CN113341397A - 反射值地图构建方法和装置 - Google Patents
反射值地图构建方法和装置 Download PDFInfo
- Publication number
- CN113341397A CN113341397A CN202110659579.2A CN202110659579A CN113341397A CN 113341397 A CN113341397 A CN 113341397A CN 202110659579 A CN202110659579 A CN 202110659579A CN 113341397 A CN113341397 A CN 113341397A
- Authority
- CN
- China
- Prior art keywords
- laser point
- point clouds
- key frame
- laser
- point cloud
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims description 105
- 238000013507 mapping Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 21
- 238000013519 translation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Classifications
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了反射值地图构建方法和装置。该方法的一具体实施方式包括:基于经过全局优化得到的每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。实现了对超大区域中的每一个采集区域采集到的用于构建反射值地图的激光点云逐级进行位姿优化,得到较为精确的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,从而,得到较为精确的每一帧用于构建反射值地图的激光点云中的激光点在世界坐标系下的坐标,提升了激光点云拼接的精度,进而提升了构建超大区域的反射值地图的精度。
Description
本申请为“反射值地图构建方法和装置”的分案申请,原申请的申请日为2017年08月15日,原申请的申请号为201710697013.2,原申请的发明创造名称为:反射值地图构建方法和装置。
技术领域
本申请涉及计算机领域,具体涉及导航领域,尤其涉及反射值地图构建方法和装置。
背景技术
反射值地图可以用于对车辆的精确定位。目前,在构建一个区域的反射值地图时,通常采用的方式为:直接将在该区域采集到每一帧激光点云时GPS设备输出的位置和惯性导航设备输出的姿态角作为采集到一每帧激光点云时激光雷达的中心点的位置和姿态角即作为一帧激光点云对应的激光雷达的中心点的位置和姿态角。利用采集到每一帧激光点云时GPS设备输出的位置和惯性导航设备输出的姿态角,对激光雷达输出的每一帧激光点云对应的激光点云数据中的激光点在激光雷达坐标系下的坐标进行转换,得到每一帧激光点云中的激光点在世界坐标系下的坐标。最后,根据每一帧激光点云中的激光点在世界坐标系下的坐标,将每一帧激光点云进行拼接得到待构建的反射值地图对应的拼接后的激光点云后投影到该区域占据的网格中,统计投影到每一个该区域占据的网格中的激光点反射强度的均值和方差,得到反射值地图的地图数据,构建反射值地图。
然而,由于GPS设备受到诸如卫星信号偏移影响和惯性导航设备受到诸如误差积累的影响,GPS设备输出的位置和惯性导航设备输出的姿态角误差均较大,转换后的每一帧激光点云中的激光点在世界坐标系下的坐标的误差较大,导致待构建的反射值地图对应的拼接后的激光点云的拼接精度的降低,进而导致反射值地图的精度的降低。此外,在构建超大区域的反射值地图时,由于参与拼接的激光点云为海量级别,因在世界坐标系下的坐标的误差而造成的拼接精度会逐渐积累,构建出的超大区域的反射值地图的精度会受到较大的影响。
发明内容
本申请提供了反射值地图构建方法和装置,用于解决上述背景技术部分存在的技术问题。
第一方面,本申请提供了反射值地图构建方法,该方法包括:分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,调整量基于将关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
第二方面,本申请提供了反射值地图构建装置,该装置包括:选取单元,配置用于分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;确定单元,配置用于分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,调整量基于将关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;优化单元,配置用于分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;构建单元,配置用于基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
本申请提供的反射值地图构建方法和装置,通过分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云;分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。实现了对诸如超大区域中的每一个采集区域采集到的激光点云逐级进行位姿优化,得到较为精确的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,从而,得到较为精确的每一帧用于构建反射值地图的激光点云中的激光点在世界坐标系下的坐标,提升了激光点云拼接的精度,进而提升了构建诸如超大区域的反射值地图的精度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了可以应用本申请的反射值地图构建方法或装置的实施例的示例性***架构;
图2示出了根据本申请的反射值地图构建方法的一个实施例的流程图;
图3示出了根据本申请的反射值地图构建装置的一个实施例的结构示意图;
图4是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的反射值地图构建方法或装置的实施例的示例性***架构。
如图1所示,***架构可以包括无人驾驶汽车101、网络102和服务器103。网络102用以在无人驾驶汽车101和服务器103之间提供通信链路的介质。网络102可以采用无线通信链路。
无人驾驶汽车101可以配置有激光雷达、GPS设备、惯性导航设备。无人驾驶汽车101可以预先分多次在待构建反射值地图对应的区域中的采集区域中行驶,利用激光雷达采集激光点云,采集到的激光点云中包含激光雷达发出的激光投射到区域内的建筑物对象形成的激光点。激光雷达扫描一周,则可以扫描到一帧激光点云。无人驾驶汽车101的激光雷达采集到激光点云时激光雷达的中心点的位置可以通过GPS设备获取。激光雷达可以与GPS设备垂直连接。可以将采集到一帧激光点云时GPS设备输出的坐标中的表示一个位置在x轴、z轴的取值作为采集到该帧激光点云时激光雷达的中心点的位置在x轴、z轴的取值,可以将GPS设备输出的坐标中的表示一个位置在y轴的取值减去激光雷达的中心点与GPS设备在垂直方向的差值后的数值作为激光雷达的中心点的位置在y轴的取值。采集到一帧激光点云时激光雷达的中心点的姿态角可以通过惯性导航设备获得,可以将采集到一帧激光点云时惯性导航设备输出的姿态角作为采集到一帧激光点云时激光雷达的中心点的姿态角,即将采集到一帧激光点云时惯性导航设备输出的姿态角作为一帧激光点云对应的激光雷达的中心点的姿态角。
无人驾驶汽车101可以将采集到的激光点云发送至服务器103,服务器103可以对无人驾驶汽车101发送的在待构建反射值地图对应的区域中的每一个采集区域行驶时采集到的激光点云进行位姿优化,得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,利用在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角对激光雷达输出的每一帧用于构建反射值地图的激光点云对应的激光点云数据中的激光点在激光雷达坐标系下的坐标进行转换,得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的激光点在世界坐标系下的坐标。然后,将在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云进行拼接,得到待构建的反射值地图对应的拼接后的激光点云,将待构建的反射值地图对应的拼接后的激光点云中的激光点投影到待构建反射值地图对应的区域占据的网格中,统计投影到每一个该区域占据的网格中的激光点反射强度的均值和方差,得到待构建的反射值地图的地图数据,从而,构建出待构建反射值地图对应的区域的反射值地图。
请参考图2,其示出了根据本申请的反射值地图构建方法的一个实施例的流程。该方法可以由服务器例如图1中的服务器103执行,相应地,反射值地图构建装置可以设置于服务器例如图1中的服务器103中。该方法包括以下步骤:
步骤201,分别从每一个采集区域采集到的激光点云中选取出多个样本帧激光点云。
在本实施例中,可以预先将待构建的反射值地图对应的区域中划分为多个采集区域。采集区域之间可以具有重叠的区域。
例如,为了构建一个直辖市的反射值地图,待构建的反射值地图对应的区域为该直辖市的地理区域。由于待构建的反射值地图对应的区域为超大区域,无法一次在待构建的反射值地图对应的区域采集到全部激光点云,需要将该直辖市的地理区域划分为多个采集区域,多个采集区域之间可以具有重叠的区域。可以分多次采集激光点云,每一次在一个采集区域内采集激光点云。
在本实施例中,为了构建一个区域的反射值地图,需要在待构建的反射值地图对应的区域的每一个采集区域采集到的激光点云,然后,分别从每一个采集区域中选取出用于构建反射值地图的激光点云,将每一个采集区域采集到的用于构建反射值地图的激光点云进行拼接,得到待构建的反射值地图对应的拼接后的激光点云,将待构建的反射值地图对应的拼接后的激光点云进行投影,得到该区域的反射值地图的地图数据,进而可以构建出该区域的反射值地图。
在本实施例中,可以预先在世界坐标系下将地球表面的地平面划分为多个面积相同的网格,每一个网格可以对应预设大小的地域范围。待构建的反射值地图的地图数据包括:将待构建的反射值地图对应的拼接后的激光点云进行投影后投影到待构建的反射值地图对应的区域占据的网格中的每一个网格中的激光点的反射强度的均值和方差。
在本实施例中,一帧激光点云对应的激光雷达的中心点的位置和姿态角可以是指采集到该帧激光点云时通过GPS设备和惯性导航设备获得的激光雷达的中心点的位置和激光雷达的中心点的姿态角,姿态角包括:滚转角、俯仰角、偏航角。激光雷达的中心点的位置为激光雷达的中心点在世界坐标系下的位置。
由于通过GPS设备和惯性导航设备获得的在每一个采集区域采集到每一帧用于构建反射值地图的激光点云时激光雷达的中心点的位置和姿态角与在每一个采集区域采集到每一帧用于构建反射值地图的激光点云时激光雷达的中心点的实际位置和实际姿态角存在误差,因此,需要对在每一个采集区域采集到的用于构建反射值地图的激光点云进行全局位姿优化,得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角相较于在每一个采集区域采集到每一帧用于构建反射值地图的激光点云时激光雷达的中心点时通过GPS设备和惯性导航设备获得的激光雷达的中心点的位置和姿态角,更加接近在每一个采集区域采集到每一帧用于构建反射值地图的激光点云时激光雷达的中心点的实际位置和实际姿态角。
在本实施例中,可以首先获取在待构建的反射值地图对应的区域中每一个采集区域采集到的激光点云,分别从每一个采集区域采集到的激光点云中选取出用于构建反射值地图的激光点云。在从一个采集区域采集到的激光点云中选取出用于构建反射值地图的激光点云时,可以去除在该采集区域采集到的激光点云中对应的激光雷达的中心点的位置的置信度较低的激光点云,将剩余的激光点云作为用于该采集区域采集到的构建反射值地图的激光点云。
例如,可以根据一帧激光点云对应的激光雷达的中心点的位置与采集到的该帧激光点云的上一帧激光点云对应的激光雷达的中心点的位置的差值,判断该帧激光点云对应的激光雷达的中心点的位置的置信度。由于激光雷达扫描到一帧激光点云的速度较快,正常情况下,一帧激光点云和该帧激光点云的上一帧激光点云对应的激光雷达的中心点之间的差值较小。当差值大于阈值,则该帧激光点云对应的激光雷达的中心点的位置的置信度较低。
在本实施例的一些可选的实现方式中,在从一个采集区域采集到所有激光点云中选取出用于构建反射值地图的激光点云时,可以确定在该采集区域采集到的所有激光点云中的采集时间的时间戳错误的激光点云。采集到激光点云时激光雷达的中心点的位置可以通过GPS设备获取,采集到激光点云的采集时间的时间戳可以为GPS设备输出的时间戳。当一帧激光点云的采集时间的时间戳出现错误时,相应地,通过GPS设备获取到的该帧激光点云对应的激光雷达的中心点的位置误差较大。可以去除在该采集区域采集到的采集时间的时间戳错误的激光点云。可以确定在该区域采集到的所有激光点云中的对应的激光雷达的中心点的位置相同的激光点云,去除对应的激光雷达的中心点的位置相同的激光点云,从而,去除在诸如路口停车的情况采集的冗余帧激光点云,减少后续的激光点云拼接过程的计算量和对激光点云拼接过程的干扰。在去除在该采集区域采集到的采集时间的时间戳出现错误的激光点云和对应的激光雷达的中心点的位置相同的激光点云之后,可以将在该采集区域采集到的剩余的激光点云作为该采集区域采集到的用于构建反射值地图的激光点云。
在本实施例中,在从一个采集区域采集到的所有激光点云中选取出用于构建反射值地图的激光点云之后,可以从用于构建反射值地图的激光点云中选取出样本帧激光点云。相邻的样本帧激光点云为对应的激光雷达的中心点的位置相邻的用于构建反射值地图的激光点云。可以根据对应的激光雷达的中心点之间的距离,分别从每一个采集区域采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云。例如,选取出的样本帧激光点云满足以下条件:相邻的样本帧激光点云对应的激光雷达的中心点的位置之间的距离等于第一预设距离例如0.4米。换言之,样本帧激光点云可以为间隔为第一预设距离的用于构建反射值地图的激光点云。
步骤202,选取出每一个采集区域的关键帧激光点云,以及确定每一个采集区域的最优关键帧激光点云。
在本实施例中,可以分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别确定每一个采集区域采集到的关键帧激光点云对应的调整量。
在本实施例中,可以根据对应的激光雷达的中心点的位置之间的距离分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云。相邻的关键帧激光点云为对应的激光雷达的中心点的位置相邻的样本帧激光点云。例如,选取出的关键帧激光点云满足以下条件:相邻的关键帧激光点云对应的激光雷达的中心点的位置之间的距离为大于第一预设距离的第二预设距离例如8米。换言之,关键帧激光点云可以为间隔为第二预设距离的样本帧激光点云。
在本实施例中,在一个采集区域采集到的多个关键帧激光点云中,一个关键帧激光点云对应的调整量可以为将该关键帧激光点云拼接到其他关键帧激光点云之后,该关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于拼接前该关键帧激光点云对应的激光雷达的中心点的位置即采集到该关键帧激光点云时激光雷达的中心点的位置的移动量。
在本实施例中,可以采用预设激光点云拼接算法计算出一个关键帧激光点云对应的调整量。
以采用ICP(Iterative Closest Point)算法确定出在一个采集区域采集到的一个关键帧激光点云对应的调整量为例,在采用ICP拼接激光点云时,一帧激光点云作为原始帧激光点云,另一帧激光点云作为目标帧激光点云,ICP算法将原始帧激光点云拼接到目标帧激光点云。可以将一个采集区域采集到的一个关键帧激光点云和该关键帧激光点云拼接到的一个其他的关键帧激光点云分别作为原始帧激光点云和目标帧激光点云,ICP算法将在一个采集区域采集到的一个关键帧激光点云拼接到该采集区域采集到的其他的关键帧激光点云时,会确定该关键帧激光点云与拼接到的其他关键帧激光点云之间的转换关系。ICP算法的输出结果中包含该关键帧激光点云与拼接到的其他的关键帧激光点云之间的转换关系。可以获取ICP算法的输出结果,从而,获取到该关键帧激光点云与拼接到的其他的关键帧激光点云之间的转换关系。该转换关系包含该关键帧激光点云对应的激光雷达的中心点的位置与拼接到的其他的关键帧激光点云对应的激光雷达的中心点的位置之间的平移关系和该关键帧激光点云对应的激光雷达的中心点的姿态角与拼接到的其他的关键帧激光点云对应的激光雷达的中心点的姿态角之间的旋转关系,平移关系可以采用平移矩阵表示,旋转关系可以采用旋转矩阵表示。
在拼接过程中,ICP算法会根据平移关系对该关键帧激光点云对应的激光雷达的中心点的位置进行平移,根据旋转关系对该关键帧激光点云对应的激光雷达的中心点的姿态角进行旋转,相当于根据平移关系和旋转关系对该关键帧激光点云进行平移和旋转,使得该关键帧激光点云与拼接到的其他的关键帧激光点云中的扫描到的空间中的同一位置形成的激光点的位置重合。在根据平移关系对该关键帧激光点云对应的激光雷达的中心点的位置进行平移之后,可以得到该关键帧激光点云对应激光雷达的中心点的拼接后的位置,进而得到该关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于该关键帧激光点云对应的激光雷达的中心点的位置的移动量,从而,可以确定该关键帧激光点云对应的调整量。
在本实施例中,一个关键帧激光点云可以对应多个调整量。以在一个采集区域采集到的6个关键帧激光点云,采用ICP算法确定出第1个关键帧激光点云的调整量为例,在采用ICP算法将第1个关键帧激光点云分别拼接到第2个关键帧激光点云、第3个关键帧激光点云、第4个关键帧激光点云、第5个关键帧激光点云、第6个关键帧激光点云,可以得到5个第1个关键帧激光点云对应的激光雷达的中心点的拼接后的位置,可以得到5个第1个关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于第1个关键帧激光点云对应的激光雷达的中心点的位置的移动量,从而,可以确定第1个关键帧激光点云对应的5个调整量。
在本实施例中的一些可选的实现方式中,可以分别计算在每一个采集区域采集到的每一个关键帧激光点云对应的平均调整量,分别计算出在每一个采集区域采集到的关键帧激光点云中对应的平均调整量最大的关键帧激光点云,以及分别再次计算在每一个采集区域采集到的除对应的平均调整量最大的关键帧激光点云之外的剩余的关键帧激光点云的平均调整量。将在每一个采集区域采集到的剩余的关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为每一个采集区域采集到的最优关键帧激光点云。
一个关键帧激光点云对应的平均调整量为该关键帧激光点云对应的多个调整量之和除以该关键帧激光点云拼接到的其他的关键帧激光点云的数量。
以在一个采集区域采集到6个关键帧激光点云,采用ICP算法计算出6个关键帧激光点云中的第1个关键帧激光点云的平均调整量为例,采用ICP算法将第1个关键帧激光点云分别拼接到第2个关键帧激光点云、第3个关键帧激光点云、第4个关键帧激光点云、第5个关键帧激光点云、第6个关键帧激光点云,可以得到第1个关键帧激光点云对应的5个调整量。可以将第1个关键帧激光点云对应的5个调整量之和除以第1个关键帧激光点云拼接到的其他的关键帧激光点云的数量即5个,得到在该采集区域采集到的第1个关键帧激光点云对应的平均调整量。
在计算出在一个采集区域采集到的每一个关键帧激光点云对应的平均调整量之后,可以确定在该采集区域采集到的关键帧激光点云中对应的平均调整量最大的关键帧激光点云。然后,可以计算在该采集区域采集到的除对应的平均调整量最大的关键帧激光点云之外的剩余的关键帧激光点云中每一个剩余的关键帧激光点云的平均调整量,将剩余的关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为该采集区域采集到的最优关键帧激光点云。
以在一个采集区域采集到6个关键帧激光点云,采用ICP算法计算平均调整量为例,在采用ICP算法计算出在该采集区域采集到的6个关键帧激光点云中的每一个关键帧激光点云对应的平均调整量时,每一个关键帧激光点云各自对应5个调整量。第1个关键帧激光点云对应的平均调整量最大,则可以去除第1个关键帧激光点云,再次计算剩余的第2、3、4、5、6个关键帧激光点云对应的平均调整量。再次计算平均调整量时,第2、3、4、5、6个关键帧激光点云各自对应4个调整量,将再次计算得到的剩余关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为在该采集区域采集到的最优关键帧激光点云。
步骤203,对每一个采集区域采集到的除最优关键帧激光点云之外的激光点云全局位姿优化。
在本实施例中,在分别确定出每一个采集区域采集到的关键帧激光点云中的最优关键帧激光点云之后,可以分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除最优关键帧激光点云之外的激光点云进行全局位姿优化,从而,得到每一个采集区域采集到的除最优关键帧激光点云之外的每一帧用于构建反射值地图的激光点云对应的用于构建反射值地图的位置和姿态角。
