CN113515513A - 轨迹矫正方法及装置、点云地图生成方法及装置 - Google Patents
轨迹矫正方法及装置、点云地图生成方法及装置 Download PDFInfo
- Publication number
- CN113515513A CN113515513A CN202110739253.0A CN202110739253A CN113515513A CN 113515513 A CN113515513 A CN 113515513A CN 202110739253 A CN202110739253 A CN 202110739253A CN 113515513 A CN113515513 A CN 113515513A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- corrected
- track
- 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.)
- Granted
Links
- 238000012937 correction Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000009499 grossing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009191 jumping Effects 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 43
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Image Processing (AREA)
Abstract
本发明公开了轨迹矫正方法及装置、点云地图生成方法及装置。该方法包括:获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。通过轨迹数据和激光扫描数据联合方式对轨迹数据进行矫正,从而优化了轨迹数据,基于优化后的轨迹数据确定的点云精度大大提高,可以大大减少点云跳变问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种轨迹矫正方法及装置、点云地图生成方法及装置。
背景技术
随着人工智能技术的快速发展,车辆自动驾驶对高精度地图的需求也越来越迫切。高精度地图为自动驾驶提供了高可靠性的地图数据,能够保证自动驾驶的安全应用。作为自动驾驶的关键数据支撑,高精度地图主要是利用移动激光扫描***(Mobile LaserScanning,MLS)采集的点云数据所制作而成。移动激光扫描***拥有安全、高效的三维空间数据采集能力,当其运动载体(测量车)可以接收到良好的卫星定位信号时,移动激光扫描***可以提供厘米级点云数据,从而用于高精度导航地图的制作。然而在天桥、隧道、城市峡谷等室外复杂场景中,由于GNSS(Global Navigation Satellite System,全称是全球导航卫星***)信号被树木或建筑物遮挡,移动激光扫描***信号端的定位精度不稳定,所获取的数据经常存在较大偏差,其点云数据则表现为扭曲、错位等不平顺的跳变问题,该问题极大地影响了制图效果与精度。
发明内容
本发明要解决的技术问题是为了克服现有技术中由于移动激光扫描***信号端的定位精度不稳定,点云数据出现扭曲、错位等不平顺的跳变问题的缺陷,提供一种轨迹矫正方法及装置、点云地图生成方法及装置。
本发明是通过下述技术方案来解决上述技术问题:
第一方面,提供一种轨迹矫正方法,包括:
获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;
使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;
从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;
根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;
根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。
可选地,从所述点云中提取用于表征所述行车道路的特征点,包括:
从所述点云中提取与所述行车道路的色彩属性和/或强度属性相匹配的点,确定为所述特征点。
可选地,并将符合预设规则的特征点确定为待矫正点,包括:
计算特征点处的曲率和坡度;
在特征点处的曲率不小于曲率阈值,和/或坡度不小于坡度阈值的情况下,确定所述特征点为所述待矫正点。
可选地,将符合预设规则的特征点确定为待矫正点,包括:
将所述特征点划分为多个区块;
对于每个区块,计算所述区块中各个特征点处的曲率和坡度;
确定所述区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量;
在所述数量大于数量阈值的情况下,将曲率和坡度至少一个参数不小于对应阈值的特征点确定为所述待矫正点。
可选地,计算特征点处的曲率和坡度,包括:
拟合包含所述特征点的局部领域中的所有特征点,得到第一空间拟合曲线;
根据所述第一空间拟合曲线计算所述特征点处的曲率和坡度。
可选地,确定所述待矫正点的矫正偏差量,包括:
