CN117075171B - 激光雷达的位姿信息确定方法、装置、设备及存储介质 - Google Patents
激光雷达的位姿信息确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117075171B CN117075171B CN202311348928.4A CN202311348928A CN117075171B CN 117075171 B CN117075171 B CN 117075171B CN 202311348928 A CN202311348928 A CN 202311348928A CN 117075171 B CN117075171 B CN 117075171B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- resolution
- map
- initial
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000012937 correction Methods 0.000 claims abstract description 58
- 238000005457 optimization Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 29
- 238000009434 installation Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000010845 search algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/53—Determining attitude
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G01S7/497—Means for monitoring or calibrating
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种激光雷达的位姿信息确定方法、装置、设备及存储介质,属于涉及计算机技术领域。所述方法包括:获取待处理的初始位姿信息、激光雷达扫描的第一点云和指定区域的点云地图,初始位姿信息包括初始位置信息和初始航向角,基于多个预设分辨率和点云地图,构建多分辨率点云栅格地图;基于预设的搜索范围、多分辨率点云栅格地图、初始位置信息、和第一点云,利用位置优化算法,获得目标位置偏移量;基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和初始航向角,获得激光雷达的目标位姿信息。
Description
技术领域
本申请涉及计算机技术领域,具体涉及定位技术和自动驾驶等技术领域,特别涉及一种激光雷达的位姿信息确定方法、装置、设备及存储介质。
背景技术
在自动驾驶或移动机器人领域,定位是保证***正常运行的不可或缺的条件之一。其中,基于激光雷达的定位的应用较为广泛,而激光雷达定位的成功初始化是定位***正常工作的前提。
激光雷达传感器的初始位姿通常是从全球导航卫星***(Global NavigationSatellite System,GNSS)获得。但在复杂的城市环境中,GNSS信号可能因为容易受到高楼、墙体等大型障碍物的阻碍和多路径效应误差,会存在给出的初始位姿误差较大的问题,所以需要对GNSS信号给出的初始位姿进行调整,以保证激光雷达定位初始化的可靠性。
目前,相关技术的激光雷达定位初始化方案,多是采用暴力搜索的方法,在一定的三维空间范围内,直接查找出可能较为精确的初始位姿信息。
发明内容
本申请提供了一种激光雷达的位姿信息确定方法、装置、设备及存储介质,可以解决激光雷达初始定位的可靠性不佳的问题,所述技术方案如下:
第一方面,提供了一种激光雷达的位姿信息确定方法,所述方法包括:
获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角;
获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图;
基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层;
基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量;
基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
在一种可能的实现方式中,所述基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量,包括:
基于所述初始位置信息,将所述第一点云转换至所述多分辨率点云栅格地图的坐标系中,以获得第二点云;
获取每个所述点云栅格地图层对应的地图分辨率;
基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量;
按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
在一种可能的实现方式中,所述按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量,包括:
按照地图分辨率从低到高的顺序,基于每个所述点云栅格地图层中的多个候选位置偏移量,对每个所述点云栅格地图层中的第二点云进行偏移处理,以获得每个所述点云栅格地图层中的第三点云;
基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
在一种可能的实现方式中,所述基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量,包括:
获取所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数;
基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量。
在一种可能的实现方式中,所述基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量,包括:
基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层计算得到每个所述候选位置偏移量的评分;
响应于候选位置偏移量的评分满足预设的评分条件,将所述候选位置偏移量作为目标位置偏移量。
在一种可能的实现方式中,所述基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量,包括:
基于所述预设的搜索范围和每个所述地图分辨率,计算得到每个所述点云栅格地图层的搜索边界阈值;
基于每个所述地图分辨率,确定每个所述点云栅格地图层的位置搜索步长;
基于每个所述点云栅格地图层的搜索边界阈值和每个所述点云栅格地图层的位置搜索步长,获得每个所述点云栅格地图层中的多个候选位置偏移量。
在一种可能的实现方式中,所述方法,还包括:
在所述初始航向角未满足预设的精度条件的情况下,基于多个预设的角度分辨率,分别将所述修正处理后的位置信息对应的初始航向角进行角度转换处理,以获得每个预设的角度分辨率对应的候选航向角偏移量;
基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量;
基于所述目标航向角偏移量,对所述初始航向角进行修正处理,获得修正处理后的航向角;
根据所述修正处理后的位置信息和所述修正处理后的航向角,获得所述激光雷达的目标位姿信息。
在一种可能的实现方式中,所述基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量,包括:
基于所述预设的角度搜索范围和每个所述角度分辨率,确定每个所述角度分辨率对应的候选航向角的个数;
基于每个所述角度分辨率和每个所述角度分辨率对应的候选航向角的个数,获得每个所述角度分辨率对应的多个候选航向角偏移量;
按照所述角度分辨率从低到高的顺序,分别对每个所述角度分辨率对应的多个候选航向角偏移量进行寻优搜索处理,以获得目标航向角偏移量。
在一种可能的实现方式中,所述方法还包括:
分别对所述初始位置信息进行数据增强处理,以获得至少一个位置信息;