在本实施例中,可以将每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角作为每一个采集区域采集到的最优关键帧激光点云对应的用于构建反射值地图的位置和姿态角。换言之,由于在每一个采集区域采集到的最优关键帧激光点对应的平均调整量最小,则最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角即采集到最优关键帧激光点云时通过GPS设备和惯性导航设备获得的激光雷达的中心点的位置和姿态角最精确,在每一个采集区域采集到的最优关键帧激光点云不在参与后续的位姿优化,直接将在每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角作为在每一个采集区域采集到的最优关键帧激光点云对应的用于构建反射值地图的位置和姿态角,从而,避免诸如最优关键帧激光点云参与位姿优化后得到的最优关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角没有通过GPS设备和惯性导航设备获得的激光雷达的中心点的位置和姿态角精确的情况。
对每一个采集区域采集到的除最优关键帧激光点云之外的激光点云进行全局位姿优化的过程可以相当于对每一个采集区域采集到的除最优关键帧激光点云之外的激光点云对应的激光雷达的中心点的位置和姿态角进行平移和旋转,得到每一个采集区域采集到的除最优关键帧激光点云之外的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,在对每一个采集区域采集到的除最优关键帧激光点云之外的激光点云进行全局位姿优化时,可以首先对每一个采集区域采集到的除最优关键帧激光点云之外的其他激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。然后,可以分别对在每一个采集区域采集到的样本帧激光点云中除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化,得到每一个采集区域采集的样本帧激光点云中的每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。最后,可以分别对在每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,在对一个采集区域采集到的除最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化时,可以基于在该采集区域采集到的其他关键帧激光点云对应的约束条件,计算出满足在该采集区域采集到的其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将满足该采集区域采集到的其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。在该采集区域采集到的其他关键帧激光点云对应的约束条件可以包括:在该采集区域采集到的除最优关键帧激光点云之外的每一个其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角、其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、在该采集区域采集到的其他关键帧激光点云之间的转换关系、在该采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系。
在该采集区域采集到的其他关键帧激光点云之间的转换关系包括:在该采集区域采集到的任意两个关键帧激光点云之间的转换关系。在该采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系包括:在该采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系。
在本实施例中,可以采用预设激光点云拼接算法分别确定出一个采集区域采集到的其他关键帧激光点云之间的优化前和优化后的转换关系,可以采用预设激光点云拼接算法分别确定在一个采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的优化前和优化后的转换关系。
以一个采集区域为第1个采集区域,与该采集区域具有重叠区域的第2个采集区域,采用ICP算法确定其他关键帧激光点云之间的转换关系为例,在第1个采集区域采集到6个关键帧激光点云,在第2个采集区域采集到6个关键帧激光点云,在第1个采集区域与第2个采集区域的重叠区域各自采集到的激光点云包括:在第1个采集区域采集到的第4个关键帧激光点云、第5个关键帧激光点云、第6个关键帧激光点云,在第2个采集区域采集到的第1个关键帧激光点云、第2个关键帧激光点云、第3个关键帧激光点云。在第1个采集区域采集到的最优关键帧激光点云为第2个关键帧激光点云,在第2个采集区域采集到的最优关键帧激光点云为第5个关键帧激光点云。
在该采集区域即第1个采集区域采集到的其他关键帧激光点云对应的约束条件包括:在采用ICP算法将第1个采集区域采集到6个关键帧激光点云中的任意一个其他关键帧激光点云分别拼接到第1个采集区域采集到4个除了在第1个采集区域采集到的第2个关键帧激光点云之外的其他关键帧激光点云时由ICP算法分别确定出的该关键帧激光点云与4个其他关键帧激光点云中每一个其他关键帧激光点云之间的转换关系、在采用ICP算法将在第1个采集区域采集激光点云时在第1个采集区域与第2个采集区域的重叠区域采集到的3个其他关键帧激光点云中的任意一个其他关键帧激光点云拼接到在第2个采集区域采集激光点云时在第1个采集区域与第2个采集区域的重叠区域采集到的3个其他关键帧激光点云中任意一个其他关键帧激光点云时由ICP算法分别确定出的转换关系。
在基于在一个采集区域采集到的其他关键帧激光点云对应的约束条件对该采集区域采集到的除最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化时,需要使得在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角尽可能地接近在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角即在该采集区域采集到其他关键帧激光点云时激光雷达的中心点的位置。同时,使得优化后的在该采集区域采集得到的其他关键帧激光点云之间的转换关系尽可能地接近优化前在该采集区域采集到的其他关键帧激光点云之间的转换关系,以及使得优化后的在该采集区域与其他采集区域的重叠的区域各自采集到的其他关键帧激光点云之间的转换关系尽可能地接近优化前在该采集区域与其他采集区域的重叠的区域各自采集到的其他关键帧激光点云之间的转换关系。
基于在一个采集区域采集到的其他关键帧激光点云对应的约束条件,计算出满足在该采集区域采集的其他关键帧激光点云对应的收敛条件的在该采集区域采集到的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角进行平移和旋转,直至满足在该采集区域采集的其他关键帧激光点云对应的收敛条件,得到每一个在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将每一个在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例中,可以基于在一个采集区域采集到的其他关键帧激光点云对应的约束条件,构建目标函数,其他关键帧激光点云对应的收敛条件可以为基于在该采集区域采集到的其他关键帧激光点云对应的约束条件构建的目标函数的函数值小于阈值。基于在该采集区域采集到的其他关键帧激光点云对应的约束条件,计算出满足其他关键帧激光点云对应的收敛条件每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个其他关键帧激光点云对应的激光雷达中心点的位置和姿态角进行平移和旋转,直至该目标函数的函数值小于阈值。
在本实施例的一些可选的实现方式中,在一个采集区域采集到的其他关键帧激光点云对应的收敛条件包括:其他关键帧激光点云对应的位姿差值与其他关键帧激光点云对应的第一转换关系差值以及其他关键帧激光点云对应的第二转换关系差值之和小于阈值,其他关键帧激光点云对应的位姿差值为每一个在该采集区域采集到的其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与优化前该其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和。其他关键帧激光点云对应的第一转换关系差值为在该采集区域采集到的优化后任意两个其他关键帧激光点云之间的转换关系与优化前任意两个其他关键帧激光点云之间的转换关系之间的差值之和。其他关键帧激光点云对应的第二转换关系差值为优化后在该采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系与优化前在该采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系之间的差值之和。
优化后在该采集区域采集到的任意两个其他关键帧激光点云之间的转换关系与优化前任意两个其他关键帧激光点云之间的转换关系之间的差值可以基于优化后该任意两个其他关键帧激光点云之间的转换关系对应的平移量和旋转量与优化前该任意两个其他关键帧激光点云之间的转换关系对应的平移量和旋转量的差值确定。
优化后在该采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系与优化前在该采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系之间的差值可以基于优化后在该采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系对应的平移量和旋转量与优化前在该采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系对应的平移量和旋转量确定。
在一个采集区域采集到的其他关键帧激光点云对应的约束条件的其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重可以作为其他关键帧激光点云对应的位姿差值的权重。
在分别对每一个采集区域采集到的除最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他关键帧激光点云对应的用于构建反射值地图的位置和姿态角之后,可以分别对每一个采集区域采集到的样本帧激光点云中除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化,得到每一个采集区域采集到的样本帧激光点云中除了关键帧激光点云之外的每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,在对一个采集区域采集到的样本帧激光点云中的除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化时,可以基于在该采集区域采集到的其他样本帧激光点云对应的约束条件,计算出满足在该采集区域采集到的其他样本帧激光点云对应的收敛条件的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将满足在该采集区域采集到的其他样本帧激光点云对应的收敛条件的每一个在该采集区域采集到的其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个在该采集区域采集到的其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在一个采集区域采集到的其他样本帧激光点云对应的约束条件包括:在该采集区域采集到的每一个其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角、其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、在该采集区域采集到的其他样本帧激光点云中相邻的其他样本帧激光点云之间的转换关系。相邻的其他样本帧激光点云为对应的激光雷达的中心点的位置相邻的其他样本帧激光点云。
在本实施例中,可以采用预设激光点云拼接算法例如ICP算法分别确定出一个采集区域采集到的相邻的其他样本帧激光点云之间的优化前和优化后的转换关系。
在一个采集区域采集到的其他样本帧激光点云中相邻的样本帧激光点云之间的转换关系包括:在该采集区域采集到的其他样本帧激光点云中任意两个相邻的其他样本帧激光点云之间的转换关系。
在基于一个采集区域采集到的其他样本帧激光点云对应的约束条件,对该采集区域采集到的其他样本帧激光点云进行位姿优化时,需要使得得到的在该采集区域采集到的其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角尽可能地接近优化前在该采集区域采集到的其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角。同时,需要使得优化后在该采集区域采集到的相邻的其他样本帧激光点云之间的转换关系尽可能地接近优化前在该采集区域采集到的相邻的其他样本帧激光点云之间的转换关系。
基于在一个采集区域采集到的其他样本帧激光点云对应的约束条件,计算出满足在该采集区域采集到的其他样本帧激光点云对应的收敛条件的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角进行平移和旋转,直至满足在该采集区域采集到的其他样本帧激光点云对应的收敛条件,得到每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例中,可以基于在一个采集区域采集到的其他样本帧激光点云对应的约束条件,构建目标函数,其他样本帧激光点云对应的收敛条件可以为基于在该采集区域采集到的其他样本帧激光点云对应的约束条件构建的目标函数的函数值小于阈值。基于在该采集区域采集到的其他样本帧激光点云对应的约束条件,计算出满足其他样本帧激光点云对应的收敛条件每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个其他样本帧激光点云对应的激光雷达中心点的位置和姿态角进行平移和旋转,直至该目标函数的函数值小于阈值。
在本实施例的一些可选的实现方式中,在一个采集区域采集到的其他样本帧激光点云对应的收敛条件包括:其他样本帧激光点云对应的位姿差值与其他样本帧激光点云对应的转换关系差值之和小于阈值,其他样本帧激光点云对应的位姿差值为在该采集区域采集到的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与优化前其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,其他样本帧激光点云对应的转换关系差值为在该采集区域采集到的优化后相邻的其他样本帧激光点云之间的转换关系与优化前相邻的其他样本帧激光点云之间的转换关系之间的差值之和。
优化后相邻的其他样本帧激光点云之间的转换关系与优化前相邻的其他样本帧激光点云之间的转换关系之间的差值可以根据优化后相邻的其他样本帧激光点云之间的转换关系对应的平移量和旋转量与优化前相邻的其他样本帧激光点云之间的转换关系对应的平移量和旋转量的差值确定。
在一个采集区域采集到的其他样本帧激光点云对应的约束条件中的其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重可以作为其他样本帧激光点云对应的位姿差值的权重。
在分别对每一个采集区域采集到的样本帧激光点云中除关键帧激光点云之外的其他样本帧激光点进行位姿优化,得到每一个采集区域采集到的样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角之后,可以分别每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化,得到每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,在分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化时,可以分别基于在每一个采集区域采集到的用于构建反射值地图的激光点云中的普通帧激光点云对应的约束条件,对用于构建反射值地图的激光点云中的普通帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个用于构建反射值地图中的普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将每一个采集区域采集到普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。在该采集区域采集到的普通帧激光点云对应的约束条件包括:在该采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的位置和姿态角、普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、在该采集区域采集到的相邻的普通帧激光点云之间的转换关系。相邻的普通帧激光点云为对应的激光雷达的中心点的位置相邻的普通帧激光点云。
在本实施例中,可以采用预设激光点云拼接算法例如ICP算法分别确定出一个采集区域采集到的相邻的普通帧激光点云之间的优化前和优化后的转换关系。
在一个采集区域采集到的相邻的普通帧激光点云之间的转换关系之间的转换关系包括:在该采集区域采集到的任意两个相邻的普通帧激光点云之间的转换关系。
在基于一个采集区域采集到的普通帧激光点云对应的约束条件,对该采集区域采集到的普通帧激光点云进行位姿优化时,需要使得得到的普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角尽可能地接近普通帧激光点云对应的激光雷达的中心点的位置和姿态角。同时,需要使得优化后的相邻的普通帧激光点云之间的转换关系尽可能地接近优化之前相邻的普通帧激光点云之间的转换关系。
基于在一个采集区域采集到的普通帧激光点云对应的约束条件,计算出满足在该采集区域采集到的普通帧激光点云对应的收敛条件的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个普通帧激光点云对应的激光雷达的中心点的位置和姿态角进行平移和旋转,直至满足在该采集区域采集到的普通帧激光点云对应的收敛条件,得到每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,将在该采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为在该采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例中,可以基于在一个采集区域采集到的普通帧激光点云对应的约束条件,构建目标函数,普通帧激光点云对应的收敛条件可以为基于在该采集区域采集到的普通帧激光点云对应的约束条件构建的目标函数的函数值小于阈值。基于在该采集区域采集到的普通帧激光点云对应的约束条件,计算出满足普通帧激光点云对应的收敛条件每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角可以相当于对每一个普通帧激光点云对应的激光雷达中心点的位置和姿态角进行平移和旋转,直至该目标函数的函数值小于阈值。
在本实施例的一些可选的实现方式中,在一个采集区域采集到的普通帧激光点云对应的收敛条件包括:普通帧激光点云对应的位姿差值与普通帧激光点云对应的转换关系差值之和小于阈值,普通帧激光点云对应的位姿差值为在该采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与优化前普通帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,普通帧激光点云对应的转换关系差值为在该采集区域采集到的优化后相邻的普通帧激光点云之间的转换关系与优化前普通帧激光点云之间的转换关系之间的差值进行之和。
优化后相邻的普通帧激光点云之间的转换关系与优化前相邻的普通帧激光点云之间的转换关系之间的差值可以根据优化后相邻的普通帧激光点云之间的转换关系对应的平移量和旋转量与优化前相邻的普通帧激光点云之间的转换关系对应的平移量和旋转量的差值确定。
在一个采集区域采集到的普通帧激光点云对应的收敛条件中的普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重可以作为普通帧激光点云对应的位姿差值的权重。
步骤204,基于对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
在本实施例中,在得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角之后,可以利用在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角对激光雷达输出的在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光点云数据中的激光点在激光雷达坐标系下的坐标进行转换,得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的激光点在世界坐标系下的坐标。然后,根据在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的激光点在世界坐标系下的坐标,将在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云进行拼接,得到待构建的反射值地图对应的拼接后的激光点云,将待构建的反射值地图对应的拼接后的激光点云中的激光点投影到待构建的反射值地图对应的区域占据的网格中,统计投影到每一个该区域占据的网格中的激光点反射强度的均值和方差,得到待构建的反射值地图的地图数据,从而,构建出该区域的反射值地图。
在本实施例中,一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置可以采用一个在世界坐标系下的坐标表示,一帧用于构建反射值地图的激光点云对应的用于构建反射值地图的位置对应的世界坐标系下的坐标可以包含一帧用于构建反射值地图的激光点云对应的用于构建反射值地图的位置在x轴、y轴、z轴的取值。
在本实施例中,可以根据在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的用于构建反射值地图的位置对应的世界坐标下的坐标,分别计算出在每一个采集区域采集到每一帧用于构建反射值地图的激光点云各自对应平移矩阵。可以根据在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的用于构建反射值地图的姿态角,分别得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云各自对应的旋转矩阵。然后,可以根据每一个采集区域采集到的每一帧用于构建反射值地图的激光点云各自对应的旋转矩阵和平移矩阵,分别对激光雷达输出的每一帧用于构建反射值地图的激光点云对应的激光点云数据中的激光点在激光雷达的坐标系下的坐标进行转换,得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的每一个激光点在世界坐标系下的坐标。
在本实施例中,世界坐标系可以为UTM(Universal Transverse Mercator)坐标系。
在本实施例中,在得到在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的每一个激光点在世界坐标系下的坐标之后,可以根据在每一个采集区域采集到的每一帧用于构建反射值地图的激光点云中的每一个激光点在世界坐标系下的坐标,将每一个采集区域采集到的每一帧用于构建反射值地图的激光点云进行拼接,得到待构建的反射值地图对应的拼接后的激光点云。然后,可以根据将待构建的反射值地图对应的拼接后的激光点云中的激光点在世界坐标系下的坐标在x轴、y轴的取值和网格在x轴方向、y轴方向的长度例如网格为正方形时网格的边长,分别确定出每一个待构建的反射值地图对应的拼接后激光点云中的激光点分别投影到的待构建的反射值地图对应的区域占据的网络,分别统计投影到待构建的反射值地图对应的区域占据的每一个网格中的激光点的反射强度的均值和方差,从而,得到待构建的反射值地图的地图数据,从而,构建出反射值地图。
请参考图3,作为对上述各图所示方法的实现,本申请提供了一种反射值地图构建装置的一个实施例,该装置实施例与图2所示的方法实施例相对应。
如图3所示,反射值地图构建装置包括:选取单元301,确定单元302,优化单元303,构建单元304。其中,选取单元301配置用于分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;确定单元302配置用于分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,调整量基于将关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;优化单元303配置用于分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;构建单元304配置用于基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
在本实施例的一些可选的实现方式中,选取单元进一步配置用于:去除采集区域中采集到的激光点云中采集时间的时间戳错误的激光点云;去除采集区域中采集到的对应的激光雷达的中心点的位置相同的激光点云;将采集区域中采集到的剩余的激光点云作为采集区域采集到的用于构建反射值地图的激光点云。
在本实施例的一些可选的实现方式中,确定单元进一步配置用于:计算在采集区域采集到的每一个关键帧激光点云的平均调整量,平均调整量为关键帧激光点云对应的调整量之和除以关键帧激光点云拼接到的其他的关键帧激光点云的数量;确定对应的平均调整量最大的关键帧激光点云,以及计算除对应的平均调整量最大的关键帧激光点云之外的剩余的关键帧激光点云的平均调整量;将剩余的关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为采集区域采集到的最优关键帧激光点云。
在本实施例的一些可选的实现方式中,优化单元包括:其他关键帧优化子单元,配置用于将每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角作为每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,以及分别对在每一个采集区域采集到的除了最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;其他样本帧优化子单元,配置用于分别对在每一个采集区域采集到的除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;普通帧优化子单元,配置用于分别对在每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,其他关键帧优化子单元进一步配置用于:基于在采集区域采集到的其他关键帧激光点云对应的约束条件,计算出满足其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,其他关键帧激光点云对应的约束条件包括:每一个其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角、其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、在采集区域采集到的其他关键帧激光点云之间的转换关系、在采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系;将满足其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,其他关键帧激光点云对应的收敛条件包括:其他关键帧激光点云对应的位姿差值与其他关键帧激光点云对应的第一转换关系差值和其他关键帧激光点云对应的第二转换关系差值之和小于阈值,其他关键帧激光点云对应的位姿差值为每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,其他关键帧激光点云对应的第一转换关系差值为优化后在采集区域采集到的任意两个其他关键帧激光点云之间的转换关系与优化前任意两个其他关键帧激光点云之间的转换关系之间的差值之和,其他关键帧激光点云对应的第二转换关系差值为优化后在采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系与优化前在采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系之间的差值之和,其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为其他关键帧激光点云对应的位姿差值的权重。
在本实施例的一些可选的实现方式中,其他样本帧优化子单元进一步配置用于:基于在采集区域采集到的其他样本帧激光点云对应的约束条件,计算出满足其他样本帧激光点云对应的收敛条件的在采集区域采集的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,其他样本帧激光点云对应的约束条件包括:每一个其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角、其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、相邻的其他样本帧激光点云之间的转换关系;将满足其他样本帧激光点云对应的收敛条件的在采集区域采集的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,其他样本帧激光点云对应的收敛条件包括:其他样本帧激光点云对应的位姿差值与其他样本帧激光点云对应的转换关系差值之和小于阈值,其他样本帧激光点云对应的位姿差值为每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,其他样本帧激光点云对应的转换关系差值为优化后相邻的其他样本帧激光点云之间的转换关系与优化前相邻的其他样本帧激光点云之间的转换关系之间的差值之和,其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为其他样本帧激光点云对应的位姿差值的权重。
在本实施例的一些可选的实现方式中,普通帧优化子单元进一步配置用于:基于在采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云对应的约束条件,计算出满足普通帧激光点云对应的收敛条件的在采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,普通帧激光点云对应的约束条件包括:每一个普通帧激光点云对应的激光雷达的中心点的位置和姿态角、普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、相邻的普通帧激光点云之间的转换关系;将满足普通帧激光点云对应的收敛条件的在采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
在本实施例的一些可选的实现方式中,普通帧激光点云对应的收敛条件包括:普通帧激光点云对应的位姿差值与普通帧激光点云对应的转换关系差值之和小于阈值,普通帧激光点云对应的位姿差值为每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与普通帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,普通帧激光点云对应的转换关系差值为优化后相邻的普通帧激光点云之间的转换关系与优化前相邻的普通帧激光点云之间的转换关系之间的差值之和,普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为普通帧激光点云对应的位姿差值的权重。
图4示出了适于用来实现本申请实施例的服务器的计算机***的结构示意图。图4示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机***包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有计算机***操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:输入部分406;输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,本申请的实施例中描述的过程可以被实现为计算机程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包括用于执行流程图所示的方法的指令。该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的方法中限定的上述功能。
本申请还提供了一种服务器,该服务器可以包括图3所描述的装置。该服务器可以配置有一个或多个处理器;存储器,用于存储一个或多个程序,一个或多个程序中可以包含用以执行上述步骤201-204中描述的操作的指令。当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述步骤201-204中描述的操作。
本申请还提供了一种计算机可读介质,该计算机可读介质可以是服务器中所包括的;也可以是单独存在,未装配入服务器中。上述计算机可读介质承载有一个或者多个程序,当一个或者多个程序被服务器执行时,使得服务器:分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,调整量基于将关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括选取单元,确定单元,优化单元,构建单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,选取单元还可以被描述为“用于分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云,以及分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云的单元”。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离本申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种反射值地图构建方法,其特征在于,所述方法包括:
分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云;
分别对每一个采集区域采集到的用于构建反射值地图的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
2.根据权利要求1所述的方法,其特征在于,分别对每一个采集区域采集到的用于构建反射值地图的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,包括:
分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,所述调整量基于将所述关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于所述关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;
分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除最优关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
3.根据权利要求2所述的方法,其特征在于,分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出关键帧激光点云,包括:
分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;
分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云。
4.根据权利要求3所述的方法,其特征在于,分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云包括:
去除所述采集区域中采集到的激光点云中采集时间的时间戳错误的激光点云;
去除所述采集区域中采集到的对应的激光雷达的中心点的位置相同的激光点云;
将所述采集区域中采集到的剩余的激光点云作为所述采集区域采集到的用于构建反射值地图的激光点云。
5.根据权利要求4所述的方法,其特征在于,分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云包括:
计算在所述采集区域采集到的每一个关键帧激光点云的平均调整量,平均调整量为所述关键帧激光点云对应的调整量之和除以所述关键帧激光点云拼接到的其他的关键帧激光点云的数量;
确定对应的平均调整量最大的关键帧激光点云,以及计算除对应的平均调整量最大的关键帧激光点云之外的剩余的关键帧激光点云的平均调整量;
将剩余的关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为所述采集区域采集到的最优关键帧激光点云。
6.根据权利要求5所述的方法,其特征在于,分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除最优关键帧激光点云之外的激光点云进行全局位姿优化包括:
将每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角作为每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,以及分别对在每一个采集区域采集到的除了最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
分别对在每一个采集区域采集到的除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
分别对在每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
7.根据权利要求6所述的方法,其特征在于,分别对在每一个采集区域采集到的除了最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化包括:
基于在所述采集区域采集到的其他关键帧激光点云对应的约束条件,计算出满足所述其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,所述其他关键帧激光点云对应的约束条件包括:每一个其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角、其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、在所述采集区域采集到的其他关键帧激光点云之间的转换关系、在所述采集区域与其他采集区域的重叠的区域各自采集到的一个其他关键帧激光点云之间的转换关系;
将满足所述其他关键帧激光点云对应的收敛条件的每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
8.根据权利要求7所述的方法,其特征在于,所述其他关键帧激光点云对应的收敛条件包括:其他关键帧激光点云对应的位姿差值与其他关键帧激光点云对应的第一转换关系差值和其他关键帧激光点云对应的第二转换关系差值之和小于阈值,其他关键帧激光点云对应的位姿差值为每一个其他关键帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与所述其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,其他关键帧激光点云对应的第一转换关系差值为优化后在所述采集区域采集到的任意两个其他关键帧激光点云之间的转换关系与优化前任意两个其他关键帧激光点云之间的转换关系之间的差值之和,其他关键帧激光点云对应的第二转换关系差值为优化后在所述采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系与优化前在所述采集区域与其他采集区域的重叠的区域各自采集到的任意一个其他关键帧激光点云之间的转换关系之间的差值之和,其他关键帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为其他关键帧激光点云对应的位姿差值的权重。
9.根据权利要求8所述的方法,其特征在于,分别对在每一个采集区域采集到的除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化包括:
基于在所述采集区域采集到的其他样本帧激光点云对应的约束条件,计算出满足所述其他样本帧激光点云对应的收敛条件的在所述采集区域采集的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,其他样本帧激光点云对应的约束条件包括:每一个其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角、其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、相邻的其他样本帧激光点云之间的转换关系;
将满足所述其他样本帧激光点云对应的收敛条件的在所述采集区域采集的每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
10.根据权利要求9所述的方法,其特征在于,所述其他样本帧激光点云对应的收敛条件包括:其他样本帧激光点云对应的位姿差值与其他样本帧激光点云对应的转换关系差值之和小于阈值,其他样本帧激光点云对应的位姿差值为每一个其他样本帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与所述其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,其他样本帧激光点云对应的转换关系差值为优化后相邻的其他样本帧激光点云之间的转换关系与优化前相邻的其他样本帧激光点云之间的转换关系之间的差值之和,其他样本帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为其他样本帧激光点云对应的位姿差值的权重。
11.根据权利要求10所述的方法,其特征在于,分别对在每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化包括:
基于在所述采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云对应的约束条件,计算出满足所述普通帧激光点云对应的收敛条件的在所述采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角,所述普通帧激光点云对应的约束条件包括:每一个普通帧激光点云对应的激光雷达的中心点的位置和姿态角、普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重、相邻的普通帧激光点云之间的转换关系;
将满足所述普通帧激光点云对应的收敛条件的在所述采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角作为每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
12.根据权利要求11所述的方法,其特征在于,所述普通帧激光点云对应的收敛条件包括:普通帧激光点云对应的位姿差值与普通帧激光点云对应的转换关系差值之和小于阈值,普通帧激光点云对应的位姿差值为每一个普通帧激光点云对应的激光雷达的中心点的优化后的位置和姿态角与普通帧激光点云对应的激光雷达的中心点的位置和姿态角的差值之和,普通帧激光点云对应的转换关系差值为优化后相邻的普通帧激光点云之间的转换关系与优化前相邻的普通帧激光点云之间的转换关系之间的差值之和,普通帧激光点云对应的激光雷达的中心点的位置和姿态角对应的权重为普通帧激光点云对应的位姿差值的权重。
13.一种反射值地图构建装置,其特征在于,所述装置包括:
选取单元,配置用于分别从待构建的反射值地图对应的区域中的每一个采集区域中采集到的激光点云中选取出用于构建反射值地图的激光点云;
优化单元,配置用于分别对每一个采集区域采集到的用于构建反射值地图的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
构建单元,配置用于基于每一个采集区域中采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,构建反射值地图。
14.根据权利要求13所述的装置,其特征在于,优化单元进一步配置用于:分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出关键帧激光点云,以及分别基于在每一个采集区域采集到的关键帧激光点云对应的调整量,确定出每一个采集区域采集到的最优关键帧激光点云,所述调整量基于将所述关键帧激光点云拼接到其他的关键帧激光点云对应的激光雷达的中心点的拼接后的位置相对于所述关键帧激光点云对应的激光雷达的中心点的位置的移动量而确定;分别对每一个采集区域采集到的用于构建反射值地图的激光点云中除最优关键帧激光点云之外的激光点云进行全局位姿优化,得到每一个采集区域采集到的每一帧用于构建反射值地图的激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
15.根据权利要求14所述的装置,其特征在于,优化单元进一步配置用于:分别从每一个采集区域中采集到的用于构建反射值地图的激光点云中选取出样本帧激光点云;分别从每一个采集区域采集到的样本帧激光点云中选取出关键帧激光点云。
16.根据权利要求15所述的装置,其特征在于,选取单元进一步配置用于:去除所述采集区域中采集到的激光点云中采集时间的时间戳错误的激光点云;去除所述采集区域中采集到的对应的激光雷达的中心点的位置相同的激光点云;将所述采集区域中采集到的剩余的激光点云作为所述采集区域采集到的用于构建反射值地图的激光点云。
17.根据权利要求16所述的装置,其特征在于,优化单元进一步配置用于:计算在所述采集区域采集到的每一个关键帧激光点云的平均调整量,平均调整量为所述关键帧激光点云对应的调整量之和除以所述关键帧激光点云拼接到的其他的关键帧激光点云的数量;确定对应的平均调整量最大的关键帧激光点云,以及计算除对应的平均调整量最大的关键帧激光点云之外的剩余的关键帧激光点云的平均调整量;将剩余的关键帧激光点云中对应的平均调整量最小的关键帧激光点云作为所述采集区域采集到的最优关键帧激光点云。
18.根据权利要求17所述的装置,其特征在于,优化单元包括:
其他关键帧优化子单元,配置用于将每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的位置和姿态角作为每一个采集区域采集到的最优关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角,以及分别对在每一个采集区域采集到的除了最优关键帧激光点云之外的其他关键帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他关键帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
其他样本帧优化子单元,配置用于分别对在每一个采集区域采集到的除了关键帧激光点云之外的其他样本帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个其他样本帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角;
普通帧优化子单元,配置用于分别对在每一个采集区域采集到的用于构建反射值地图的激光点云中除样本帧激光点云之外的普通帧激光点云进行位姿优化,得到每一个采集区域采集到的每一个普通帧激光点云对应的激光雷达的中心点的用于构建反射值地图的位置和姿态角。
19.一种服务器,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659579.2A CN113341397A (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659579.2A CN113341397A (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
CN201710697013.2A CN109410735B (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710697013.2A Division CN109410735B (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113341397A true CN113341397A (zh) | 2021-09-03 |
Family
ID=65359941
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710697013.2A Active CN109410735B (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
CN202110659579.2A Pending CN113341397A (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710697013.2A Active CN109410735B (zh) | 2017-08-15 | 2017-08-15 | 反射值地图构建方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10782410B2 (zh) |
CN (2) | CN109410735B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407073B (zh) * | 2017-08-15 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
KR102664410B1 (ko) * | 2019-05-03 | 2024-05-08 | 엘지전자 주식회사 | 다중 센서 및 인공지능에 기반하여 맵을 생성하고 맵을 이용하여 주행하는 로봇 |
CN110148185B (zh) * | 2019-05-22 | 2022-04-15 | 北京百度网讯科技有限公司 | 确定成像设备坐标系转换参数的方法、装置和电子设备 |
CN110196044A (zh) * | 2019-05-28 | 2019-09-03 | 广东亿嘉和科技有限公司 | 一种基于gps闭环检测的变电站巡检机器人建图方法 |
CN111461981B (zh) * | 2020-03-30 | 2023-09-01 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
CN111461980B (zh) * | 2020-03-30 | 2023-08-29 | 北京百度网讯科技有限公司 | 点云拼接算法的性能估计方法和装置 |
CN111178342B (zh) * | 2020-04-10 | 2020-07-07 | 浙江欣奕华智能科技有限公司 | 一种位姿图的优化方法、装置、设备及介质 |
CN111553859B (zh) | 2020-04-29 | 2020-12-01 | 清华大学 | 一种激光雷达点云反射强度补全方法及*** |
CN112184589B (zh) * | 2020-09-30 | 2021-10-08 | 清华大学 | 一种基于语义分割的点云强度补全方法及*** |
CN112406964B (zh) * | 2020-11-10 | 2022-12-02 | 北京埃福瑞科技有限公司 | 一种列车定位方法及*** |
CN113432600B (zh) * | 2021-06-09 | 2022-08-16 | 北京科技大学 | 基于多信息源的机器人即时定位与地图构建方法及*** |
CN113340296B (zh) * | 2021-06-21 | 2024-04-09 | 上海仙工智能科技有限公司 | 一种自动更新移动机器人地图的方法及装置 |
CN113503883B (zh) * | 2021-06-22 | 2022-07-19 | 北京三快在线科技有限公司 | 采集用于构建地图的数据的方法、存储介质及电子设备 |
CN114674305A (zh) * | 2022-03-01 | 2022-06-28 | 小米汽车科技有限公司 | 地图处理方法、装置、电子设备、介质及车辆 |
CN117132728B (zh) * | 2023-10-26 | 2024-02-23 | 毫末智行科技有限公司 | 构建地图的方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100860767B1 (ko) * | 2008-04-22 | 2008-09-29 | (주)신한항업 | 항공 레이저 측량 데이터를 이용한 수치도화 제작 장치 및방법 |
US20100020306A1 (en) * | 2006-07-13 | 2010-01-28 | Velodyne Acoustics, Inc. | High definition lidar system |
KR101192825B1 (ko) * | 2011-06-30 | 2012-10-18 | 서울시립대학교 산학협력단 | Gps/ins/영상at를 통합한 라이다 지오레퍼린싱 장치 및 방법 |
US20160266256A1 (en) * | 2015-03-11 | 2016-09-15 | The Boeing Company | Real Time Multi Dimensional Image Fusing |
US20160377437A1 (en) * | 2015-06-23 | 2016-12-29 | Volvo Car Corporation | Unit and method for improving positioning accuracy |
US20170016870A1 (en) * | 2012-06-01 | 2017-01-19 | Agerpoint, Inc. | Systems and methods for determining crop yields with high resolution geo-referenced sensors |
CN106969763A (zh) * | 2017-04-07 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 用于确定无人驾驶车辆的偏航角的方法和装置 |
EP3203266A1 (en) * | 2016-02-04 | 2017-08-09 | Goodrich Corporation | Stereo range with lidar correction |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996228B1 (en) * | 2012-09-05 | 2015-03-31 | Google Inc. | Construction zone object detection using light detection and ranging |
US9097800B1 (en) * | 2012-10-11 | 2015-08-04 | Google Inc. | Solid object detection system using laser and radar sensor fusion |
US9098754B1 (en) * | 2014-04-25 | 2015-08-04 | Google Inc. | Methods and systems for object detection using laser point clouds |
CN104764457B (zh) * | 2015-04-21 | 2017-11-17 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN105702151B (zh) * | 2016-03-31 | 2019-06-11 | 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 |
CN106023210B (zh) * | 2016-05-24 | 2017-12-12 | 百度在线网络技术(北京)有限公司 | 无人车、无人车定位方法、装置和*** |
US10837773B2 (en) * | 2016-12-30 | 2020-11-17 | DeepMap Inc. | Detection of vertical structures based on LiDAR scanner data for high-definition maps for autonomous vehicles |
CN106908775B (zh) * | 2017-03-08 | 2019-10-18 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN107015238A (zh) * | 2017-04-27 | 2017-08-04 | 睿舆自动化(上海)有限公司 | 基于三维激光雷达的无人车自主定位方法 |
CN109407073B (zh) * | 2017-08-15 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
-
2017
- 2017-08-15 CN CN201710697013.2A patent/CN109410735B/zh active Active
- 2017-08-15 CN CN202110659579.2A patent/CN113341397A/zh active Pending
- 2017-11-01 US US15/800,260 patent/US10782410B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100020306A1 (en) * | 2006-07-13 | 2010-01-28 | Velodyne Acoustics, Inc. | High definition lidar system |
KR100860767B1 (ko) * | 2008-04-22 | 2008-09-29 | (주)신한항업 | 항공 레이저 측량 데이터를 이용한 수치도화 제작 장치 및방법 |
KR101192825B1 (ko) * | 2011-06-30 | 2012-10-18 | 서울시립대학교 산학협력단 | Gps/ins/영상at를 통합한 라이다 지오레퍼린싱 장치 및 방법 |
US20170016870A1 (en) * | 2012-06-01 | 2017-01-19 | Agerpoint, Inc. | Systems and methods for determining crop yields with high resolution geo-referenced sensors |
US20160266256A1 (en) * | 2015-03-11 | 2016-09-15 | The Boeing Company | Real Time Multi Dimensional Image Fusing |
US20160377437A1 (en) * | 2015-06-23 | 2016-12-29 | Volvo Car Corporation | Unit and method for improving positioning accuracy |
EP3203266A1 (en) * | 2016-02-04 | 2017-08-09 | Goodrich Corporation | Stereo range with lidar correction |
CN106969763A (zh) * | 2017-04-07 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 用于确定无人驾驶车辆的偏航角的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US10782410B2 (en) | 2020-09-22 |
CN109410735B (zh) | 2021-06-29 |
CN109410735A (zh) | 2019-03-01 |
US20190056501A1 (en) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410735B (zh) | 反射值地图构建方法和装置 | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN108732603B (zh) | 用于定位车辆的方法和装置 | |
CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
US11624827B2 (en) | Method for generating a high precision map, apparatus and storage medium | |
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
JP6771059B2 (ja) | 3次元シーンを再構成するための方法、装置、機器及びコンピュータ可読記憶媒体 | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
CN106023210B (zh) | 无人车、无人车定位方法、装置和*** | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN111461981B (zh) | 点云拼接算法的误差估计方法和装置 | |
JP2022524069A (ja) | 自律走行車のナビゲーション用高精度地図を生成するためのポーズグラフの分散処理 | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN110608746B (zh) | 用于确定机动车的位置的方法和装置 | |
CN115273027A (zh) | 环境感知方法、域控制器、存储介质及车辆 | |
CN114820749A (zh) | 无人车井下定位方法、***、设备及介质 | |
CN115494533A (zh) | 车辆定位方法、装置、存储介质及定位*** | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN112965076B (zh) | 一种用于机器人的多雷达定位***及方法 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN114136327B (zh) | 一种虚线段的查全率的自动化检查方法及*** | |
CN112987010B (zh) | 一种用于机器人的多雷达建图的***及方法 | |
CN113269827B (zh) | 一种实现自动化标定的方法和计算装置 | |
CN113534214B (zh) | 一种车辆定位方法及装置 |
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 |