CN115601433B - 回环检测方法、计算机设备、计算机可读存储介质及车辆 - Google Patents
回环检测方法、计算机设备、计算机可读存储介质及车辆 Download PDFInfo
- Publication number
- CN115601433B CN115601433B CN202211587274.6A CN202211587274A CN115601433B CN 115601433 B CN115601433 B CN 115601433B CN 202211587274 A CN202211587274 A CN 202211587274A CN 115601433 B CN115601433 B CN 115601433B
- Authority
- CN
- China
- Prior art keywords
- map
- point cloud
- ndt
- cloud data
- data frame
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及自动驾驶技术领域,具体提供一种回环检测方法、计算机设备、计算机可读存储介质及车辆,旨在解决提高回环检测准确性的问题。本发明提供的方法包括根据当前点云数据帧,建立实时局部点云地图,根据实时局部点云地图,获取实时NDT几何描述子;获取当前点云数据帧的候选回环数据帧,从根据历史点云数据帧建立的NDT地图上获取与候选回环点云数据帧匹配的先验局部NDT地图,根据先验局部NDT地图,获取先验NDT几何描述子;根据实时NDT几何描述子与先验NDT几何描述子,判断候选回环点云数据帧是否为最终回环点云数据帧。通过NDT几何描述子能够充分地表示点云数据的几何特征,因此利用NDT几何描述子进行回环检测,能够显著提高回环检测的准确性。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种回环检测方法、计算机设备、计算机可读存储介质及车辆。
背景技术
在利用车辆上激光雷达采集到的点云数据帧建立点云地图或定位时需要先确定好每个点云数据帧的位姿,再根据位姿对点云数据帧进行叠加形成点云地图或进行定位。目前在确定每个点云数据帧的位姿时通常要对当前点云数据帧进行回环检测,以获取当前点云数据帧的回环点云数据帧,然后对当前点云数据帧与这个回环点云数据帧进行点云配准,优化当前点云数据帧的位姿,以得到准确的位姿。目前常规的基于点云的回环检测方法主要是利用Scan Context描述子算法或Iris描述子算法,获取点云数据帧的数据特征,然后再根据该数据特征进行回环检测。其中,Scan Context描述子算法主要是将点云数据的最大高度作为数据特征,而最大高度并不能充分表示点云数据的几何特征;Iris描述子算法主要是对点云数据进行分层,根据每层是否存在点云数据给每层进行编码,然后将编码作为数据特征,这种方法只考虑了是否存在点云数据,而没有考虑到点云数据的几何特征。由于上述描述子算法不能充分表示或无法表示点云数据的几何特征,因此,在利用上述描述子算法得到的数据特征进行回环检测时会降低回环检测的准确性。
相应地,本领域需要一种新的技术方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决如何提高回环检测准确性的技术问题的回环检测方法、计算机设备、计算机可读存储介质及车辆。
在第一方面,提供一种回环检测方法,所述方法包括:
根据当前点云数据帧,建立实时局部点云地图;
根据所述实时局部点云地图,获取实时NDT几何描述子;
获取当前点云数据帧的候选回环点云数据帧,从根据历史点云数据帧建立的NDT地图上获取与候选回环点云数据帧匹配的先验局部NDT地图;
根据所述先验局部NDT地图,获取先验NDT几何描述子;
根据所述实时NDT几何描述子与所述先验NDT几何描述子,判断所述候选回环点云数据帧是否为最终回环点云数据帧。
在上述回环检测方法的一个技术方案中,所述方法还包括根据目标局部地图并通过下列方式获取目标描述子:
将所述目标局部地图对应的地图空间划分成多个地图层;
分别获取每个所述地图层的NDT几何特征;
根据每个所述地图层的NDT几何特征,获取所述目标描述子;
其中,当所述目标局部地图是所述实时局部点云地图时所述目标描述子是所述实时NDT几何描述子,当所述目标局部地图是所述先验局部NDT地图时所述目标描述子是所述先验NDT几何描述子。
在上述回环检测方法的一个技术方案中,“分别获取每个所述地图层的NDT几何特征”的步骤具体包括:
采用Scan Context描述子算法,将所述目标局部地图对应的地图空间划分成多个空间网格;
针对每个所述空间网格,分别获取所述空间网格内每个所述地图层的NDT几何特征;
“根据每个所述地图层的NDT几何特征,获取所述目标描述子”的步骤具体包括:
采用Scan Context描述子算法,根据每个所述空间网格内每个所述地图层的NDT几何特征,获取所述目标描述子。
在上述回环检测方法的一个技术方案中,“分别获取每个所述地图层的NDT几何特征”的步骤还包括:
获取基于NDT算法得到的所述地图层的点云正态分布参数;
获取所述点云正态分布参数中的协方差矩阵;
根据所述协方差矩阵,获取所述地图层的NDT几何特征。
在上述回环检测方法的一个技术方案中,“根据所述协方差矩阵,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图层的协方差矩阵进行特征值分解,得到特征值;
根据所述特征值,获取所述地图层的NDT几何特征。
在上述回环检测方法的一个技术方案中,所述地图层的特征值由分属于地图坐标系的X轴、Y轴和Z轴维度的特征值分量组成,“根据所述特征值,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图层的X轴、Y轴和Z轴维度的特征值分量进行比较;
根据比较的结果,确定所述地图层的地图形状;
根据所述地图形状,获取所述地图层的NDT几何特征。
在上述回环检测方法的一个技术方案中,“对所述地图层的X轴、Y轴和Z轴维度的特征值分量进行比较”的步骤具体包括:
根据Z轴维度与Y轴维度的特征值分量的比值,获取直线形状值;
根据Y轴维度与X轴维度的特征值分量的比值,获取平面形状值;
对所述直线形状值与所述平面形状值进行比较。
在上述回环检测方法的一个技术方案中,“对所述直线形状值与所述平面形状值进行比较”的步骤具体包括:
根据所述直线形状值与所述平面形状值的比值,获取地图形状值;
对所述地图形状值与预设的形状阈值进行比较,其中,所述预设的形状阈值包括阈值上限值和阈值下限值;
“根据比较的结果,确定所述地图层的地图形状”的步骤具体包括:
若所述地图形状值小于所述阈值下限值,则所述地图形状是平面;
若所述地图形状值大于所述阈值上限值,则所述地图形状是直线;
若所述地图形状值大于等于所述阈值下限值且小于等于所述阈值上限值,则所述地图形状是椭球。
在上述回环检测方法的一个技术方案中,“根据所述地图形状,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图形状进行编码,得到形状编码;
将所述形状编码作为所述地图层的NDT几何特征。
在上述回环检测方法的一个技术方案中,“根据每个所述地图层的NDT几何特征,获取所述目标描述子”的步骤还包括:
根据每个所述地图层的NDT几何特征,构建形状向量;
根据所述形状向量,获取所述目标描述子。
在上述回环检测方法的一个技术方案中,“根据所述实时NDT几何描述子与所述先验NDT几何描述子,判断所述候选回环点云数据帧是否为最终回环点云数据帧”的步骤具体包括:
判断所述实时NDT几何描述子与所述先验NDT几何描述子是否相似;
若相似,则所述候选回环点云数据帧是最终回环点云数据帧;
若不相似,则所述候选回环点云数据帧不是最终回环点云数据帧。
在上述回环检测方法的一个技术方案中,“根据所述实时NDT几何描述子与所述先验NDT几何描述子,判断所述候选回环点云数据帧是否为最终回环点云数据帧”的步骤具体包括:
判断所述实时NDT几何描述子与所述先验NDT几何描述子是否相似;
若相似,则所述候选回环点云数据帧是最终回环点云数据帧;
若不相似,则所述候选回环点云数据帧不是最终回环点云数据帧。
在上述回环检测方法的一个技术方案中,在“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤之前,所述方法还包括:
获取上一次进行回环检测的历史点云数据帧;
判断所述当前点云数据帧与所述历史点云数据帧之间的距离,是否大于预设的距离阈值;
若是,则对所述当前点云数据帧进行回环检测,并继续执行“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤;
若否,则不对所述当前点云数据帧进行回环检测,并不再执行“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤。
在第二方面,提供一种计算机设备,该计算机设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述回环检测方法的技术方案中任一项技术方案所述的回环检测方法。
在第三方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述回环检测方法的技术方案中任一项技术方案所述的回环检测方法。
在第四方面,提供一种车辆,该车辆包括上述计算机设备技术方案所述的计算机设备。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明提供的回环检测方法的技术方案中,可以根据当前点云数据帧建立实时局部点云地图,根据实时局部点云地图获取实时NDT几何描述子;获取当前点云数据帧的候选回环点云数据帧,从根据历史点云数据帧建立的NDT地图上获取与候选回环点云数据帧匹配的先验局部NDT地图,根据先验局部NDT地图获取先验NDT几何描述子;最后,根据实时NDT几何描述子与先验NDT几何描述子,判断候选回环点云数据帧是否为最终回环点云数据帧。
基于NDT(Normal Distributions Transform)算法可以得到局部点云/NDT地图的点云正态分布参数,点云正态分布参数能够充分地表示点云数据的几何特征,因此,根据实时与先验NDT几何描述子进行回环检测,能够显著提高回环检测的准确性。此外,由于NDT算法得到点云正态分布参数需要占用的数据空间,远远小于点云数据需要占用的数据空间,因此,能够极大地减小需要消耗的计算资源,并提高回环检测的效率。
进一步,在实施本发明提供的回环检测方法的技术方案中,在获取实时或先验NDT几何描述子(以下简称为目标描述子)时,可以将实时局部点云地图和先验局部NDT地图(以下简称为目标局部地图)对应的地图空间分别划分成多个地图层,然后分别获取每个地图层的NDT几何特征,最后根据每个地图层的NDT几何特征,获取目标描述子。
通过这种方式得到的目标描述子,可以表示不同高度层上点云数据的几何特征(即不同地图层的几何特征),进一步提高目标描述子的几何描述能力,从而可以进一步提高回环检测的准确性。
进一步,在实施本发明提供的回环检测方法的技术方案中,在获取地图层的NDT几何特征时可以根据对点云正态分布参数进行特征值分解得到的特征值,获取地图层的地图形状,根据该地图形状获取NDT几何特征,基于此可以再进一步提高目标描述子的几何描述能力,从而可以再进一步提高回环检测的准确性。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于说明的目的,而并非意在对本发明的保护范围组成限制。其中:
图1是根据本发明的一个实施例的回环检测方法的主要步骤流程示意图;
图2是根据本发明的一个实施例的获取实时或先验NDT几何描述子的方法的主要步骤流程示意图;
图3是根据本发明的一个实施例的多个地图层的示意图;
图4是根据本发明的一个实施例的获取地图层的NDT几何特征的方法的主要步骤流程示意图;
图5是根据本发明的一个实施例的平面地图形状的示意图;
图6是根据本发明的一个实施例的直线地图形状的示意图;
图7是根据本发明的一个实施例的计算机设备的主要结构示意图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“处理器”可以包括硬件、软件或者两者的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。
下面对本发明提供的回环检测方法的实施例进行说明。
参阅附图1,图1是根据本发明的一个实施例的回环检测方法的主要步骤流程示意图。如图1所示,本发明实施例中的回环检测方法主要包括下列步骤S101至步骤S105。
步骤S101:根据当前点云数据帧,建立实时局部点云地图。
点云数据帧可以是在车辆行驶过程中,利用车辆上的激光雷达采集到的点云数据帧。在采集到当前点云数据帧之后,可以对当前点云数据帧与历史局部点云地图进行点云配准,得到二者之间的相对位姿,然后根据这个相对位姿,将当前点云数据帧叠加到历史局部点云地图上,就可以得到一个新的局部点云地图,即实时局部点云地图。在本发明实施例中可以采用自动驾驶技术领域中常规的点云配准方法,对当前点云数据帧与历史局部点云地图进行点云配准,在此不进行具体限定。
步骤S102:根据实时局部点云地图,获取实时NDT几何描述子。具体地,可以采用NDT算法,获取实时局部点云地图的点云正态分布参数,然后根据点云正态分布参数获取实时NDT几何描述子。
点云正态分布参数是指能够确定出点云的正态分布函数的参数,其可以包括点云坐标的均值和协方差矩阵等。
步骤S103:获取当前点云数据帧的候选回环点云数据帧,从根据历史点云数据帧建立的NDT地图上获取与候选回环点云数据帧匹配的先验局部NDT地图。
在本发明实施例中可以根据当前点云数据帧的位姿,从历史点云数据帧中选取候选回环点云数据帧。例如,在本发明实施例中可以采用自动驾驶技术领域中常规的回环检测方法,根据当前点云数据帧的位姿,从历史点云数据帧中选取回环点云数据帧,然后将这个回环点云数据帧作为候选回环点云数据帧。也就是说,本发明提供的回环检测方法是对上述候选回环点云数据进行回环校验,判断其到底是否为当前点云数据帧的最终回环点云数据帧。此外,在本发明实施例中也可以采用点云建图技术领域中常规的NDT(NormalDistributions Transform)算法并根据历史点云数据帧建立NDT地图。进一步,本发明实施例中可以采用NDT技术领域中的常规方法,根据候选回环点云数据帧的位姿等信息,从建立好的NDT地图上获取与这个候选回环点云数据帧匹配的局部地图(即NDT子图submap),作为先验局部NDT地图。
步骤S104:根据先验局部NDT地图,获取先验NDT几何描述子。
在采用NDT算法建立NDT地图时会建立好这个NDT地图的点云概率分布地图,这个点云概率分布地图包括点云正态分布参数,点云正态分布参数与前述步骤S102中点云正态分布参数的含义相同。因此,在得到先验局部NDT地图之后,可以从点云概率分布地图上获取与这个先验局部NDT地图对应的点云正态分布参数,然后根据这些点云正态分布参数获取先验NDT几何描述子。
步骤S105:根据实时NDT几何描述子与先验NDT几何描述子,判断候选回环是否为最终回环点云数据帧。
具体地,若实时NDT几何描述子与先验NDT几何描述子相同,则候选回环点云数据帧是最终回环点云数据帧;否则,候选回环点云数据帧不是最终回环点云数据帧。在实际应用中,由于在采集点云数据帧的过程中通常会存在噪声,因此可能无法得到完全相同的两个点云数据帧,对此,为了准确得到最终回环点云数据帧,在一些实施方式中可以判断实时NDT几何描述子与先验NDT几何描述子是否相似;若相似,就可以判定候选回环点云数据帧是最终回环点云数据帧;否则,候选回环点云数据帧不是最终回环点云数据帧。在本实施方式中可以采用点云数据处理技术领域中常规的相似度计算方法,计算实时NDT几何描述子与先验NDT几何描述子之间的相似度,然后根据相似度的大小判断二者是否相似。
实时NDT几何描述子和先验NDT几何描述子都是根据点云正态分布参数得到的,而点云正态分布参数能够准确地描述点云数据的分布情况,即准确描述点云数据的几何特征,也即地图的几何特征,因此,根据实时NDT几何描述子和先验NDT几何描述子,能够准确地判断出候选回环点云数据帧是否为当前点云数据帧的最终回环点云数据帧。
上述步骤S101至步骤S105是对一个点云数据帧进行回环检测的说明,针对每个点云数据帧都可以按照上述步骤S101至步骤S105所述的方法进行回环检测。在实际应用中,相邻的点云数据帧之间通常不会存在较大的位姿变化,为了减小回环检测的算力压力,无需对每个点云数据帧都进行回环检测。对此,在一些优选实施方式中,在执行步骤S102之前,可以获取上一次进行回环检测的历史点云数据帧,然后判断当前点云数据帧与历史点云数据帧之间的距离,是否大于预设的距离阈值;若大于,则继续执行步骤S102,对当前点云数据帧进行回环检测;否则,不在执行步骤S102,不对当前点云数据帧进行回环检测。本领域技术人员可以根据实际需求灵活设置预设的距离阈值的具体数值,例如,预设的距离阈值可以是10米,本发明实施例对此不进行具体限定。
下面对上述步骤S102和步骤S104作进一步说明。
为了进一步提高实时或局部NDT几何描述子的几何描述能力,在一些实施方式中可以获取不同高度层上点云数据的几何特征(即不同地图层的几何特征),然后根据不同高度层上点云数据的几何特征,获取实时或局部NDT几何描述子。
由于实时或先验NDT几何描述子的获取方法是类似的,为了描述简洁,下面以目标局部地图和目标描述子为例进行说明。其中,当目标局部地图是实时局部点云地图时目标描述子是实时NDT几何描述子,当目标局部地图是先验局部NDT地图时目标描述子是先验NDT几何描述子。
参阅附图2,在本发明实施例中可以根据目标局部地图并通过下列步骤S201至步骤S203,获取目标描述子。
步骤S201:将目标局部地图对应的地图空间划分成多个地图层。
本领域技术人员可以根据实际需求灵活地设置地图层数量的具体数值,本发明实施例对此不进行具体限定。
步骤S202:分别获取每个地图层的NDT几何特征。具体地,可以将地图层的点云正态分布参数作为NDT几何特征。
步骤S203:根据每个地图层的NDT几何特征,获取目标描述子,即目标描述子同时包含每个地图层的NDT几何特征。
进一步,在一些实施方式中,为了提高目标描述子的几何描述能力,可以采用ScanContext描述子算法并根据NDT几何特征,获取目标描述子,具体而言,在步骤S202中,可以采用Scan Context描述子算法,将目标局部地图对应的地图空间划分成多个空间网格bin,然后针对每个空间网格bin,分别获取当前空间网格bin内每个地图层的NDT几何特征。在步骤S203中,可以采用Scan Context描述子算法,根据每个空间网格bin内每个地图层的NDT几何特征,获取目标描述子。例如,参阅附图3,图3示例性示出了采用Scan Context描述子算法得到的目标描述子。在此实施例中,目标局部地图对应的地图空间被划分成了8个地图层,因此在该目标描述子的每个空间网格bin中都会形成8个地图层,每个地图层都对应有一个NDT几何特征,其中,Z表示点云高度的坐标轴。
需要说明的是,Scan Context描述子算法是自动驾驶技术领域常规的描述子算法,本发明实施例不对Scan Context描述子算法的具体实施方法进行赘述。例如,在划分空间网格bin时可以按照预设的方位角和半径将目标局部地图对应的地图空间划分成多个空间网格bin,从方位角上看地图空间被划分成多个扇面(Sector),从半径反向看,地图空间被划分成多个环(Rings),每个扇面和环相交的部分为一个空间网格bin。将每个空间网格bin中最大的点云高度分别作为每个空间网格bin的标识,如果某个空间网格bin中不包含点云,那么这个bin的标识为0。当采用Scan Context描述子算法获取目标描述子时,每个空间网格bin中还可以存储各自对应的每个地图层的NDT几何特征。
基于上述步骤S201至步骤S203所述的方法,可以进一步提高目标描述子的几何描述能力,从而进一步提高回环检测的准确性。
下面对上述步骤S202和步骤S203作进一步说明。
一、对步骤S202进行说明。
根据前述步骤S102的描述可知,点云正态分布参数可以包括点云坐标的均值和协方差矩阵等,相比于均值而言,协方差矩阵更能够体现点云数据的分布形状,即能够更加具象地体现出点云数据的几何特征。因此,为了进一步提高目标描述子的几何描述能力,在上述步骤S202的一些实施方式中,可以通过附图4所示的下列步骤S2021至步骤S2023,分别获取每个地图层的NDT几何特征。
步骤S2021:获取基于NDT算法得到的地图层的点云正态分布参数。步骤S2022:获取点云正态分布参数中的协方差矩阵。步骤S2023:根据协方差矩阵,获取地图层的NDT几何特征。
基于上述步骤S2021至步骤S2023所述的方法,能够进一步提高目标描述子的几何描述能力,从而更加提高回环检测的准确性。
下面对上述步骤S2023作进一步说明。
为了进一步提高利用协方差矩阵体现点云数据的几何特征的能力,同时减小根据协方差矩阵获取目标描述子的算力,在得到协方差矩阵之后可以对协方差矩阵进行特征值分解得到特征值,然后根据特征值获取地图层的NDT几何特征。需要说明的是,在本发明实施例中可以采用数学技术领域中常规的矩阵特征值分解方法对协方差矩阵进行特征值分解得到协方差矩阵的特征值,本发明实施例不对上述方法进行赘述。
地图层的特征值通常是由分属于地图坐标系的X轴、Y轴和Z轴维度的特征值分量组成,通过对这三个维度的特征值分量进行大小比较,可以得到地图层的地图形状。对此,在一些实施方式中,为了进一步提高目标描述子的几何描述能力,可以获取地图层的地图形状,然后根据地图形状获取NDT几何特征。具体而言,在本实施方式中可以通过下列步骤11至步骤13,获取NDT几何特征。
步骤11:对地图层的X轴、Y轴和Z轴维度的特征值分量进行比较。步骤12:根据比较的结果确定地图层的地图形状。具体地,若X轴、Y轴维度的特征值分量比较大,而Z轴维度的特征值分量比较小,那么地图形状可以是平面(如图5所示)。若X轴维度的特征值分量比较大,而Y、Z轴维度的特征值分量比较小,那么地图形状可以是直线(如图6所示)。步骤13:根据地图形状,获取地图层的NDT几何特征。
下面对上述步骤11至步骤13作进一步说明。
1、对步骤11和步骤12进行说明。
在上述步骤11中,为了便于对特征值分量进行比较,可以根据Z轴维度与Y轴维度的特征值分量的比值获取直线形状值,根据Y轴维度与X轴维度的特征值分量的比值获取平面形状值,然后对直线形状值与平面形状值进行比较。对此,在步骤12中,若判断出直线形状值大于等于平面形状值,则地图形状可以是直线;若判断出直线形状值小于平面形状值,则地图形状可以是平面。
在实际应用中,形状分类除了可以包括平面和直线以外,还可以包括介于平面和直线之间的椭球。对此,为了提高地图形状的准确性,在一些实施方式中还可以通过下列方式判断地图形状是平面、直线还是椭球。
具体而言,在上述步骤11中对直线形状值与平面形状值进行比较时可以根据直线形状值与平面形状值的比值获取地图形状值,然后对这个地图形状值与预设的形状阈值进行比较,其中,预设的形状阈值包括阈值上限值和阈值下限值。进一步,在上述步骤12中,若判断出地图形状值小于阈值下限值,表明平面形状值比较大,因此地图形状是平面;若判断出地图形状值大于阈值上限值,表明直线形状值比较大,因此地图形状是直线;若判断出地图形状值大于等于阈值下限值且小于等于阈值上限值,表明地图形状介于平面和直线之间,是椭球。
地图形状值可以如下列公式(1)所示:
公式(1)中各参数含义分别如下:
需要说明的是,本领域技术人员可以根据实际需求灵活设置阈值上限值和阈值下限值的具体数值,只要能够根据阈值上限值和阈值下限值区分出地图形状是平面、直线还是椭球即可。
2、对步骤13进行说明。
在一些实施方式中,在得到地图形状之后,可以对地图形状进行编码得到形状编码,然后将形状编码作为地图层的NDT几何特征。基于这种方式,在通过计算机等设备执行本发明提供的回环检测方法时会有利于计算机等设备对目标描述子执行相似度计算等操作。
二、对步骤S203进行说明。
根据上述步骤13可知,在一些实施方式中可以对地图形状进行编码得到形状编码,并将形状编码作为地图层的NDT几何特征。对此,根据每个地图层的NDT几何特征,获取目标描述子时,可以根据每个地图层的NDT几何特征,构建形状向量,然后根据形状向量,获取目标描述子,即以向量的形式描述NDT几何特征,这样会更加有利于计算机等设备对目标描述子执行相似度计算等操作。在一些优选实施方式中,可以根据地图层的形状编码构建下列公式(2)所示的形状向量。
公式(2)中各参数含义分别如下:
表示形状向量,表示对第个地图层的形状编码,表示地图层的总数。
根据前述步骤S201至步骤S203的描述可知,可以采用Scan Context描述子算法获取目标描
述子,此时每个空间网格bin中还可以存储各自对应的形状向量。
至此,是对步骤S202和步骤S203的说明。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
进一步,本发明还提供了一种计算机设备。
参阅附图7,图7是根据本发明的一个计算机设备实施例的主要结构示意图。如图7所示,本发明实施例中的计算机设备主要包括存储装置和处理器,存储装置可以被配置成存储执行上述方法实施例的回环检方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的回环检方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。
在本发明实施例中计算机设备可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中,计算机设备可以包括多个存储装置和多个处理器。而执行上述方法实施例的回环检方法的程序可以被分割成多段子程序,每段子程序分别可以由处理器加载并运行以执行上述方法实施例的回环检方法的不同步骤。具体地,每段子程序可以分别存储在不同的存储装置中,每个处理器可以被配置成用于执行一个或多个存储装置中的程序,以共同实现上述方法实施例的回环检方法,即每个处理器分别执行上述方法实施例的回环检方法的不同步骤,来共同实现上述方法实施例的回环检方法。
上述多个处理器可以是部署于同一个设备上的处理器,例如上述计算机设备可以是由多个处理器组成的高性能设备,上述多个处理器可以是该高性能设备上配置的处理器。此外,上述多个处理器也可以是部署于不同设备上的处理器。
进一步,本发明还提供了一种计算机可读存储介质。
在根据本发明的一个计算机可读存储介质的实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的回环检方法的程序,该程序可以由处理器加载并运行以实现上述回环检方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
进一步,本发明还提供了一种车辆。在根据本发明的一个车辆的实施例中,车辆可以包括上述计算机设备实施例所述的计算机设备。在本实施例中车辆可以是自动驾驶车辆、无人车等车辆。此外,按照动力源类型划分,本实施例中车辆可以是燃油车、电动车、电能与燃油混合的混动车或使用其他新能源的车辆等。
至此,已经结合附图所示的一个实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (14)
1.一种回环检测方法,其特征在于,所述方法包括:
根据当前点云数据帧,建立实时局部点云地图;
根据所述实时局部点云地图,获取实时NDT几何描述子;
根据当前点云数据帧的位姿,从历史点云数据帧中获取当前点云数据帧的候选回环点云数据帧,从根据历史点云数据帧建立的NDT地图上获取与候选回环点云数据帧匹配的先验局部NDT地图;
根据所述先验局部NDT地图,获取先验NDT几何描述子;
根据所述实时NDT几何描述子与所述先验NDT几何描述子,判断所述候选回环点云数据帧是否为最终回环点云数据帧;
所述方法还包括根据目标局部地图并通过下列方式获取目标描述子:采用ScanContext描述子算法,将所述目标局部地图对应的地图空间划分成多个空间网格;针对每个所述空间网格,分别获取所述空间网格的NDT几何特征;采用Scan Context描述子算法,根据每个所述空间网格的NDT几何特征,获取所述目标描述子;其中,当所述目标局部地图是所述实时局部点云地图时所述目标描述子是所述实时NDT几何描述子,当所述目标局部地图是所述先验局部NDT地图时所述目标描述子是所述先验NDT几何描述子。
2.根据权利要求1所述的回环检测方法,其特征在于,所述方法还包括根据目标局部地图并通过下列方式获取目标描述子:
将所述目标局部地图对应的地图空间划分成多个地图层;
针对每个所述空间网格,分别获取所述空间网格内每个所述地图层的NDT几何特征;
采用Scan Context描述子算法,根据每个所述空间网格内每个所述地图层的NDT几何特征,获取所述目标描述子。
3.根据权利要求2所述的回环检测方法,其特征在于,“分别获取所述空间网格内每个所述地图层的NDT几何特征”的步骤还包括:
获取基于NDT算法得到的所述地图层的点云正态分布参数;
获取所述点云正态分布参数中的协方差矩阵;
根据所述协方差矩阵,获取所述地图层的NDT几何特征。
4.根据权利要求3所述的回环检测方法,其特征在于,“根据所述协方差矩阵,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图层的协方差矩阵进行特征值分解,得到特征值;
根据所述特征值,获取所述地图层的NDT几何特征。
5.根据权利要求4所述的回环检测方法,其特征在于,所述地图层的特征值由分属于地图坐标系的X轴、Y轴和Z轴维度的特征值分量组成,“根据所述特征值,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图层的X轴、Y轴和Z轴维度的特征值分量进行比较;
根据比较的结果,确定所述地图层的地图形状;
根据所述地图形状,获取所述地图层的NDT几何特征。
6.根据权利要求5所述的回环检测方法,其特征在于,“对所述地图层的X轴、Y轴和Z轴维度的特征值分量进行比较”的步骤具体包括:
根据Z轴维度与Y轴维度的特征值分量的比值,获取直线形状值;
根据Y轴维度与X轴维度的特征值分量的比值,获取平面形状值;
对所述直线形状值与所述平面形状值进行比较。
7.根据权利要求6所述的回环检测方法,其特征在于,“对所述直线形状值与所述平面形状值进行比较”的步骤具体包括:
根据所述直线形状值与所述平面形状值的比值,获取地图形状值;
对所述地图形状值与预设的形状阈值进行比较,其中,所述预设的形状阈值包括阈值上限值和阈值下限值;
“根据比较的结果,确定所述地图层的地图形状”的步骤具体包括:
若所述地图形状值小于所述阈值下限值,则所述地图形状是平面;
若所述地图形状值大于所述阈值上限值,则所述地图形状是直线;
若所述地图形状值大于等于所述阈值下限值且小于等于所述阈值上限值,则所述地图形状是椭球。
8.根据权利要求5所述的回环检测方法,其特征在于,“根据所述地图形状,获取所述地图层的NDT几何特征”的步骤具体包括:
对所述地图形状进行编码,得到形状编码;
将所述形状编码作为所述地图层的NDT几何特征。
9.根据权利要求8所述的回环检测方法,其特征在于,“根据每个所述地图层的NDT几何特征,获取所述目标描述子”的步骤还包括:
根据每个所述地图层的NDT几何特征,构建形状向量;
根据所述形状向量,获取所述目标描述子。
10.根据权利要求1所述的回环检测方法,其特征在于,“根据所述实时NDT几何描述子与所述先验NDT几何描述子,判断所述候选回环点云数据帧是否为最终回环点云数据帧”的步骤具体包括:
判断所述实时NDT几何描述子与所述先验NDT几何描述子是否相似;
若相似,则所述候选回环点云数据帧是最终回环点云数据帧;
若不相似,则所述候选回环点云数据帧不是最终回环点云数据帧。
11.根据权利要求1所述的回环检测方法,其特征在于,在“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤之前,所述方法还包括:
获取上一次进行回环检测的历史点云数据帧;
判断所述当前点云数据帧与所述历史点云数据帧之间的距离,是否大于预设的距离阈值;
若是,则对所述当前点云数据帧进行回环检测,并继续执行“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤;
若否,则不对所述当前点云数据帧进行回环检测,并不再执行“根据所述实时局部点云地图,获取实时NDT几何描述子”的步骤。
12.一种计算机设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至11中任一项所述的回环检测方法。
13.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至11中任一项所述的回环检测方法。
14.一种车辆,其特征在于,所述车辆包括权利要求12所述的计算机设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587274.6A CN115601433B (zh) | 2022-12-12 | 2022-12-12 | 回环检测方法、计算机设备、计算机可读存储介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587274.6A CN115601433B (zh) | 2022-12-12 | 2022-12-12 | 回环检测方法、计算机设备、计算机可读存储介质及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115601433A CN115601433A (zh) | 2023-01-13 |
CN115601433B true CN115601433B (zh) | 2023-03-21 |
Family
