CN110376605A - 地图构建方法、导航方法和装置 - Google Patents

地图构建方法、导航方法和装置 Download PDF

Info

Publication number
CN110376605A
CN110376605A CN201811086697.3A CN201811086697A CN110376605A CN 110376605 A CN110376605 A CN 110376605A CN 201811086697 A CN201811086697 A CN 201811086697A CN 110376605 A CN110376605 A CN 110376605A
Authority
CN
China
Prior art keywords
present frame
radar scanning
reflectance data
station location
location marker
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
Application number
CN201811086697.3A
Other languages
English (en)
Other versions
CN110376605B (zh
Inventor
门春雷
刘艳光
张文凯
陈明轩
郝尚荣
郑行
徐进
韩微
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811086697.3A priority Critical patent/CN110376605B/zh
Publication of CN110376605A publication Critical patent/CN110376605A/zh
Application granted granted Critical
Publication of CN110376605B publication Critical patent/CN110376605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft

Abstract

本申请实施例公开了一种地图构建方法、导航方法和装置。其中的地图构建方法的一实施例包括：获取当前帧的雷达扫描反射数据；基于雷达扫描反射数据，确定当前帧与关键帧的相似度；响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。该实现方式通过不断地采集雷达扫描反射数据，可以更新和丰富各位置标识下，雷达扫描反射数据的数量，使得环境表征基元得以不断地更新和丰富。

Description

地图构建方法、导航方法和装置
技术领域
本申请实施例涉及人工智能领域，具体涉及计算机视觉领域，尤其涉及地图构建方法、导航方法和装置。
背景技术
为了实现了偏远地区的配送服务，现有技术中，通常可以采用物流无人机来进行物品的配送。
物流无人机飞行环境具有特征少、场景规模大等特点。特征少，是指其工作环境中场景比较单一，环境图像中的特征较少；而场景规模大，使得物流无人机上所搭载的传感器的感知范围相对其工作环境而言，相当有限。
现有的物流无人机定位和导航的方案中，除了采用GPS惯性组合导航外，还通过引入SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)技术，以提高飞行的安全性。然而，在特征少、场景规模大的条件下，采用现有的SLAM算法很难构建高精度地图。
发明内容
本申请实施例提出了地图构建方法、导航方法和装置。
第一方面，本申请实施例提供了一种地图构建方法，包括：获取当前帧的雷达扫描反射数据；基于雷达扫描反射数据，确定当前帧与关键帧的相似度；响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。
在一些实施例中，方法还包括：响应于当前帧与关键帧的雷达扫描反射数据的相似度大于预设相似度阈值，将当前帧和与当前帧对应的位置添加至具有关键帧的位置标识的雷达扫描反射数据集合中。
在一些实施例中，雷达扫描反射数据包括单线激光雷达每个扫描周期的扫描面积；基于雷达扫描反射数据，确定当前帧与关键帧的相似度，包括：基于当前帧的扫描面积和关键帧的扫描面积之差，确定当前帧与关键帧的相似度。
在一些实施例中，雷达扫描反射数据还包括单线激光雷达每个扫描周期的激光反射距离值序列，激光反射距离值序列包括扫描周期中，与各采样时刻相对应的激光射线的反射距离；基于雷达扫描反射数据，确定当前帧与关键帧的相似度，还包括：基于当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度确定当前帧与关键帧的相似度。
在一些实施例中，响应于当前帧与关键帧的雷达扫描反射数据的相似度小于或等于相似度阈值，确定用于指示当前帧所处位置的位置标识，包括：响应于当前帧的扫描面积和关键帧的扫描面积之差大于或等于预设扫描面积差值且当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度小于或等于预设距离阈值，确定用于指示当前帧所处位置的位置标识。
第二方面，本申请实施例提供了一种导航方法，包括：获取当前状态下的传感器数据；执行如下的路径规划步骤：基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，其中，位置标识基于如第一方面的地图构建方法确定；若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识；方法还包括：判断当前状态是否为导航终点；响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行路径规划步骤。
在一些实施例中，传感器数据包括图像数据；基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，包括：将当前状态下的图像和上一状态的图像输入预先训练的定位模型，以确定当前状态与上一状态是否具有相同的位置标识，其中，定位模型用于确定输入其中的两个图像的采集位置是否具有相同的位置标识。
在一些实施例中，确定规划路径的下一导航点在地图中的位置标识，包括：获取状态转移矩阵；基于状态转移矩阵，确定出至少一个候选导航点；利用动态窗口算法确定自当前状态至各候选导航点的代价；基于所确定的代价，从至少一个候选导航点中确定出下一导航点。
第三方面，本申请实施例提供了一种地图构建装置，包括：获取单元，被配置成获取当前帧的雷达扫描反射数据；相似度确定单元，被配置成基于雷达扫描反射数据，确定当前帧与关键帧的相似度；位置标识确定单元，被配置成响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；添加单元，被配置成将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。
在一些实施例中，添加单元还被配置成：响应于当前帧与关键帧的雷达扫描反射数据的相似度大于预设相似度阈值，将当前帧和与当前帧对应的位置添加至具有关键帧的位置标识的雷达扫描反射数据集合中。
在一些实施例中，雷达扫描反射数据包括单线激光雷达每个扫描周期的扫描面积；相似度确定单元进一步被配置成：基于当前帧的扫描面积和关键帧的扫描面积之差，确定当前帧与关键帧的相似度。
在一些实施例中，雷达扫描反射数据还包括单线激光雷达每个扫描周期的激光反射距离值序列，激光反射距离值序列包括扫描周期中，与各采样时刻相对应的激光射线的反射距离；相似度确定单元进一步被配置成：基于当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度确定当前帧与关键帧的相似度。
在一些实施例中，位置标识确定单元进一步被配置成：响应于当前帧的扫描面积和关键帧的扫描面积之差大于或等于预设扫描面积差值且当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度小于或等于预设距离阈值，确定用于指示当前帧所处位置的位置标识。
第四方面，本申请实施例提供了一种导航装置，包括：获取单元，被配置成获取当前状态下的传感器数据；路径规划单元，被配置成执行如下的路径规划步骤：基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，其中，位置标识基于如第三方面的地图构建装置确定；若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识；装置还包括：判断单元，被配置成判断当前状态是否为导航终点；更新单元，被配置成响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行路径规划步骤。
在一些实施例中，传感器数据包括图像数据；路径规划单元进一步被配置成：将当前状态下的图像和上一状态的图像输入预先训练的定位模型，以确定当前状态与上一状态是否具有相同的位置标识，其中，定位模型用于确定输入其中的两个图像的采集位置是否具有相同的位置标识。
在一些实施例中，路径规划单元进一步被配置成：获取状态转移矩阵；基于状态转移矩阵，确定出至少一个候选导航点；利用动态窗口算法确定自当前状态至各候选导航点的代价；基于所确定的代价，从至少一个候选导航点中确定出下一导航点。
第五方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面描述的方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面描述的方法。
第七方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面描述的方法。
第八方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面描述的方法。
本申请实施例提供的地图构建方法，首先，获取当前帧的雷达扫描反射数据；接着，基于雷达扫描反射数据，确定当前帧与关键帧的相似度；接着，响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；最后，将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。这样一来，可以通过雷达对周围环境的数据采集，构建出环境地图。此外，由于通过相似度比较的方式来确定当前帧的雷达扫描反射数据的位置标识，通过不断地采集雷达扫描反射数据，可以更新和丰富各位置标识下，雷达扫描反射数据的数量，使得环境表征基元得以不断地更新和丰富。
本申请实施例提供的导航方法，首先，获取当前状态下的传感器数据；执行如下的路径规划步骤：基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，其中，位置标识基于如第一方面的地图构建方法确定；若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识；接着，判断当前状态是否为导航终点；最后，响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行路径规划步骤。这样一来，通过判断相邻两个状态是否具有相同的位置标识来确定是否发生状态转换，从而实现有效地导航。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请一个实施例的地图构建方法和导航方法可以应用于其中的示例性系统架构图；
图2是根据本申请的地图构建方法的一个实施例的示意性流程图；
图3A-图3C分别示出了在一个雷达扫描周期内，相邻两条扫描射线形成的合围面积的三种情况；
图4是根据本申请的地图构建方法的一个应用场景的示意图；
图5是根据本申请的导航方法的一个实施例的示意性流程图；
图6是状态转移规划的示意性原理图；
图7是孪生神经网络的结构示意图；
图8是根据本申请的地图构建装置的一个实施例的结构图；
图9是根据本申请的导航装置的一个实施例的结构图；
图10是适于用来实现本申请实施例的地图构建方法或导航方法的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的地图构建方法、导航方法、地图构建装置或导航装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102，网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102可以是硬件，也可以是软件。当终端设备101、102为硬件时，可以是能够获取雷达扫描反射数据的各种电子设备，包括但不限于安装有用于获得雷达扫描反射数据的传感器或接收设备的无人机、无人车等。当终端设备101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以是提供各种服务的服务器，例如对终端设备101、102上传的雷达扫描反射数据提供支持的后台处理服务器。后台处理服务器可以对接收到的雷达扫描反射数据等数据进行分析等处理，并将处理结果(例如，用于指示终端设备的当前位置的信息)反馈给终端设备。
需要说明的是，本申请实施例所提供的地图构建方法和导航方法可以由服务器104执行，也可以由终端设备101、102执行，或者，一部分由服务器104执行而另一部分由终端设备101、102执行。相应地，地图构建装置和导航装置可以设置于服务器104中，也可以设置于终端设备101、102中，或者，一部分设置于服务器104中而另一部分设置于终端设备101、102中。
应该理解，图1中的终端设备101、102，网络103和服务器104的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的地图构建方法的一个实施例的流程200。该地图构建方法，包括以下步骤：
步骤201，获取当前帧的雷达扫描反射数据。
雷达在一个扫描周期内扫描得到的反射数据可以称为雷达采集的一帧数据。在一个扫描周期内，雷达可以自初始角度开始，以预设的扫描步长(即，偏转角度)进行扫描，并获取相应的反射数据。在这里，雷达所发射的信号(例如，电磁波)经障碍物反射之后，可以再次被雷达接收。利用发射信号和接收到发射信号之间的时间差，便可以确定出反射雷达所发射的信号的障碍物与雷达之间的距离。
在一些应用场景中，若本实施例的地图构建方法的执行主体为图1所示的终端设备(例如，无人机或无人车)，可以利用设置在终端设备上的雷达来获取当前帧的雷达扫描反射数据。
或者，在另一些应用场景中，若本实施例的地图构建方法的执行主体为图1所示的服务器，可以通过与执行主体通过有线或无线连接的终端设备(例如，无人机或无人车)上安装的雷达来获取当前帧的雷达扫描反射数据。
通过本步骤，可以获取到在当前扫描周期内的各个采样时刻得到的障碍物与雷达之间的距离值，在该扫描周期内得到的距离值的集合，便可以作为当前帧的雷达扫描反射数据。雷达采集的一帧数据例如可以包括激光反射距离值序列，该激光反射距离值序列可以表示为Z＝{zl；l＝0,1,…,L}。激光反射距离值序列Z包括扫描周期中，与各采样时刻相对应的激光射线的反射距离(即，zl)。
步骤202，基于雷达扫描反射数据，确定当前帧与关键帧的相似度。
在这里，关键帧可以是预先指定的、可作为比较基准的一帧雷达扫描反射数据。
在一些可选的实现方式中，可以基于当前帧的扫描面积和关键帧的扫描面积之差，确定当前帧与关键帧的相似度。
具体地，通过比较雷达扫描反射数据Z＝{zl；l＝0,1,…,L}中，每相邻两条扫描射线合围形成的面积之和，来确定两帧雷达扫描反射数据之间的相似度。
参见图3A-图3C所示，为在一个雷达扫描周期(即一帧)内，相邻两条扫描射线zl、zl+1合围面积的三种情况，图3A-图3C中，θ为相邻扫描射线之间的偏转角度。
若雷达发射的两条射线在雷达扫描范围内击中某障碍物，则参见图3A所示，相邻两条扫描射线zl、zl+1合围形成三角形，合围面积可通过如下公式(1)计算得到：
若雷达发射的相邻两条射线中，其中一条射线(例如，zl)在雷达扫描范围内击中某障碍物，而另一条射线(例如，zl+1)在雷达扫描范围内未击中障碍物，如图3B所示。此时，可以将雷达的扫描半径作为射线zl+1的长度。可以理解，在图3B所示的情况下，同样可以利用上述公式(1)来计算得到相邻两条扫描射线zl、zl+1的合围面积Sl。
此外，若雷达发射的相邻两条射线均未击中雷达扫描范围内的任何障碍物，如图3C所示。那么，射线zl、zl+1的长度均可视为雷达扫描半径。此时，相邻两条扫描射线zl、zl+1合围面积可通过如下的公式(2)计算得到：
这样一来，雷达每一帧中，相邻扫描反射射线的合围面积之和可以表示为：
通过比较两个扫描周期获得的雷达扫描反射数据，确定出该两个扫描周期的相邻扫描反射射线的合围面积之和，可以通过两个合围面积之和的差异，确定出当前帧所对应位置的周围环境与关键帧所对应位置的周围环境之间的相似程度。
在另一些可选的实现方式中，还可以基于当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度确定当前帧与关键帧的相似度。
例如，若将当前帧的激光反射距离值序列表示为：
将关键帧的激光反射距离值序列表示为：
那么，可以通过如下的公式(4)定义Zi与Zj之间的距离：
相应地，可以预先设置距离阈值。若两帧激光反射距离值序列之间的距离超过该距离阈值，则可认为该两帧所获取到的激光反射距离值序列具有较大的差异。反之，若两帧激光反射距离值序列之间的距离不超过该距离阈值，则可认为该两帧所获取到的激光反射距离值序列差异较小。
可以理解的是，由于激光反射距离值序列中，各激光反射距离值是以雷达实际采集的先后顺序排列的，也即，是基于传感器坐标系采集得到的。若雷达安装在无人机或者无人车上，随着无人机或者无人车的移动，雷达本身的位置也在变化。因此，在进行两帧激光反射距离值序列之间的距离值的计算时，可以先对两帧激光反射距离值序列进行坐标变换(例如，均变换至一固定的大地坐标系下)，再进行距离值的计算。
或者，在另一些可选的实现方式中，还可以根据当前帧的扫描面积和关键帧的扫描面积之差，以及当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度，来确定当前帧与关键帧之间的相似度。
在这些可选的实现方式中，例如，可以首先判断当前帧的扫描面积和关键帧的扫描面积之差是否小于预设的面积阈值，若小于，再进一步判断该两帧的激光反射距离值序列之间的距离是否小于预设的距离阈值。若当前帧和关键帧的激光反射距离值序列之间的距离小于预设的距离阈值，则可以认为，当前帧与关键帧的相似度超过了相似度阈值。
步骤203，响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识。
在这里，可以预先设置当前帧与关键帧的雷达扫描反射数据的相似度阈值。相似度阈值可以作为判断当前帧与关键帧的雷达扫描反射数据的相似程度的指标。例如，若当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，则可认为当前帧与关键帧不相似(存在明显差异)。相反，若当前帧与关键帧的雷达扫描反射数据的相似度超过相似度阈值，则可认为当前帧与关键帧相似。
可以理解的是，若当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，则表明当前帧的雷达扫描反射数据与关键帧的雷达扫描反射数据存在明显差异。进一步地，可以认为采集关键帧雷达扫描反射数据时所处的位置和采集当前帧雷达扫描反射数据时所处的位置存在明显差异。
此时，为了表明当前帧与关键帧之间明显的位置差别，可以确定一能够表征这一明显位置差别的、不同于关键帧的位置标识的新的位置标识。
在一些可选的实现方式中，位置标识可以采用任何能够区别于其它位置标识的字符来表示。包括但不限于字母、数字、汉字其中一者或者其中任意至少二者的组合。
例如，关键帧的位置标识为A，若当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，则可将用于指示当前帧所处位置的位置标识设置为B。
步骤204，将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。
本步骤中，可以将能够当前帧的雷达扫描反射数据和与当前帧对应的位置进行关联，并添加至具有通过步骤203确定出的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。这样一来，当雷达采集得到下一帧的雷达扫描反射数据时，可以确定其与新的关键帧之间的雷达扫描反射数据的相似度。通过不断地采集雷达扫描反射数据，并不断地向具有位置标识的雷达扫描反射数据集合中添加雷达扫描反射数据和相应的位置标识，可以向地图中补充和完善数据。
可以理解的是，通过本实施例的地图构建方法所构建的地图，包括了多个雷达扫描反射数据集合，每一个雷达扫描反射数据集合具有一共同的位置标识，并且雷达扫描反射数据集合中的各个元素均包含雷达扫描反射数据和与之对应的位置。
在一些可选的实现方式中，可以通过如下的方式来确定当前帧的雷达扫描反射数据所对应的位置。
在这些可选的实现方式中，可以假设初始帧(也即，雷达首个扫描周期)所对应的位置是已知的。这样一来，通过迭代地计算，可以确定出当前帧之前各帧所对应的位置。因此，在本实施例中，可以认为关键帧所对应的位置也是已知的。
在此基础上，可以根据传感器，例如IMU(Inertial measurement unit，惯性测量单元)采集得到的位姿数据，来估算当前帧所对应的位置与关键帧所对应的位置之间的差异，并通过在关键帧所对应的位置上叠加估算得到的差异，来确定当前帧所对应的位置。
可以利用各种可行的方式来确定当前帧所对应的位置。例如，可以利用IMU采集得到的位姿数据，采用KF(Kalman Filter，卡尔曼滤波)或者EKF(Extended Kalman Filter，扩展卡尔曼滤波)等算法，来估算当前帧所对应的位置。可以理解的是，KF算法、EKF算法等是已有的算法，在此不再赘述。此外，本领域技术人员在得到本申请公开的技术方案的基础上，可以利用任何可行的算法来利用IMU采集的位姿数据估算当前帧所对应的位置。
本实施例提供的地图构建方法，首先，获取当前帧的雷达扫描反射数据；接着，基于雷达扫描反射数据，确定当前帧与关键帧的相似度；接着，响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；最后，将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。这样一来，可以通过雷达对周围环境的数据采集，构建出环境地图。此外，由于通过相似度比较的方式来确定当前帧的雷达扫描反射数据的位置标识，通过不断地采集雷达扫描反射数据，可以更新和丰富各位置标识下，雷达扫描反射数据的数量，使得环境表征基元(也即，具有相同位置标识的雷达扫描反射数据集合)得以不断地更新和丰富。
进一步地，在利用通过本实施例的地图构建方法构建的地图进行定位或导航时，可以通过基于定位或导航过程中采集到的雷达扫描反射数据与环境地图进行比对，从而确定出当前位置，并进一步实现导航。
继续参见图4，图4是根据本实施例的地图构建方法的应用场景的一个示意图400。
在图4所示的应用场景中，可以通过设置在无人机410上的单线激光雷达(图中未示出)来采集雷达扫描反射数据。此外，无人机410上还可以设置有IMU(图中未示出)，来采集无人机410的位姿数据。
假设无人机410的初始位姿为已知。在无人机410的飞行过程中，其搭载的单线激光雷达采集雷达扫描反射数据。无人机410可以将其搭载的单线激光雷达所采集的每一帧雷达扫描反射数据发送至与之通信连接的电子设备420。此外，无人机410所搭载的IMU也可以将其采集到的无人机位姿数据发送至电子设备420。
电子设备420接收到无人机410发送的当前帧雷达扫描反射数据之后，可以确定该当前帧雷达扫描反射数据与某一个历史帧(例如，关键帧)雷达扫描反射数据之间的相似度。若当前帧雷达扫描反射数据与上一帧雷达扫描反射数据之间的相似度不超过预先设置的相似度阈值，则可以认为，无人机采集关键帧雷达扫描反射数据所处的环境和采集当前帧雷达扫描反射数据所处的环境发生了较为明显的改变。这意味着无人机的位置也发生了明显的改变。在此情况下，电子设备420可以确定用于指示当前帧所处位置的位置标识，并根据采集当前帧雷达扫描反射数据之时或者与采集当前帧雷达扫描反射数据之时最接近的时刻获取到的无人机位姿数据，利用EKF或者KF算法对采集当前帧雷达扫描反射数据之时的无人机位置进行估算。并将当前帧的雷达扫描反射数据和估算得到的位置，添加至具有所确定的位置标识的雷达扫描反射数据集合中。
在本实施例的地图构建方法的一些可选的实现方式中，若当前帧与关键帧的雷达扫描反射数据的相似度大于预设相似度阈值，将当前帧和与当前帧对应的位置添加至具有关键帧的位置标识的雷达扫描反射数据集合中。
这样一来，对于同一个位置标识，可以有多个雷达扫描反射数据与之对应。使得构建得到的地图包含更丰富的数据，在应用该地图进行定位、导航时，可以降低因单个雷达扫描反射数据不准确可能导致的定位错误和导航偏差等。
参见图5所示，为本申请的导航方法的一个实施例的示意性流程图。
本实施例的导航方法包括：
步骤501，获取当前状态下的传感器数据。
在这里，传感器数据例如可以包括IMU采集的位姿数据和/或由图像传感器(例如，摄像头)采集的图像数据。
步骤502，执行路径规划步骤。路径规划步骤可以包括如下的子步骤：
步骤502a，基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识。在这里，位置标识可以基于本申请如上描述的地图构建方法确定，或者，也可以基于其它已知的或未来待开发的地图构建方法确定。
在一些可选的实现方式中，传感器数据例如可以包括IMU采集的位姿数据。在这些可选的实现方式中，可以在上一状态的位置标识所指示的位置的基础上，叠加上基于位姿数据所确定出的当前状态与上一状态之间的位置偏差，从而确定出当前状态所处的位置，并判断当前状态所处的位置与上一状态所处的位置是否具有相同的位置标识。
步骤502b，若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识。
导航，可以理解为是规划生成一自起点至终点的可行路径，并引导飞机(例如，无人机)、车辆(例如，无人车)等按照生成的路径，自起点移动至终点的控制过程。
在这里，若当前状态与上一状态具有相同的位置标识，则根据以上描述的地图构建方法，可以认为当前状态和上一状态处于同一个地图基元中，二者之间没有发生状态转换。在这种情况下，可以进一步确定下一个导航点在地图中的位置标识。
在一些可选的实现方式中，导航路径可以是预先生成的。在这些可选的实现方式中，可以基于当前状态在该预先生成的导航路径上所处的位置，确定出下一导航点的位置。在确定出下一导航点的位置之后，便可以基于下一导航点的位置、当前状态的位姿，确定自当前位置至下一导航点所采取的姿态和速度。
例如，若导航方法应用于无人机的导航，那么，在这些可选的实现方式中，可以基于下一导航点的位置和无人机的当前位姿，利用飞控算法确定出自当前位置至下一导航点无人机的俯仰角、迎角、偏航角、速度等参数。
在另一些可选的实现方式中，导航路径也可以是基于当前位置实时计算得到的。
在这些可选的实现方式中，例如，可以利用状态转移规划，实现在已构建地图中，地图基元之间的状态切换。
参见图6所示，为状态转移规划的示意性原理图。
假设自起点至终点的路径规划过程由n个周期控制。且每一个周期中，主要存在三个状态，即：状态1、状态2和状态3。那么，可以将状态转移规划建模成基于图模型G(V,E)的规划。其中，图的节点V∈{状态1，状态2，状态3}，图的边E(即，相邻控制周期中，任意两个状态之间的连线)则表示状态之间的消耗。这样一来，通过寻找相邻控制周期内可行的状态，并且确定自当前状态转移至各可行状态的消耗，便可以确定出自起点至终点的导航路径。
具体而言，确定规划路径的下一导航点在所述地图中的位置标识可以通过以下步骤实现：
首先，获取获取状态转移矩阵。
状态转移矩阵可以用于表征起点和终点之间的n个控制周期内，各状态的可通过性。例如，若起点和终点之间包括n个控制周期，且每个控制周期包括3个状态，那么，状态转移矩阵Ψ可以是一个3×n的矩阵。该矩阵中的每一个元素Ψij可以表征在第j个控制周期中，状态i的可通过行。例如，若Ψij＝1，则代表第j个控制周期中，状态i可通过；若Ψij＝0，则代表第j个控制周期中，状态i不可通过。
接着，基于状态转移矩阵，确定出至少一个候选导航点。
例如，状态转移矩阵第k列为：
那么，可以理解，在第k个控制周期，状态1和状态3是可通过的。相应地，第k个控制周期内的状态1和状态3可以作为第k个控制周期内的候选导航点。
接着，利用动态窗口算法确定自当前状态至各候选导航点的代价。
在这里，在状态转移过程中，代价W可以表示为：
W＝[score1，score2，score3]；
其中，scorej(j∈{1,2,3})为利用动态窗口法所确定的自当前状态至下一控制周期中各状态的最优路径得分。
以自第k-1个控制周期向第k个控制周期转移为例，由于如公式(5)所示，第k个控制周期中，仅状态1和状态3可通过，因此，在自第k-1个控制周期向第k个控制周期转移时，仅需要确定出向量W中的score1和score3，而无需计算score2。
最后，基于所确定的代价，从至少一个候选导航点中确定出下一导航点。
假设在自第k-1个控制周期向第k个控制周期转移时，score1＞score3，那么，可以将第k个控制周期中的状态3确定为下一个导航点。
此外，本实施例的导航方法还包括：
步骤503，判断当前状态是否为导航终点。
步骤504，响应于下一导航点不是导航终点，将当前状态作为上一状态，并继续执行如步骤502所示的路径规划步骤。
这样一来，通过不断地采集传感器数据，并迭代地执行路径规划步骤，可以生成自起点至终点的导航路径，并使受控对象(例如，无人机或无人车等)按照所生成的导航路径移动。
在一些可选的实现方式中，本实施例的导航方法中，传感器数据可以包括图像数据。在这些可选的实现方式中，步骤502a中的基于所获取的传感器数据判断所述当前状态与上一状态是否具有相同的位置标识，还可以进一步通过如下的方式实现：
将当前状态下的图像和上一状态的图像输入预先训练的定位模型，以确定当前状态与上一状态是否具有相同的位置标识，其中，定位模型用于确定输入其中的两个图像的采集位置是否具有相同的位置标识。
在一些可选的实现方式中，定位模型例如可以是基于卷积神经网络的孪生神经网络(Siamese Network)模型。
参见图7所示，为孪生神经网络的结构示意图。图7所示的孪生神经网络包括两个具有共享权值W且结构相同的网络Gw(·)。通过分别将两个待检测输入X1、X2输入至这两个网络中，可以分别得到该两个待检测输入X1、X2的特征向量Gw(X1)和Gw(X2)。通过计算特征向量Gw(X1)和Gw(X2)之间的欧氏距离：
Ew＝||Gw(X1)-Gw(X2)||，
并将计算得到的Ew输入预先训练的分类器(例如，Softmax分类器)中，可以得到待检测输入X1、X2是否属于同一类别的判别结果。
在这些可选的实现方式的一些应用场景中，孪生神经网络模型所包括的两个具有共享权值W且结构相同的网络Gw(·)，可以是卷积神经网络模型。
在这些应用场景中，卷积神经网络模型例如可以是VGGnet。VGGnet具有较小的卷积核，这样一来，一方面，可以使得该网络的参数数量较少，有利于减小运算量并提升训练收敛的速度。另一方面，在将VGGnet应用至本申请各实施例的导航方法时，由于一般而言，当前状态和上一状态之间的空间位置变化量较小，相应地，在该二状态下获取到的图像特征差异不大，而较大尺寸的卷积核很可能将这种较小空间位置变化导致的图像特征差异作为扰动，导致最终的判别结果不能准确地反映实际的状态变化情况。
可以理解的是，在将包含两个相同卷积神经网络的孪生神经网络应用于状态转移预测之前，还应对孪生神经网络进行训练。在进行训练时，例如，首先，可以分批(batch)将训练样本输入该孪生神经网络中。在这里，训练样本可以包括两个图像，以及该两个图像是否具有相同位置标识的标注。接着，通过两个完全相同的神经网络模型(例如，VGGnet)分别提取该两个图像的特征，并计算特征之间的距离。接着，将计算得到的距离值输入分类器中，得到该两个图像具有相同位置标识的概率。最后，基于预先设置的损失函数(例如，交叉信息熵函数)确定实际输出和标注之间的损失值，利用损失值在网络中的反向传播，来更新网络中参数的权值。
然而，在采用分批训练时，由于各批训练数据的分布差异，训练时，网络每次迭代都需要学习适应不同的数据分布，这将可能导致网络收敛速率较慢，也即，需要更多的训练次数才能够达到预先设置的训练目标。此时，为了加速网络训练的收敛，可以对两个完全相同的神经网络模型输出的特征向量进行归一化处理。将归一化处理之后两个特征向量再进行距离计算。归一化处理的方式例如可以包括但不限于：最大-最小标准化、Z-score标准化、对数函数转换，反余切函数转换等。
进一步参考图8，本申请提供了一种地图构建装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
本实施例的地图构建装置可以包括获取单元801、相似度确定单元802、位置标识确定单元803以及添加单元804。
其中，获取单元801，可被配置成获取当前帧的雷达扫描反射数据。
相似度确定单元802，可被配置成基于雷达扫描反射数据，确定当前帧与关键帧的相似度。
位置标识确定单元803，可被配置成响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识。
添加单元804，可被配置成将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。
在一些可选的实现方式中，添加单元804还可以被配置成：响应于当前帧与关键帧的雷达扫描反射数据的相似度大于预设相似度阈值，将当前帧和与当前帧对应的位置添加至具有关键帧的位置标识的雷达扫描反射数据集合中。
在一些可选的实现方式中，雷达扫描反射数据可以包括单线激光雷达每个扫描周期的扫描面积。
在这些可选的实现方式中，相似度确定单元802可以进一步被配置成：基于当前帧的扫描面积和关键帧的扫描面积之差，确定当前帧与关键帧的相似度。
在一些可选的实现方式中，雷达扫描反射数据还可以包括单线激光雷达每个扫描周期的激光反射距离值序列，激光反射距离值序列可以包括扫描周期中，与各采样时刻相对应的激光射线的反射距离。
在这些可选的实现方式中，相似度确定单元802可以进一步被配置成：基于当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度确定当前帧与关键帧的相似度。
在一些可选的实现方式中，位置标识确定单元803还可以进一步被配置成：响应于当前帧的扫描面积和关键帧的扫描面积之差大于或等于预设扫描面积差值且当前帧的激光反射距离值序列和关键帧的激光反射距离值序列之间的相似度小于或等于预设距离阈值，确定用于指示当前帧所处位置的位置标识。
进一步参考图9，本申请提供了一种导航装置的一个实施例，该装置实施例与图5所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
本实施例的导航装置包括获取单元901、路径规划单元902、判断单元903以及更新单元904。
获取单元901，可被配置成获取当前状态下的传感器数据。
路径规划单元902，可被配置成执行如下的路径规划步骤：基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，其中，位置标识基于如第三方面的地图构建装置确定；若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识。
判断单元903，可被配置成判断当前状态是否为导航终点。
更新单元904，可被配置成响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行路径规划步骤。
在一些可选的实现方式中，传感器数据可以包括图像数据。
在这些可选的实现方式中，路径规划单元902可进一步被配置成：将当前状态下的图像和上一状态的图像输入预先训练的定位模型，以确定当前状态与上一状态是否具有相同的位置标识。其中，定位模型用于确定输入其中的两个图像的采集位置是否具有相同的位置标识。
在一些可选的实现方式中，路径规划单元902还可以进一步被配置成：获取状态转移矩阵；基于状态转移矩阵，确定出至少一个候选导航点；利用动态窗口算法确定自当前状态至各候选导航点的代价；基于所确定的代价，从至少一个候选导航点中确定出下一导航点。
下面参考图10，其示出了适于用来实现本申请实施例的地图构建方法或导航方法的电子设备的计算机系统1000的结构示意图。图10示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，计算机系统1000包括中央处理单元(CPU)1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1006加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中，还存储有系统1000操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005：包括硬盘等的存储部分1006；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1007。通信部分1007经由诸如因特网的网络执行通信处理。驱动器1008也根据需要连接至I/O接口1005。可拆卸介质1009，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1008上，以便于从其上读出的计算机程序根据需要被安装入存储部分1006。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1007从网络上被下载和安装，和/或从可拆卸介质1009被安装。在该计算机程序被中央处理单元(CPU)1001执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、相似度确定单元、位置标识确定单元以及添加单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取当前帧的雷达扫描反射数据的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取当前帧的雷达扫描反射数据；基于雷达扫描反射数据，确定当前帧与关键帧的相似度；响应于当前帧与关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示当前帧所处位置的位置标识；将当前帧的雷达扫描反射数据和与当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将当前帧作为新的关键帧。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取当前状态下的传感器数据；执行如下的路径规划步骤：基于所获取的传感器数据判断当前状态与上一状态是否具有相同的位置标识，其中，位置标识基于如本申请实施例公开的地图构建方法确定；若当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在地图中的位置标识；方法还包括：判断当前状态是否为导航终点；响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行路径规划步骤。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种地图构建方法，包括：
获取当前帧的雷达扫描反射数据；
基于所述雷达扫描反射数据，确定所述当前帧与关键帧的相似度；
响应于所述当前帧与所述关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示所述当前帧所处位置的位置标识；
将所述当前帧的雷达扫描反射数据和与所述当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将所述当前帧作为新的关键帧。
2.根据权利要求1所述的地图构建方法，所述方法还包括：
响应于所述当前帧与所述关键帧的雷达扫描反射数据的相似度大于预设相似度阈值，将所述当前帧和与所述当前帧对应的位置添加至具有所述关键帧的位置标识的雷达扫描反射数据集合中。
3.根据权利要求1或2的地图构建方法，其中，所述雷达扫描反射数据包括单线激光雷达每个扫描周期的扫描面积；
所述基于所述雷达扫描反射数据，确定所述当前帧与关键帧的相似度，包括：
基于所述当前帧的扫描面积和关键帧的扫描面积之差，确定所述当前帧与所述关键帧的相似度。
4.根据权利要求3所述的地图构建方法，其中，所述雷达扫描反射数据还包括单线激光雷达每个扫描周期的激光反射距离值序列，所述激光反射距离值序列包括扫描周期中，与各采样时刻相对应的激光射线的反射距离；
所述基于所述雷达扫描反射数据，确定所述当前帧与关键帧的相似度，还包括：
基于所述当前帧的激光反射距离值序列和所述关键帧的激光反射距离值序列之间的相似度确定所述当前帧与所述关键帧的相似度。
5.根据权利要求4所述的地图构建方法，其中，所述响应于所述当前帧与所述关键帧的雷达扫描反射数据的相似度小于或等于所述相似度阈值，确定用于指示所述当前帧所处位置的位置标识，包括：
响应于所述当前帧的扫描面积和关键帧的扫描面积之差大于或等于预设扫描面积差值且所述当前帧的激光反射距离值序列和所述关键帧的激光反射距离值序列之间的相似度小于或等于预设距离阈值，确定用于指示所述当前帧所处位置的位置标识。
6.一种导航方法，包括：
获取当前状态下的传感器数据；
执行如下的路径规划步骤：
基于所获取的传感器数据判断所述当前状态与上一状态是否具有相同的位置标识，其中，所述位置标识基于如权利要求1-5任意一种地图构建方法确定；
若所述当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在所述地图中的位置标识；
所述方法还包括：
判断当前状态是否为导航终点；
响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行所述路径规划步骤。
7.根据权利要求6所述的导航方法，其中，所述传感器数据包括图像数据；所述基于所获取的传感器数据判断所述当前状态与上一状态是否具有相同的位置标识，包括：
将当前状态下的图像和上一状态的图像输入预先训练的定位模型，以确定所述当前状态与上一状态是否具有相同的位置标识，其中，所述定位模型用于确定输入其中的两个图像的采集位置是否具有相同的位置标识。
8.根据权利要求6所述的导航方法，其中，所述确定规划路径的下一导航点在所述地图中的位置标识，包括：
获取状态转移矩阵；
基于所述状态转移矩阵，确定出至少一个候选导航点；
利用动态窗口算法确定自当前状态至各候选导航点的代价；
基于所确定的代价，从所述至少一个候选导航点中确定出下一导航点。
9.一种地图构建装置，包括：
获取单元，被配置成获取当前帧的雷达扫描反射数据；
相似度确定单元，被配置成基于所述雷达扫描反射数据，确定所述当前帧与关键帧的相似度；
位置标识确定单元，被配置成响应于所述当前帧与所述关键帧的雷达扫描反射数据的相似度不超过相似度阈值，确定用于指示所述当前帧所处位置的位置标识；
添加单元，被配置成将所述当前帧的雷达扫描反射数据和与所述当前帧对应的位置添加至具有所确定的位置标识的雷达扫描反射数据集合中，并将所述当前帧作为新的关键帧。
10.一种导航装置，包括：
获取单元，被配置成获取当前状态下的传感器数据；
路径规划单元，被配置成执行如下的路径规划步骤：
基于所获取的传感器数据判断所述当前状态与上一状态是否具有相同的位置标识，其中，所述位置标识基于如权利要求9-13任意一种地图构建装置确定；
若所述当前状态与上一状态具有相同的位置标识，确定规划路径的下一导航点在所述地图中的位置标识；
所述装置还包括：
判断单元，被配置成判断当前状态是否为导航终点；
更新单元，被配置成响应于下一导航点不是导航终点，将当前状态作为上一状态，继续执行所述路径规划步骤。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求6-8中任一所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求6-8中任一所述的方法。
CN201811086697.3A 2018-09-18 2018-09-18 地图构建方法、导航方法和装置 Active CN110376605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811086697.3A CN110376605B (zh) 2018-09-18 2018-09-18 地图构建方法、导航方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811086697.3A CN110376605B (zh) 2018-09-18 2018-09-18 地图构建方法、导航方法和装置

Publications (2)

Publication Number Publication Date
CN110376605A true CN110376605A (zh) 2019-10-25
CN110376605B CN110376605B (zh) 2022-02-01

Family

ID=68243865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811086697.3A Active CN110376605B (zh) 2018-09-18 2018-09-18 地图构建方法、导航方法和装置

Country Status (1)

Country Link
CN (1) CN110376605B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618434A (zh) * 2019-10-30 2019-12-27 北京航空航天大学 一种基于激光雷达的隧道内定位系统及其定位方法
CN112462758A (zh) * 2020-11-06 2021-03-09 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
CN113552586A (zh) * 2020-04-08 2021-10-26 杭州萤石软件有限公司 一种移动机器人的定位方法和移动机器人
CN114594776A (zh) * 2022-03-14 2022-06-07 安徽大学 一种基于层次化和模块化学习的导航避障方法
WO2022170562A1 (zh) * 2021-02-10 2022-08-18 中国科学院深圳先进技术研究院 一种消化内镜导航方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104916216A (zh) * 2015-06-26 2015-09-16 深圳乐行天下科技有限公司 一种地图构建方法及系统
CN105702151A (zh) * 2016-03-31 2016-06-22 百度在线网络技术（北京）有限公司 一种室内地图构建方法及装置
CN107301402A (zh) * 2017-06-30 2017-10-27 锐捷网络股份有限公司 一种现实场景关键帧的确定方法、装置、介质及设备
CN107561549A (zh) * 2017-08-17 2018-01-09 广州视源电子科技股份有限公司 终端位置的重定位方法、装置、终端及存储介质
CN108256060A (zh) * 2018-01-16 2018-07-06 广州视源电子科技股份有限公司 一种闭环检测方法、装置、终端及存储介质
CN108362284A (zh) * 2018-01-22 2018-08-03 北京工业大学 一种基于仿生海马认知地图的导航方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104916216A (zh) * 2015-06-26 2015-09-16 深圳乐行天下科技有限公司 一种地图构建方法及系统
CN105702151A (zh) * 2016-03-31 2016-06-22 百度在线网络技术（北京）有限公司 一种室内地图构建方法及装置
CN107301402A (zh) * 2017-06-30 2017-10-27 锐捷网络股份有限公司 一种现实场景关键帧的确定方法、装置、介质及设备
CN107561549A (zh) * 2017-08-17 2018-01-09 广州视源电子科技股份有限公司 终端位置的重定位方法、装置、终端及存储介质
CN108256060A (zh) * 2018-01-16 2018-07-06 广州视源电子科技股份有限公司 一种闭环检测方法、装置、终端及存储介质
CN108362284A (zh) * 2018-01-22 2018-08-03 北京工业大学 一种基于仿生海马认知地图的导航方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PENGFEI WANG ET AL.: "A New Approach to Environment Representation with Its Application in Robot Navigation", 《2017 9TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618434A (zh) * 2019-10-30 2019-12-27 北京航空航天大学 一种基于激光雷达的隧道内定位系统及其定位方法
CN110618434B (zh) * 2019-10-30 2021-11-16 北京航空航天大学 一种基于激光雷达的隧道内定位系统及其定位方法
CN113552586A (zh) * 2020-04-08 2021-10-26 杭州萤石软件有限公司 一种移动机器人的定位方法和移动机器人
CN113552586B (zh) * 2020-04-08 2024-04-05 杭州萤石软件有限公司 一种移动机器人的定位方法和移动机器人
CN112462758A (zh) * 2020-11-06 2021-03-09 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
CN112462758B (zh) * 2020-11-06 2022-05-06 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
WO2022170562A1 (zh) * 2021-02-10 2022-08-18 中国科学院深圳先进技术研究院 一种消化内镜导航方法和系统
CN114594776A (zh) * 2022-03-14 2022-06-07 安徽大学 一种基于层次化和模块化学习的导航避障方法

Also Published As

Publication number Publication date
CN110376605B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN110376605A (zh) 地图构建方法、导航方法和装置
CN111968262B (zh) 一种语义智能变电站巡视作业机器人导航系统及方法
CN104854428B (zh) 传感器融合
CN107690840B (zh) 无人机视觉辅助导航方法及系统
WO2017168899A1 (ja) 情報処理方法および情報処理装置
WO2020103110A1 (zh) 一种基于点云地图的图像边界获取方法、设备及飞行器
CN106840148A (zh) 室外作业环境下基于双目摄像机的可穿戴式定位与路径引导方法
Chen et al. DroneTalk: An Internet-of-Things-based drone system for last-mile drone delivery
CN112184812B (zh) 提升无人机相机对AprilTag识别定位精度方法及定位方法和系统
CN111338383A (zh) 基于gaas的自主飞行方法及系统、存储介质
CN110832494A (zh) 一种语义生成方法、设备、飞行器及存储介质
CN110260856A (zh) 一种建图方法和装置
CN106708037A (zh) 自主移动式设备定位的方法、装置及自主移动式设备
CN110799983A (zh) 一种地图生成方法、设备、飞行器及存储介质
CN112596071A (zh) 无人机自主定位方法、装置及无人机
CN112379681A (zh) 无人机避障飞行方法、装置及无人机
CN111812978B (zh) 一种多无人机协作slam方法与系统
CN112378397A (zh) 无人机跟踪目标的方法、装置及无人机
CN115719436A (zh) 模型训练方法、目标检测方法、装置、设备以及存储介质
CN111309035B (zh) 多机器人协同移动与动态避障方法、装置、设备及介质
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
US20210190529A1 (en) Adaptive, imitative navigational assistance
CN112346480B (zh) 一种室内无人机及其控制方法、计算机可读存储介质
CN112380933B (zh) 无人机识别目标的方法、装置及无人机
Bouman et al. Adaptive coverage path planning for efficient exploration of unknown environments

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