拟合所述特征点中除所述待矫正点之外的其他特征点,得到第二空间拟合曲线;
将所述待矫正点与所述第二空间拟合曲线之间的距离确定为所述矫正偏差量。
可选地,所述方法还包括:
对经过矫正的轨迹点进行轨迹平滑处理;
和/或,重复轨迹点矫正步骤,直至满足迭代停止条件。
第二方面,提供一种轨迹矫正装置,包括:
获取模块,用于获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;
解算模块,用于使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;
确定模块,用于从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;
所述确定模块,还用于根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;
矫正模块,用于根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。
第三方面,提供一种点云地图生成方法,包括:
根据上述任意一项所述的轨迹矫正方法对所述轨迹数据进行矫正;
根据所述激光扫描数据和经过矫正的轨迹数据生成点云地图。
第四方面,提供一种点云地图生成装置,包括:
矫正模块,用于执行上述任意一项所述的轨迹矫正方法对所述轨迹数据进行矫正;
生成模块,用于根据所述激光扫描数据和经过矫正的轨迹数据生成点云地图。
第五方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的方法。
第六方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法。
本发明的积极进步效果在于:
本发明实施例中,通过轨迹数据和激光扫描数据联合方式对轨迹数据进行矫正,从而优化了轨迹数据,基于优化后的轨迹数据确定的点云精度大大提高,可以大大减少点云跳变问题。
附图说明
图1为本发明一示例性实施例提供的一种轨迹矫正方法的流程图;
图2a为本发明一示例性实施例提供的一种轨迹矫正方法所采用的计算曲率和坡度的方法流程图;
图2b为本发明一示例性实施例提供的一种轨迹矫正方法确定出的特征点的示意图;
图2c为本发明一示例性实施例提供的一种轨迹矫正方法所采用的计算矫正偏差量的方法流程图;
图2d为本发明一示例性实施例提供的一种特征点及对应的轨迹点的示意图;
图3为本发明一示例性实施例提供的另一种轨迹矫正方法的流程图;
图4a为本发明一示例性实施例提供的一种基于经过轨迹矫正的轨迹数据生成的点云地图的示意图;
图4b为采用现有技术生成的点云地图的示意图;
图5为本发明一示例性实施例提供的一种轨迹矫装置的模块示意图;
图6为本发明一示例实施例示出的一种电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
图1为本发明一示例性实施例提供的一种轨迹矫正方法的流程图,参见图1,该方法包括以下步骤:
步骤101、获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据。
在一个实施例中,采用移动激光扫描***同步采集轨迹数据和激光扫描数据。移动激光扫描***包括GNSS设备和激光传感器,将移动激光扫描***安装配置于运动载体(例如,测量车)上,运动载体在行车道路上行车的过程中,由GNSS设备采集轨迹数据,由激光传感器采集行车道路的激光扫描数据。
步骤102、使用轨迹数据对激光扫描数据进行点云解算,得到点云。
轨迹数据包含多个轨迹点Pi(xi,yi,zi)。激光扫描数据为激光扫描参考坐标系下的点云数据,需要利用轨迹点解算出GNSS设备或者用户自定义坐标系下的具有真实地理坐标的激光点云数据(本文中简称“点云”),以便于后续计算。点云解算的具体实现方式,可参考相关技术的解算方式,本发明实施例对此不作特别限定。
点云(Point Cloud)是若干点的集合,点云中每个点与上述轨迹点相对应,且点云中每个点包含以下属性中的至少一种:三维坐标(X,Y,Z)、色彩(R,G,B)、强度(intensity)、类别属性等。
步骤103、从点云中提取用于表征行车道路的特征点。
可以理解地,点云基于对行车道路进行激光扫描得到的激光扫描数据而确定,其中除了表征行车道路的轨迹点之外,还包括表征树木、建筑等地物的点,而表征树木、建筑等地物的点不能用于确定行车轨迹,需从中排除,仅从点云中提取用于表示行车道路的特征点用于后续计算,以降低数据处理过程中由点云数据量大带来的高计算量。
在一个实施例中,基于点的色彩属性确定行车道路的特征点。由于不同的地物具有不同的色彩属性,因此可以基于色彩属性确定行车道路的特征点。具体的,从点云中过滤或者提取出与行车道路的色彩属性相匹配的点,将其确定为特征点。
在一个实施例中,基于点的强度属性确定行车道路的特征点。由于不同的地物具有不同的强度属性,因此可以基于强度属性确定行车道路的特征点。具体的,从点云中过滤或者提取出与行车道路的强度属性相匹配的点,将其确定为特征点。
在一个实施例中,为了提高特征点获取的准确性,结合色彩属性和强度属性这两个属性获取特征点。具体的,从点云中获取与行车道路的色彩属性以及强度属性均相匹配的点,将其确定为特征点。
在一个实施例中,可以但不限于使用行车道路上的标线的色彩属性、强度属性表征行车道路的色彩属性、强度属性。
步骤104、将符合预设规则的特征点确定为待矫正点。
