CN113744236B - 回环检测方法、装置、存储介质及计算机程序产品 - Google Patents
回环检测方法、装置、存储介质及计算机程序产品 Download PDFInfo
- Publication number
- CN113744236B CN113744236B CN202111007119.8A CN202111007119A CN113744236B CN 113744236 B CN113744236 B CN 113744236B CN 202111007119 A CN202111007119 A CN 202111007119A CN 113744236 B CN113744236 B CN 113744236B
- Authority
- CN
- China
- Prior art keywords
- data frame
- detected
- data
- frame
- loop detection
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000004590 computer program Methods 0.000 title claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 238000012795 verification Methods 0.000 claims abstract description 26
- 230000001131 transforming effect Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 13
- 230000006978 adaptation Effects 0.000 abstract description 6
- 238000003062 neural network model Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种回环检测方法、装置、存储介质及计算机程序产品，其中，回环检测方法包括：获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。利用神经网络模型确定变换矩阵，并进行置信度校验，能够通过数据驱动的方式实现回环检测，没有依赖几何规则，提高了对不同场景的适配能力，提高了回环检测的准确性。
Description
技术领域
本申请实施例涉及电子信息技术领域，尤其涉及一种回环检测方法、装置、存储介质及计算机程序产品。
背景技术
在即时定位与地图构建(英文：Simultaneous Localization And Mapping，SLAM)技术中，通常利用采集设备对一个区域环绕多次进行数据采集，进行位姿估计，然后构建地图。在实现上述构建地图的过程中，位姿估计是一个递推的过程，即由上一帧位姿结算当前帧位姿，因此，误差就会累积并且传递下去。为了减小累积误差，需要进行回环检测，确定在同一位置采集的数据帧，进而减小累计误差。但是，相关技术中，在进行回环检测的过程中，利用几何规则方法进行回环检测，不能完全适配实际场景，适配力较差，准确性较低。
发明内容
有鉴于此，本申请实施例提供一种回环检测方法、装置、存储介质及计算机程序产品，以至少部分解决上述问题。
根据本申请实施例的第一方面，提供了一种回环检测方法，包括：获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。
根据本申请实施例的第二方面，提供了一种回环检测装置，包括：获取模块，用于获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；搜索模块，用于基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；变换模块，用于基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；置信度模块，用于利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。
根据本申请实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行如第一方面的回环检测方法对应的操作。
根据本申请实施例的第四方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如第一方面的回环检测方法。
根据本申请实施例的第五方面，提供了一种计算机程序产品，该计算机程序产品被处理器执行时，实现如第一方面的回环检测方法。
本申请实施例提供的回环检测方法、装置、存储介质及计算机程序产品，获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。利用神经网络模型确定变换矩阵，并进行置信度校验，能够通过数据驱动的方式实现回环检测，没有依赖几何规则，提高了对不同场景的适配能力，提高了回环检测的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种回环检测方法的场景示意图；
图2为本申请实施例一提供的一种回环检测方法的流程图；
图3为本申请实施例一提供的一种监测参数的示意图；
图4为本申请实施例一提供的一种回环检测方法的***架构图；
图5为本申请实施例一提供的一种回环检测方法的另一场景示意图；
图6为本申请实施例二提供的一种回环检测装置的结构图；
图7为本申请实施例三提供的一种电子设备的结构图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
实施例一
本申请实施例一提供一种回环检测方法，应用于电子设备，为了便于理解，对本申请实施例一所提供的回环检测方法的应用场景进行说明，参照图1所示，图1为本申请实施例一提供的一种回环检测方法的场景示意图。图1所示的场景中包括电子设备101，电子设备101可以是执行本申请实施例一提供的回环检测方法的设备。
电子设备101可以是智能手机、平板电脑、笔记本电脑、车载终端等终端设备，电子设备101也可以是服务器等网络设备，当然，此处只是示例性说明，并不代表本申请局限于此。
电子设备101可以接入网络，通过网络与云端连接，并进行数据交互，或者，电子设备101可以是云端的设备。本申请中，网络包括局域网(英文：Local Area Network，LAN)、广域网(英文：Wide Area Network，WAN)、移动通信网络；如万维网(英文：World Wide Web，WWW)、长期演进(英文：Long Term Evolution，LTE)网络、2G网络(英文：2th GenerationMobile Network)、3G网络(英文：3th Generation Mobile Network)，5G网络(英文：5thGeneration Mobile Network)等。云端可以包括通过网络连接的各种设备，例如，服务器、中继设备、端到端(英文：Device-to-Device，D2D)设备等。当然，此处只是示例性说明，并不代表本申请局限于此。
结合图1所示的场景，详细说明本申请实施例一提供的回环检测方法，需要说明的是，图1只是本申请实施例一提供的回环检测方法的一种应用场景，并不代表该回环检测方法必须应用于图1所示的场景，具体可以应用于电子设备，参照图2所示，图2为本申请实施例一提供的一种回环检测方法的流程图，该方法包括以下步骤：
步骤201、获取待检测数据帧。
其中，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据。需要说明的是，如果待检测数据帧为一个单帧点云数据，则点数据为点云中的点数据，如果待检测数据帧为单帧图像数据，则点数据为图像中的点数据。示例性地，点云中的点数据可以包括点的三维坐标和激光反射强度；图像中的点数据可以包括点的二维坐标和像素数据。当然，此处只是示例性说明。
此处列举一个具体示例详细说明如何获取待检测数据帧，即如何确定数据帧中的关键点。可选地，获取待检测数据帧，包括：获取原始数据帧，原始数据帧中包括至少一个点的点数据；将原始数据帧输入关键点提取网络进行关键点提取，确定原始数据帧中的关键点，并得到待检测数据帧。待检测数据帧中包括至少一个关键点的点数据。进行关键点提取，可以减小数据处理量，提高检测效率。需要说明的是，原始数据帧包括一帧点云的原始数据或者一帧图像的原始数据，原始数据帧中包含至少一个点的点数据，利用关键点提取网络可以在原始数据帧中包含的至少一个点中提取出关键点，从而得到待检测数据帧。还需要说明的是，可以预先对关键点提取网络进行训练，利用训练好的关键点提取网络进行关键点提取。
步骤202、基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧。
需要说明的是，待检测数据帧的描述子用于表示待检测数据帧的特征，描述子可以是一个基于待检测数据帧生成的向量，示例性地，可以是1×8的向量。此处，列举一具体示例说明如何计算描述子，可选地，该方法还包括：将待检测数据帧输入描述子生成网络得到待检测数据帧的描述子。描述子生成网络可以是预先训练好的神经网络，将待检测数据帧输入描述子生成网络即可得到待检测帧的描述子。
预设范围内可以包含至少一个数据帧的描述子，将待检测数据帧的描述子与预设范围内的数据帧的描述子进行比较，即可确定与待检测数据帧匹配的目标数据帧。可选地，在一具体示例中，基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧，包括：计算待检测数据帧的描述子与预设范围内的数据帧的描述子之间的相似度；将相似度最大的数据帧确定为与待检测数据帧匹配的目标数据帧。还需要说明的是，预设范围内至少包含采集设备对目标区域环绕多次进行数据采集得到的数据帧，待检测数据帧也是采集设备对目标区域进行数据采集得到的。
步骤203、基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵。
匹配网络是预先训练好的用于生成变换矩阵的神经网络，将待检测数据帧与目标数据帧输入匹配网络即可得到变换矩阵。变换矩阵用于将待检测数据帧与目标数据帧中的点进行坐标转换。此处，列举一个具体示例说明，可选地，基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵，包括：将待检测数据帧和目标数据帧输入第一匹配网络进行初匹配，根据匹配结果生成初始变换矩阵；利用初始变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入第二匹配网络进行重匹配，根据匹配结果生成变换矩阵，匹配网路包括第一匹配网络和第二匹配网络。需要说明的是，第一匹配网络和第二匹配网络可以相同或者不同。利用第一匹配网络进行初匹配，可以生成初始变换矩阵，但初始变换矩阵不够精确，因此，利用初始变换矩阵对待检测数据帧进行变换后，利用第二匹配网络进行重匹配，得到的变换矩阵就更加精确。
步骤204、利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。
可选地，该方法还包括：如果置信度校验结果指示置信度大于预设阈值，确定待检测数据帧回环有效；如果置信度校验结果指示置信度小于或等于预设阈值，确定待检测数据帧回环无效。
需要说明的是，变换后的待检测数据帧与目标数据帧之间的差异越小，就说明目标数据帧与待检测数据帧是采集设备在同一位置采集的数据的可能性越高，即回环有效，因此，置信度可以表示变换后的待检测数据帧与目标数据帧之间的相似度，置信度越高，说明变换后的待检测数据帧与目标数据帧越相似。
基于上述图2所示的回环检测方法，此处，列举一个具体示例对回环检测方法进行进一步详细说明。如图3所示，图3为本申请实施例提供的一种回环检测方法的效果示意图，该回环检测方法具体包括以下步骤：
关键点提取：利用关键点提取网络对原始数据帧进行关键点提取得到待检测数据帧。如图3所示，原始数据帧中包含的点的数量大于待检测数据帧中包含的点的数量，在进行关键点提取后，原始数据帧中的部分点作为保留，其余点删除，生成了待检测数据帧。
搜索回环：将待检测数据帧输入描述子生成网络得到待检测数据帧的描述子，基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧。图3中，以预设范围包含数据库中的至少一个数据帧的描述子为例进行示意，不代表本申请局限于此。
初始匹配：基于待检测数据帧中包含的点数据建立源全边图，基于目标数据帧中包含的点数据建立目标全边图，将源全边图和目标全边图输入第一匹配网络得到初始变换矩阵。
重匹配：利初始变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入第二匹配网络得到变换矩阵。
置信度校验：利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。
结合图3所示，需要说明的是，在对原始数据帧进行关键点提取后，后续进行搜索回环、初始匹配、重匹配以及置信度校验，都利用提取的点的点数据进行处理，即利用待检测数据帧进行处理，大大减小了数据运算量，而且各个步骤中的点数据复用，不需要每一步单独提取关键点，进一步减少了运算量，提高了回环检测的效率。
对采集设备采集的至少一个数据帧进行回环检测，即可确定出相互对应的数据帧，如图4所示，图4为本申请实施例一提供的一种回环检测效果示意图。图4中示出了采集设备的部分轨迹，其中内圈与外圈的部分轨迹点因为误差产生了一定距离，经过回环检测后，将内圈与外圈上实际位置相同的轨迹点关联起来，即将在同一位置采集的数据帧(即置信度大于预设阈值的待检测数据帧和目标数据帧)关联起来，就可以减少累积误差。
为了更进一步说明本申请实施例提供的回环检测方法的应用场景，此处，列举一个具体示例进行说明如图5所示，图5为本申请实施例一提供的另一种回环检测方法的场景示意图。图5示出了电子设备101、采集设备501。电子设备101可以是云端设备或者终端设备。采集设备501可以包括各种传感器，采集设备可以在行驶轨迹的各个轨迹点采集传感器数据，包括点云、图像、全球定位***(英文：Global Positioning System，GPS)数据、惯性测量单元(英文：Inertial Measurement Unit，IMU)数据、轮速计数据等。采集设备可以将采集到的数据传输至电子设备，电子设备根据传感器传输的数据进行运动估计确定采集设备的位姿。电子设备还可以过呢据传感器传输的数据中包含的点云/图像进行回环检测，回环检测的具体方法参照图2和图3对应的实施例所示的回环检测方法，此处不再赘述。回环检测之后，根据回环检测的结果对采集设备的位姿进行优化，并根据优化后的位姿以及传感器采集到的数据进行建图。
本申请实施例提供的回环检测方法，获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。利用神经网络模型确定变换矩阵，并进行置信度校验，能够通过数据驱动的方式实现回环检测，没有依赖几何规则，提高了对不同场景的适配能力，提高了回环检测的准确性。
实施例二
基于上述实施例一所描述的方法，本申请实施例二提供一种回环检测装置，用于执行上述实施例一所描述的方法，参照图6所示，回环检测装置60，包括：
获取模块601，用于获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；
搜索模块602，用于基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；
变换模块603，用于基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；
置信度模块604，用于利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。
可选地，在一种具体示例中，获取模块601，用于获取原始数据帧，原始数据帧中包括至少一个点的点数据；将原始数据帧输入关键点提取网络进行关键点提取，确定原始数据帧中的关键点，并得到待检测数据帧。
可选地，在一种具体示例中，搜索模块602，还用于将待检测数据帧输入描述子生成网络得到待检测数据帧的描述子。
可选地，在一种具体示例中，搜索模块602，用于计算待检测数据帧的描述子与预设范围内的数据帧的描述子之间的相似度；将相似度最大的数据帧确定为与待检测数据帧匹配的目标数据帧。
可选地，在一种具体示例中，变换模块603，用于将待检测数据帧和目标数据帧输入第一匹配网络进行初匹配，根据匹配结果生成初始变换矩阵；利用初始变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入第二匹配网络进行重匹配，根据匹配结果生成变换矩阵，匹配网路包括第一匹配网络和第二匹配网络。
可选地，在一种具体示例中，置信度模块604，还用于如果置信度校验结果指示置信度大于预设阈值，确定待检测数据帧回环有效；如果置信度校验结果指示置信度小于或等于预设阈值时，确定待检测数据帧回环无效。
本申请实施例提供的回环检测装置，获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。利用神经网络模型确定变换矩阵，并进行置信度校验，能够通过数据驱动的方式实现回环检测，没有依赖几何规则，提高了对不同场景的适配能力，提高了回环检测的准确性。
实施例三
基于上述实施例一所描述的方法，本申请实施例三提供一种电子设备，用于执行上述实施例一所描述的方法，参照图7，示出了根据本申请实施例三的一种电子设备的结构示意图，本申请具体实施例并不对电子设备的具体实现做限定。
如图7所示，该电子设备70可以包括：处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中：
处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。
通信接口704，用于与其它电子设备或服务器进行通信。
处理器702，用于执行程序710，具体可以执行上述回环检测方法实施例中的相关步骤。
具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器706，用于存放程序710。存储器706可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以实现实施例一中所描述的回环检测方法。程序710中各步骤的具体实现可以参见上述回环检测方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
本申请实施例提供的电子设备，获取待检测数据帧，待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；基于待检测数据帧的描述子在预设范围内确定与待检测数据帧匹配的目标数据帧；基于匹配网络确定待检测数据帧与目标数据帧之间的变换矩阵；利用变换矩阵对待检测数据帧进行变换，将目标数据帧与变换后的待检测数据帧输入置信度校验网络，得到置信度校验结果。利用神经网络模型确定变换矩阵，并进行置信度校验，能够通过数据驱动的方式实现回环检测，没有依赖几何规则，提高了对不同场景的适配能力，提高了回环检测的准确性。
实施例四
基于上述实施例一所描述的方法，本申请实施例四提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所描述的方法。
实施例五
基于上述实施例一所描述的方法，本申请实施例四提供一种计算机程序产品，该计算机程序产品被处理器执行时实现如实施例一所描述的方法。
需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的回环检测方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例，而并非对本申请实施例的限制，有关技术领域的普通技术人员，在不脱离本申请实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本申请实施例的范畴，本申请实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种回环检测方法，包括：
获取待检测数据帧，所述待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；
基于所述待检测数据帧的描述子在预设范围内确定与所述待检测数据帧匹配的目标数据帧；
基于匹配网络确定所述待检测数据帧与所述目标数据帧之间的变换矩阵；
利用所述变换矩阵对所述待检测数据帧进行变换，将所述目标数据帧与变换后的所述待检测数据帧输入置信度校验网络，得到置信度校验结果。
2.根据权利要求1所述的方法，其中，所述获取待检测数据帧，包括：
获取原始数据帧，所述原始数据帧中包括至少一个点的点数据；
将所述原始数据帧输入关键点提取网络进行关键点提取，确定所述原始数据帧中的关键点，并得到所述待检测数据帧。
3.根据权利要求1所述的方法，其中，所述待检测数据帧的描述子通过如下方法获得：
将所述待检测数据帧输入描述子生成网络得到所述待检测数据帧的描述子。
4.根据权利要求1所述的方法，其中，所述基于所述待检测数据帧的描述子在预设范围内确定与所述待检测数据帧匹配的目标数据帧，包括：
计算所述待检测数据帧的描述子与预设范围内的数据帧的描述子之间的相似度；
将相似度最大的数据帧确定为与所述待检测数据帧匹配的目标数据帧。
5.根据权利要求1所述的方法，其中，所述基于匹配网络确定所述待检测数据帧与所述目标数据帧之间的变换矩阵，包括：
将所述待检测数据帧和所述目标数据帧输入第一匹配网络进行初匹配，根据匹配结果生成初始变换矩阵；
利用所述初始变换矩阵对所述待检测数据帧进行变换，将所述目标数据帧与变换后的待检测数据帧输入第二匹配网络进行重匹配，根据匹配结果生成所述变换矩阵，所述匹配网络包括所述第一匹配网络和所述第二匹配网络。
6.根据权利要求1-5任一项所述的方法，其中，所述方法还包括：
如果所述置信度校验结果指示置信度大于预设阈值，确定所述待检测数据帧回环有效；
如果所述置信度校验结果指示置信度小于或等于所述预设阈值，确定所述待检测数据帧回环无效。
7.一种回环检测装置，包括：
获取模块，用于获取待检测数据帧，所述待检测数据帧中至少包括：单帧点云数据或单帧图像数据中的点数据；
搜索模块，用于基于所述待检测数据帧的描述子在预设范围内确定与所述待检测数据帧匹配的目标数据帧；
变换模块，用于基于匹配网络确定所述待检测数据帧与所述目标数据帧之间的变换矩阵；
置信度模块，用于利用所述变换矩阵对所述待检测数据帧进行变换，将所述目标数据帧与变换后的所述待检测数据帧输入置信度校验网络，得到置信度校验结果。
8.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的回环检测方法对应的操作。
9.一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6中任一所述的回环检测方法。
10.一种计算机程序产品，所述计算机程序产品被处理器执行时，实现如权利要求1-6中任一所述的回环检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007119.8A CN113744236B (zh) | 2021-08-30 | 2021-08-30 | 回环检测方法、装置、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007119.8A CN113744236B (zh) | 2021-08-30 | 2021-08-30 | 回环检测方法、装置、存储介质及计算机程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113744236A CN113744236A (zh) | 2021-12-03 |
| CN113744236B true CN113744236B (zh) | 2024-05-24 |
Family
ID=78734021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111007119.8A Active CN113744236B (zh) | 2021-08-30 | 2021-08-30 | 回环检测方法、装置、存储介质及计算机程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744236B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601433B (zh) * | 2022-12-12 | 2023-03-21 | 安徽蔚来智驾科技有限公司 | 回环检测方法、计算机设备、计算机可读存储介质及车辆 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107160395A (zh) * | 2017-06-07 | 2017-09-15 | 中国人民解放军装甲兵工程学院 | 地图构建方法及机器人控制*** |
| CN111060101A (zh) * | 2018-10-16 | 2020-04-24 | 深圳市优必选科技有限公司 | 视觉辅助的距离slam方法及装置、机器人 |
| CN111986313A (zh) * | 2020-08-21 | 2020-11-24 | 浙江商汤科技开发有限公司 | 回环检测方法及装置、电子设备和存储介质 |
| CN112270384A (zh) * | 2020-11-19 | 2021-01-26 | 湖南国科微电子股份有限公司 | 一种回环检测方法、装置及电子设备和存储介质 |
| WO2021017072A1 (zh) * | 2019-08-01 | 2021-02-04 | 深圳市银星智能科技股份有限公司 | 基于激光雷达的 slam 闭环检测方法及检测*** |
| CN112652020A (zh) * | 2020-12-23 | 2021-04-13 | 上海应用技术大学 | 一种基于AdaLAM算法的视觉SLAM方法 |
| CN112907491A (zh) * | 2021-03-18 | 2021-06-04 | 中煤科工集团上海有限公司 | 一种适用于井下巷道的激光点云回环检测方法及*** |
| WO2021128297A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳市大疆创新科技有限公司 | 三维点云地图构建方法、***和设备 |
| WO2021134285A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 图像跟踪处理方法、装置、计算机设备和存储介质 |
| CN113160130A (zh) * | 2021-03-09 | 2021-07-23 | 北京航空航天大学 | 一种回环检测方法、装置及计算机设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8965051B2 (en) * | 2010-10-18 | 2015-02-24 | Nokia Corporation | Method and apparatus for providing hand detection |
| US10977798B2 (en) * | 2018-08-24 | 2021-04-13 | Apple Inc. | Direct thin boundary prediction |
-
2021
- 2021-08-30 CN CN202111007119.8A patent/CN113744236B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107160395A (zh) * | 2017-06-07 | 2017-09-15 | 中国人民解放军装甲兵工程学院 | 地图构建方法及机器人控制*** |
| CN111060101A (zh) * | 2018-10-16 | 2020-04-24 | 深圳市优必选科技有限公司 | 视觉辅助的距离slam方法及装置、机器人 |
| WO2021017072A1 (zh) * | 2019-08-01 | 2021-02-04 | 深圳市银星智能科技股份有限公司 | 基于激光雷达的 slam 闭环检测方法及检测*** |
| WO2021128297A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳市大疆创新科技有限公司 | 三维点云地图构建方法、***和设备 |
| WO2021134285A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 图像跟踪处理方法、装置、计算机设备和存储介质 |
| CN111986313A (zh) * | 2020-08-21 | 2020-11-24 | 浙江商汤科技开发有限公司 | 回环检测方法及装置、电子设备和存储介质 |
| CN112270384A (zh) * | 2020-11-19 | 2021-01-26 | 湖南国科微电子股份有限公司 | 一种回环检测方法、装置及电子设备和存储介质 |
| CN112652020A (zh) * | 2020-12-23 | 2021-04-13 | 上海应用技术大学 | 一种基于AdaLAM算法的视觉SLAM方法 |
| CN113160130A (zh) * | 2021-03-09 | 2021-07-23 | 北京航空航天大学 | 一种回环检测方法、装置及计算机设备 |
| CN112907491A (zh) * | 2021-03-18 | 2021-06-04 | 中煤科工集团上海有限公司 | 一种适用于井下巷道的激光点云回环检测方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 基于ORB词袋模型的SLAM回环检测研究;李同;张奇志;;信息通信(10);全文 * |
| 基于RGB-D相机的SLAM算法优化;陈宇翔;王仁;张健;;计算机工程与设计(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113744236A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6812404B2 (ja) | 点群データを融合させるための方法、装置、コンピュータ読み取り可能な記憶媒体、及びコンピュータプログラム | |
| CN111325796B (zh) | 用于确定视觉设备的位姿的方法和装置 | |
| CN109753928B (zh) | 违章建筑物识别方法和装置 | |
| CN109410218B (zh) | 用于生成车辆损伤信息的方法和装置 | |
| JP7326720B2 (ja) | 移動***置推定システムおよび移動***置推定方法 | |
| CN112179330A (zh) | 移动设备的位姿确定方法及装置 | |
| EP3531340B1 (en) | Human body tracing method, apparatus and device, and storage medium | |
| CN113744236B (zh) | 回环检测方法、装置、存储介质及计算机程序产品 | |
| CN114001706B (zh) | 航向角估计方法、装置、电子设备和存储介质 | |
| CN111353429A (zh) | 基于眼球转向的感兴趣度方法与*** | |
| CN116958452A (zh) | 三维重建方法和*** | |
| CN117146795A (zh) | 视觉激光双重校验的回环检测方法、***、设备及介质 | |
| CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN115239776B (zh) | 点云的配准方法、装置、设备和介质 | |
| CN114415698B (zh) | 机器人、机器人的定位方法、装置和计算机设备 | |
| CN115952248A (zh) | 终端设备的位姿处理方法、装置、设备、介质及产品 | |
| Huai et al. | Collaborative monocular SLAM with crowdsourced data | |
| US20240160222A1 (en) | Method and system for localizing a mobile robot | |
| US20220051436A1 (en) | Learning template representation libraries | |
| CN115393423A (zh) | 目标检测方法和装置 | |
| CN112288817B (zh) | 基于图像的三维重建处理方法及装置 | |
| CN114972465A (zh) | 图像目标深度的检测方法、装置、电子设备和存储介质 | |
| CN114463654A (zh) | 状态检测方法、装置、设备及计算机存储介质 | |
| CN113920158A (zh) | 跟踪模型的训练与交通对象跟踪方法、装置 | |
| CN112927291B (zh) | 三维物体的位姿确定方法、装置及电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |