CN113776544A - 一种点云地图更新方法、装置、电子设备及定位*** - Google Patents
一种点云地图更新方法、装置、电子设备及定位*** Download PDFInfo
- Publication number
- CN113776544A CN113776544A CN202010522053.5A CN202010522053A CN113776544A CN 113776544 A CN113776544 A CN 113776544A CN 202010522053 A CN202010522053 A CN 202010522053A CN 113776544 A CN113776544 A CN 113776544A
- Authority
- CN
- China
- Prior art keywords
- point
- map
- point cloud
- laser radar
- scanning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000013507 mapping Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 21
- 239000013598 vector Substances 0.000 description 11
- 230000004927 fusion Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3859—Differential updating map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请实施例提供了一种点云地图更新方法、装置、电子设备及定位***,将扫描的激光雷达点云与预存的点云地图进行比对,确定激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征一个扫描点与一个地图点为同一个点的概率,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确。
Description
技术领域
本申请涉及激光雷达定位技术领域,特别是涉及一种点云地图更新方法、装置、电子设备及定位***。
背景技术
目前,无人驾驶汽车和移动机器人等开始采用激光雷达定位技术进行定位。激光雷达定位的基本原理是:在无人驾驶汽车、移动机器人等移动设备上安装激光雷达,使用激光雷达对所处场景进行扫描得到扫描数据,通过将扫描数据与针对该场景预先构建的点云地图进行匹配,最终得到移动设备的定位结果。
可见,在采用激光雷达定位的技术中,最重要的是点云地图。目前,点云地图的构建方式是通过激光雷达扫描,根据扫描到的激光雷达点云构建的。在实际应用中,需要对点云地图进行实时更新,相应的方法中,激光雷达实时扫描当前场景的激光雷达点云,并将扫描得到的激光雷达点云与点云地图进行比对,一旦发现差异,则根据实时扫描到的激光雷达点云更新点云地图。
然而,在实际的定位应用中,会出现扫描的激光雷达点云与实际场景不一致的情况,例如:在进行扫描时,某一建筑在扫描的时刻发生了遮挡,导致扫描得到的激光雷达点云中,并没有该建筑对应的点,则在进行点云地图更新时,该建筑对应的点会被删除,导致更新后的点云地图不够准确。
发明内容
本申请实施例的目的在于提供一种点云地图更新方法、装置、电子设备及定位***,以使得点云地图更为准确。具体技术方案如下:
第一方面,本申请实施例提供了一种点云地图更新方法,该方法包括:
获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点;
将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点;
确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;
删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
可选的,在获取激光雷达扫描的当前场景的激光雷达点云的步骤之后,该方法还包括:
获取激光雷达点云中的各点云块及当前运动数据,其中,点云块为激光雷达点云的最小单位;
利用当前运动数据,计算各点云块相对于初始点云块的位姿变换关系;
根据位姿变换关系,将各点云块转换至初始点云块的坐标系下;
对转换后的各点云块进行拼接,得到更新的激光雷达点云。
可选的,在获取激光雷达扫描的当前场景的激光雷达点云的步骤之后,该方法还包括:
获取激光雷达点云的点云信息;
基于点云信息,对激光雷达点云进行语义分割,得到激光雷达点云中各扫描点的语义类型;
识别具有指定语义类型的目标扫描点,其中,指定语义类型为具有运动特征的语义类型;
从激光雷达点云中,删除目标扫描点,得到更新的激光雷达点云。
可选的,将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点的步骤,包括:
将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标;
获取点云地图中的各地图点坐标;
若根据各地图点坐标及各扫描点坐标,确定该坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
可选的,确定各差异点的观测概率的步骤,包括:
根据各地图点坐标及各扫描点坐标,分别计算在该坐标系下各地图点与各扫描点的距离;
针对任一差异点,若该差异点为地图点、且不存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设降低策略,降低该差异点的观测概率;
针对任一差异点,若该差异点为扫描点、且不存在与该差异点的距离小于预设距离阈值的地图点,则在点云地图中该差异点坐标的对应位置处增加一地图点,并初始化该差异点的观测概率;
针对任一差异点,若该差异点为地图点、且存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设增加策略,增加该差异点的观测概率。
可选的,在将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标的步骤之前,该方法还包括:
获取预测位姿关系及激光雷达点云中各扫描点的雷达坐标;
根据预测位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到各扫描点的预测坐标;
针对任一扫描点,根据该扫描点的预测坐标及各地图点坐标,从点云地图中,查找距离该扫描点最近的关联地图点;
利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点;
根据剩余的关联地图点坐标及各扫描点的雷达坐标,计算激光雷达点云与点云地图的相对位姿关系;
将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标的步骤,包括:
根据相对位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到在该坐标系下的各扫描点坐标。
可选的,在将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点的步骤之前,该方法还包括:
将激光雷达点云与点云地图转换至同一坐标系下,得到在同一坐标系下激光雷达点云中的各扫描点坐标以及点云地图中的各地图点坐标;
获取激光雷达的噪声信息;
根据各扫描点坐标、各地图点坐标及噪声信息,利用预先设置的位姿求解函数,计算激光雷达点云和点云地图的配准置信度;
将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点的步骤,包括:
若配准置信度大于预设置信度阈值,则执行将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点的步骤。
可选的,激光雷达点云包括多帧激光雷达点云;
在将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点的步骤之前,该方法还包括:
将多帧激光雷达点云进行融合,得到融合后的激光雷达点云。
第二方面,本申请实施例提供了一种点云地图更新装置,该装置包括:
获取模块,用于获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点;
比对模块,用于将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点;
计算模块,用于确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;
更新模块,用于删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
可选的,该装置还包括:运动补偿模块;
运动补偿模块,用于获取激光雷达点云中的各点云块及当前运动数据,其中,点云块为激光雷达点云的最小单位;利用当前运动数据,计算各点云块相对于初始点云块的位姿变换关系;根据位姿变换关系,将各点云块转换至初始点云块的坐标系下;对转换后的各点云块进行拼接,得到更新的激光雷达点云。
可选的,该装置还包括:语义分割模块;
语义分割模块,用于获取激光雷达点云的点云信息;基于点云信息,对激光雷达点云进行语义分割,得到激光雷达点云中各扫描点的语义类型;识别具有指定语义类型的目标扫描点,其中,指定语义类型为具有运动特征的语义类型;从激光雷达点云中,删除目标扫描点,得到更新的激光雷达点云。
可选的,比对模块,具体用于:
将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标;
获取点云地图中的各地图点坐标;
若根据各地图点坐标及各扫描点坐标,确定该坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
可选的,计算模块,具体用于:
根据各地图点坐标及各扫描点坐标,分别计算在该坐标系下各地图点与各扫描点的距离;
针对任一差异点,若该差异点为地图点、且不存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设降低策略,降低该差异点的观测概率;
针对任一差异点,若该差异点为扫描点、且不存在与该差异点的距离小于预设距离阈值的地图点,则在点云地图中该差异点坐标的对应位置处增加一地图点,并初始化该差异点的观测概率;
针对任一差异点,若该差异点为地图点、且存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设增加策略,增加该差异点的观测概率。
可选的,该装置还包括:激光定位模块;
激光定位模块,用于获取预测位姿关系及激光雷达点云中各扫描点的雷达坐标;根据预测位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到各扫描点的预测坐标;针对任一扫描点,根据该扫描点的预测坐标及各地图点坐标,从点云地图中,查找距离该扫描点最近的关联地图点;利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点;根据剩余的关联地图点坐标及各扫描点的雷达坐标,计算激光雷达点云与点云地图的相对位姿关系;
比对模块,具体用于根据相对位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到在该坐标系下的各扫描点坐标。
可选的,该装置还包括:置信度计算模块;
置信度计算模块,用于将激光雷达点云与点云地图转换至同一坐标系下,得到在同一坐标系下激光雷达点云中的各扫描点坐标以及点云地图中的各地图点坐标;获取激光雷达的噪声信息;根据各扫描点坐标、各地图点坐标及噪声信息,利用预先设置的位姿求解函数,计算激光雷达点云和点云地图的配准置信度;
比对模块,具体用于若配准置信度大于预设置信度阈值,则将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点。
可选的,激光雷达点云包括多帧激光雷达点云;
该装置还包括:融合模块;
融合模块,用于将多帧激光雷达点云进行融合,得到融合后的激光雷达点云。
第三方面,本申请实施例提供了一种电子设备,包括处理器和存储器,其中,存储器存储有能够被处理器执行的机器可执行指令,机器可执行指令由处理器加载并执行,以实现本申请实施例第一方面所提供的方法。
第四方面,本申请实施例提供了一种机器可读存储介质,机器可读存储介质内存储有机器可执行指令,机器可执行指令在被处理器加载并执行时,实现本申请实施例第一方面所提供的方法。
第五方面,本申请实施例提供了一种定位***,该***包括电子设备及激光雷达;
激光雷达,用于扫描当前场景的激光雷达点云,并将激光雷达点云发送至电子设备;
电子设备,用于接收激光雷达发送的激光雷达点云,并获取预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点;将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点;确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图;利用点云地图进行目标定位。
本申请实施例提供的一种点云地图更新方法、装置、电子设备及定位***,点云地图更新方法包括:获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点,确定各差异点的观测概率,删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
应用本申请实施例,通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确。
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的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例的点云地图更新方法的流程示意图;
图2为本申请另一实施例的点云地图更新方法的流程示意图;
图3为本申请实施例的运动补偿的方法流程示意图;
图4为本申请再一实施例的点云地图更新方法的流程示意图;
图5为本申请又一实施例的点云地图更新方法的流程示意图;
图6为本申请实施例的激光定位的方法流程示意图;
图7为本申请又一实施例的点云地图更新方法的流程示意图;
图8(a)为本申请实施例的激光定位前的映射图;
图8(b)为本申请实施例的激光定位后的映射图;
图9(a)为本申请实施例的更新前的点云地图;
图9(b)为本申请实施例的更新后的点云地图;
图10为本申请实施例的点云地图更新装置的结构示意图;
图11为本申请实施例的电子设备的结构示意图;
图12为本申请实施例的定位***的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了得到更为准确的点云地图,本申请实施例提供了一种点云地图更新方法、装置、电子设备及定位***。下面,首先对本申请实施例所提供的点云地图更新方法进行介绍。
本申请实施例所提供的点云地图更新方法的执行主体可以为无人驾驶汽车、移动机器人等移动设备上的控制装置,该控制装置用于实现汽车自动驾驶、机器人自动行驶等控制;执行主体还可以为实现汽车自动驾驶、机器人自动行驶等控制的后台服务器,该后台服务器具有点云地图更新、行驶路径规划和行驶路径下发等功能。对于本申请实施例所提供的点云地图更新方法的执行主体不做具体限定,以下统称为电子设备,实现本申请实施例所提供的点云地图更新方法的方式,可以为设置于电子设备中的软件、硬件电路和逻辑电路中的至少一种方式。
如图1所示,本申请实施例所提供的一种点云地图更新方法,可以包括如下步骤。
S101,获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点。
S102,将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点。
S103,确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小。
S104,删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
应用本申请实施例,通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确,进一步的,由于更新后的点云地图更为准确,在利用该点云地图进行定位时,能够提高定位精度。
当前场景的点云地图为利用预设的定位建图方法,得到当前场景的点云信息,基于当前场景的点云信息建立的地图。这里所提及的定位建图方法可以是SLAM(Simultaneous Localization and Mapping,同步建图与定位)、L-SLAM(Lidar-Simultaneous Localization and Mapping,激光同步建图与定位)等建图方法。当前场景为待定位的移动设备当前所处场景,例如某公园、停车场、工厂、生产线等。点云地图中包括多个地图点,一个地图点或者多个地图点的组合表征了在实际场景下的一个目标物,例如建筑物、障碍物等。激光雷达点云为激光雷达在当前场景下扫描到的点云数据。为了保证定位的实时性,所获取的激光雷达点云一般为实时扫描的当前帧激光雷达点云。
在获取到激光雷达点云和点云地图之后,需要将激光雷达点云与点云地图进行比对,确定出激光雷达点云与点云地图的差异点。比对的过程就是判断一个点是否既在激光雷达点云中存在,也在点云地图中存在,如果一个点仅在激光雷达点云中存在或者仅在点云地图中存在,则该点为激光雷达点云与点云地图的差异点。具体的比对过程可以是通过类型识别的方式,识别激光雷达点云和点云地图中是否存在相同类型的点,如果一个类型的点仅在激光雷达点云中存在或者仅在点云地图中存在,则该点为激光雷达点云与点云地图的差异点。或者,比对过程还可以是通过将激光雷达点云映射到点云地图的方式,判断映射后的同一个位置点是否扫描点和地图点重合,如果一个位置点未发生扫描点和地图点的重合,即该位置点仅有扫描点或者地图点,则该位置点为激光雷达点云与点云地图的差异点。
可选的,S102具体可以通过如下方式实现:将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标;获取点云地图中的各地图点坐标;若根据各地图点坐标及各扫描点坐标,确定该坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
通过将激光雷达点云映射至点云地图所属坐标系,能够实现将激光雷达点云中的扫描点映射到与点云地图中的地图点相同的坐标系下,使得扫描点和地图点具有统一的坐标,具体的映射方式可以是直接进行坐标映射,也可以是通过一定的位姿换算关系换算实现,具体的映射过程将在后续的实施例中详述,这里不再赘述。经过激光雷达点云到点云地图所属坐标系的映射过程,可以得到在该坐标系下,激光雷达点云中的各扫描点坐标,并且从点云地图中可以直接读取到各地图点坐标,各扫描点坐标与各地图点坐标属于同一坐标系。
在得到各扫描点坐标和各地图点坐标后,根据各扫描点坐标和各地图点坐标,可以对扫描点和地图点是否重合进行判断,如果一个扫描点的坐标与一个地图点的坐标相同,则可以确定该扫描点与该地图点重合,如果一位置处仅有一个地图点或者仅有一个扫描点,也就是说,如果针对一个扫描点,没有任何地图点的坐标与之相同,则可以确定该扫描点是差异点,如果针对一个地图点,没有任何扫描点的坐标与之相同,则可以确定该地图点是差异点。
差异点多为在激光雷达点云中存在而在点云地图中不存在的点、或者在点云地图中存在而在激光雷达点云中不存在的点、又或者在激光雷达点云和点云地图中的位置存在差异的同一点,通过对各差异点的观测概率进行确定,能够知道与该差异点存在关联的扫描点或者地图点的概率,概率越小,越说明该差异点仅在激光雷达点云或者点云地图中出现。观测概率的初始值为在点云地图中增加一个地图点时针对该地图点设置,用于表征针对点云地图中的任一地图点,在激光雷达点云中存在与该地图点相关联的扫描点的概率。在点云地图中增加地图点的情况包括:如果在激光雷达点云中扫描到一个扫描点,而在点云地图中并不存在与该扫描点为同一个点的地图点时,则会在点云地图中该扫描点坐标的对应位置处增加一地图点;还可以是技术人员根据实际情况,在点云地图中人为地增加一个地图点。
可选的,S103具体可以通过如下方式实现:根据各地图点坐标及各扫描点坐标,分别计算在坐标系下各地图点与所述各扫描点的距离;针对任一差异点,若该差异点为地图点、且不存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设降低策略,降低该差异点的观测概率;针对任一差异点,若该差异点为扫描点、且不存在与该差异点的距离小于预设距离阈值的地图点,则在点云地图中该差异点坐标的对应位置处增加一地图点,并初始化该差异点的观测概率;针对任一差异点,若该差异点为地图点、且存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设增加策略,增加该差异点的观测概率。
各差异点的观测概率可以是在将激光雷达点云映射到点云地图之后计算得到的,具体是基于映射后的扫描点与地图点的距离进行计算。对于任一个地图点而言,如果不存在与该地图点的距离小于预设距离阈值的扫描点,则说明该点仅在点云地图中出现,未在当前场景下扫描到,说明这个地图点可能为之前误采样的点,或者,是因为环境变化,该地图点的位置之前有建筑物,现在没有了导致,但是,为了避免是当前采样时漏采样情况的发生,在确定出不存在与该地图点的距离小于预设距离阈值的扫描点时,并不会从点云地图中直接删除这个地图点,而是降低这个地图点的观测概率,具体降低该地图点的观测概率的方式,可以是利用公式(1)计算得到。
p(t)=p(t-1)+odd(pc) (1)
其中,pc为设置的参数。
对于任一个扫描点而言,如果不存在与该扫描点的距离小于预设距离阈值的地图点,则说明该点在当前场景下扫描到,却未在点云地图中出现,为了保证点云地图的完整性,避免漏检测,可以在点云地图中该扫描点坐标的对应位置处增加一地图点,并且按照初始化的该差异点的观测概率,设置该地图点的观测概率,初始化的观测概率可以为预先设置的固定值,一般情况下大于或等于预设阈值。
对于任一个地图点而言,如果存在与该地图点的距离小于预设距离阈值的扫描点,则说明该扫描点与地图点为同一个点,可以增加该地图点的观测概率。进一步的,还可以将该扫描点与地图点进行融合,融合的方式可以是在点云地图中保留该地图点,或者根据该扫描点坐标和地图点坐标,通过加权、平均等方式得到一个新的地图点坐标,在点云地图中该新的地图点坐标位置处增加一个地图点,并删除原本的地图点。增加地图点的观测概率的方式,可以是利用公式(2)计算得到。
其中,p(t)为地图点的当前帧观测概率,p(t-1)为地图点的上一帧观测概率,odd(p)=log(p(1-p)-1),pa、pb、σd为设置的参数,d为扫描点与地图点之间的距离,根据扫描点坐标和地图点坐标计算得到。
对于当前帧观测范围以外的地图点,可以维持这些点的原观测概率不变。为了保证激光雷达定位的准确性,点云地图中可以仅保留观测概率大于一定阈值的地图点,这些地图点在实际场景下有关联的扫描点,因此可以准确地对待定位车辆进行定位。
这样,如果针对一个地图点,在每次激光雷达未扫描到与该地图点为同一个点的扫描点后,观测概率会越来越小,直至降低到小于预设阈值,则说明这个地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新。基于更新后的点云地图进行车辆定位,由于点云地图中删除了误检测的地图点,点云地图更符合于实际场景,因此,在进行车辆定位时,所得到的定位结果的精度更高、鲁棒性更强。
可选的,在S102之前,该方法还可以包括:将激光雷达点云与点云地图转换至同一坐标系下,得到在同一坐标系下激光雷达点云中的各扫描点坐标以及点云地图中的各地图点坐标;获取激光雷达的噪声信息;根据各扫描点坐标、各地图点坐标及噪声信息,利用预先设置的位姿求解函数,计算激光雷达点云和点云地图的配准置信度。若配准置信度大于预设置信度阈值,则执行S102。
在得到各扫描点坐标及各地图点坐标之后,可以根据各扫描点坐标及各地图点坐标,计算得到激光雷达点云和点云地图的配准置信度,配准置信度表征了激光雷达点云和点云地图的吻合程度,也就是说,激光雷达点云中的扫描点与点云地图中的地图点出现重合的数量越多,则说明吻合程度越高,配准置信度也越大,当然,配准置信度除了可以由扫描点和地图点出现重合的数量确定以外,还可以通过法向量等参数确定。配准置信度越低,则说明激光雷达点云和点云地图的吻合程度越低,那么基于激光雷达点云进行点云地图更新就没有必要,只有在配准置信度大于预设置信度阈值的情况下,才会基于激光雷达点云对点云地图进行更新。其中,在将激光雷达点云与点云地图转换至同一坐标系时,可以将激光雷达点云与点云地图转换至极坐标系。
配准置信度的方式具体可以为采用如下方式进行计算:
首先,根据公式(3)计算待计算转换矩阵。
T=argmin{∑i||ni(Tbi-ai||)} (3)
其中,T为待计算转换矩阵,ai为第i个扫描点的坐标,bi为第i个地图点的坐标,ni为ai的法向量。
求解公式(3)的最优解,下面对配准置信度进行计算,如公式(4)。
x=argminJ(z,x) (4)
其中,x为待求解的位姿变量,J为预先设置的位姿求解函数,z为观测。
公式(3)与(4)为对应关系,x为T,z为点ai与bi。采用协方差计算公式(5)。
其中,cov(z)为激光雷达的噪声信息,cov(x)为配准置信度。
该方法是通过激光雷达的噪声信息反映为位姿求解的噪声信息,例如激光雷达的测距精度存在误差,如10cm左右,角度存在误差如0.5度左右。可以利用这些数据得到cov(z),从而求解出cov(x)。
可选的,激光雷达点云可以包括多帧激光雷达点云。这里所提及的多帧激光雷达点云是指扫描的当前帧及之前若干帧的激光雷达点云,则在S102之前,该方法还可以包括:将多帧激光雷达点云进行融合,得到融合后的激光雷达点云。
对于扫描到的是多帧激光雷达点云的情况,首先对多帧激光雷达点云进行融合,融合的过程就是将多帧激光雷达点云中同一扫描点的坐标进行整合,具体的过程可以是对不同帧激光雷达点云中同一扫描点的坐标进行加权、平均等运算,得到融合后的激光雷达点云;融合方式还可以是仅保留某一帧激光雷达点云。在进行融合之后,后续就是将融合后的激光雷达点云与点云地图进行比对。
基于图1所示实施例,本申请实施例还提供了一种点云地图更新方法,如图2所示,可以包括如下步骤。
S201,获取激光雷达扫描的当前场景的激光雷达点云、预存的当前场景的点云地图及当前运动数据,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点。
S202,从激光雷达点云中读取各点云块,其中,点云块为激光雷达点云的最小单位。
S203,利用当前运动数据,计算各点云块相对于初始点云块的位姿变换关系。
S204,根据位姿变换关系,将各点云块转换至初始点云块的坐标系下。
S205,对转换后的各点云块进行拼接,得到更新的激光雷达点云。
S206,将更新的激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点。
S207,确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小。
S208,删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
由于扫描到的激光雷达点云中可能存在由于车辆运动导致的激光雷达点云畸变,需要对激光雷达点云进行运动补偿,以消除这种畸变,运动补偿的过程如图3所示,获取到激光雷达扫描激光雷达点云中的各点云块(点云块为固定夹角内的点云集合,是激光雷达扫描的最小单位数据)和当前运动数据(运动数据是待定位的移动设备在运动过程中产生的数据,例如,IMU(Inertial Measurement Unit,惯性测量单元)、轮速等),获取到各点云块和当前运动数据后,进行运动更新,即利用当前运动数据计算出各点云块相对于初始点云块的位姿变换关系,然后基于运动更新的结果,进行运动补偿,每一帧点云数据都对应有初始点云块,计算得到的位姿变换关系表征了激光雷达点云数据相较于初始点云数据的畸变程度,则根据位姿变换关系,将各点云块转换至初始点云块的坐标下,转换后的点云块满足初始点云块的坐标要求,能够消除畸变,对转换后的各点云块进行拼接,即可得到激光雷达点云。由于激光雷达具有一定的扫描范围,在进行拼接时,需要扫描范围内的点云块均完成拼接,例如扫描范围为360°,则在对360°范围的一圈点云块都完成拼接,则表示拼接完成,得到更新的激光雷达点云。后续基于更新的激光雷达点云对点云地图进行更新。
位姿变换关系的计算过程为:假设上一帧位姿为Tn-1,其中旋转矩阵与平移向量分别为Rn-1与tn-1,当前帧位姿为Tn,其中旋转矩阵与平移向量分别为Rn与tn,两帧之间的速度为v,角速度为w(包括转轴与转角),时间间隔为Δt,则位姿变化量为:
t=vΔt (6)
R=wΔt (7)
公式(7)中w为角速度,乘以时间之后为转角,需要将转轴转角转化为旋转矩阵。
则当前位姿计算如下:
tn=Rtn-1+t (8)
Rn=RRn-1 (9)
基于图1所示实施例,本申请实施例还提供了一种点云地图更新方法,如图4所示,可以包括如下步骤。
S401,获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点。
S402,获取激光雷达点云的点云信息,并基于点云信息,对激光雷达点云进行语义分割,得到激光雷达点云中各扫描点的语义类型。
S403,识别具有指定语义类型的目标扫描点,其中,指定语义类型为具有运动特征的语义类型。
S404,从激光雷达点云中,删除目标扫描点,得到更新的激光雷达点云。
S405,将更新的激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点。
S406,确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小。
S407,删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
在实际场景下,由于存在行人、非机动车、汽车等不断运动的对象,这些对象的运动特征使得扫描到的相应扫描点极为不稳定,这些不稳定的扫描点会对点云地图的定位精度和鲁棒性造成干扰。在获取到激光雷达点云之后,可以对激光雷达点云进行语义分割,具体的语义分割方法可以采用传统的神经网络实现,这里不再赘述,通过语义分割,可以得到激光雷达点云中各扫描点的语义类型,语义类型包括行车道路、人行横道、停车场、其它道路、建筑物、小汽车、卡车、自行车、摩托车、植被、树干、地带、行人、骑自行车的人、骑摩托车的人、篱笆、杆状物、交通灯等,基于语义分割结果,识别出具有指定语义类型的目标扫描点,指定语义类型是指具有运动特征的语义类型,例如行人、骑自行车的人、骑摩托车的人、小汽车、卡车、自行车、摩托车等“机非人”,这些扫描点极为不稳定,因此,从激光雷达点云中,删除这些目标扫描点,仅保留表征建筑物、树木等静态且稳定的扫描点,更新了激光雷达点云,后续基于更新的激光雷达点云对点云地图进行更新。
基于图1所示实施例,本申请实施例还提供了一种点云地图更新方法,如图5所示,可以包括如下步骤。
S501,获取激光雷达扫描的当前场景的激光雷达点云、预存的当前场景的点云地图、点云地图中的各地图点坐标、预测位姿关系及激光雷达点云中各扫描点的雷达坐标,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点。
S502,根据预测位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到各扫描点的预测坐标。
S503,针对任一扫描点,根据该扫描点的预测坐标及各地图点坐标,从点云地图中,查找距离该扫描点最近的关联地图点。
S504,利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点。
S505,根据剩余的关联地图点坐标及各扫描点的雷达坐标,计算激光雷达点云与点云地图的相对位姿关系。
S506,根据相对位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到在该坐标系下的各扫描点坐标。
S507,若根据各地图点坐标及各扫描点坐标,确定该坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
S508,确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小。
S509,删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
在本申请实施例的一种实现方式中,激光雷达点云到点云地图的映射通过一定的位姿换算关系换算实现,位姿换算关系的确定过程可以称为激光定位,具体的,激光定位算法包括ICP(Iterative Closest Points,迭代最近点)、NDT(Normal DistributionsTransform,正态分布变换)等算法,这两个算法的定位精度可以达到厘米级。下面主要以ICP算法为例对激光定位的过程进行介绍,如图6所示,输入的是激光雷达点云中各扫描点的雷达坐标、点云地图中的各地图点坐标和预测位姿关系,预测位姿关系包括旋转矩阵和平移向量。进行坐标变换,根据预测位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到各扫描点的预测坐标。再进行特征关联,针对任一扫描点,根据该扫描点的预测坐标及各地图点坐标,从点云地图中,查找距离该扫描点最近的关联地图点,具体在进行关联地图点搜索时,可以利用kd树(k-dimensional树,一种分割k维数据空间的数据结构)等技术加速搜索过程。再进行不稳定特征滤除,利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点,主要的滤波方法有法向量滤波、距离滤波等,即如果当前扫描点的法向量与点云地图中的关联地图点的法向量夹角大于一定阈值、当前扫描点与点云地图中的关联地图点的距离大于一定阈值,则进行位姿求解时剔除该关联地图点。在不稳定特征滤除之后,进行位姿求解,根据剩余的关联地图点坐标及各扫描点的雷达坐标,利用LM(Levenberg-Marquardt,列文伯格-马夸尔特)等非线性最小二乘方法求解激光雷达点云与点云地图的相对位姿关系,具体可以利用公式(10)进行求解。
其中,R为旋转矩阵,T为平移向量,R0为预测旋转矩阵,T0为预测平移向量,bi为当前帧激光雷达点云中的第i个扫描点,mi为点云地图中bi的关联地图点,ni为mi的法向量,公式(10)将最小化关联地图点之间的距离,从而求解出旋转矩阵R和平移向量T。在上述过程中,利用求解出的相对位姿关系,进行坐标变换,即将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到在坐标系下的各扫描点坐标,判断坐标变换之后是否收敛,如果未收敛,则返回特征关联的步骤,如果收敛则可以确定求解的相对位姿关系为最优的相对位姿关系。
综合上述各实施例,本申请实施例所提供的点云地图更新方法,如图7所示,主要包括运动补偿、语义分割、激光定位、点云融合几个步骤。首先,用SLAM算法建立目标场景的点云地图,当无人驾驶车辆、自动机器人等移动设备在目标场景中运行时,加载该点云地图,移动设备进入定位过程,激光雷达获取一帧激光雷达点云后,根据移动设备的运动数据,对激光雷达点云进行运动补偿,之后,对运动补偿后的激光雷达点云进行语义分割,根据语义分割结果,去除其中语义类型为“机非人”等类别的扫描点,保留实际场景下静态且稳定的扫描点用于定位。然后,运用激光定位算法配准激光雷达点云与点云地图,获取激光雷达点云在点云地图中的位姿,其中定位配准的置信度大于一定阈值时才将进行激光雷达点云与点云地图的点云融合。这里所提及的点云融合并不是传统意义上的点云融合,而是基于各扫描点坐标及各地图点坐标,确定出各地图点的观测概率,再根据观测概率确定是否增加地图点或者删除地图点的过程,该过程已在前述实施例中详细介绍,这里不再赘述。
基于上述方法实施例,下面结合2D激光雷达,对本申请实施例通过的点云地图更新方法进行说明,图8(a)为激光定位前示意图,图8(b)为激光定位后示意图,激光定位的过程即为遍历当前帧激光雷达点云在点云地图中搜索其最近邻,如图8(a)中所示的距离d,最小化此距离来求解当前帧激光雷达点云相对于点云地图的位姿。激光定位结束后,将当前帧激光雷达点云根据其在点云地图中的相对位姿转换到点云地图所属坐标系中,之后当前帧激光雷达点云与点云地图进行融合,即搜索当前帧激光雷达点云在点云地图中的最近邻,对于图8(a)和图8(b)中A区域中的扫描点,其无法在点云地图中找到与其属于同一点的地图点,所以在点云地图中初始化这些点,此处在建图时为一空旷停车场,定位时已经是一栋建筑物,车辆多次在该区域行驶过后,该区域的地图点的观测概率会一直上升。对于图8(a)和图8(b)中B区域中的地图点,没有找到与其属于同一点的扫描点,会降低这些地图点的观测概率,此处在建图时由于施工原因设置了障碍物封路,在定位时已经完成施工,撤除了障碍物,在车辆多次在该区域行驶过后,该区域的地图点的观测概率会一直降低,直至从点云地图中删除。对于其他扫描点,在点云地图中存在与之关联的地图点,这些地图点的观测概率会上升。
图9(a)为更新前的点云地图,在自动驾驶车辆多次在该场景下行驶后,点云地图会更新为图9(b)所示,原停车场区域的新建筑物被增加到点云地图中,原由于施工封闭的道路,其障碍物部分的点已经从点云地图中删除,该点云地图更加符合当前的实际场景。
基于上述方法实施例,本申请实施例提供了一种点云地图更新装置,如图10所示,该装置可以包括:
获取模块1010,用于获取激光雷达扫描的当前场景的激光雷达点云,以及预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点;
比对模块1020,用于将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点;
计算模块1030,用于确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;
更新模块1040,用于删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图。
可选的,该装置还可以包括:运动补偿模块;
运动补偿模块,用于获取激光雷达点云中的各点云块及当前运动数据,其中,点云块为激光雷达点云的最小单位;利用当前运动数据,计算各点云块相对于初始点云块的位姿变换关系;根据位姿变换关系,将各点云块转换至初始点云块的坐标系下;对转换后的各点云块进行拼接,得到更新的激光雷达点云。
可选的,该装置还可以包括:语义分割模块;
语义分割模块,用于获取激光雷达点云的点云信息;基于点云信息,对激光雷达点云进行语义分割,得到激光雷达点云中各扫描点的语义类型;识别具有指定语义类型的目标扫描点,其中,指定语义类型为具有运动特征的语义类型;从激光雷达点云中,删除目标扫描点,得到更新的激光雷达点云。
可选的,比对模块1020,具体可以用于:
将激光雷达点云映射至点云地图所属坐标系,得到在该坐标系下激光雷达点云中的各扫描点坐标;
获取点云地图中的各地图点坐标;
若根据各地图点坐标及各扫描点坐标,确定该坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
可选的,计算模块1030,具体可以用于:
根据各地图点坐标及各扫描点坐标,分别计算在该坐标系下各地图点与各扫描点的距离;
针对任一差异点,若该差异点为地图点、且不存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设降低策略,降低该差异点的观测概率;
针对任一差异点,若该差异点为扫描点、且不存在与该差异点的距离小于预设距离阈值的地图点,则在点云地图中该差异点坐标的对应位置处增加一地图点,并初始化该差异点的观测概率;
针对任一差异点,若该差异点为地图点、且存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设增加策略,增加该差异点的观测概率。
可选的,该装置还可以包括:激光定位模块;
激光定位模块,用于获取预测位姿关系及激光雷达点云中各扫描点的雷达坐标;根据预测位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到各扫描点的预测坐标;针对任一扫描点,根据该扫描点的预测坐标及各地图点坐标,从点云地图中,查找距离该扫描点最近的关联地图点;利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点;根据剩余的关联地图点坐标及各扫描点的雷达坐标,计算激光雷达点云与点云地图的相对位姿关系;
比对模块1020,具体可以用于根据相对位姿关系,将激光雷达点云中各扫描点转换至点云地图所属坐标系,得到在该坐标系下的各扫描点坐标。
可选的,该装置还可以包括:置信度计算模块;
置信度计算模块,用于将激光雷达点云与点云地图转换至同一坐标系下,得到在同一坐标系下激光雷达点云中的各扫描点坐标以及点云地图中的各地图点坐标;获取激光雷达的噪声信息;根据各扫描点坐标、各地图点坐标及噪声信息,利用预先设置的位姿求解函数,计算激光雷达点云和点云地图的配准置信度;
比对模块1020,具体可以用于若配准置信度大于预设置信度阈值,则将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点。
可选的,激光雷达点云包括多帧激光雷达点云;
该装置还可以包括:融合模块;
融合模块,用于将多帧激光雷达点云进行融合,得到融合后的激光雷达点云。
应用本申请实施例,通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确。
本申请实施例提供了一种电子设备,如图11所示,包括处理器1101和存储器1102,其中,存储器1102存储有能够被处理器1101执行的机器可执行指令,机器可执行指令由处理器1101加载并执行,以实现本申请实施例所提供的点云地图更新方法。
上述存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processor,数字信号处理器)、ASIC(ApplicationSpecific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器1102与处理器1101之间可以通过有线连接或者无线连接的方式进行数据传输,并且管理服务器与其他设备之间可以通过有线通信接口或者无线通信接口进行通信。图11所示的仅为通过总线进行数据传输的示例,不作为具体连接方式的限定。
本申请实施例中,处理器通过读取存储器中存储的机器可执行指令,并通过加载和执行机器可执行指令,能够实现:通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确。
另外,本申请实施例提供了一种机器可读存储介质,机器可读存储介质内存储有机器可执行指令,机器可执行指令在被处理器加载并执行时,实现本申请实施例所提供的点云地图更新方法。
本申请实施例中,机器可读存储介质存储有在运行时执行本申请实施例所提供的点云地图更新方法的机器可执行指令,因此能够实现:通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一点云地图更新方法。
本申请实施例还提供了一种定位***,如图12所示,该***包括电子设备1210及激光雷达1220;
激光雷达1220,用于扫描当前场景的激光雷达点云,并将激光雷达点云发送至电子设备1210;
电子设备1210,用于接收激光雷达1220发送的激光雷达点云,并获取预存的当前场景的点云地图,其中,激光雷达点云中包括多个扫描点,点云地图中包括多个地图点;将激光雷达点云与点云地图进行比对,确定激光雷达点云与点云地图的差异点;确定各差异点的观测概率,其中,观测概率表征一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;删除点云地图中观测概率小于预设阈值的差异点,得到更新后的点云地图;利用点云地图进行目标定位。
应用本申请实施例,通过将扫描得到的当前场景的激光雷达点云与预存的当前场景的点云地图进行比对,确定出激光雷达点云和点云地图的差异点,并且确定各差异点的观测概率,观测概率表征了一个扫描点与一个地图点为同一个点的概率,观测概率的初始值在点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小,也就是说,如果点云地图中的一个地图点是与激光雷达点云的差异点,且该地图点的观测概率越小,则说明在实际场景中存在与该地图点相关联的扫描点的可能性就越低,如果该地图点的观测概率小于预设阈值,则说明该地图点在实际场景中根本不存在,因此从点云地图中删除该地图点,实现了点云地图的更新,更新后的点云地图更加符合实际场景、更为准确,进一步的,由于更新后的点云地图更为准确,在利用该点云地图进行定位时,能够提高定位精度。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line,数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD(DigitalVersatile Disc,数字多功能光盘))、或者半导体介质(例如SSD(Solid State Disk,固态硬盘))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、机器可读存储介质、计算机程序产品、定位***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (10)
1.一种点云地图更新方法,其特征在于,所述方法包括:
获取激光雷达扫描的当前场景的激光雷达点云,以及预存的所述当前场景的点云地图,所述激光雷达点云中包括多个扫描点,所述点云地图中包括多个地图点;
将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点;
确定各差异点的观测概率,其中,所述观测概率表征一个扫描点与一个地图点为同一个点的概率,所述观测概率的初始值在所述点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;
删除所述点云地图中观测概率小于预设阈值的差异点,得到更新后的所述点云地图。
2.根据权利要求1所述的方法,其特征在于,在所述获取激光雷达扫描的当前场景的激光雷达点云之后,所述方法还包括:
获取所述激光雷达点云中的各点云块及当前运动数据,所述点云块为所述激光雷达点云的最小单位;
利用所述当前运动数据,计算所述各点云块相对于初始点云块的位姿变换关系;
根据所述位姿变换关系,将所述各点云块转换至所述初始点云块的坐标系下;
对转换后的所述各点云块进行拼接,得到更新的所述激光雷达点云。
3.根据权利要求1所述的方法,其特征在于,在所述获取激光雷达扫描的当前场景的激光雷达点云之后,所述方法还包括:
获取所述激光雷达点云的点云信息;
基于所述点云信息,对所述激光雷达点云进行语义分割,得到所述激光雷达点云中各扫描点的语义类型;
识别具有指定语义类型的目标扫描点,所述指定语义类型为具有运动特征的语义类型;
从所述激光雷达点云中,删除所述目标扫描点,得到更新的所述激光雷达点云。
4.根据权利要求1所述的方法,其特征在于,所述将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点,包括:
将所述激光雷达点云映射至所述点云地图所属坐标系,得到在所述坐标系下所述激光雷达点云中的各扫描点坐标;
获取所述点云地图中的各地图点坐标;
若根据所述各地图点坐标及所述各扫描点坐标,确定所述坐标系下的一位置处仅有一个地图点或者仅有一个扫描点,则确定该位置处的点为差异点。
5.根据权利要求4所述的方法,其特征在于,所述确定各差异点的观测概率,包括:
根据所述各地图点坐标及所述各扫描点坐标,分别计算在所述坐标系下所述各地图点与所述各扫描点的距离;
针对任一差异点,若该差异点为地图点、且不存在与该差异点的距离小于预设距离阈值的扫描点,则按照预设降低策略,降低该差异点的观测概率;
针对任一差异点,若该差异点为扫描点、且不存在与该差异点的距离小于所述预设距离阈值的地图点,则在所述点云地图中该差异点坐标的对应位置处增加一地图点,并初始化该差异点的观测概率;
针对任一差异点,若该差异点为地图点、且存在与该差异点的距离小于所述预设距离阈值的扫描点,则按照预设增加策略,增加该差异点的观测概率。
6.根据权利要求4所述的方法,其特征在于,在所述将所述激光雷达点云映射至所述点云地图所属坐标系,得到在所述坐标系下所述激光雷达点云中的各扫描点坐标之前,所述方法还包括:
获取预测位姿关系及所述激光雷达点云中各扫描点的雷达坐标;
根据所述预测位姿关系,将所述激光雷达点云中各扫描点转换至所述点云地图所属坐标系,得到所述各扫描点的预测坐标;
针对任一扫描点,根据该扫描点的预测坐标及所述各地图点坐标,从所述点云地图中,查找距离该扫描点最近的关联地图点;
利用预设滤波方法,滤除查找到的各关联地图点中具有不稳定特征的不稳定关联地图点;
根据剩余的关联地图点坐标及所述各扫描点的雷达坐标,计算所述激光雷达点云与所述点云地图的相对位姿关系;
所述将所述激光雷达点云映射至所述点云地图所属坐标系,得到在所述坐标系下所述激光雷达点云中的各扫描点坐标,包括:
根据所述相对位姿关系,将所述激光雷达点云中各扫描点转换至所述点云地图所属坐标系,得到在所述坐标系下的各扫描点坐标。
7.根据权利要求1所述的方法,其特征在于,在所述将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点之前,所述方法还包括:
将所述激光雷达点云与所述点云地图转换至同一坐标系下,得到在同一坐标系下所述激光雷达点云中的各扫描点坐标以及所述点云地图中的各地图点坐标;
获取所述激光雷达的噪声信息;
根据所述各扫描点坐标、所述各地图点坐标及所述噪声信息,利用预先设置的位姿求解函数,计算所述激光雷达点云和所述点云地图的配准置信度;
所述将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点,包括:
若所述配准置信度大于预设置信度阈值,则执行所述将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点。
8.根据权利要求1所述的方法,其特征在于,所述激光雷达点云包括多帧激光雷达点云;
在所述将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点之前,所述方法还包括:
将所述多帧激光雷达点云进行融合,得到融合后的激光雷达点云。
9.一种点云地图更新装置,其特征在于,所述装置包括:
获取模块,用于获取激光雷达扫描的当前场景的激光雷达点云,以及预存的所述当前场景的点云地图,所述激光雷达点云中包括多个扫描点,所述点云地图中包括多个地图点;
比对模块,用于将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点;
计算模块,用于确定各差异点的观测概率,其中,所述观测概率表征一个扫描点与一个地图点为同一个点的概率,所述观测概率的初始值在所述点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;
更新模块,用于删除所述点云地图中观测概率小于预设阈值的差异点,得到更新后的所述点云地图。
10.一种定位***,其特征在于,所述***包括电子设备及激光雷达;
所述激光雷达,用于扫描当前场景的激光雷达点云,并将所述激光雷达点云发送至所述电子设备;
所述电子设备,用于接收所述激光雷达发送的所述激光雷达点云,并获取预存的所述当前场景的点云地图,所述激光雷达点云中包括多个扫描点,所述点云地图中包括多个地图点;将所述激光雷达点云与所述点云地图进行比对,确定所述激光雷达点云与所述点云地图的差异点;确定各差异点的观测概率,其中,所述观测概率表征一个扫描点与一个地图点为同一个点的概率,所述观测概率的初始值在所述点云地图中增加一个地图点时针对该地图点设置,且在每次激光雷达未扫描到与该地图点为同一个点的扫描点后减小;删除所述点云地图中观测概率小于预设阈值的差异点,得到更新后的所述点云地图;利用所述点云地图进行目标定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522053.5A CN113776544A (zh) | 2020-06-10 | 2020-06-10 | 一种点云地图更新方法、装置、电子设备及定位*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522053.5A CN113776544A (zh) | 2020-06-10 | 2020-06-10 | 一种点云地图更新方法、装置、电子设备及定位*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113776544A true CN113776544A (zh) | 2021-12-10 |
Family
ID=78834630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522053.5A Pending CN113776544A (zh) | 2020-06-10 | 2020-06-10 | 一种点云地图更新方法、装置、电子设备及定位*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113776544A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362445A (zh) * | 2021-05-25 | 2021-09-07 | 上海奥视达智能科技有限公司 | 基于点云数据重建对象的方法及装置 |
CN116148878A (zh) * | 2023-04-18 | 2023-05-23 | 浙江华是科技股份有限公司 | 船舶干舷高度识别方法及*** |
CN117128985A (zh) * | 2023-04-27 | 2023-11-28 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
WO2023231212A1 (zh) * | 2022-06-02 | 2023-12-07 | 合众新能源汽车股份有限公司 | 预测模型的训练方法、地图预测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010160777A (ja) * | 2008-12-12 | 2010-07-22 | Toyota Central R&D Labs Inc | 地図生成装置、走路推定装置、移動可能領域推定装置、及びプログラム |
US20180148047A1 (en) * | 2016-11-29 | 2018-05-31 | Ford Global Technologies, Llc | Multi-sensor probabilistic object detection and automated braking |
CN108732584A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于更新地图的方法和装置 |
WO2019073038A1 (en) * | 2017-10-13 | 2019-04-18 | Connaught Electronics Ltd. | AUTOMATIC PARKING OF A VEHICLE IN A PARKING PLACE |
CN109781119A (zh) * | 2017-11-15 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 一种激光点云定位方法和*** |
CN110533055A (zh) * | 2018-05-25 | 2019-12-03 | 北京京东尚科信息技术有限公司 | 一种点云数据的处理方法和装置 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
CN110763243A (zh) * | 2018-07-27 | 2020-02-07 | 杭州海康威视数字技术股份有限公司 | 一种滑动地图更新方法和装置 |
-
2020
- 2020-06-10 CN CN202010522053.5A patent/CN113776544A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010160777A (ja) * | 2008-12-12 | 2010-07-22 | Toyota Central R&D Labs Inc | 地図生成装置、走路推定装置、移動可能領域推定装置、及びプログラム |
US20180148047A1 (en) * | 2016-11-29 | 2018-05-31 | Ford Global Technologies, Llc | Multi-sensor probabilistic object detection and automated braking |
CN108732584A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于更新地图的方法和装置 |
WO2019073038A1 (en) * | 2017-10-13 | 2019-04-18 | Connaught Electronics Ltd. | AUTOMATIC PARKING OF A VEHICLE IN A PARKING PLACE |
CN109781119A (zh) * | 2017-11-15 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 一种激光点云定位方法和*** |
CN110533055A (zh) * | 2018-05-25 | 2019-12-03 | 北京京东尚科信息技术有限公司 | 一种点云数据的处理方法和装置 |
CN110763243A (zh) * | 2018-07-27 | 2020-02-07 | 杭州海康威视数字技术股份有限公司 | 一种滑动地图更新方法和装置 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362445A (zh) * | 2021-05-25 | 2021-09-07 | 上海奥视达智能科技有限公司 | 基于点云数据重建对象的方法及装置 |
WO2023231212A1 (zh) * | 2022-06-02 | 2023-12-07 | 合众新能源汽车股份有限公司 | 预测模型的训练方法、地图预测方法及装置 |
CN116148878A (zh) * | 2023-04-18 | 2023-05-23 | 浙江华是科技股份有限公司 | 船舶干舷高度识别方法及*** |
CN116148878B (zh) * | 2023-04-18 | 2023-07-07 | 浙江华是科技股份有限公司 | 船舶干舷高度识别方法及*** |
CN117128985A (zh) * | 2023-04-27 | 2023-11-28 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
CN117128985B (zh) * | 2023-04-27 | 2024-05-31 | 荣耀终端有限公司 | 点云地图更新的方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113776544A (zh) | 一种点云地图更新方法、装置、电子设备及定位*** | |
CN111413721B (zh) | 车辆定位的方法、装置、控制器、智能车和*** | |
CN111709975B (zh) | 多目标跟踪方法、装置、电子设备及存储介质 | |
WO2018142900A1 (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
CN112014857A (zh) | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 | |
CN110749901B (zh) | 自主移动机器人及其地图拼接方法、装置和可读存储介质 | |
US11977159B2 (en) | Method for determining a position of a vehicle | |
EP3851870A1 (en) | Method for determining position data and/or motion data of a vehicle | |
CN114111774B (zh) | 车辆的定位方法、***、设备及计算机可读存储介质 | |
CN113593017A (zh) | 露天矿地表三维模型构建方法、装置、设备及存储介质 | |
CN111937036A (zh) | 用于处理传感器数据的方法、设备和具有指令的计算机可读存储介质 | |
CN112036359B (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN114119659A (zh) | 一种多传感器融合的目标跟踪方法 | |
WO2021057324A1 (zh) | 数据处理方法、装置、芯片***及介质 | |
CN116449392B (zh) | 一种地图构建方法、装置、计算机设备及存储介质 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、***及存储介质 | |
CN115376109A (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
CN115494533A (zh) | 车辆定位方法、装置、存储介质及定位*** | |
CN117218350A (zh) | 一种基于固态雷达的slam实现方法及*** | |
CN116958266B (zh) | 闭环检测方法、装置、通信设备及存储介质 | |
CN111324686B (zh) | 目标测量轨迹的获取方法及装置、存储介质、电子装置 | |
CN117570968A (zh) | 基于视觉路标的地图构建与维护方法、装置及存储介质 | |
CN112614162B (zh) | 基于空间优化策略的室内视觉快速匹配定位方法及*** | |
CN115656991A (zh) | 车辆外参标定方法、装置、设备以及存储介质 | |
Li et al. | Lane marking verification for high definition map maintenance using crowdsourced images |
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 |