待矫正点也即与发生跳变问题的轨迹点相对应的特征点,需对该特征点对应的轨迹点进行矫正。
在一个实施例中,将曲率和坡度作为预设规则的判据。若特征点处的曲率大于等于曲率阈值,和/或坡度大于等于坡度阈值,说明该特征点对应的轨迹点发生了跳变,则确定该特征点为待矫正点,需对待矫正点对应的轨迹点进行矫正。若特征点处的曲率小于曲率阈值,且坡度小于坡度阈值,则确定该特征点为参考特征点,其未发生跳变问题,无需对参考特征点对应的轨迹点其进行矫正。
在一个实施例中,曲率阈值和坡度阈值可根据实际情况自行设置,例如,曲率阈值可以是道路设计规范中的最大曲率,坡度阈值可以是道路设计规范中的最大坡度。
在一个实施例中,曲率阈值是个动态值,可先将道路设计规范中的最大曲率确定为初始曲率阈值,若行车道路的实际曲率较小,则减小初始曲率阈值,使得曲率阈值与行车道路的实际曲率呈正相关。同样,坡度阈值也可以是个动态值,可先将道路设计规范中的最大坡度确定为初始坡度阈值,若行车道路的实际坡度较小,则减小初始坡度阈值,使得坡度阈值与行车轨迹的实际坡度呈正相关。
在一个实施例中,确定待矫正点时还考虑待矫正点的数量。具体的,将特征点划分为多个区块;对于每个区块,计算该区块中各个特征点处的曲率和坡度;确定区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量,其中,曲率和坡度至少一个参数不小于对应阈值的特征点,也即曲率不小于曲率阈值和/或坡度不小于坡度阈值的特征点;若该区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量小于数量阈值,则确定该区块未发生跳变,或者即便有发生跳变的轨迹点,但是数量较少,忽略不计,无需对该区块中的轨迹点进行矫正;若该区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量大于等于数量阈值,则确定该区块中的轨迹点发生跳变,需对该区块中的轨迹点进行矫正,则将该区块中曲率和坡度至少一个参数不小于对应阈值的特征点确定为待矫正点。其中,数量阈值与区块中的特征点的数量成正相关。
图2a是本发明一示例性实施例提供的一种轨迹矫正方法所采用的计算曲率和坡度的方法流程图,参见图2a,包括以下步骤:
步骤104-1、对于每个特征点,拟合特征点以及该特征点的局部领域中的其他特征点,得到第一空间拟合曲线。
第一空间拟合曲线主要用于确定特征点处的曲率和坡度,以确定特征点Pj(xj,yj,zj)的曲率和坡度的为例,利用特征点Pj(xj,yj,zj)及其局部邻域内的其他特征点拟合一小段曲线,就能确定特征点Pj(xj,yj,zj)处的曲率和坡度。由于无需很多特征点,只需对包含特征点Pj(xj,yj,zj)的局部领域中的特征点进行曲线拟合,并基于拟合得到的第一空间拟合曲线,即可确定特征点Pj(xj,yj,zj)的曲率和坡度,计算量不会太大。
参见图2b,图中示出了多个特征点,在计算特征点Pj(xj,yj,zj)的曲率和坡度时,将距离特征点Pj(xj,yj,zj)预设范围内的区域A称为局部领域,该局部领域中除了特征点Pj(xj,yj,zj)之外的所有特征点均称为其他特征点(Pj+1,Pj+2,Pj+3,…),对区域A中的所有特征点进行曲线拟合,即可得到第一空间拟合曲线。
需要说明的是,区域A可以是图中示出的圆形,也可以是方形,或者其他任意形状,本发明实施例对此不作特别限定。
下面介绍确定第一空间拟合曲线的参数的一种可能的实现方式。
假设特征点Pj(xj,yj,zj)处由拟合参数(aj,bj,cj,dj,ej,fj)组成的第一空间拟合曲线表示如下:
其中,P(x,y,z)表示在Pj(xj,yj,zj)的局部邻域内的特征点。
则多项式拟合模型表示如下:
其拟合模型与求解参数的标准矩阵形式表示如下:
对公式(3)进行求解,得到:
步骤104-2、根据第一空间拟合曲线计算特征点Pj(xj,yj,zj)处的曲率和坡度。
特征点Pj(xj,yj,zj)处的曲率可以但不限于通过以下公式计算:
其中,kj表示特征点Pj(xj,yj,zj)处的曲率。
计算特征点Pj(xj,yj,zj)处的坡度时,可以选取第一空间拟合曲线上的两个点,例如局部邻域内的距离最远的两个特征点Pj-r(xj-r,yj-r,zj-r)和Pj+r(xj+r,yj+r,zj+r),可获得特征点Pj处的坡度,计算公式可以但不限于表示如下:
其中,sj表示特征点Pj(xj,yj,zj)处的坡度。
计算得到特征点Pj(xj,yj,zj)的曲率和坡度后,判断特征点Pj(xj,yj,zj)的曲率kj和坡度sj是否符合预设规则,也即是否符合{(kj<k0)∧(sj<s0)},其中,k0表示曲率阈值,s0表示坡度阈值。若特征点Pj(xj,yj,zj)不符合上述预设规则,则确定特征点Pj(xj,yj,zj)对应的轨迹点未发生跳变,将特征点Pj(xj,yj,zj)确定为参考特征点。若特征点Pj(xj,yj,zj)符合上述预设规则,则确定特征点Pj(xj,yj,zj)对应的轨迹点发生跳变,将特征点Pj(xj,yj,zj)确定为待矫正点。
步骤105、根据特征点中除了待矫正点之外的其他特征点,确定对应于待矫正点的轨迹点的矫正偏差量。
其他特征点为未发生跳变的轨迹点的特征点,下文也称参考特征点,可以基于参考特征点确定待矫正点的矫正偏差量。
图2c是本发明一示例性实施例提供的一种轨迹矫正方法所采用的计算矫正偏差量的方法流程图,参见图2c,包括以下步骤:
步骤105-1、拟合参考特征点,得到第二空间拟合曲线。
参见图2d,参考特征点也即点线框a中的特征点,图中只是示例性地示出了部分参考特征点,将参考特征点表示为Pt(xt,yt,zt),对各个Pt(xt,yt,zt)进行拟合,即可确定第二空间拟合曲线的拟合参数(aj′,bj′,cj′,dj′,ej′,fj′),例如对图2d中示出的Pt、Pt+1、Pt+2和/或图中未示出的与Pt、Pt+1、Pt+2位于同侧的其他参考特征点进行拟合,或者对Pt′、Pt′+1、Pt′+2和/或图中未示出的与Pt′、Pt′+1、Pt′+2位于同侧的其他参考特征点进行拟合,以确定拟合参数(a′,b′,c′,d′,e′,f′),拟合参数(a′,b′,c′,d′,e′,f′)描述了点云的曲折程度。拟合第二空间拟合曲线的具体实现过程与拟合第一空间拟合曲线的具体实现过程类似,此处不再赘述。
步骤105-2、将待矫正点与第二空间拟合曲线之间的距离确定为矫正偏差量。
参见图2d,待矫正点也即点线框b中的特征点,将待矫正点表示为Pk(xk,yk,zk),待矫正点至第二空间拟合曲线的偏差作为待处理点的非刚性矫正参数,其表示为:
其中,Y′ik表示移动激光扫描***采集的轨迹点Pi(xi,yi,zi)对应的待矫正点Pk(xk,yk,zk)在Y方向上的矫正偏差量,Z′ik表示移动激光扫描***采集的轨迹点Pi(xi,yi,zi)对应的待矫正点Pk(xk,yk,zk)在Z方向上的矫正偏差量。Y′ik和Z′ik称为非刚性矫正参数,用于表征矫正偏差量。
从而,通过X与Y(Z)的关系确定的空间表达,即把对应矫正前的待矫正点的xk坐标带入到第二空间拟合曲线中去与对应矫正前的待矫正点的yk坐标做差,即可确定Y方向上的矫正偏差量,与对应矫正前的待矫正点的zk坐标做差,即可确定Z方向上的矫正偏差量。
步骤106、根据矫正偏差量对对应于待矫正点的轨迹点进行矫正。
将步骤105计算得到的每个待矫正点的非刚性矫正参数作用于待矫正点Pk(xk,yk,zk)对应的轨迹点Pi(xi,yi,zi),也即将非刚性矫正参数作用于图2d点线框c中对应的轨迹点,例如将根据待矫正点Pk确定的非刚性矫正参数作用于轨迹点Pi,将根据待矫正点Pk+1确定的非刚性矫正参数作用于轨迹点Pi+1,从而以点云轨迹联合矫正的方式实现轨迹点的非刚性修复处理,其可以表示为:
从而,对轨迹点Pi(xi,yi,zi)进行矫正后,矫正后的轨迹点Pi表示为Pi′(xi′,yi′,zi′)。
提取特征点时,若基于使用行车道路上的标线的色彩属性、强度属性表征行车道路的色彩属性、强度属性,由于行车道路中一般存在多条标线,即每个轨迹点会得到对应的多个待矫正点,得到多个非刚性矫正参数,该场景下,Y′ik,Z′ik分别取轨迹点Pi(xi,yi,zi)所对应的多个待矫正点的非刚性矫正参数的平均值。例如,待矫正点Pk和Pk’对应一个轨迹点,确定矫正偏差量时,则将待矫正点Pk和Pk’的非刚性矫正参数的平均值确定为该轨迹点的矫正偏差量。
在一个实施例中,进行矫正之后,还对轨迹点进行轨迹平滑处理,也即对图2d中点线框c中的部分与点线框d中的部分的连接处进行轨迹平滑处理。下面介绍平滑处理的过程:
若非刚性矫正后的轨迹点坐标为Pi′(xi′,yi′,zi′),则平滑拟合模型:
其标准矩阵形式:
则根据最小二乘原则,可计算其拟合参数:
其中,Nc=CN-1CT,N=BTB,W=BTL,(x0,y0,z0)为未发生跳变的轨迹点,a、b、c、d、e和f是经过平滑处理后的装载移动激光扫描***的运动载体的轨迹曲线的拟合参数。
根据轨迹曲线的拟合参数进行平滑矫正处理,将Pi′(xi′,yi′,zi′)更新为Pi″(x″i,y″i,z″i):
经过上述平滑处理,保证了点云的平顺性,从而提高了点云的可靠性。
在一个实施例中,对轨迹点进行多轮矫正,也即重复执行步骤102至步骤106,直至满足迭代停止条件。需要注意的是,本轮迭代的所采用的轨迹数据,为经过上一轮的轨迹点矫正的轨迹数据。
迭代停止条件可以但不限于是,迭代次数达到次数阈值,或者轨迹点对应的特征点不存在待矫正点或者待矫正点的数量少于数量阈值。其中,次数阈值可根据实际情况自行设置。
本发明实施例中,通过轨迹数据和激光扫描数据联合方式对轨迹数据进行矫正,从而优化了轨迹数据,基于优化后的轨迹数据确定的点云精度大大提高,可以大大减少点云跳变问题。
图3为本发明一示例性实施例提供的另一种轨迹矫正方法的流程图,参见图3,该方法包括以下步骤:
步骤301、获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据。
其中,步骤301的具体实现方式与步骤101类似,具体实现过程,此处不再赘述。
步骤302、将激光扫描数据根据轨迹数据进行点云解算,得到点云,并将点云划分为多个区块。
在一个实施例中,按照区域对点云进行划分,每个区域的面积大小可以相同,也可以不同,得到的每个区块包含多个对应于轨迹点的点。
点云可以表征行车轨迹,行车轨迹包括直线段和弯曲段,对点云进行区块划分,实现直线段的点云与弯曲段的点云分别进行分析矫正,可以避免相互之间的干扰。
对点云进行区块划分,对数据进行区域化处理,节约了大规模点云所产生的大量内存,处理效率有所提高。同时,对于各个区块,可以并行分析,这样可以减少整体计算的耗时。
步骤303、对于各个区块,从中提取用于表征行车道路的特征点。
步骤303的具体实现方式与步骤103类似,具体实现过程,此处不再赘述。
步骤304、判断各个区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量是否大于数量阈值。
若步骤304的判断结果为是,说明该区块中发生跳变的轨迹点较多,需进行矫正,则执行步骤305。
若步骤304的判断结果为否,说明该区块中发生跳变的轨迹点较少或者没有发生跳变的轨迹点,无需矫正,则执行步骤310。
步骤305、将区块中曲率和坡度至少一个参数不小于对应阈值的特征点确定为待矫正点,将曲率小于曲率阈值且坡度小于坡度阈值的特征点确定为参考特征点。
步骤306、拟合区块中的参考特征点,得到空间拟合曲线,并根据该空间拟合曲线确定对应于该区块中待矫正点的轨迹点的矫正偏差量。
对于每个区块,可以拟合得到对应的空间拟合曲线,根据区块中的待矫正点与空间拟合曲线的偏差,即可确定对应于该特征点的轨迹点的矫正偏差量或者非刚性矫正参数,具体实现方式参见对步骤104的描述部分,此处不再赘述。
在另一个实施例中,拟合多个区块(全部或者部分区块)中的参考特征点,得到空间拟合曲线,并根据该空间拟合曲线确定对应于该区块中待矫正点的轨迹点的矫正偏差量。
步骤307、根据矫正偏差量对对应于待矫正点的轨迹点进行矫正。
步骤308、对经过矫正的轨迹点进行平滑处理。
步骤307和步骤308的具体实现方式参见对步骤105的描述部分,此处不再赘述。
步骤309、判断是否满足迭代停止条件。
在一个实施例中,将迭代次数作为迭代停止条件的判据,若迭代次数满足次数阈值,则确定满足迭代停止条件,执行步骤310;若迭代次数不满足次数阈值,则确定不满足迭代停止条件,执行返回步骤302,将经过轨迹点矫正的激光扫描数据根据轨迹数据进行点云解算。
在一个实施例中,将曲率和坡度至少一个参数不小于对应阈值的特征点的数量作为迭代停止条件的判据,若每个区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量均小于数量阈值,则确定满足迭代停止条件,执行步骤310;若存在一个区块包含曲率和坡度至少一个参数不小于对应阈值的特征点的数量大于数量阈值,则确定不满足迭代停止条件,返回步骤302,使用经过矫正的轨迹数据对激光扫描数据进行点云解算。
步骤310、根据经过矫正的轨迹数据对激光扫描数据进行点云解算,生成点云地图。
本发明实施例,通过轨迹数据与激光扫描数据联合迭代的方式进行轨迹点的跳变偏差的矫正处理,在迭代过程中,优化了轨迹数据,进一步提高了所采集点云的绝对精度。
本发明实施例还提供一种点云地图的生成方法,包括以下步骤:
S1、获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据。
S2、根据上述任一实施例提供的轨迹矫正方法对轨迹数据进行矫正。
S3、根据采集的激光扫描数据和经过矫正的轨迹数据生成点云地图。
点云地图的具体生成过程,可参见相关技术的描述,具体实现过程此处不再赘述。
本发明实施例中,基于轨迹矫正后的轨迹数据生成点云地图,可以尽量减少点云地图出现扭曲、错位等不平顺的跳变问题,生成的点云地图精确更高。
以某街道的点云数据为例,配置有移动激光扫描***的移动测量车沿该街道匀速开展数据采集。采集实例区域存在大冠幅行道树,对移动测量载体定位质量造成较大影响。完成数据采集后,将移动激光扫描***采集的时间同步的轨迹数据与激光扫描数据采用上述任一实施例提供的轨迹矫正方法进行矫正,图4a为基于经过矫正的数据生成的点云地图,相较于图4b示出的采用现有技术生成的点云地图,虚线框中发生偏移的跳变部分点云得到了明显的改善,图4a示出的点云地图更加连贯、符合现实情况,同时轨迹数据的不平顺效果实现了一定程度上的改善,其处理后的轨迹数据精度得到了有效提高。实例结果表明,上述任一实施例提供的轨迹矫正方法,可有效改善在室外复杂场景中存在的点云跳变问题,进一步提高了室外移动制图效果与精度。
与前述轨迹矫正方法实施例相对应,本发明还提供了轨迹矫正装置的实施例。
图5为本发明一示例性实施例提供的一种轨迹矫装置的模块示意图,包括:
获取模块51,用于获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;
解算模块52,用于使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;
确定模块53,用于从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;
所述确定模块,还用于根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;
矫正模块54,用于根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。
可选地,在从所述点云中提取用于表征所述行车道路的特征点时,确定模块用于:
从所述点云中提取与所述行车道路的色彩属性和/或强度属性相匹配的点,确定为所述特征点。
可选地,在将符合预设规则的特征点确定为待矫正点时,确定模块用于:
计算特征点处的曲率和坡度;
在特征点处的曲率不小于曲率阈值,和/或坡度不小于坡度阈值的情况下,确定所述特征点为所述待矫正点。
可选地,在将符合预设规则的特征点确定为待矫正点时,确定模块用于:
将所述特征点划分为多个区块;
对于每个区块,计算所述区块中各个特征点处的曲率和坡度;
确定所述区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量;
在所述数量大于数量阈值的情况下,将所述区块中曲率和坡度至少一个参数不小于对应阈值的特征点确定为所述待矫正点。
可选地,计算特征点处的曲率和坡度时,确定模块用于:
拟合包含所述特征点的局部领域中的所有特征点,得到第一空间拟合曲线;
根据所述第一空间拟合曲线计算所述特征点处的曲率和坡度。
可选地,在确定所述待矫正点的矫正偏差量时,确定模块用于:
拟合所述特征点中除所述待矫正点之外的其他特征点,得到第二空间拟合曲线;
将所述待矫正点与所述第二空间拟合曲线之间的距离确定为所述矫正偏差量。
可选地,所述方法还包括:
平滑模块,用于对经过矫正的轨迹点进行轨迹平滑处理;
和/或,调用模块,用于重复轨迹点矫正步骤,直至满足迭代停止条件。
本发明实施例还提供一种点云地图生成装置,包括:
矫正模块,用于执行上述任一实施例提供的轨迹矫正方法,以对所述轨迹数据进行矫正;
生成模块,用于根据所述激光扫描数据和经过矫正的轨迹数据生成点云地图。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
图6是本发明一示例实施例示出的一种电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备60的框图。图6显示的电子设备60仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备60的组件可以包括但不限于:上述至少一个处理器61、上述至少一个存储器62、连接不同***组件(包括存储器62和处理器61)的总线63。
总线63包括数据总线、地址总线和控制总线。
存储器62可以包括易失性存储器,例如随机存取存储器(RAM)621和/或高速缓存存储器622,还可以进一步包括只读存储器(ROM)623。
存储器62还可以包括具有一组(至少一个)程序模块624的程序工具625(或实用工具),这样的程序模块624包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器61通过运行存储在存储器62中的计算机程序,从而执行各种功能应用以及数据处理,例如上述任一实施例所提供的方法。
电子设备60也可以与一个或多个外部设备64(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口65进行。并且,模型生成的电子设备60还可以通过网络适配器66与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器66通过总线63与模型生成的电子设备60的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的电子设备60使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)***、磁带驱动器以及数据备份存储***等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所提供的方法。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (12)
1.一种轨迹矫正方法,其特征在于,包括:
获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;
使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;
从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;
根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;
根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。
2.根据权利要求1所述的轨迹矫正方法,其特征在于,从所述点云中提取用于表征所述行车道路的特征点,包括:
从所述点云中提取与所述行车道路的色彩属性和/或强度属性相匹配的点,确定为所述特征点。
3.根据权利要求1所述的轨迹矫正方法,其特征在于,将符合预设规则的特征点确定为待矫正点,包括:
计算特征点处的曲率和坡度;
在特征点处的曲率不小于曲率阈值,和/或坡度不小于坡度阈值的情况下,确定所述特征点为所述待矫正点。
4.根据权利要求1所述的轨迹矫正方法,其特征在于,将符合预设规则的特征点确定为待矫正点,包括:
将所述特征点划分为多个区块;
对于每个区块,计算所述区块中各个特征点处的曲率和坡度;
确定所述区块中曲率和坡度至少一个参数不小于对应阈值的特征点的数量;
在所述数量大于数量阈值的情况下,将曲率和坡度至少一个参数不小于对应阈值的特征点确定为所述待矫正点。
5.根据权利要求3或4所述的轨迹矫正方法,其特征在于,计算特征点处的曲率和坡度,包括:
拟合包含所述特征点的局部领域中的所有特征点,得到第一空间拟合曲线;
根据所述第一空间拟合曲线计算所述特征点处的曲率和坡度。
6.根据权利要求1所述的轨迹矫正方法,其特征在于,确定所述待矫正点的矫正偏差量,包括:
拟合所述特征点中除所述待矫正点之外的其他特征点,得到第二空间拟合曲线;
将所述待矫正点与所述第二空间拟合曲线之间的距离确定为所述矫正偏差量。
7.根据权利要求1所述的轨迹矫正方法,其特征在于,所述轨迹矫正方法还包括:
对经过矫正的轨迹点进行轨迹平滑处理;
和/或,重复轨迹点矫正步骤,直至满足迭代停止条件。
8.一种轨迹矫正装置,其特征在于,包括:
获取模块,用于获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据,所述轨迹数据包含多个轨迹点;
解算模块,用于使用所述轨迹点对所述激光扫描数据进行点云解算,得到点云;
确定模块,用于从所述点云中提取用于表征所述行车道路的特征点,并将符合预设规则的特征点确定为待矫正点;
所述确定模块,还用于根据所述特征点中除了所述待矫正点之外的其他特征点,确定所述待矫正点的矫正偏差量;
矫正模块,用于根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。
9.一种点云地图生成方法,其特征在于,包括:
根据权利1-7中任意一项所述的轨迹矫正方法对所述轨迹数据进行矫正;
根据所述激光扫描数据和经过矫正的轨迹数据生成点云地图。
10.一种点云地图生成装置,其特征在于,包括:
矫正模块,用于执行权利1-7中任意一项所述的轨迹矫正方法对所述轨迹数据进行矫正;
生成模块,用于根据所述激光扫描数据和经过矫正的轨迹数据生成点云地图。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739253.0A CN113515513B (zh) | 2021-06-30 | 2021-06-30 | 轨迹矫正方法及装置、点云地图生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739253.0A CN113515513B (zh) | 2021-06-30 | 2021-06-30 | 轨迹矫正方法及装置、点云地图生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113515513A true CN113515513A (zh) | 2021-10-19 |
CN113515513B CN113515513B (zh) | 2023-04-21 |
Family
ID=78066582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110739253.0A Active CN113515513B (zh) | 2021-06-30 | 2021-06-30 | 轨迹矫正方法及装置、点云地图生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515513B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546260A (zh) * | 2015-09-22 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及*** |
CN109308291A (zh) * | 2018-09-30 | 2019-02-05 | 歌尔科技有限公司 | 地图轨迹的平滑方法、装置、终端及计算机可读存储介质 |
CN110781827A (zh) * | 2019-10-25 | 2020-02-11 | 中山大学 | 一种基于激光雷达与扇状空间分割的路沿检测***及其方法 |
WO2020071117A1 (ja) * | 2018-10-01 | 2020-04-09 | パイオニア株式会社 | 情報処理装置 |
CN111207762A (zh) * | 2019-12-31 | 2020-05-29 | 深圳一清创新科技有限公司 | 地图生成方法、装置、计算机设备和存储介质 |
WO2020154967A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Map partition system for autonomous vehicles |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112489094A (zh) * | 2020-11-25 | 2021-03-12 | 国网福建省电力有限公司 | 一种多线机载激光雷达点云数据配准方法 |
WO2021078064A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳瀚维智能医疗科技有限公司 | 超声扫查轨迹规划方法、装置、存储介质及计算机设备 |
CN112810625A (zh) * | 2021-04-19 | 2021-05-18 | 北京三快在线科技有限公司 | 一种轨迹修正的方法及装置 |
-
2021
- 2021-06-30 CN CN202110739253.0A patent/CN113515513B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546260A (zh) * | 2015-09-22 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及*** |
CN109308291A (zh) * | 2018-09-30 | 2019-02-05 | 歌尔科技有限公司 | 地图轨迹的平滑方法、装置、终端及计算机可读存储介质 |
WO2020071117A1 (ja) * | 2018-10-01 | 2020-04-09 | パイオニア株式会社 | 情報処理装置 |
WO2020154967A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Map partition system for autonomous vehicles |
WO2021078064A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳瀚维智能医疗科技有限公司 | 超声扫查轨迹规划方法、装置、存储介质及计算机设备 |
CN110781827A (zh) * | 2019-10-25 | 2020-02-11 | 中山大学 | 一种基于激光雷达与扇状空间分割的路沿检测***及其方法 |
CN111207762A (zh) * | 2019-12-31 | 2020-05-29 | 深圳一清创新科技有限公司 | 地图生成方法、装置、计算机设备和存储介质 |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112489094A (zh) * | 2020-11-25 | 2021-03-12 | 国网福建省电力有限公司 | 一种多线机载激光雷达点云数据配准方法 |
CN112810625A (zh) * | 2021-04-19 | 2021-05-18 | 北京三快在线科技有限公司 | 一种轨迹修正的方法及装置 |
Non-Patent Citations (3)
Title |
---|
YE AI-FEN: "A Novel Method of Missing Road Generation in City Blocks Based on Big Mobile Navigation Trajectory Data", WEB OF SCIENCE * |
刘凤珠;杨应;杨伯钢;张攀科;: "地面与车载激光点云在地下车库测图中的融合应用" * |
李通;: "基于地面靶标控制点的LiDAR点云高精度纠正方法研究", 测绘技术装备 * |
Also Published As
Publication number | Publication date |
---|---|
CN113515513B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410735B (zh) | 反射值地图构建方法和装置 | |
JP2020035448A (ja) | 3次元シーンマップの生成方法、生成装置、機器および記憶媒体 | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN110345951B (zh) | 一种adas高精度地图的生成方法及装置 | |
CN107527382B (zh) | 数据处理方法以及装置 | |
CN104657464B (zh) | 一种数据处理方法及装置 | |
CN113989451B (zh) | 高精地图构建方法、装置及电子设备 | |
CN111243090A (zh) | 土方量计算方法及*** | |
CN113393519B (zh) | 激光点云数据处理方法、装置及设备 | |
CN111652977A (zh) | 一种变电站三维场景智能漫游方法 | |
CN115796712B (zh) | 区域陆地生态***碳储量估算方法、装置、电子设备 | |
CN112419512A (zh) | 一种基于语义信息的空中三维模型修复***及方法 | |
CN110782774A (zh) | 一种众包道路数据的分布式处理方法及装置 | |
CN113920217A (zh) | 用于生成高精地图车道线的方法、装置、设备和产品 | |
CN115326051A (zh) | 一种基于动态场景的定位方法、装置、机器人及介质 | |
CN112687000B (zh) | 三维模型坐标的纠正方法、***、计算机可读存储介质 | |
CN112132951B (zh) | 一种基于视觉的网格语义地图的构建方法 | |
CN116543134B (zh) | 数字孪生模型的构建方法、装置、计算机设备和介质 | |
CN113515513B (zh) | 轨迹矫正方法及装置、点云地图生成方法及装置 | |
CN109710594B (zh) | 地图数据的有效性判断方法、装置及可读存储介质 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN115616642A (zh) | 一种位置数据的纠正处理方法、装置、设备及存储介质 | |
CN111982040B (zh) | 基于滚动测距仪的距离测算方法、装置、计算机设备及存储介质 | |
CN117668574B (zh) | 光影秀的数据模型优化方法、装置、设备及存储介质 | |
CN115906206B (zh) | 一种基于gis的空间计算设备及空间规划分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |