CN114001706A - 航向角估计方法、装置、电子设备和存储介质 - Google Patents
航向角估计方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114001706A CN114001706A CN202111626182.XA CN202111626182A CN114001706A CN 114001706 A CN114001706 A CN 114001706A CN 202111626182 A CN202111626182 A CN 202111626182A CN 114001706 A CN114001706 A CN 114001706A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud frame
- sensor
- frame
- representations
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013519 translation Methods 0.000 claims abstract description 44
- 230000001131 transforming effect Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 11
- 229910052704 radon Inorganic materials 0.000 claims description 9
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种航向角估计方法、装置、电子设备和存储介质。航向角估计方法包括：获取传感器采集的第一点云帧和第二点云帧；确定第一点云帧和第二点云帧各自的平面投影表示；将第一点云帧和第二点云帧各自的平面投影表示变换为极坐标表示；根据第一点云帧和第二点云帧各自的极坐标表示，估计传感器的航向角。在本发明实施例的方案中，由于根据第一点云帧和第二点云帧各自的极坐标表示有利于将传感器移动过程中的旋转因素与平移因素进行解耦，因此，基于极坐标表示估计传感器的航向角，能够得到可靠的航向角估计，从而有利于得到可靠的全局位姿估计。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种航向角估计方法、装置、电子设备和存储介质。
背景技术
在自动驾驶领域，激光传感器能够作为常用的传感设备来执行位姿估计，实现了车辆的精确定位。一般而言，车辆的位姿估计通常特征匹配或者依赖梯度下降的位姿估计器执行位姿估计。
但是，特征匹配的计算过程不考虑点云整体的结构性约束，使得不能进行可靠的全局位姿估计，另外，在采用诸如迭代最邻近点（Iterative Closest Point，ICP）配准方式进行位姿估计时，配准的收敛域较小，且依赖初值，同样不能进行可靠的全局位姿估计。
因此，需要一种可靠的全局位姿估计方案。
发明内容
有鉴于此，本发明实施例提供一种航向角估计方法、装置、电子设备和存储介质，以至少部分解决上述问题。
根据本发明实施例的第一方面，提供了一种航向角估计方法，包括：获取传感器采集的第一点云帧和第二点云帧；确定所述第一点云帧和所述第二点云帧各自的平面投影表示；将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示；根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
在另一些示例中，所述将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示，包括：根据拉东变换，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示。
在另一些示例中，所述根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，包括：根据所述第一点云帧和所述第二点云帧各自的极坐标表示，提取所述第一点云帧和所述第二点云帧各自的平移不变量表示；根据所述第一点云帧和所述第二点云帧各自的平移不变量表示，估计所述传感器的航向角。
在另一些示例中，所述根据所述第一点云帧和所述第二点云帧各自的极坐标表示，提取所述第一点云帧和所述第二点云帧各自的平移不变量表示，包括：通过一维离散傅立叶变换，从所述第一点云帧和所述第二点云帧各自的极坐标表示中，提取所述第一点云帧和所述第二点云帧各自的表示平移不变量的频谱信息。
在另一些示例中，所述根据所述第一点云帧和所述第二点云帧各自的平移不变量表示，估计所述传感器的航向角，包括：根据所述指示平移不变量的频谱信息，通过一维离散傅立叶变换，计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息；计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息的乘积；通过一维离散傅立叶反变换，将所述频域信息的乘积转换至时域，计算最大响应坐标对应的角度值，作为所述传感器的航向角。
在另一些示例中，所述获取传感器采集的第一点云帧和第二点云帧，包括：获取传感器采集的当前点云帧和历史点云帧，分别作为第一点云帧和第二点云帧。
在另一些示例中，所述获取传感器采集的第一点云帧和第二点云帧，包括：获取传感器采集的当前点云帧，作为第一点云帧；获取基于多个历史点云帧融合生成的点云子图，作为第二点云帧。
在另一些示例中，所述确定所述第二点云帧的平面投影表示，包括：确定所述点云子图的平面投影表示；将所述点云子图的平面投影表示输入到预先训练的神经网络中，得到所述第二点云帧的平面投影表示。
根据本发明实施例的第二方面，提供了一种航向角估计装置，包括：获取模块，获取传感器采集的第一点云帧和第二点云帧；确定模块，确定所述第一点云帧和所述第二点云帧各自的平面投影表示；变换模块，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示；估计模块，根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
根据本发明实施例的第三方面，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方法对应的操作。
根据本发明实施例的第四方面，提供了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第一方面的方法。
在本发明实施例的方案中，由于根据第一点云帧和第二点云帧各自的极坐标表示有利于将传感器移动过程中的旋转因素与平移因素进行解耦，因此，基于极坐标表示估计传感器的航向角，能够得到可靠的航向角估计，从而有利于得到可靠的全局位姿估计。
附图说明
为了更清楚地说明本发明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发明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1A为一个示例的车辆移动轨迹的示意图。
图1B为另一示例的车辆移动轨迹的示意图。
图2为根据本发明的另一实施例的航向角估计方法的步骤流程图。
图3为根据本发明的另一实施例的航向角估计方法的示意性框图。
图4为根据本发明的另一实施例的航向角估计装置的结构框图。
图5为根据本发明的另一实施例的电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案，下面将结合本发明实施例中的附图，对本发明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发明实施例一部分实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。
图1A为根据一个示例的车辆移动轨迹的示意图。如图1A所示，车辆移动的路线为大致平移，在估计车辆的位姿时，可以将点云帧转换为平面投影表示，然后，基于平面投影表示执行传感器的航向角估计，由于车辆移动的路线为大致平移，因此，航向角的移动轨迹也大致为平移，因此，通过平面投影表示的可靠的航向角估计。
图1B为根据另一示例的车辆移动轨迹的示意图。如图1B所示，车辆移动的路线为转弯，在估计车辆的位姿时，可以将点云帧转换为平面投影表示，然后，基于平面投影表示执行航向角估计，由于平面投影表征中旋转的坐标生成过程耦合了平移分量，平移的变化会影响最终旋转的求解结果，从而不能执行可靠的航向角估计。
图2为根据本发明的另一实施例的航向角估计方法的步骤流程图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备，包括但不限于：服务器、桌面电脑、诸如手机、车机的移动终端等，电子设备可以部署在机器人或车辆中，用于基于航向角执行位姿估计。
本实施例的航向角估计方法包括：
S210：获取传感器采集的第一点云帧和第二点云帧。
应理解，传感器的数目可以为一个或多个，在多个传感器的情况下，多个传感器的相对位置关系可以为确定的。
还应理解，第一点云帧和第二点云帧可以为当前点云帧，也可以为历史点云帧。另外，第一点云帧和第二点云帧均可以为一个点云帧，也可以为一组点云帧。例如，第一点云帧和第二点云帧中的至少一者为点云子图。
S220：确定第一点云帧和第二点云帧各自的平面投影表示。
应理解，平面投影表示可以为鸟瞰图（Bird’s Eye View，BEV），或者其他基于采集点云帧的传感器的本地坐标系的投影图。例如，传感器在第一位置采集第一点云帧，得到基于第一点云帧的第一投影图，传感器在第二位置采集第二点云帧，得到基于第二点云帧的第二投影图。
S230：将第一点云帧和第二点云帧各自的平面投影表示变换为极坐标表示。
应理解，可以通过将第一点云帧和第二点云帧变换成基于角度参数和距离参数的投影图。
还应理解，可以基于诸如拉东变换的坐标变换，得到第一点云帧和第二点云帧的极坐标表示。
S240：根据第一点云帧和第二点云帧各自的极坐标表示，估计传感器的航向角，航向角指示传感器采集第一点云帧的第一位置和采集第二点云帧的第二位置之间的角度。
应理解，可以通过诸如离散傅立叶变换等算法，从第一点云帧和第二点云帧各自的极坐标表示，确定传感器的航向角。也可以通过从第一点云帧和第二点云帧各自的极坐标表示，提取第一点云帧和第二点云帧各自的角度特征，基于各自的角度特征，确定传感器的航向角。
在本发明实施例的方案中，由于根据第一点云帧和第二点云帧各自的极坐标表示有利于将传感器移动过程中的旋转因素与平移因素进行解耦，因此，基于极坐标表示估计传感器的航向角，能够得到可靠的航向角估计，从而有利于得到可靠的全局位姿估计。
进一步地，车辆或机器人可以布置有至少一个传感器，可以基于航向角估计方法估计至少一个传感器的航向角，然后，基于至少一个传感器的航向角以及至少一个传感器在车辆或机器人上的位置，估计车辆或机器人基于世界坐标系的位姿信息。
进一步地，采集第一点云帧的第一坐标系和采集第二点云帧的第二坐标系均为传感器本地坐标系。第一坐标系与世界坐标系之间具有第一坐标变换关系，例如，第一变换矩阵指示第一坐标变换关系。第二坐标系与世界坐标系之间具有第二坐标变换关系，例如，第二变换矩阵指示第二坐标变换关系。可以分别基于第一坐标变换关系和第二坐标变换关系，估计传感器在世界坐标系下的第一位姿和第二位姿。
在一些示例中，可以基于航向角，将第一坐标变换关系变换为第二坐标变换关系，例如，将第一变换矩阵变换为第二变换矩阵。由此，实现了从第一坐标变换关系到第二坐标变换关系之间的高效变换，减小了数据处理量，进一步有利于位姿估计。
应理解，采集第一点云帧和第二点云帧的传感器可以设置为采集方向与自动驾驶车辆的车轮所在平面大致平行的第一传感器，相应地，所估计的第一传感器的航向角指示车辆的转弯角度，即，航偏角yaw。
还应理解，采集第一点云帧和第二点云帧的传感器可以设置为第二传感器，第二传感器的采集方向与自动驾驶车辆的车轮所在平面垂直且位于前后方向上的平面大致平行，相应地，所估计的第二传感器的航向角指示车辆的俯仰角pitch。
航向角包括三个维度，采集第一点云帧和第二点云帧的传感器可以设置为第三传感器，第三传感器的采集方向与自动驾驶车辆的车轮所在平面垂直且左右方向上的平面大致平行，相应地，所估计的第三传感器的航向角指示车辆的翻滚角roll。
车辆的自动驾驶***或电子控制单元（Electronic Control Unite，ECU）可以获取第一传感器、第二传感器和第三传感器中的至少一者，执行自动驾驶上的位姿估计和车辆行驶道路的路面状态估计。
进一步地，上述车辆为路面测试车辆，路面测试车辆上布置有第一传感器、第二传感器和第三传感器。路面测试车辆从各个传感器获取相应的点云帧的极坐标表示，极坐标表示有利于将传感器移动过程中的旋转因素与平移因素进行解耦，从而能够得到不同位置的航向角的全局表示，即，基于航偏角、俯仰角和翻滚角的全局表示，然后，路面测试车辆上报全局表示到服务器，以进行三维高精地图的绘制。
在另一些示例中，将第一点云帧和第二点云帧各自的平面投影表示变换为极坐标表示，包括：根据拉东变换，将第一点云帧和第二点云帧各自的平面投影表示变换为极坐标表示。由此，拉东变换在进行极坐标表示的处理中提高了数据处理效率。
具体而言，拉东变换得到的正弦图（sinogram）由扫描线的斜率和偏移量参数化，每个像素表示沿参数化线的积分值。
另外，第一点云帧和第二点云帧之间的航向角仅反映为沿坡度相关轴的偏移，而平移距离反映为沿与坡度耦合的偏移相关轴的偏移。
在拉东变换中，不同扫描截距上的值可以作为扫描入射角度的特征。在计算角度时，可以以扫描角度对应的积分值作为角度的特征，沿角度方向遍历计算特征相关性最高的平移差，即为两个点云间的相对角度。
为克服平移对角度特征的影响，沿着扫描截距维度进行一维傅立叶变换，取傅立叶变换的频谱作为角度特征。
为加速角度方向计算全局相关性最高的遍历操作，进一步沿着角度方向做一维FFT，在频域上进行乘积操作快速计算相关性，然后反变换取结果的最大值对应的位置即为对应相关性最高的结果。
在另一些示例中，根据第一点云帧和第二点云帧各自的极坐标表示，估计传感器的航向角，包括：根据第一点云帧和第二点云帧各自的极坐标表示，提取第一点云帧和第二点云帧各自的平移不变量表示；根据第一点云帧和第二点云帧各自的平移不变量表示，估计传感器的航向角。由于平移不变量解耦了平移分量，因此，提高了航向角估计的准确性。
具体而言，平移不变量进一步消除了沿偏移相关轴的偏移，使结果表示与平移保持不变，并且可以基于沿斜率相关轴的循环互相关有效地解决该问题。平移不变表示基于拉东变换生成的正弦图确定。
在另一些示例中，根据第一点云帧和第二点云帧各自的极坐标表示，提取第一点云帧和第二点云帧各自的平移不变量表示，包括：通过一维离散傅立叶变换，从第一点云帧和第二点云帧各自的极坐标表示中，提取第一点云帧和第二点云帧各自的表示平移不变量的频谱信息。
在另一些示例中，根据第一点云帧和第二点云帧各自的平移不变量表示，估计传感器的航向角，包括：根据指示平移不变量的频谱信息，通过一维离散傅立叶变换，计算第一点云帧和第二点云帧各自平移不变量表示的频域信息；计算第一点云帧和第二点云帧各自平移不变量表示的频域信息的乘积；通过一维离散傅立叶反变换，将频域信息的乘积转换至时域，计算最大响应坐标对应的角度值，作为传感器的航向角。
下面将结合图3详细描述根据本发明的另一实施例的航向角估计方法。如图3所示，
首先，对第一点云帧和第二点云帧执行平面投影表示。
然后，将第一点云帧和第二点云帧执行平面投影表示分别变换为极坐标表示。
然后，根据指示平移不变量的频谱信息，通过一维离散傅立叶变换，计算第一点云帧和第二点云帧各自平移不变量表示的频域信息。
然后，计算第一点云帧和第二点云帧各自平移不变量表示的频域信息的乘积。
然后，通过一维离散傅立叶反变换，将频域信息的乘积转换至时域，计算最大响应坐标对应的角度值，作为传感器的航向角。
在另一些示例中，获取传感器采集的第一点云帧和第二点云帧，包括：获取传感器采集的当前点云帧和历史点云帧，分别作为第一点云帧和第二点云帧。具体而言，第一点云帧与第二点云帧的稠密程度一致，例如，第一点云帧和第二点云帧都可以为单帧点云。
在另一些示例中，获取传感器采集的第一点云帧和第二点云帧，包括：获取传感器采集的当前点云帧，作为第一点云帧；获取基于多个历史点云帧融合生成的点云子图，作为第二点云帧。
在另一些示例中，确定第二点云帧的平面投影表示，包括：确定点云子图的平面投影表示；将点云子图的平面投影表示输入到预先训练的神经网络中，得到第二点云帧的平面投影表示。由此，预先训练的神经网络能够执行稠密特征提取，提高了第一点云帧和第二点云帧各自的极坐标表示的对应性，提高了航向角估计的可靠性。换言之，所引入的神经网络提取了不同空间分布点云间的一致性特征，提高在有遮挡、单帧到点云子图等应用场景下的角度估计性能。
图4为根据本发明的另一实施例的航向角估计装置的结构框图。本实施例的方案可以适用于任意适当的具有数据处理能力的电子设备，包括但不限于：服务器、桌面电脑、诸如手机、车机的移动终端等，电子设备可以部署在机器人或车辆中，用于基于航向角执行位姿估计。
本实施例的航向角估计装置包括：
获取模块410，获取传感器采集的第一点云帧和第二点云帧。
确定模块420，确定所述第一点云帧和所述第二点云帧各自的平面投影表示。
变换模块430，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示。
估计模块440，根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
在本发明实施例的方案中，由于根据第一点云帧和第二点云帧各自的极坐标表示有利于将传感器移动过程中的旋转因素与平移因素进行解耦，因此，基于极坐标表示估计传感器的航向角，能够得到可靠的航向角估计，从而有利于得到可靠的全局位姿估计。
进一步地，车辆或机器人可以布置有至少一个传感器，可以基于航向角估计方法估计至少一个传感器的航向角，然后，基于至少一个传感器的航向角以及至少一个传感器在车辆或机器人上的位置，估计车辆或机器人基于世界坐标系的位姿信息。
在另一些示例中，变换模块具体用于：根据拉东变换，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示。
在另一些示例中，估计模块具体用于：根据所述第一点云帧和所述第二点云帧各自的极坐标表示，提取所述第一点云帧和所述第二点云帧各自的平移不变量表示；根据所述第一点云帧和所述第二点云帧各自的平移不变量表示，估计所述传感器的航向角。
在另一些示例中，估计模块具体用于：通过一维离散傅立叶变换，从所述第一点云帧和所述第二点云帧各自的极坐标表示中，提取所述第一点云帧和所述第二点云帧各自的表示平移不变量的频谱信息。
在另一些示例中，估计模块具体用于：根据所述指示平移不变量的频谱信息，通过一维离散傅立叶变换，计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息；计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息的乘积；通过一维离散傅立叶反变换，将所述频域信息的乘积转换至时域，计算最大响应坐标对应的角度值，作为所述传感器的航向角。
在另一些示例中，获取模块具体用于：获取传感器采集的当前点云帧和历史点云帧，分别作为第一点云帧和第二点云帧。
在另一些示例中，获取模块具体用于，包括：获取传感器采集的当前点云帧，作为第一点云帧；获取基于多个历史点云帧融合生成的点云子图，作为第二点云帧。
在另一些示例中，确定模块具体用于：确定所述点云子图的平面投影表示；将所述点云子图的平面投影表示输入到预先训练的神经网络中，得到所述第二点云帧的平面投影表示。
本实施例的装置用于实现前述多个方法实施例中相应的方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
参照图5，示出了根据本发明的另一实施例的电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图5所示，该电子设备可以包括：处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它电子设备或服务器进行通信。
处理器502，用于执行程序510，具体可以执行上述方法实施例中的相关步骤。
具体地，程序510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502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发明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506，用于存放程序510。存储器506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510具体可以用于使得处理器502执行以下操作：获取传感器采集的第一点云帧和第二点云帧；确定所述第一点云帧和所述第二点云帧各自的平面投影表示；将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示；根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
此外，程序510中各步骤的具体实现可以参见上述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。
需要指出，根据实施的需要，可将本发明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，以实现本发明实施例的目的。
上述根据本发明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，实现在此描述的方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
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发明实施例的范围。
以上实施方式仅用于说明本发明实施例，而并非对本发明实施例的限制，有关技术领域的普通技术人员，在不脱离本发明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发明实施例的范畴，本发明实施例的专利保护范围应由权利要求限定。
Claims (11)
1.一种航向角估计方法，包括：
获取传感器采集的第一点云帧和第二点云帧；
确定所述第一点云帧和所述第二点云帧各自的平面投影表示；
将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示；
根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
2.根据权利要求1的方法，其中，所述将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示，包括：
根据拉东变换，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示。
3.根据权利要求1的方法，其中，所述根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，包括：
根据所述第一点云帧和所述第二点云帧各自的极坐标表示，提取所述第一点云帧和所述第二点云帧各自的平移不变量表示；
根据所述第一点云帧和所述第二点云帧各自的平移不变量表示，估计所述传感器的航向角。
4.根据权利要求3的方法，其中，所述根据所述第一点云帧和所述第二点云帧各自的极坐标表示，提取所述第一点云帧和所述第二点云帧各自的平移不变量表示，包括：
通过一维离散傅立叶变换，从所述第一点云帧和所述第二点云帧各自的极坐标表示中，提取所述第一点云帧和所述第二点云帧各自的表示平移不变量的频谱信息。
5.根据权利要求4的方法，其中，所述根据所述第一点云帧和所述第二点云帧各自的平移不变量表示，估计所述传感器的航向角，包括：
根据所述指示平移不变量的频谱信息，通过一维离散傅立叶变换，计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息；
计算所述第一点云帧和所述第二点云帧各自平移不变量表示的频域信息的乘积；
通过一维离散傅立叶反变换，将所述频域信息的乘积转换至时域，计算最大响应坐标对应的角度值，作为所述传感器的航向角。
6.根据权利要求1的方法，其中，所述获取传感器采集的第一点云帧和第二点云帧，包括：
获取传感器采集的当前点云帧和历史点云帧，分别作为第一点云帧和第二点云帧。
7.根据权利要求1的方法，其中，所述获取传感器采集的第一点云帧和第二点云帧，包括：
获取传感器采集的当前点云帧，作为第一点云帧；
获取基于多个历史点云帧融合生成的点云子图，作为第二点云帧。
8.根据权利要求7的方法，其中，所述确定所述第二点云帧的平面投影表示，包括：
确定所述点云子图的平面投影表示；
将所述点云子图的平面投影表示输入到预先训练的神经网络中，得到所述第二点云帧的平面投影表示。
9.一种航向角估计装置，包括：
获取模块，获取传感器采集的第一点云帧和第二点云帧；
确定模块，确定所述第一点云帧和所述第二点云帧各自的平面投影表示；
变换模块，将所述第一点云帧和所述第二点云帧各自的平面投影表示变换为极坐标表示；
估计模块，根据所述第一点云帧和所述第二点云帧各自的极坐标表示，估计所述传感器的航向角，所述航向角指示所述传感器采集所述第一点云帧的第一位置和采集所述第二点云帧的第二位置之间的角度。
10.一种电子设备，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权利要求1-8中任一项的方法对应的操作。
11.一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8中任一项的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111626182.XA CN114001706B (zh) | 2021-12-29 | 2021-12-29 | 航向角估计方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111626182.XA CN114001706B (zh) | 2021-12-29 | 2021-12-29 | 航向角估计方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114001706A true CN114001706A (zh) | 2022-02-01 |
| CN114001706B CN114001706B (zh) | 2022-04-29 |
Family
ID=79932109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111626182.XA Active CN114001706B (zh) | 2021-12-29 | 2021-12-29 | 航向角估计方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114001706B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115267724A (zh) * | 2022-07-13 | 2022-11-01 | 浙江大学 | 一种基于激光雷达可估位姿的移动机器人位置重识别方法 |
| WO2024108753A1 (zh) * | 2022-11-21 | 2024-05-30 | 浙江大学 | 基于激光雷达的移动机器人高效鲁棒全局定位方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006186626A (ja) * | 2004-12-27 | 2006-07-13 | Sanyo Electric Co Ltd | 透かし埋め込み装置と方法ならびに透かし抽出装置と方法 |
| CN104050631A (zh) * | 2013-11-25 | 2014-09-17 | 中国科学院上海应用物理研究所 | 一种低剂量ct图像重建方法 |
| CN104657735A (zh) * | 2013-11-21 | 2015-05-27 | 比亚迪股份有限公司 | 车道线检测方法、***、车道偏离预警方法及*** |
| CN106682689A (zh) * | 2016-12-16 | 2017-05-17 | 西安汇明光电技术有限公司 | 基于多尺度傅里叶梅林变换的图像匹配方法 |
| CN109844770A (zh) * | 2016-08-08 | 2019-06-04 | 高盛有限责任公司 | 用于使用惯性自动编码器来学习和预测时间序列数据的***和方法 |
| CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
| CN110928312A (zh) * | 2019-12-16 | 2020-03-27 | 深圳市银星智能科技股份有限公司 | 机器人位置确定方法、非易失性计算机可读存储介质及机器人 |
| CN112016441A (zh) * | 2020-08-26 | 2020-12-01 | 大连海事大学 | 基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法 |
| CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
| CN113419265A (zh) * | 2021-06-15 | 2021-09-21 | 湖南北斗微芯数据科技有限公司 | 一种基于多传感器融合的定位方法、装置与电子设备 |
| CN113567978A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种多基分布式雷达协同成像方法 |
| CN214583238U (zh) * | 2021-01-29 | 2021-11-02 | 成都麦宁富研科技有限公司 | 基于多传感器的测绘装置及移动式测绘车 |
-
2021
- 2021-12-29 CN CN202111626182.XA patent/CN114001706B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006186626A (ja) * | 2004-12-27 | 2006-07-13 | Sanyo Electric Co Ltd | 透かし埋め込み装置と方法ならびに透かし抽出装置と方法 |
| CN104657735A (zh) * | 2013-11-21 | 2015-05-27 | 比亚迪股份有限公司 | 车道线检测方法、***、车道偏离预警方法及*** |
| CN104050631A (zh) * | 2013-11-25 | 2014-09-17 | 中国科学院上海应用物理研究所 | 一种低剂量ct图像重建方法 |
| CN109844770A (zh) * | 2016-08-08 | 2019-06-04 | 高盛有限责任公司 | 用于使用惯性自动编码器来学习和预测时间序列数据的***和方法 |
| CN106682689A (zh) * | 2016-12-16 | 2017-05-17 | 西安汇明光电技术有限公司 | 基于多尺度傅里叶梅林变换的图像匹配方法 |
| CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
| CN110928312A (zh) * | 2019-12-16 | 2020-03-27 | 深圳市银星智能科技股份有限公司 | 机器人位置确定方法、非易失性计算机可读存储介质及机器人 |
| CN112016441A (zh) * | 2020-08-26 | 2020-12-01 | 大连海事大学 | 基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法 |
| CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
| CN214583238U (zh) * | 2021-01-29 | 2021-11-02 | 成都麦宁富研科技有限公司 | 基于多传感器的测绘装置及移动式测绘车 |
| CN113419265A (zh) * | 2021-06-15 | 2021-09-21 | 湖南北斗微芯数据科技有限公司 | 一种基于多传感器融合的定位方法、装置与电子设备 |
| CN113567978A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种多基分布式雷达协同成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| 倪磊等: "依靠自身传感器的室内无人机自主导航引导技术综述", 《计算机应用与软件》 * |
| 曹向海等: "基于零相位谱的雷达目标识别", 《现代雷达》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115267724A (zh) * | 2022-07-13 | 2022-11-01 | 浙江大学 | 一种基于激光雷达可估位姿的移动机器人位置重识别方法 |
| CN115267724B (zh) * | 2022-07-13 | 2023-08-29 | 浙江大学 | 一种基于激光雷达可估位姿的移动机器人位置重识别方法 |
| WO2024108753A1 (zh) * | 2022-11-21 | 2024-05-30 | 浙江大学 | 基于激光雷达的移动机器人高效鲁棒全局定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114001706B (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
| CN114001706B (zh) | 航向角估计方法、装置、电子设备和存储介质 | |
| CN112179330B (zh) | 移动设备的位姿确定方法及装置 | |
| CN111812658B (zh) | 位置确定方法、装置、***和计算机可读存储介质 | |
| CN111443359B (zh) | 定位方法、装置及设备 | |
| CN112997187A (zh) | 基于鸟瞰图点云的二维对象边界框信息估计 | |
| US11045953B2 (en) | Relocalization method and robot using the same | |
| CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
| CN111986261B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
| CN111427028B (zh) | 参数监测方法、装置、设备和存储介质 | |
| CN114111774B (zh) | 车辆的定位方法、***、设备及计算机可读存储介质 | |
| CN111627001A (zh) | 图像检测方法及装置 | |
| CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
| CN115436920A (zh) | 一种激光雷达标定方法及相关设备 | |
| CN114820749A (zh) | 无人车井下定位方法、***、设备及介质 | |
| CN112154429B (zh) | 高精度地图定位方法、***、平台及计算机可读存储介质 | |
| CN115097419A (zh) | 一种激光雷达到imu的外参标定方法及装置 | |
| JP5928010B2 (ja) | 道路標示検出装置及びプログラム | |
| CN111860084B (zh) | 图像特征的匹配、定位方法及装置、定位*** | |
| CN113744236B (zh) | 回环检测方法、装置、存储介质及计算机程序产品 | |
| US20240160222A1 (en) | Method and system for localizing a mobile robot | |
| CN108917768B (zh) | 无人机定位导航方法和*** | |
| CN109711363B (zh) | 车辆定位方法、装置、设备和存储介质 | |
| KR20210030136A (ko) | 차량 데이터 생성 장치 및 방법, 그리고 시스템 | |
| CN114358156A (zh) | 匹配对象的识别方法、电子设备、存储介质及程序产品 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220201 Assignee: Hangzhou Jinyong Technology Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001317 Denomination of invention: Heading angle estimation method, device, electronic device, and storage medium Granted publication date: 20220429 License type: Common License Record date: 20240123 Application publication date: 20220201 Assignee: Golden Wheat Brand Management (Hangzhou) Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001316 Denomination of invention: Heading angle estimation method, device, electronic device, and storage medium Granted publication date: 20220429 License type: Common License Record date: 20240123 Application publication date: 20220201 Assignee: Hangzhou Xinlong Huazhi Trademark Agency Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001315 Denomination of invention: Heading angle estimation method, device, electronic device, and storage medium Granted publication date: 20220429 License type: Common License Record date: 20240123 |
|
| EE01 | Entry into force of recordation of patent licensing contract |