CN110634183A - 地图构建方法、装置和无人设备 - Google Patents

地图构建方法、装置和无人设备 Download PDF

Info

Publication number
CN110634183A
CN110634183A CN201810641634.3A CN201810641634A CN110634183A CN 110634183 A CN110634183 A CN 110634183A CN 201810641634 A CN201810641634 A CN 201810641634A CN 110634183 A CN110634183 A CN 110634183A
Authority
CN
China
Prior art keywords
point cloud
cloud data
pitch angle
map
point
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
CN201810641634.3A
Other languages
English (en)
Inventor
门春雷
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810641634.3A priority Critical patent/CN110634183A/zh
Publication of CN110634183A publication Critical patent/CN110634183A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提出一种地图构建方法、装置和无人设备，涉及机器人技术领域。本公开的一种地图构建方法包括：获取无人设备所处环境的点云数据；利用惯性测量单元IMU确定无人设备的俯仰角变化值；根据俯仰角变化值校正点云数据的旋转角度；根据校正后的点云数据进行地图构建。通过这样的方法，能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。

Description

地图构建方法、装置和无人设备
技术领域
本公开涉及机器人技术领域，特别是一种地图构建方法、装置和无人设备。
背景技术
目前，部分无人设备在应用过程中需要自主运行任务，例如，救援机器人在救援环境下需要不依赖人工干预地从起始点行驶到目标点。在此过程中，机器人需要完成感知信息、处理信息和主动识别的任务，完成感知信息是其中关键的第一步，构建准确的地图能够为执行任务提高优质的数据基础，提高任务的成功率。
发明内容
本公开的一个目的在于提高地图构建的准确性。
根据本公开的一个方面，提出一种地图构建方法，包括：获取无人设备所处环境的点云数据；利用IMU(Inertial measurement unit，惯性测量单元)确定无人设备的俯仰角变化值；根据俯仰角变化值校正点云数据的旋转角度；根据校正后的点云数据进行地图构建。
可选地，校正点云数据的旋转角度包括：在IMU在预定建图周期内的俯仰角变化值超过预定阈值的情况下，按照俯仰角变化值旋转点云数据；在IMU在预定建图周期内的俯仰角变化值未超过预定阈值的情况下，不旋转点云数据。
可选地，点云数据为利用三维激光探测器根据基于距离传感器的SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)算法获取。
可选地，俯仰角变化值为IMU通过在预定建图周期内统计无人设备的俯仰角变化情况获取。
可选地，根据校正后的点云数据进行地图构建包括：对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合；通过特征点匹配确定点云中的点所属于的线或面；按照点所属于的线或面确定无人设备的位姿变化情况；根据位姿变化情况和点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
通过这样的方法，能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
根据本公开的另一个方面，提出一种地图构建装置，包括：点云数据获取模块，被配置为获取无人设备所处环境的点云数据；俯仰角变化值确定模块，被配置为利用惯性测量单元IMU确定无人设备的俯仰角变化值；点云校正模块，被配置为根据俯仰角变化值校正点云数据的旋转角度；地图构建模块，被配置为根据校正后的点云数据进行地图构建。
可选地，点云校正模块被配置为：在IMU在预定建图周期内的俯仰角变化值超过预定阈值的情况下，按照俯仰角变化值旋转点云数据；在IMU在预定建图周期内的俯仰角变化值未超过预定阈值的情况下，不旋转点云数据。