基于所述指定区域的点云地图和所述至少一个位置信息,获得所述点云地图中的地面点云的高程信息;
基于所述激光雷达的安装高度和所述地面点云的高程信息,获得所述激光雷达的高程信息;
基于所述激光雷达的高程信息、所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
第二方面,提供了一种激光雷达的位姿信息确定装置,所述装置包括:
第一获取单元,用于获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角;
第二获取单元,用于获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图;
地图构建单元,用于基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层;
位置优化单元,用于基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量;
修正处理单元,用于基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
第四方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如上如上所述的方面和任一可能的实现方式的方法。
第五方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。
第六方面,提供了一种无人车车辆,包括如上所述的电子设备。
本申请提供的技术方案的有益效果至少包括:
由上述技术方案可知,本申请实施例可以通过获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角,并获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图,进而可以基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图,该多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层,基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量,使得能够基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息,由于通过基于根据多分辨率点云栅格地图和位置优化算法所获得的位置偏移量,对卫星信号所提供的激光雷达的初始位姿信息进行优化处理,来获得更加准确的激光雷达的目标位姿信息,提升了激光雷达的初始定位的位姿信息的准确性和可靠性,从而优化了对激光雷达的初始定位。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请一个实施例提供的激光雷达的位姿信息确定方法的流程示意图;
图2是本申请另一个实施例提供的激光雷达的位姿信息确定方法的流程示意图;
图3A至图3D是本申请一个实施例提供的激光雷达的位姿信息确定方法中的不同地图分辨率的点云地图的示意图;
图4是本申请一实施例提供的激光雷达的位姿信息确定方法中指定区域的点云地图的占据栅格的示意图;
图5是本申请另一个实施例提供的激光雷达的位姿信息确定方法中的分支定界和深度优先搜索过程示意图;
图6是本申请一实施例提供的方法对位姿信息进行优化处理前后的对应的点云对比的示意图;
图7是本申请再一实施例提供的激光雷达的位姿信息确定装置的结构框图;
图8是用来实现本申请实施例的激光雷达的位姿信息确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
显然,所描述的实施例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作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(TabletComputer)等智能设备;显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
请参考图1,其示出了本申请一个实施例提供的激光雷达的位姿信息确定方法的流程示意图。该激光雷达的位姿信息确定方法,具体可以包括:
步骤101、获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角。
步骤102、获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图。
步骤103、基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层。
步骤104、基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量。
步骤105、基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
需要说明的是,激光雷达可以是装载于无人车、移动机器人的设备上。示例性的,激光雷达可以是安装在无人车车顶的32线3D机械激光雷达等。
需要说明的是,该待处理的初始位姿信息可以是从卫星信号***所获取到的激光雷达的位姿信息。位姿信息是基于卫星信号所获得的。待处理激光雷达的初始位姿信息可以包括初始位置信息和初始姿态信息。初始位置信息可以为(x, y, z)坐标信息,其中,初始位置信息可以包括初始二维位置信息(x, y)和初始高程信息(z)。初始二维位置信息可以是待修正的二维位置信息,初始高程信息可以是待修正的高程信息。初始姿态信息可以包括航向角(yaw),俯仰角(pitch),滚转角(roll)。示例性的,位姿信息可以表示为(x, y,z, yaw, pitch, roll)。由于激光雷达的初始定位时,激光雷达一般处于静止并且保持水平状态,姿态信息中的俯仰角(pitch)和滚转角(roll)是零,即姿态信息为(yaw, 0, 0)。所以,这里,可以主要是对姿态信息中航向角的进行优化处理,即该航向角为初始航向角。
这里,对初始位置信息的修正处理可以是对初始位置信息中的初始二维位置信息的修正处理。
需要说的是,还可以从卫星信号***获取到激光雷达的姿态状态标志信息,该姿态状态标志信息可以用于表征卫星信号***所发送的姿态信息的有效性。若该姿态状态标志信息小于预设的姿态状态阈值,则可以启动对卫星信号***所发送的激光雷达的姿态信息进行优化处理,即对姿态信息中航向角的进行优化处理。
需要说明的是,指定区域的点云地图可以是预先构建的激光雷达所在区域的点云地图。指定区域可以是激光雷达所在区域,即装载该激光雷达的车辆的周边区域。当前的扫描点云可以是激光雷达扫描其周围环境得到的当前帧的点云。
需要说明的是,预设的搜索范围可以是根据业务需求所选取的基于点云栅格地图的区域范围。这里,多个不同的分辨率的点云栅格地图层可以对应不同的预设的搜索范围。示例性的,预设的搜索范围可以是8米*8米的区域范围。
需要说明的是,步骤101~105的执行主体的部分或全部可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的处理引擎,或者还可以为位于网络侧的分布式***,例如,网络侧的无人车驾驶平台中的处理引擎或者分布式***等,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在本地终端上的本地程序(nativeApp),或者还可以是本地终端上的浏览器的一个网页程序(webApp),本实施例对此不进行限定。
这样,可以通过获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角,并获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图,进而可以基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图,该多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层,基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量,使得能够基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息,由于通过基于根据多分辨率点云栅格地图和位置优化算法所获得的位置偏移量,对卫星信号所提供的激光雷达的初始位姿信息进行优化处理,来获得更加准确的激光雷达的目标位姿信息,提升了激光雷达的初始定位的位姿信息的准确性和可靠性,从而优化了对激光雷达的初始定位。
可选地,在本实施例的一个可能的实现方式中,在步骤104中,具体可以基于所述初始位置信息,将第一点云转换至所述多分辨率点云栅格地图的坐标系中,以获得第二点云,进而可以获取每个所述点云栅格地图层对应的地图分辨率,基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量,使得能够按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
在本实现方式中,多分辨率点云栅格地图可以是二维的多分辨率点云占据栅格地图。
在本实现方式中,按照点云栅格地图层的地图分辨率从低到高的顺序,基于多个点云栅格地图层构建树形结构。其中,该树形结构中的每层节点表征一种分辨率下的位置偏移量搜索空间,分辨率从根节点向下递增,每个节点表征一种候选位置偏移量。
在该实现方式的另一个具体实现过程中,首先,可以按照地图分辨率从低到高的顺序,基于每个所述点云栅格地图层中的多个候选位置偏移量,对每个所述点云栅格地图层中的第二点云进行偏移处理,以获得每个所述点云栅格地图层中的第三点云。其次,可以基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
这里,地图分辨率,也称为地面分辨率(Ground Resolution)或者空间分辨率(Spatial Resolution),可以表示屏幕上一个像素所代表的实际地面距离(米)。预设地图分辨率可以包括8米、4米、2米、和1米。
可以理解的是,多分辨率点云栅格地图可以是由多个不同分辨率的点云栅格地图层所构建的。示例性的,多分辨率点云栅格地图可以是具有4层地图图层的多分辨率点云栅格地图。该多分辨率点云栅格地图包括8米分辨率的点云栅格地图图层、4米分辨率的点云栅格地图图层、2米分辨率的点云栅格地图图层、和1米分辨率的点云栅格地图图层。
该具体实现过程的一种情况是,首先,获取所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数。其次,基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量。
在本实现方式中,位置优化算法可以包括基于分支定界算法和深度优选搜索算法的优化算法。
具体地,可以基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层计算得到每个所述候选位置偏移量的评分,响应于候选位置偏移量的评分满足预设的评分条件,将所述候选位置偏移量作为目标位置偏移量。
在本实现方式中,预设的评分条件可以包括候选位置偏移量的评分为所有候选位置偏移量的评分中的最大值。
在该实现方式的另一个具体实现过程中,首先,基于所述预设的搜索范围和每个所述地图分辨率,计算得到每个所述点云栅格地图层的搜索边界阈值,进而可以基于每个所述地图分辨率,确定每个所述点云栅格地图层的位置搜索步长,基于每个所述点云栅格地图层的搜索边界阈值和每个所述点云栅格地图层的位置搜索步长,获得每个所述点云栅格地图层中的多个候选位置偏移量。
这样,通过预设的搜索范围来获得每个点云栅格地图层中的多个候选位置偏移量,由于搜索范围可调节,可在更大范围内搜索多个候选位置偏移量,以便于后续可以获得更准确地目标位姿信息,进一步地提升了激光雷达的目标位姿信息准确性,提升了激光雷达的初始定位的位姿信息的准确性和可靠性,从而优化了对激光雷达的初始定位。
可选地,在本实施例的一个可能的实现方式中,在步骤105之前,进一步地可以在所述初始航向角未满足预设的精度条件的情况下,基于多个预设的角度分辨率,分别将所述修正处理后的位置信息对应的初始航向角进行角度转换处理,以获得每个预设的角度分辨率对应的候选航向角偏移量,进而可以基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量,基于所述目标航向角偏移量,对所述初始航向角进行修正处理,获得修正处理后的航向角,使得能够根据所述修正处理后的位置信息和所述修正处理后的航向角,获得所述激光雷达的目标位姿信息。
这里,在获得目标位置偏移量之后,还可以进一步地判断初始航向角是否满足预设的精度条件,可以在所述初始航向角满足预设的精度条件的情况下,基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。在初始航向角未满足预设的精度条件的情况下,可以在对初始位置信息进行修正的基础上,进一步地对初始航向角进行修正处理。
可以理解的是,这里,预设的精度条件可以是姿态状态标志位值达到预设的姿态状态阈值。具体地,可以通过卫星原始数据中的姿态状态标志位值,判断航向角是否满足预设的精度条件。例如,姿态状态标志可以为50、49、48、34、32、17和16等。在安装了双天线卫星接收机的情况下,姿态状态标志位值为50时,这可以确定卫星航向信号良好,即所述初始航向角满足预设的精度条件。
这里,可以通过执行本实施例的实现方式中的获得修正处理后的位置信息的步骤,对初始位置信息进行修正,得到修正处理后的位置信息。具体可以实现方法参照本实施例中的相关描述,在此可以不再赘述。
可以理解的是,对初始位置信息进行修正处理,和对初始航向角进行修正处理的执行先后顺序可以不做具体限定。
在本实现方式中,角度优化算法可以包括基于分支定界算法和深度优选搜索算法的优化算法。
在该实现方式的一个具体实现过程中,首先,基于所述预设的角度搜索范围和每个所述角度分辨率,确定每个所述角度分辨率对应的候选航向角的个数。其次,基于每个所述角度分辨率和每个所述角度分辨率对应的候选航向角的个数,获得每个所述角度分辨率对应的多个候选航向角偏移量。再次,按照所述角度分辨率从低到高的顺序,分别对每个所述角度分辨率对应的多个候选航向角偏移量进行寻优搜索处理,以获得目标航向角偏移量。
该具体实现过程的一种情况是,可以利用分支定界算法,按照所述角度分辨率从低到高的顺序,分别对每个所述角度分辨率对应的多个候选航向角偏移量进行深度优选搜索处理,以获得目标航向角偏移量。
具体地,基于每个角度分辨率可以构建树形结构。该树形结构中的每层节点表征一种分辨率下的航向角偏移量搜索空间,低角度分辨率对应的节点可以为根节点,分辨率从根节点向下递增,每个节点表征一种航向角偏移量。
这样,可以通过利用角度优化算法,基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角,对候选航向角偏移量进行寻优处理,可以快速地获得更加准确地目标航向角偏移量,进一步地获得更加准确的激光雷达的目标位姿信息,提升了激光雷达的初始定位的位姿信息的准确性和可靠性,从而优化了对激光雷达的初始定位。
需要说明的是,本实现方式中所提供的具体实现过程,可以结合前述实现方式中所提供的多种具体实现过程,来实现本实施例的激光雷达的位姿信息确定方法。详细的描述可以参见前述实现方式中的相关内容,此处不再赘述。
可选地,在本实施例的一个可能的实现方式中,在步骤101之后,进一步地可以分别对所述初始位置信息进行数据增强处理,以获得至少一个位置信息,基于所述指定区域的点云地图和所述至少一个位置信息,获得所述点云地图中的地面点云的高程信息,基于所述激光雷达的安装高度和所述地面点云的高程信息,获得所述激光雷达的高程信息,基于所述激光雷达的高程信息、所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
在本实现方式中,初始位置信息为(,/>,/>),分别在xyz维度上对初始三维位置信息进行均匀采样处理,生成至少一个位置信息。
可以理解的是,这里也可以通过其他现有的数据增强的方式,对初始位置信息进行处理,得到位置信息集合。例如,可以基于初维位置信息,进行随机采样,得到位置信息集合,具体实现方式,在此不做具体限定。
在本实现方式中,指定区域的点云地图可以是预先构建的激光雷达所在区域的点云地图。指定区域可以是激光雷达所在区域。
在该实现方式的一个具体实现过程中,在基于指定区域的点云地图和所述至少一个位置信息,获得所述点云地图中的地面点云的高程信息的过程中,首先,具体可以确定每个所述位置信息对应的点云地图的网格。其次,获取每个所述网格的特征值。再次,响应于所述网格的特征值满足预设的第一判断条件,获得平面点云的网格。再次,获取所述平面点云对应的网格的特征向量。再次,响应于所述平面点云的网格的特征向量满足预设的第二判断条件,获得水平平面点云的网格。再次,响应于所述水平平面点云的网格满足预设的第三判断条件,获得地面点云的网格。最后,基于所述地面点云的网格,获得所述点云地图中的地面点云的高程信息。
在本具体实现过程中,点云地图可以是进行网格划分处理后的点云地图。
本具体实现过程的一种情况是,首先,可以预先对指定区域进行建图处理,得到点云地图。其次,可以按照预设的长宽高(L1× L2× L3)的尺寸在点云地图划分出多个网格。再次,可以利用预设的概率分布算法,计算得到每个网格的特征值、特征向量、以及三维坐标均值。
优选地,在一些实施例中,L1、L2和L3均为3米。
可以理解的是,可以基于该指定区域的点云地图,直接获取到每个网格的每个网格的特征值、特征向量、以及三维坐标均值。
在本具体实现过程中,预设的第一判断条件可以是用于判断网格是否为平面点云的网格的条件。预设的第一判断条件可以包括网格的特征值对应的平面点云的概率大于预设的概率阈值。这里,平面点云可以是指该网格中的点云表征平面。任意一个网格是平面点云的概率可以是指该网格中的点云表征平面点云的概率,即该网格表征平面的概率,该平面点云的概率可以通过对应的网格的特征值计算得到。
本具体实现过程的另一种情况是,可以基于每个位置信息对应的网格的特征值,计算得到该网格的平面点云的概率。
具体地,可以利用如下公式(1),基于每个位置信息对应的网格的特征值,计算得到该网格的平面点云的概率。
其中,为网格的平面点云的概率,/>均为网格的特征值。
示例性的,预设的概率阈值可以。若任意一个网格的/>大于/>,则可以该网格为平面点云的网格。这里,优选地,/>可以为0.8。
在本具体实现过程中,预设的第二判断条件可以是用于判断网格是否为水平平面点云的网格。预设的第二判断条件可以包括平面点云的网格的特征向量的分量关系值小于预设的阈值。
本具体实现过程的再一种情况是,可以获取平面点云的网格的特征值对应的特征向量,基于特征值对应的特征向量计算该特征向量的分量关系值,若分量关系值小于预设的阈值,则确定该平面点云的网格为水平平面点云的网格。
优选地,可以获取平面点云的网格的最小特征值对应的特征向量,基于最小特征值对应的特征向量计算该特征向量的分量关系值,若分量关系值小于预设的阈值,则确定该平面点云的网格为水平平面点云的网格。
示例性的,网格的特征值可以为,其中,/>可以按照从小到大排序。网格的特征值对应的特征向量可以为/>。若最小特征值/>对应的特征向量/>的分量为/>,预设的阈值为0.01,预设的第二判断条件可以表征为如下公式(2):
本具体实现过程的再一种情况是,获得水平平面点云的网格后,可以继续判断水平平面点云的网格是否满足预设的第三判断条件,响应于所述水平平面点云的网格满足预设的第三判断条件,获得地面点云的网格。
这里,预设的第三判断条件可以是用于判断网格是否为地面点云的网格。预设的第三判断条件可以包括水平平面点云的网格的数量达到预设的网格数量阈值,和/或,水平平面点云的网格中任一个高程信息类别的网格的数量是所有高程信息的类别网格的数量中的最大值。
具体地,一方面,若水平平面点云的网格的数量大于预设的网格数量阈值,则可以确定各个水平平面点云的网格为地面点云的网格。
示例性的,预设的网格数量阈值为2,若水平平面点云的网格的数量大于2,则可以确定各个水平平面点云的网格为地面点云的网格。
可以理解的是,若水平平面点云的网格没有达到一定数量,可能存在误判,即该水平平面点云的网格不是地面点云的网格。基于上述操作,可以进一步地确保了所获得的地面点云的网格的准确性。
另一方面,可以对水平平面点云的网格的高程信息,进行分类处理,得到多个高程信息类别。例如,高程信息的数值在0.2以下的为第一类,高程信息的数值在0.2-0.5的为第二类,高程信息的数值在0.5-0.7的为第三类。
具体地,可以获取每个高程信息类别对应的网格的数量,将其中网格的数量为最大值的高程信息类别对应的水平平面点云确定为地面点云的网格。
这样,可以通过对位置信息对应的点云地图的网格进行多次判断,确定出其中的地面点云的网格。由此可以进一步地保证了所获得的地面点云的网格的准确性和可靠性。
在本具体实现过程中,获得地面点云的网格时,可以得到地面点云的网格的数量,以及地面点云的网格的位置信息均值。位置信息均值可以包括,其中,/>可以表征地面点云的网格的高程信息。
本具体实现过程的再一种情况是,可以基于所述地面点云的网格的数量和地面点云的网格的高程信息,计算得到所述点云地图中的地面点云的高程信息。
具体地,可以利用如下公式(3),基于所述地面点云的网格的数量和地面点云网格的高程信息,计算得到所述点云地图中的地面点云的高程信息z。
其中,为各个地面点云的网格的高程信息,n为正整数,/>为地面点云的网格的数量。
在该实现方式的另一个具体实现过程中,计算所述激光雷达的安装高度和所述地面点云的高程信息的之和,得到所述点云地图坐标系下所述激光雷达的高程信息。
具体地,可以利用如下公式(4),基于所述激光雷达的安装高度和所述地面点云的高程信息,获得所述点云地图坐标系下所述激光雷达的高程信息。
其中,为点云地图坐标系下激光雷达的高程信息,/>为地面点云的高程信息,为激光雷达的安装高度。
需要说明的是,本实现方式中所提供的具体实现过程,可以结合前述实现方式中所提供的多种具体实现过程,来实现本实施例的激光雷达的位姿信息确定方法。详细的描述可以参见前述实现方式中的相关内容,此处不再赘述。
为了更好地理解本申请实施例的方法,下面结合附图和具体应用场景对本申请实施例的方法进行说明。
图2是本申请另一个实施例提供的激光雷达的位姿信息确定方法的流程示意图,如图2所示。该激光雷达的位姿信息确定方法,具体可以包括:
步骤201、获取待处理的初始位姿信息、激光雷达扫描的当前的第一点云和指定区域的点云地图,其中,初始位姿信息包括初始位置信息和初始航向角。
步骤202、分别对初始位置信息进行数据增强处理,以获得至少一个位置信息。
步骤203、基于指定区域的点云地图和至少一个位置信息,获得点云地图中的地面点云的高程信息。
优选地,指定区域的点云地图可以是300米*300米的区域范围的点云地图。
步骤204、基于激光雷达的安装高度和地面点云的高程信息,获得激光雷达的高程信息。
在本实施例中,首先,以卫星单点状态下给出的位置信息为中心。以固定步长,在(x,y,z)3个维度上均匀采样,得到一组位置信息,根据此位置到点云地图中查找对应的格子中的点云。在此组点云信息中进行特征判断,找出属于地面的点云。根据点云的z坐标获得地面高程信息。再结合激光传感器的安装高度得知传感器在全局坐标系中的高程信息。
可以理解的是,该固定步长小于点云地图中的栅格地图分辨率。
可以理解的是,若基于激光雷达的安装高度和地面点云的高程信息,没有获得激光雷达的高程信息,则可以利用初始三维位置信息中的初始高程信息(z)。
步骤205、基于多个预设分辨率和点云地图,构建多分辨率点云栅格地图。
在本实施例中,多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层。
可选地,该预设地图分辨率可以包括8米、4米、2米、和1米。如图3A至3D所示。图3A可以表示地图分辨率为8米的点云地图层、图3B可以表示地图分辨率为4米的点云地图层、图3C可以表示地图分辨率为2米的点云地图层、图3D可以表示地图分辨率为1米的点云地图层。
在本实施例中,首先,可以基于点云地图,构建二维点云占据栅格地图。其次,基于多个预设分辨率和二维点云占据栅格地图,获得多个二维点云占据栅格地图层、即点云栅格地图层。再次,按照地图分辨率从低到高的顺序,构建树形结构的多层二维点云占据栅格地图。
具体地,构建获得多层二维点云占据栅格地图层中,可以根据每个二维点云占据栅格地图层的分辨率和预设的搜索范围,利用如下公式(5)分别计算x、y方向上的栅格数。
其中,Nx为x方向上的栅格数,Ny为y方向上的栅格数,Xmax、Xmin为预设的搜索范围对应的x方向上搜索边界阈值,Ymax、Ymin为预设的搜索范围对应的y方向上搜索边界阈值,R1为预设地图分辨率,Ntotal为预设的搜索范围内的总栅格数。
具体地,针对每个点云栅格地图层,遍历该点云栅格地图层中所有的点云地图的点云点,根据该点云点的x、y坐标,可以计算得到每个栅格的占据数量。该栅格的占据数量可以为预设的栅格值。其中,该点云点的栅格索引Gindex可以利用如下公式(6)获得:
其中,Nx为x方向上的栅格数,(px, py)为点云点的坐标,R1为预设地图分辨率。栅格索引Gindex可以是每个栅格标记,可以用于表征点云点所在的栅格。
如图4所示,在点云地图的预设的搜索范围中,虚线框出的方格为一个栅格,该栅格中的点云地图的点云均属于该栅格。
步骤206、基于初始位置信息中的初始二维位置信息,将第一点云转换至多分辨率点云栅格地图的坐标系中,以获得第二点云。
在本实施例中,可以基于初始位置信息中的初始二维位置信息,将第一点云转换至多分辨率点云栅格地图的坐标系中,以获得第二点云。
具体地,将激光雷达坐标系下的当前帧点云,即第一点云,按照从卫星获得的初始位姿转换到点云地图的全局坐标系下,可以通过如下公式(7),获得转换后的第二点云。
其中,cloudr为旋转后的点云,Protation为旋转的初始位姿,cloudlidar为当前帧点云,即第一点云,Ptranslation为平移的初始位姿,cloudg为第二点云,即为点云地图中全局坐标系中的点云。
步骤207、获取每个点云栅格地图层对应的地图分辨率。
步骤208、基于预设的搜索范围和每个地图分辨率,获得每个点云栅格地图层中的多个候选位置偏移量。
在本实施例中,基于预设的搜索范围和每个地图分辨率,计算得到每个点云栅格地图层的搜索边界阈值,基于每个地图分辨率,确定每个点云栅格地图层的位置搜索步长,基于每个点云栅格地图层的搜索边界阈值和每个点云栅格地图层的位置搜索步长,获得每个点云栅格地图层中的多个候选位置偏移量。
可选地,可以将预设的搜索范围作为最大偏移范围,其次,可以将最大偏移范围除以分辨率可得到最大偏移格子数量Goffset_num,如下公式(8)所示,其中,每一组x和y的偏移量可以为候选位置偏移量。
其中,Sarea为最大偏移范围,R1为预设的分辨率。
示例性的,针对最低分辨率的点云栅格地图层,可以利用如下公式(9),计算得到最低分辨率的点云栅格地图层的全部候选位置偏移量的数量Ncandidates。
其中,stepsize为位置搜索步长,Nlayer为点云栅格地图层的层号,该层号是按照点云栅格地图层的地图分辨率从低到高进行编号确定的,Ncandidates_x为x方向上候选位置偏移量的数量,Ncandidates_y为y方向上候选位置偏移量的数量, Xbounds_max、Xbounds_min为x方向上预设的搜索范围的搜索边界阈值,Ybounds_max、Ybounds_min为y方向上预设的搜索范围的搜索边界阈值。
可选地,可以预先创建一个空的候选对象数组并预分配Ncandidates个元素的内存空间。获得多个候选位置偏移量的过程中,以K*stepsize为步长,K可以(0,1,…, Ncandidates_x),从Xbounds_min到Xbounds_max遍历得到每个x方向上候选位置偏移量;同时可以以K*stepsize为步长,K可以(0,1,…,Ncandidates_y),从Ybounds_min到Ybounds_max遍历得到每个y方向上候选位置偏移量,进而可以生成多组候选位置偏移量,将生成的每组候选位置偏移量添加到每个候选对象数组中。
这里,K可以为预设的步长系数,K还可以为Ncandidates。
步骤209、按照地图分辨率从低到高的顺序,基于每个点云栅格地图层中的多个候选位置偏移量,对每个点云栅格地图层中的第二点云进行偏移处理,以获得每个点云栅格地图层中的第三点云。
步骤210、获取第三点云对应的每个点云栅格地图层中点云栅格的预设的栅格值和第三点云的总个数。
步骤211、基于第三点云对应的每个点云栅格地图层中点云栅格的预设的栅格值和第三点云的总个数,逐层计算得到每个候选位置偏移量的评分。
步骤212、响应于候选位置偏移量的评分满足预设的评分条件,将候选位置偏移量作为目标位置偏移量。
步骤213、基于目标位置偏移量,对初始二维位置信息进行修正处理,以获得修正处理后的二维位置信息。
在本实施例中,可以利用分支定界算法和深度优选搜索算法的优化算法,对扫描点云和点云占据栅格地图进行匹配搜索,得到最优的目标位置偏移量。
示例性的,首先,针对最低分辨率的点云栅格地图层,基于最低分辨率的一个候选位置偏移量,对当前帧点云也进行偏移操作,可以基于分支定界算法和偏移后的新的点云,计算得到该候选位置偏移量对应的得分。
例如,若任意一个候选位置偏移量对应的x偏移量为2m(x_offset=2),y偏移量为1m(y_offset=1)。当前帧点云共100个点(cloud_size=100),其中一点i的坐标为(xi, yi)。则施加偏移后的坐标为xi new= xi+x_offset,yi_new= yi+y_offset。根据新的点云坐标可以获得其对应的点云栅格地图中的新的栅格的预设的栅格值,即分数score_i。将所有的score_i加起来再除以当前帧点云的总点数cloud_size,计算得到该候选位置偏移量对应的最终评分。
其次,在最低分辨率的点云栅格地图层所计算得到第一个候选位置偏移量对应的得分基础上,进行深度优先搜索,针对次低分辨率的点云栅格地图层,计算该层的候选位置偏移量对应的得分,按照点云栅格地图层的地图分辨率从低到高的顺序,直到查找到多分辨率栅格地图中的最底层位置,确定一个临时最优评分。以该临时最优值做为上界。继续遍历最低分辨率的点云栅格地图层中其他候选位置偏移量分支。若某一分支的某一节点的评分小于临时最优评分,则可以对该分支进行剪枝;若评分大于临时最优评分则继续可以往下寻优搜索,找到最底层节点后进行返回。同时,如果其他候选位置偏移量分支节点的评分大于临时最优评分,则将最高分进行更新。循环执行寻优搜索处理,可以找到最高评分值对应的最优的候选位置偏移量,如图5所示。
具体地,该场景中可以包括第一层,即最低分辨率地图层、第二层,即次低分辨率地图层、第三层,即次高分辨率地图层和第四层,即最高分辨率地图层。例如,第一层的地图分辨率是8米,第二层的地图分辨率是4米,第三层的地图分辨率是2米,第四层的地图分辨率是1米。最低分辨率地图层可以包括四个候选位置偏移量,即四个根节点,每个层的节点对应下一层的节点数量可以为四个,其中某一分支的某一节点的评分小于临时最优评分,则可以对该分支进行剪枝处理。
可以理解的是,对于每层点云栅格地图层,可以将该层的候选位置偏移量的评分进行排序,获得最高评分的候选位置偏移量。可以从该层的最高评分的候选位置偏移量开始进行深度优先搜索。
步骤214、在初始航向角未满足预设的精度条件的情况下,基于多个预设的角度分辨率,分别将修正处理后的二维位置信息对应的初始航向角进行角度转换处理,以获得每个预设的角度分辨率对应的候选航向角偏移量。
在本实施中,在初始航向角未满足预设的精度条件的情况下,可以在对初始二维位置信息进行修改的基础上,进一步地对初始航向角进行修正处理。
可以理解的是,这样,可以通过先执行步骤206至步骤213获得修正处理后的二维位置信息。
步骤215、基于预设的角度搜索范围、多个预设的角度分辨率、初始航向角、和候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量。
在本实施中,可以基于预设的角度搜索范围和每个角度分辨率,确定每个角度分辨率对应的候选航向角的个数,基于每个角度分辨率和每个角度分辨率对应的候选航向角的个数,获得每个角度分辨率对应的多个候选航向角偏移量,按照角度分辨率从低到高的顺序,分别对每个角度分辨率对应的多个候选航向角偏移量进行寻优搜索处理,以获得目标航向角偏移量。
步骤216、基于目标航向角偏移量,对初始航向角进行修正处理,获得修正处理后的航向角。
在本实施中,预设的角度搜索范围可以是-180度到180度范围。预设的角度分辨率可以包括角度低分辨率和角度高分辨率。示例性的,角度低分辨率resolution1可以为10度、角度高分辨率resolution2可以为2度。
示例性的,以resolution1为例。-180度到180度范围的候选航向角偏移量个数num_scans可以利用公式(10)计算得到:
其中,resolution1可以为一个预设的角度分辨率,每个候选航向角偏移量都对应前述步骤中的一组x、y候选位置偏移量的组合。
在本实施中,基于第一点云将航向角对应的进行旋转后,可知旋转出的点云的帧数为候选航向角偏移量的数量num_scans。基于候选航向角偏移量和公式(11)获得偏移后的旋转角的集合:
其中,scanindex可以为角度搜索系数,resolution1可以为一个预设的角度分辨率,即角度搜索步长,scanindex*resolution1可以为候选航向角偏移量,rotatedscans可以为旋转后的第一点云,cloudlidar为第一点云。
可选地,示例性的,针对最低分辨率的候选航向角偏移量,可以基于预先创建的Ncandidates个元素的内存空间,遍历所有num_scans,生成候选航向角偏移量,同时可以以K*stepsize为步长,K可以(0,1,…, Ncandidates_x),从Xbounds_min到Xbounds_max遍历得到每个x方向上候选位置偏移量;同时可以以K*stepsize为步长,K可以(0,1,…, Ncandidates_y),从Ybounds_min到Ybounds_max遍历得到每个y方向上候选位置偏移量,进而可以生成多组候选位置偏移量,将生成的每组候选位置偏移量和对应的候选航向角偏移量添加到每个候选对象数组中,进行存储,以供后续使用。
在本实施例中,首先,基于预设的角度搜索范围、多个预设的角度分辨率、初始航向角,利用基于分支定界算法和深度优选搜索算法的优化算法,对候选航向角偏移量进行寻优处理,以获得目标航向角偏移量。其次,根据修正处理后的二维位置信息和修正处理后的航向角,获得修正后的位姿信息。
步骤217、在初始航向角满足预设的精度条件的情况下,基于激光雷达的高程信息、修正处理后的二维位置信息和修正处理后的二维位置信息对应的初始航向角,或,在初始航向角未满足预设的精度条件的情况下,基于激光雷达的高程信息、修正处理后的二维位置信息和修正处理后的二维位置信息对应的修正处理后的航向角,获得激光雷达的目标位姿信息。
需要说明的是,图6是本申请一实施例提供的方法对位姿信息进行修正处理前后的对应的点云对比的示意图。如图6所示,橙色点云为基于从卫星获得的低精度初始位姿,将激光雷达扫描到的点云转换到全局点云图坐标系下的点云点。白色点云是从预设的点云地图中截取的指定区域的部分点云点,即白色点云可以是标准点云。可看出橙色点云和标准的白色点云存在一定的偏差。绿色点云是基于通过本实施例的方法进行位姿精确搜索后得到的优化的初始位姿,将激光雷达扫描到的点云转换到全局点云图坐标系下的点云点。可以看出绿色点云和白色点云重合度较好,表示绿色点云所对应的位姿可以是定位初始化的最优的位姿信息。由此,可以保证了激光雷达定位初始化可靠性。
此外,采用本实施例的技术方案,可以通过基于点云地图和扫描点云,以及预设的地图分辨率和角度分辨率,利用分支定界算法和深度优选搜索算法的优化算法,获得位置偏移量和航向角偏移量,再基位置偏移量和航向角偏移量于分别对初始二维位置信息和初始二维位置信息对应的初始航向角进行修改,得到修正处理后的二维位置信息和修正处理后的二维位置信息对应的初始航向角,可以提升优化初始位姿处理的速度,在实际应用中,优化初始位姿处理的耗时可以从160毫秒(ms)缩短至大概40毫秒(ms),从而在提升了优化处理的效率的同时,还可以节省计算资源。
此外,采用本实施例的技术方案,通过预设的搜索范围,可以调节搜索范围,可在更大范围内搜索,从而可以进一步地提升了定位初始化位姿信息的可靠性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
图7示出了本申请一个实施例提供的激光雷达的位姿信息确定装置的结构框图,如图7所示。本实施例的激光雷达的位姿信息确定装置700可以包括第一获取单元701,第二获取单元702、地图构建单元703、位置优化单元704和修正处理单元705。其中,第一获取单元701,用于获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角;第二获取单元702,用于获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图;地图构建单元703,用于基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层;位置优化单元704,用于基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量;修正处理单元705,用于基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
需要说明的是,本实施例的激光雷达的位姿信息确定装置的部分或全部可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的处理引擎,或者还可以为位于网络侧的分布式***,例如,网络侧的无人车驾驶平台中的处理引擎或者分布式***等,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在本地终端上的本地程序(nativeApp),或者还可以是本地终端上的浏览器的一个网页程序(webApp),本实施例对此不进行限定。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于基于所述初始位置信息,将所述第一点云转换至所述多分辨率点云栅格地图的坐标系中,以获得第二点云;获取每个所述点云栅格地图层对应的地图分辨率;基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量;按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于按照地图分辨率从低到高的顺序,基于每个所述点云栅格地图层中的多个候选位置偏移量,对每个所述点云栅格地图层中的第二点云进行偏移处理,以获得每个所述点云栅格地图层中的第三点云;基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于获取所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数;基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层计算得到每个所述候选位置偏移量的评分;响应于候选位置偏移量的评分满足预设的评分条件,将所述候选位置偏移量作为目标位置偏移量。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于基于所述预设的搜索范围和每个所述地图分辨率,计算得到每个所述点云栅格地图层的搜索边界阈值;
基于每个所述地图分辨率,确定每个所述点云栅格地图层的位置搜索步长;
基于每个所述点云栅格地图层的搜索边界阈值和每个所述点云栅格地图层的位置搜索步长,获得每个所述点云栅格地图层中的多个候选位置偏移量。
可选地,在本实施例的一个可能的实现方式中,修正处理单元705具体可以用于在所述初始航向角未满足预设的精度条件的情况下,基于多个预设的角度分辨率,分别将所述修正处理后的位置信息对应的初始航向角进行角度转换处理,以获得每个预设的角度分辨率对应的候选航向角偏移量;基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量;基于所述目标航向角偏移量,对所述初始航向角进行修正处理,获得修正处理后的航向角;根据所述修正处理后的位置信息和所述修正处理后的航向角,获得所述激光雷达的目标位姿信息。
可选地,在本实施例的一个可能的实现方式中,位置优化单元704具体可以用于基于所述预设的角度搜索范围和每个所述角度分辨率,确定每个所述角度分辨率对应的候选航向角的个数;基于每个所述角度分辨率和每个所述角度分辨率对应的候选航向角的个数,获得每个所述角度分辨率对应的多个候选航向角偏移量;按照所述角度分辨率从低到高的顺序,分别对每个所述角度分辨率对应的多个候选航向角偏移量进行寻优搜索处理,以获得目标航向角偏移量。
可选地,在本实施例的一个可能的实现方式中,第一获取单元701,具体可以用于分别对所述初始位置信息进行数据增强处理,以获得至少一个位置信息,基于所述指定区域的点云地图和所述至少一个位置信息,获得所述点云地图中的地面点云的高程信息;基于所述激光雷达的安装高度和所述地面点云的高程信息,获得所述激光雷达的高程信息;基于所述激光雷达的高程信息、所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
本实施例中,可以通过第一获取单元获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角,并由第一获取单元获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图,进而可以由地图构建单元基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图,该多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层,由位置优化单元基于预设的搜索范围、所述多分辨率点云栅格地图、所述初始位置信息、和所述第一点云,利用位置优化算法,获得目标位置偏移量,使得修正处理单元能够基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息,由于通过基于根据多分辨率点云栅格地图和位置优化算法所获得的位置偏移量,对卫星信号所提供的激光雷达的初始位姿信息进行优化处理,来获得更加准确的激光雷达的目标位姿信息,提升了激光雷达的初始定位的位姿信息的准确性和可靠性,从而优化了对激光雷达的初始定位。
本申请的技术方案中,所涉及的用户个人信息,例如,用户的图像和属性数据等的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本申请的实施例,进一步地,还提供了一种包括所提供的电子设备的无人车,该无人车可以包括L2及其以上级别的无人驾驶车辆。
图8示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口806也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如激光雷达的位姿信息确定的方法。例如,在一些实施例中,激光雷达的位姿信息确定的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的激光雷达的位姿信息确定的方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行激光雷达的位姿信息确定的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种激光雷达的位姿信息确定方法,其特征在于,所述方法包括:
获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角;
获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图;
基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层;
基于所述初始位置信息,将所述第一点云转换至所述多分辨率点云栅格地图的坐标系中,以获得第二点云;
获取每个所述点云栅格地图层对应的地图分辨率;
基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量;
按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量;
基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
2.根据权利要求1所述的方法,其特征在于,所述按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量,包括:
按照地图分辨率从低到高的顺序,基于每个所述点云栅格地图层中的多个候选位置偏移量,对每个所述点云栅格地图层中的第二点云进行偏移处理,以获得每个所述点云栅格地图层中的第三点云;
基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量。
3.根据权利要求2所述的方法,其特征在于,所述基于每个所述点云栅格地图层中的第三点云,逐层对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量,包括:
获取所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数;
基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层对多个所述候选位置偏移量进行深度优先搜索处理,以获得目标位置偏移量,包括:
基于所述第三点云对应的每个所述点云栅格地图层中点云栅格的预设的栅格值和所述第三点云的总个数,逐层计算得到每个所述候选位置偏移量的评分;
响应于候选位置偏移量的评分满足预设的评分条件,将所述候选位置偏移量作为目标位置偏移量。
5.根据权利要求1所述的方法,其特征在于,所述基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量,包括:
基于所述预设的搜索范围和每个所述地图分辨率,计算得到每个所述点云栅格地图层的搜索边界阈值;
基于每个所述地图分辨率,确定每个所述点云栅格地图层的位置搜索步长;
基于每个所述点云栅格地图层的搜索边界阈值和每个所述点云栅格地图层的位置搜索步长,获得每个所述点云栅格地图层中的多个候选位置偏移量。
6.根据权利要求1-5中任一项所述的方法,其特征在于,获得所述激光雷达的目标位姿信息之前,所述方法,还包括:
在所述初始航向角未满足预设的精度条件的情况下,基于多个预设的角度分辨率,分别将所述修正处理后的位置信息对应的初始航向角进行角度转换处理,以获得每个预设的角度分辨率对应的候选航向角偏移量;
基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量;
基于所述目标航向角偏移量,对所述初始航向角进行修正处理,获得修正处理后的航向角;
根据所述修正处理后的位置信息和所述修正处理后的航向角,获得所述激光雷达的目标位姿信息。
7.根据权利要求6所述的方法,其特征在于,所述基于预设的角度搜索范围、所述多个预设的角度分辨率、所述初始航向角、和所述候选航向角偏移量,利用角度优化算法,获得目标航向角偏移量,包括:
基于所述预设的角度搜索范围和每个所述角度分辨率,确定每个所述角度分辨率对应的候选航向角的个数;
基于每个所述角度分辨率和每个所述角度分辨率对应的候选航向角的个数,获得每个所述角度分辨率对应的多个候选航向角偏移量;
按照所述角度分辨率从低到高的顺序,分别对每个所述角度分辨率对应的多个候选航向角偏移量进行寻优搜索处理,以获得目标航向角偏移量。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
分别对所述初始位置信息进行数据增强处理,以获得至少一个位置信息;
基于所述指定区域的点云地图和所述至少一个位置信息,获得所述点云地图中的地面点云的高程信息;
基于所述激光雷达的安装高度和所述地面点云的高程信息,获得所述激光雷达的高程信息;
基于所述激光雷达的高程信息、所述修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
9.一种激光雷达的位姿信息确定装置,其特征在于,所述装置包括:
第一获取单元,用于获取待处理的初始位姿信息,其中,所述初始位姿信息包括初始位置信息和初始航向角;
第二获取单元,用于获取所述激光雷达扫描的当前的第一点云和指定区域的点云地图;
地图构建单元,用于基于多个预设分辨率和所述点云地图,构建多分辨率点云栅格地图;多分辨率点云栅格地图包括多个不同分辨率的点云栅格地图层;
位置优化单元,用于基于所述初始位置信息,将所述第一点云转换至所述多分辨率点云栅格地图的坐标系中,以获得第二点云;获取每个所述点云栅格地图层对应的地图分辨率;基于所述预设的搜索范围和每个所述地图分辨率,获得每个所述点云栅格地图层中的多个候选位置偏移量;按照地图分辨率从低到高的顺序,基于所述第二点云,分别对每个所述点云栅格地图层中的多个候选位置偏移量进行寻优搜索处理,以获得目标位置偏移量;
修正处理单元,用于基于所述目标位置偏移量,对所述初始位置信息进行修正处理,以根据修正处理后的位置信息和所述修正处理后的位置信息对应的初始航向角,获得所述激光雷达的目标位姿信息。
10. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据权利要求1-8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
