CN109752701B (zh) 一种基于激光点云的道路边沿检测方法
CN107967473B (zh) 基于图文识别和语义的机器人自主定位和导航
CN111220993B (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN105930819B (zh) 基于单目视觉和gps组合导航***的实时城区交通灯识别***
EP3650814B1 (en) Vision augmented navigation
CN109446973B (zh) 一种基于深度神经网络图像识别的车辆定位方法
CN111928862A (zh) 利用激光雷达和视觉传感器融合在线构建语义地图的方法
CN110598743A (zh) 一种目标对象的标注方法和装置
CN108303103A (zh) 目标车道的确定方法和装置
CN112667837A (zh) 图像数据自动标注方法及装置
CN114076956A (zh) 一种基于激光雷达点云辅助的车道线标定方法
CN115032651A (zh) 一种基于激光雷达与机器视觉融合的目标检测方法
CN112346463B (zh) 一种基于速度采样的无人车路径规划方法
CN111325136B (zh) 智能车辆中物体对象的标注方法及装置、无人驾驶车辆
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN108805930A (zh) 自动驾驶车辆的定位方法和***
CN114509065B (zh) 地图构建方法、***、车辆终端、服务器端及存储介质
CN101620672B (zh) 一种利用立体地标定位识别地面立体建筑物的方法
CN113358125A (zh) 一种基于环境目标检测和环境目标地图的导航方法及***
Vu et al. Traffic sign detection, state estimation, and identification using onboard sensors
CN115205382A (zh) 目标物定位方法以及装置
CN113673386A (zh) 一种交通信号灯在先验地图中的标注方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190402

WD01 Invention patent application deemed withdrawn after publication