ID=84853632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211587274.6A Active CN115601433B (zh) | 2022-12-12 | 2022-12-12 | 回环检测方法、计算机设备、计算机可读存储介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601433B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112362072B (zh) * | 2020-11-17 | 2023-11-14 | 西安恒图智源信息科技有限责任公司 | 一种复杂城区环境中的高精度点云地图创建***及方法 |
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 |
CN113744236B (zh) * | 2021-08-30 | 2024-05-24 | 阿里巴巴达摩院(杭州)科技有限公司 | 回环检测方法、装置、存储介质及计算机程序产品 |
CN114283250A (zh) * | 2021-12-23 | 2022-04-05 | 武汉理工大学 | 高精度的三维点云地图自动拼接与优化方法及*** |
CN115311349A (zh) * | 2022-08-05 | 2022-11-08 | 西南交通大学 | 一种车辆自动驾驶辅助定位融合方法及其域控制*** |
-
2022
- 2022-12-12 CN CN202211587274.6A patent/CN115601433B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115601433A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN113569958B (zh) | 激光点云数据聚类方法、装置、设备及介质 | |
CN115601434B (zh) | 回环检测方法、计算机设备、计算机可读存储介质及车辆 | |
CN114966651A (zh) | 可行驶区域检测方法、计算机设备、存储介质及车辆 | |
CN112381026A (zh) | 航道岸线检测方法、***、装置和存储介质 | |
CN111553946A (zh) | 用于去除地面点云的方法及装置、障碍物检测方法及装置 | |
CN111707279A (zh) | 一种激光点云与地图的匹配评价方法、介质、终端和装置 | |
CN115239772A (zh) | 船舶曲板三维点云配准方法、***、存储介质及终端 | |
CN115601433B (zh) | 回环检测方法、计算机设备、计算机可读存储介质及车辆 | |
CN113436223B (zh) | 点云数据的分割方法、装置、计算机设备和存储介质 | |
US20230368407A1 (en) | Drivable area detection method, computer device, storage medium, and vehicle | |
CN109815763A (zh) | 二维码的检测方法、装置和存储介质 | |
CN117291840A (zh) | 巡逻机器人的点云噪声过滤方法、装置、介质及设备 | |
CN115082891A (zh) | 目标检测方法、计算机设备、计算机可读存储介质及车辆 | |
CN115877399A (zh) | 车辆定位方法、计算机设备、服务器、存储介质及车辆 | |
CN116958241A (zh) | 定位的准确性确定方法、装置、电子设备和存储介质 | |
CN116300876A (zh) | 一种多智能体未知环境自主协同探索方法、***、装置及存储介质 | |
CN115797453A (zh) | 一种红外微弱目标的定位方法、定位装置及可读存储介质 | |
CN116052109A (zh) | 点云特征获取方法、目标检测方法、设备、介质及车辆 | |
CN115205846A (zh) | 三维目标检测方法、计算机设备、存储介质及车辆 | |
CN115205820A (zh) | 物体关联方法、计算机设备、计算机可读存储介质及车辆 | |
CN111696120B (zh) | 一种点云数据分割方法、装置、电子设备及存储介质 | |
CN114719844A (zh) | 基于空间投影的全天球星图识别方法、装置及介质 | |
Wang et al. | SIRN: An iterative reasoning network for transmission lines based on scene prior knowledge | |
CN115346019B (zh) | 一种点云圆孔几何参数测量方法、装置及*** |
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 |