可选地，点云数据为利用三维激光探测器根据基于距离传感器的即时定位与地图构建SLAM算法获取。
可选地，俯仰角变化值为IMU通过在预定建图周期内统计无人设备的俯仰角变化情况获取。
可选地，地图构建模块包括：特征点确定单元，被配置为对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合，将粗糙度最大的点作为角点，粗糙度最小的点作为平面点；特征点匹配单元，被配置为通过特征点匹配确定点云中的点所属于的线或面；位姿变化确定单元，被配置为按照点所属于的线或面确定无人设备的位姿变化情况；地图生成单元，被配置为根据位姿变化情况和点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
根据本公开的又一个方面，提出一种地图构建装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中提到的任意一种地图构建方法。
这样的装置能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
根据本公开的再一个方面，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中提到的任意一种地图构建方法的步骤。
通过执行这样的计算机可读存储介质上的指令，能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
另外，根据本公开的一个方面，还提出一种无人设备，包括上文中提到的任意一种地图构建装置；惯性测量单元IMU，被配置为实时获取无人设备的俯仰角变化情况；和，点云探测设备，被配置为探测无人设备所处的环境，采集点云数据。
可选地，点云探测设备包括三维激光探测器。
这样的无人设备能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1为本公开的地图构建方法的一个实施例的流程图。
图2为本公开的地图构建方法的另一个实施例的流程图。
图3为本公开地图构建方法中建图效果的一个实施例的示意图。
图4为本公开的地图构建方法中根据校正后的点云数据进行地图构建的一个实施例的流程图。
图5为本公开的地图构建方法中特征点匹配的一个实施例的示意图。
图6为本公开的地图构建装置的一个实施例的示意图。
图7为本公开的地图构建装置中地图构建模块的一个实施例的示意图。
图8为本公开的地图构建装置的另一个实施例的示意图。
图9为本公开的地图构建装置的又一个实施例的示意图。
图10为本公开的无人设备的一个实施例的示意图。
具体实施方式
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
本公开的地图构建方法的一个实施例的流程图如图1所示。
在步骤101中，获取无人设备所处环境的点云数据。在一个实施例中，可以利用三维激光探测器根据基于距离传感器的SLAM算法获取点云数据。
在步骤102中，利用IMU确定无人设备的俯仰角变化值。在一个实施例中，IMU可以按照其检测频率获取俯仰角变化情况，并进行统计得到预定时长内的俯仰角变化情况，作为俯仰角变化值。
在步骤103中，根据俯仰角变化值校正点云数据的旋转角度。在一个实施例中，可以将点云数据按照俯仰角变化值进行整体旋转，以使构建所得地图的角度调整但形状不发生变化。
在步骤104中，根据校正后的点云数据进行地图构建。
由于高度非结构地形导致的非连续运动会导致一定情况下的特征点匹配错误，尤其在上下坡交界位置有剧烈的俯仰角变化会使点云在俯仰角方向估计错误，且由于雷达在z轴方向上分辨率较低，因此增加地图构建的误差。通过上述实施例中的方法，能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。尤其是在救援机器人的应用场景下，能够应对相对复杂的地势变化情况，实现救援机器人的同步定位与建图。
在一个实施例中，为减少运算量，降低点云旋转角度调整的负担，可以设置一定的门限值，当超出该门限时对点云旋转角度进行修改，否则可以忽视该角度变化，如图2所示：
在步骤201中，利用IMU确定无人设备的俯仰角变化值。在一个实施例中，可以利用IMU测量和统计预定建图周期内无人设备的俯仰角变化情况，作为俯仰角变化值。在一个实施例中，预定建图周期可以与激光雷达的雷达帧周期相当。
在步骤202中，获取无人设备所处环境的点云数据。
在步骤203中，判断俯仰角变化值是否超过预定阈值，预定阈值可以根据需要设定，如3～7°，优选为5°。若超过预定阈值，则执行步骤204；若未超过预定阈值，则执行步骤205。
在步骤204中，按照俯仰角变化值旋转点云数据。
在步骤205中，利用点云数据进行地图构建。在一个实施例中，如图3所示，左侧实心矩形区域为已完成构建的地图Qk-1，激光雷达的位姿状态如Tk-1所示。按照通过激光探测采集的点云数据(如左图空心矩形区域所示)
Figure BDA0001702540490000051
若直接按照
Figure BDA0001702540490000052
建图，则会使位姿发生突然变化，违背使用过程中的自然规律。将点云数据
Figure BDA0001702540490000053
按照IMU探测的俯仰角变化值进行旋转修正，得到Qk，则激光雷达的位姿状态如Tk所示，符合设备位姿变化连续的特点，提高了无人设备位姿确定和地图构建的准确性。
通过这样的方法，能够在俯仰角变化值不大于预定阈值的情况下不进行点云数据旋转，即对俯仰角的变化有一定容忍度，在保证地图构建的准确性可接受的同时，也避免反复调整点云数据的旋转角度造成运算量增加和地图构建效率降低，保证了满足实际应用中的效率需求。
在一个实施例中，由于IMU的数据采集频率远高于构图频率，因此可以将基于IMU数据的位姿估计与基于点云数据的地图构建分两个线程完成，同时利用基于IMU数据的位姿估计的统计值对点云数据进行校正，以高频率低复杂度的配准得到短时间间隔内无人设备的位姿变化，实现了频率不同的两部分的配合，保证每一次地图构建过程中位姿配准的准确性。
本公开的地图构建方法中根据校正后的点云数据进行地图构建的一个实施例的流程图如图4所示。
在步骤401中，对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合。
在一个实施例中，可以对在同一扫描面内的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合。定义粗糙度最大的点为角点，粗糙度最小的点为平面点。为了使特征点在环境中均匀分布，将一个扫描面分为四个子区域，每一个子区域最多能提取2个角点和4个平面点。角点选取子区域粗糙度最大的点，平面点选取子区域粗糙度最小的点，两种特征阈值可以设置为0.003，即角点粗糙度均大于0.003，平面点粗糙度均小于0.003。
计算每个点的粗糙度，选择最大粗糙度点为角点，最小粗糙度点为平面点，且满足：
(1)每个子区域的角点数量小于2，平面点数量小于4；
(2)特征点互不相邻；
(3)平面点所处平面不与激光束平行；
(4)角点不是闭塞区域边界点。
在步骤402中，通过特征点匹配确定点云中的点所属于的线或面，按照点所属于的线或面确定无人设备的位姿变化情况。
在一个实施例中，可以假设已获得相邻时间周期k-1和k内的三维点云Pk-1和Pk，定义点集Jk为点云Pk中的角点特征，点集Sk为点云Pk中的平面点特征，则需要在点云Pk-1中找到Jk中角点对应的边缘线段及Sk中平面点对应的平面。如图5所示：
左图中点A∈Jk为点云Pk中某一角点，而点B为点云Pk-1中点i的最邻近点，虚线表示点B所在的扫描平面2，实线表示该扫描面的相邻扫描平面1，点C表示在相邻扫描面中点A的最邻近点。若两个点均为角点，则将点对(B，C)所在的边缘认定为点A在点云Pk-1中的匹配线段。由于在一个扫描面上的两个特征点所在线段被表现为直线，该情况下不存在角点，应当被舍弃，故选择在不同扫描面上的角点作为匹配线段上的点对。
右图中点D∈Sk为点云Pk中某一平面点，而点E为点云Pk-1中点i的最邻近点，虚线表示点E所在的扫描平面4，实线表示该扫描面的相邻扫描平面3，点F表示在同一扫描面中点D的最邻近点，点G表示在相邻扫描面内的最邻近点。该情况下可以保证选择的三个匹配点(E,F,G)不共线，若三个匹配点均为平面点，则三个匹配点所处平面为点D的匹配平面。
在步骤403中，按照点所属于的线或面确定无人设备的位姿变化情况。
在一个实施例中，在已建立角点到对应线段及平面点到对应平面的匹配前提下，运动估计的目标可以简化为使得代价函数
取得最小值。其中di→J表示角点i到其匹配线段的距离，dj→S表示平面点j到其匹配平面的距离。
在步骤404中，根据位姿变化情况和点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
相关技术中可以通过高精度的配准算法实现对点云角度的调整，以减少误差累计对地图准确度造成的影响，但是，高精度的配准算法对设备运算能力的要求高，且运算复杂、耗时较长。通过本公开实施例中的方法，利用IMU的俯仰角统计功能实现点云角度的调整，减少了运算量，提高了地图构建效率。
在一个实施例中，可以采用如下所示的逻辑进行地图构建：
Figure BDA0001702540490000081
通过这样的方法，利用IMU信息融合改进了LOAM(Lidar Odometry and Mapping，激光雷达测量和测绘)算法，能够将高运行频率的位姿估计与低频率的地图创建运行在两个独立线程上，有效地降低了算法的计算复杂度，同时通过融合IMU信息对救援环境下存在俯仰角运动高度不连续情况下的点云错误匹配进行修正。通过这样的方法可以实时完成救援环境下机器人位姿估计与环境地图建立，且对俯仰角运动不连续情况有较好的修正效果。
本公开的地图构建装置的一个实施例的示意图如图6所示。点云数据获取模块61能够获取无人设备所处环境的点云数据。在一个实施例中，可以利用三维激光探测器根据基于距离传感器的SLAM算法获取点云数据。俯仰角变化值确定模块62能够利用IMU确定无人设备的俯仰角变化值。在一个实施例中，IMU可以按照其检测频率获取俯仰角变化情况，并进行统计得到预定时长内的俯仰角变化情况，作为俯仰角变化值。点云校正模块63能够根据俯仰角变化值校正点云数据的旋转角度。在一个实施例中，可以将点云数据按照俯仰角变化值进行整体旋转，以使构建所得地图的角度调整但形状不发生变化。地图构建模块64能够根据校正后的点云数据进行地图构建。
这样的地图构建装置能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
在一个实施例中，可以设置一定的门限值，当超出该门限时对点云旋转角度进行修改，否则可以忽视该角度变化，从而在保证地图构建的准确性可接受的同时，也避免反复调整点云数据的旋转角度造成运算量增加和地图构建效率降低，保证了满足实际应用中的效率需求。
本公开的地图构建装置中地图构建模块的一个实施例的示意图如图7所示。特征点确定单元701能够对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合。特征点匹配单元702能够通过特征点匹配确定点云中的点所属于的线或面，按照点所属于的线或面确定无人设备的位姿变化情况。位姿变化确定单元703能够按照点所属于的线或面确定无人设备的位姿变化情况。地图生成单元704能够根据位姿变化情况和点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
这样的地图构建模块能够利用IMU的俯仰角统计功能实现点云角度的调整，减少了运算量，提高了地图构建效率。
本公开地图构建装置的一个实施例的结构示意图如图8所示。地图构建装置包括存储器801和处理器802。其中：存储器801可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中地图构建方法的对应实施例中的指令。处理器802耦接至存储器801，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器802用于执行存储器中存储的指令，能够减少地势变化对地图构建的影响，提高地图构建的准确度。
在一个实施例中，还可以如图9所示，地图构建装置900包括存储器901和处理器902。处理器902通过BUS总线903耦合至存储器901。该地图构建装置900还可以通过存储接口904连接至外部存储装置905以便调用外部数据，还可以通过网络接口906连接至网络或者另外一台计算机***(未标出)。此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够减少地势变化对地图构建的影响，提高地图构建的准确度。
在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现地图构建方法对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开的无人设备的一个实施例的示意图如图10所示。地图构建装置1001可以为上文中提到的任意一种地图构建装置。IMU 1002能够实时获取无人设备的俯仰角变化情况。点云探测设备1003可以为三维激光探测器，能够探测无人设备所处的环境，采集点云数据。
这样的无人设备能够利用IMU探测的俯仰角变化值校正点云数据，利用校正后的点云数据进行地图构建，从而减少地势变化对地图构建的影响，提高地图构建的准确度。
本公开是参照根据本公开实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
最后应当说明的是：以上实施例仅用以说明本公开的技术方案而非对其限制；尽管参照较佳实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本公开技术方案的精神，其均应涵盖在本公开请求保护的技术方案范围当中。

Claims (14)

1.一种地图构建方法，包括：
获取无人设备所处环境的点云数据；
利用惯性测量单元IMU确定所述无人设备的俯仰角变化值；
根据所述俯仰角变化值校正所述点云数据的旋转角度；
根据校正后的点云数据进行地图构建。
2.根据权利要求1所述的方法，其中，所述校正所述点云数据的旋转角度包括：
在所述IMU在预定建图周期内的俯仰角变化值超过预定阈值的情况下，按照所述俯仰角变化值旋转所述点云数据；
在所述IMU在预定建图周期内的俯仰角变化值未超过预定阈值的情况下，不旋转所述点云数据。
3.根据权利要求1所述的方法，其中，所述点云数据为利用三维激光探测器根据基于距离传感器的即时定位与地图构建SLAM算法获取。
4.根据权利要求1所述的方法，其中，
所述俯仰角变化值为所述IMU通过在预定建图周期内统计无人设备的俯仰角变化情况获取。
5.根据权利要求1所述的方法，其中，所述根据校正后的点云数据进行地图构建包括：
对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合，将粗糙度最大的点作为角点，粗糙度最小的点作为平面点；
通过特征点匹配确定点云中的点所属于的线或面；
按照所述点所属于的线或面确定所述无人设备的位姿变化情况；
根据所述位姿变化情况和所述点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
6.一种地图构建装置，包括：
点云数据获取模块，被配置为获取无人设备所处环境的点云数据；
俯仰角变化值确定模块，被配置为利用惯性测量单元IMU确定所述无人设备的俯仰角变化值；
点云校正模块，被配置为根据所述俯仰角变化值校正所述点云数据的旋转角度；
地图构建模块，被配置为根据校正后的点云数据进行地图构建。
7.根据权利要求6所述的装置，其中，所述点云校正模块被配置为：
在所述IMU在预定建图周期内的俯仰角变化值超过预定阈值的情况下，按照所述俯仰角变化值旋转所述点云数据；
在所述IMU在预定建图周期内的俯仰角变化值未超过预定阈值的情况下，不旋转所述点云数据。
8.根据权利要求6所述的装置，其中，所述点云数据为利用三维激光探测器根据基于距离传感器的即时定位与地图构建SLAM算法获取。
9.根据权利要求6所述的装置，其中，
所述俯仰角变化值为所述IMU通过在预定建图周期内统计无人设备的俯仰角变化情况获取。
10.根据权利要求6所述的装置，其中，所述地图构建模块包括：
特征点确定单元，被配置为对在同一扫描面内的点云中的点进行粗糙度计算，选择粗糙度最大和最小的点作为特征点备选集合，将粗糙度最大的点作为角点，粗糙度最小的点作为平面点；
特征点匹配单元，被配置为通过特征点匹配确定点云中的点所属于的线或面；
位姿变化确定单元，被配置为按照所述点所属于的线或面确定所述无人设备的位姿变化情况；
地图生成单元，被配置为根据所述位姿变化情况和所述点云数据开始地图构建，或在上一建图周期构建的地图的基础上继续进行地图构建。
11.一种地图构建装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至5任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至5任意一项所述的方法的步骤。
13.一种无人设备，包括：
权利要求6～11任意一项所述的地图构建装置；
惯性测量单元IMU，被配置为实时获取无人设备的俯仰角变化情况；和，
点云探测设备，被配置为探测无人设备所处的环境，采集点云数据。
14.根据权利要求13所述的设备，其中，所述点云探测设备包括三维激光探测器。
CN201810641634.3A 2018-06-21 2018-06-21 地图构建方法、装置和无人设备 Pending CN110634183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810641634.3A CN110634183A (zh) 2018-06-21 2018-06-21 地图构建方法、装置和无人设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810641634.3A CN110634183A (zh) 2018-06-21 2018-06-21 地图构建方法、装置和无人设备

Publications (1)

Publication Number Publication Date
CN110634183A true CN110634183A (zh) 2019-12-31

Family

ID=68967644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810641634.3A Pending CN110634183A (zh) 2018-06-21 2018-06-21 地图构建方法、装置和无人设备

Country Status (1)

Country Link
CN (1) CN110634183A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402332A (zh) * 2020-03-10 2020-07-10 兰剑智能科技股份有限公司 基于slam的agv复合建图与导航定位方法及***
CN111665498A (zh) * 2020-05-20 2020-09-15 浙江大华技术股份有限公司 环境视图的测绘方法、装置、便携式探测设备
CN112739983A (zh) * 2020-04-24 2021-04-30 华为技术有限公司 校正点云数据的方法和相关装置
WO2021218620A1 (zh) * 2020-04-30 2021-11-04 上海商汤临港智能科技有限公司 地图构建方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013113702A (ja) * 2011-11-29 2013-06-10 Asuko:Kk 三次元レーザ計測システムおよび路面の縦断プロファイルの作成方法
CN105702151A (zh) * 2016-03-31 2016-06-22 百度在线网络技术（北京）有限公司 一种室内地图构建方法及装置
CN106530380A (zh) * 2016-09-20 2017-03-22 长安大学 一种基于三维激光雷达的地面点云分割方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013113702A (ja) * 2011-11-29 2013-06-10 Asuko:Kk 三次元レーザ計測システムおよび路面の縦断プロファイルの作成方法
CN105702151A (zh) * 2016-03-31 2016-06-22 百度在线网络技术（北京）有限公司 一种室内地图构建方法及装置
CN106530380A (zh) * 2016-09-20 2017-03-22 长安大学 一种基于三维激光雷达的地面点云分割方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张航 等，: ""基于无人机和LIDAR的三维场景建模研究"", 《***仿真学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111402332A (zh) * 2020-03-10 2020-07-10 兰剑智能科技股份有限公司 基于slam的agv复合建图与导航定位方法及***
CN111402332B (zh) * 2020-03-10 2023-08-18 兰剑智能科技股份有限公司 基于slam的agv复合建图与导航定位方法及***
CN112739983A (zh) * 2020-04-24 2021-04-30 华为技术有限公司 校正点云数据的方法和相关装置
CN112739983B (zh) * 2020-04-24 2022-07-12 华为技术有限公司 校正点云数据的方法和相关装置
WO2021218620A1 (zh) * 2020-04-30 2021-11-04 上海商汤临港智能科技有限公司 地图构建方法、装置、设备及存储介质
CN111665498A (zh) * 2020-05-20 2020-09-15 浙江大华技术股份有限公司 环境视图的测绘方法、装置、便携式探测设备

Similar Documents

Publication Publication Date Title
CN112179330B (zh) 移动设备的位姿确定方法及装置
US11086016B2 (en) Method and apparatus for tracking obstacle
CN110634183A (zh) 地图构建方法、装置和无人设备
EP3420530B1 (en) A device and method for determining a pose of a camera
KR101776622B1 (ko) 다이렉트 트래킹을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
KR101725060B1 (ko) 그래디언트 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
US9386209B2 (en) Method and apparatus for estimating position
US9157757B1 (en) Methods and systems for mobile-agent navigation
US9652864B2 (en) Three-dimensional object recognition device and three-dimensional object recognition method
KR101776621B1 (ko) 에지 기반 재조정을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
Gräter et al. Robust scale estimation for monocular visual odometry using structure from motion and vanishing points
JP2022510418A (ja) 時間同期処理方法、電子機器及び記憶媒体
JP2017526082A (ja) 動作推定方法、移動体、およびプロセッサに動作推定方法を実行させるコンピュータプログラムコードでコード化された非一時的コンピュータ可読媒体
CN112154303B (zh) 高精度地图定位方法、***、平台及计算机可读存储介质
US11228654B2 (en) Tracking device, tracking method, and tracking system
WO2023142353A1 (zh) 一种位姿预测方法及装置
CN111583338B (zh) 用于无人设备的定位方法、装置、介质及无人设备
CN116958452A (zh) 三维重建方法和***
CN114037977B (zh) 道路灭点的检测方法、装置、设备及存储介质
EP3598388A1 (en) Method and apparatus for visual odometry, and non-transitory computer-readable recording medium
CN112284390B (zh) 一种基于vslam的室内高精度定位导航方法
CN117237406A (zh) 一种机器人视觉跟踪方法
CN113379911A (zh) Slam方法、slam***及智能机器人
Yousif et al. 3d registration in dark environments using rgb-d cameras
CN109754412B (zh) 目标跟踪方法、目标跟踪装置及计算机可读存储介质

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