12.一种无人车,包括如权利要求10所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348928.4A CN117075171B (zh) | 2023-10-18 | 2023-10-18 | 激光雷达的位姿信息确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348928.4A CN117075171B (zh) | 2023-10-18 | 2023-10-18 | 激光雷达的位姿信息确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117075171A CN117075171A (zh) | 2023-11-17 |
CN117075171B true CN117075171B (zh) | 2024-01-16 |
Family
ID=88706579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311348928.4A Active CN117075171B (zh) | 2023-10-18 | 2023-10-18 | 激光雷达的位姿信息确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117075171B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111457902A (zh) * | 2020-04-10 | 2020-07-28 | 东南大学 | 基于激光slam定位的水域测量方法及*** |
CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航***工程研究所 | 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 |
CN113640822A (zh) * | 2021-07-07 | 2021-11-12 | 华南理工大学 | 一种基于非地图元素过滤的高精度地图构建方法 |
CN114593737A (zh) * | 2022-03-11 | 2022-06-07 | 美智纵横科技有限责任公司 | 控制方法、装置、机器人及存储介质 |
WO2023005384A1 (zh) * | 2021-07-29 | 2023-02-02 | 北京旷视科技有限公司 | 可移动设备的重定位方法及装置 |
CN116559928A (zh) * | 2023-07-11 | 2023-08-08 | 新石器慧通(北京)科技有限公司 | 激光雷达的位姿信息确定方法、装置、设备及存储介质 |
CN116659500A (zh) * | 2023-05-26 | 2023-08-29 | 山东新一代信息产业技术研究院有限公司 | 基于激光雷达扫描信息的移动机器人定位方法及*** |
WO2023179717A1 (zh) * | 2022-03-24 | 2023-09-28 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法、装置、设备及存储介质 |
-
2023
- 2023-10-18 CN CN202311348928.4A patent/CN117075171B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111457902A (zh) * | 2020-04-10 | 2020-07-28 | 东南大学 | 基于激光slam定位的水域测量方法及*** |
CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航***工程研究所 | 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 |
CN113640822A (zh) * | 2021-07-07 | 2021-11-12 | 华南理工大学 | 一种基于非地图元素过滤的高精度地图构建方法 |
WO2023005384A1 (zh) * | 2021-07-29 | 2023-02-02 | 北京旷视科技有限公司 | 可移动设备的重定位方法及装置 |
CN114593737A (zh) * | 2022-03-11 | 2022-06-07 | 美智纵横科技有限责任公司 | 控制方法、装置、机器人及存储介质 |
WO2023179717A1 (zh) * | 2022-03-24 | 2023-09-28 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法、装置、设备及存储介质 |
CN116659500A (zh) * | 2023-05-26 | 2023-08-29 | 山东新一代信息产业技术研究院有限公司 | 基于激光雷达扫描信息的移动机器人定位方法及*** |
CN116559928A (zh) * | 2023-07-11 | 2023-08-08 | 新石器慧通(北京)科技有限公司 | 激光雷达的位姿信息确定方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
预建高精度地图的封闭区域UGV自动驾驶导航定位;王一文;钱闯;唐健;温景仁;牛小骥;;测绘通报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117075171A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111508021B (zh) | 一种位姿确定方法、装置、存储介质及电子设备 | |
CN116559928B (zh) | 激光雷达的位姿信息确定方法、装置、设备及存储介质 | |
CN111968229A (zh) | 高精度地图制图方法及装置 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、***和电子设备 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
US20230042968A1 (en) | High-definition map creation method and device, and electronic device | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN113313765B (zh) | 定位方法、装置、电子设备和存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN117075171B (zh) | 激光雷达的位姿信息确定方法、装置、设备及存储介质 | |
CN115880555B (zh) | 目标检测方法、模型训练方法、装置、设备及介质 | |
CN116934705A (zh) | 一种基于三维激光扫描的平整度检测方法 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115527028A (zh) | 地图数据处理方法及装置 | |
CN115436936A (zh) | 用于目标检测的雷达图确定方法、装置、设备及介质 | |
CN116559927B (zh) | 激光雷达的航向角确定方法、装置、设备及介质 | |
CN114398455A (zh) | 异构多机器人协同slam地图融合方法 | |
CN114397894A (zh) | 一种模仿人类记忆的移动机器人目标搜索方法 | |
CN113496550B (zh) | 一种dsm的计算方法、装置、计算机设备及存储介质 | |
CN115685223B (zh) | 位置识别方法、装置、电子设备及可读存储介质 | |
CN115877349B (zh) | 一种基于激光雷达的交叉路口车辆定位方法及*** | |
CN116844124A (zh) | 三维目标检测框标注方法、装置、电子设备和存储介质 | |
CN117611687A (zh) | 传感器外参标定及模型的训练方法、装置、设备和介质 |
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 |