CN110634104B - 多地图拼接方法及装置 - Google Patents
多地图拼接方法及装置 Download PDFInfo
- Publication number
- CN110634104B CN110634104B CN201910851505.1A CN201910851505A CN110634104B CN 110634104 B CN110634104 B CN 110634104B CN 201910851505 A CN201910851505 A CN 201910851505A CN 110634104 B CN110634104 B CN 110634104B
- Authority
- CN
- China
- Prior art keywords
- track
- information
- sub
- point
- points
- 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 39
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001417527 Pempheridae Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种多地图拼接方法，包括：获取多个子地图采集轨迹信息并根据标号确定连接关系信息；根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；计算第一轨迹点集合中的各轨迹点和第二轨迹点集合中的各轨迹点的第一相似度；确定第一相似度大于预设的第一相似度阈值的轨迹点对集合，得到每个轨迹点的多个扩展轨迹点，并计算每个轨迹点对的第二相似度集合；根据目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。由此，降低了点云刚性拼接带了的误差累积现象，提升了复杂环境内三维地图重建精度。
Description
技术领域
本发明涉及无人驾驶大场景三维重建领域，尤其涉及一种多地图拼接方法及装置。
背景技术
随着近年来科技水平的不断提升，人工智能飞速发展，其广泛运用到各个领域之中。其中，由于自动驾驶车辆能够高效利用交通资源，缓解交通拥堵、减少碳排放，自动驾驶技术越来越成为人们所关注的焦点，但乘用车自动驾驶距真正商业化还有一定的距离，而限定环境内的小型低速环卫清扫车为自动驾驶技术的落地提供了具体的应用场景。另一方面，由于人口老龄化的加剧，国内劳动力的成本逐年呈上升趋势，且繁重的重复性体力劳动增加了人们的工作负担，例如，对于城市道路、公园、校园、生活小区、工业园区等场景的环境卫生清扫作业，环卫工人需要长时间进行重复性的体力劳动，作业繁重，故由智能化的无人驾驶自动清扫代替繁重的人工清扫势不可挡。
小型环卫车辆能够实现自动清扫，离不开高精度的定位技术，高精度定位技术关键在于高精度地图和高鲁棒性定位方法。车辆的高精度定位主要是依托高精度地图下激光的实时匹配，因此高精度地图是环卫车辆实现高精度定位的必要条件，也是环卫车辆实现无人自动清扫的前提。在环卫车辆投放的实际场景中，清扫区域的复杂度高且区域面积大，单一轨迹已经无法满足此类场景建模数据的采集，必然涉及到多地图的拼接。而场景地图拼接的精确性，将直接影响后续的复杂场景整个地图重建的精度，若地图拼接的准确度低，直接降低了场景重建的地图质量，导致激光匹配位置不精准或波动，造成环卫车辆定位错误或失败，发生不可控的潜在危险。考虑到无人环卫车辆需具备复杂场景的投放能力，地图拼接方式要求能适用于复杂场景。
目前，基于激光点云匹配的拼接方案是自动驾驶高精度地图领域应用较多的地图拼接方案。
基于激光点云匹配的拼接方案主要包括四部分：原始数据处理、子地图构建、确定子地图连接关系和子地图拼接。首先，对传感器采集的数据进行预处理得到子地图构建的输入数据，然后，对场景下每个子场景进行三维重建得到相应的子地图，并获取全部子地图的连接关系，最后，对存在连接关系的子地图运用激光匹配算法得到子地图之间的位姿变换关系，基于此变换关系将全部子地图叠加起来，从而完成复杂场景下多地图拼接过程。
然而，基于激光点云匹配的拼接方案对子地图要求较高，受子地图的中间质量、连接方式、重叠面积等影响，由于该方案采用的激光匹配属于刚性拼接，因此，在子地图出现畸变且子地图存在多处连接时，拼接后的地图必定出现重影问题。若拼接的子地图在拼接处存在累积误差，此误差会在被拼接的子地图中继续累积或放大；若连接的子地图重叠区域过小，将影响激光匹配精度，造成子地图之间的位姿变换关系获取准确性低，同样会导致拼接后的地图出现重影问题，进而影响到激光匹配实时定位精度。
该方案受采集路线的制约较严重，只能在特定路线或特定环境内完成高质量的多地图拼接，但在低速无人环卫车投放中无法避免清扫区域纵横交错的场景，因此，此方案在实际应用时无法保证复杂型场景下多地图拼接的精度。
发明内容
本发明实施例的目的是提供一种多地图拼接方法及装置，以解决现有技术中的拼接方案存在的无法保证匹配精度的问题。
为解决上述问题，第一方面，本发明提供了一种多地图拼接方法，所述方法包括：
获取多个子地图采集轨迹信息；每个所述子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；所述位姿信息包括位置信息；
根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；所述连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息；
根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；所述第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；所述第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；所述相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息；
计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度；
确定第一相似度大于预设的第一相似度阈值的轨迹点对集合；
对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点；
计算所述轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合；
根据所述每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对；根据所述目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
在一种可能的实现方式中，所述获取多个子地图采集轨迹信息，具体包括：
通过卡尔曼滤波数据融合算法，对通过轮速计采集的第一数据、通过I MU采集的第二数据和通过差分GPS采集的第三数据进行处理，得到多个子地图采集轨迹信息。
在一种可能的实现方式中，所述根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息，具体包括：
根据所述标号，对多个子地图采集轨迹信息进行排序；
根据排序后的多个子地图采集轨迹信息中的相邻的两个子地图采集轨迹信息的首尾轨迹点的位置信息，计算第一距离；
当第一距离不大于预设的第一距离阈值时，根据所述相邻的两个子地图采集轨迹信息的时间戳，计算第一时间；
当第一时间不大于预设的第一时间阈值时，确定所述相邻的两个子地图采集轨迹信息为第一类连接关系；其中，相邻的两个子地图采集轨迹信息的首尾轨迹点为连接处的轨迹点。
在一种可能的实现方式中，当第一距离大于预设的第一距离阈值时，计算相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点的第二距离；
当所述第二距离不大于预设的第二距离阈值时，根据所述相邻的两个子地图采集轨迹信息的时间戳，计算第二时间；
当所述第二时间不大于预设的第二时间阈值时，确定所述相邻的两个子地图采集轨迹信息为第二类连接关系；其中，相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点为连接处的轨迹点。
在一种可能的实现方式中，所述计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度，具体包括：
获取第一轨迹点集合中，每个轨迹点的激光点云数据；
获取第二轨迹点集合中，每个轨迹点的激光点云数据；
根据预设的划分规则，对第一轨迹点集合中每个轨迹点对应的第一特定范围进行划分，得到多个第一栅格；每个所述第一栅格具有第一栅格值；
根据预设的划分规则，对第二轨迹点集合中每个轨迹点对应的第二特定范围进行划分，得到多个第二栅格；每个所述第二栅格具有第二栅格值；
根据所述第一栅格值和所述第二栅格值，分别计算所述第一轨迹点集合中的每个轨迹点与第二轨迹点集合中的每个轨迹点的第一相似度。
在一种可能的实现方式中，所述预设的划分规则为以a度、b米的扇形，对第一特定范围进行划分；其中0.1≤a≤20，1≤b≤10。
在一种可能的实现方式中，所述对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点，具体包括：
对每个所述轨迹点对中的一个轨迹点进行固定，对另一个轨迹点以田字型或米字型进行扩展，得到多个扩展轨迹点。
第二方面，本发明提供了一种多地图拼接装置，所述装置包括：
获取单元，所述获取单元用于获取多个子地图采集轨迹信息；每个所述子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；所述位姿信息包括位置信息；
确定单元，所述确定单元用于根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；所述连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息；
所述确定单元还用于，根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；所述第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；所述第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；所述相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息；
计算单元，所述计算单元用于计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度；
所述确定单元还用于，确定第一相似度大于预设的第一相似度阈值的轨迹点对集合；
扩展单元，所述扩展单元用于对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点；
所述计算单元还用于计算所述轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合；
所述确定单元还用于，根据所述每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对；
拼接单元，所述拼接单元用于根据所述目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
第三方面，本发明提供了一种设备，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行第一方面任一所述的方法。
第四方面，本发明提供了一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面任一所述的方法。
第五方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一所述的方法。
应用本发明实施例提供的多地图拼接方法及装置，避免了以点云刚性拼接带来的重影问题，降低了点云刚性拼接带了的误差累积现象，提升了复杂环境内三维地图重建精度，同时提高了低速无人环卫车辆对环境的适应力。拓宽了无人车辆投放场景。且原理简单易实现，逻辑清晰，各类场景适应性良好，参数不需随场景类型调节，解决了低速无人环卫车辆对复杂环境或其它环境投放需求。
附图说明
图1为本发明实施例一提供的多地图拼接方法流程示意图；
图2为本发明实施例二提供的多地图拼接装置结构示意图。
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为本发明实施例一提供的多地图拼接方法流程示意图，该方法的应用场景为无人驾驶车辆和机器人，下面将该方法应用在低速无人驾驶车辆为例进行说明。当将该方法应用在低速无人驾驶车辆时，该方法的执行主体为低速无人驾驶车辆中的处理器。如图1所示，本申请包括以下步骤：
步骤101，获取多个子地图采集轨迹信息；每个子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；位姿信息包括位置信息。
具体的，通过卡尔曼滤波数据融合算法，对通过轮速计采集的第一数据、通过I MU采集的第二数据和通过差分GPS采集的第三数据进行处理，得到多个子地图采集轨迹信息。并根据GPS第三数据的时间戳，设置多个子地图轨迹采集信息的标号，比如，可以依照时间戳的先后顺序，对多个子地图轨迹采集信息设置标号。
其中，每个子地图轨迹采集信息中，包括多个轨迹点，通过第三数据，可以确定每个轨迹点的位姿信息以及该轨迹点的时间戳。子地图轨迹采集信息的时间戳可以是多个轨迹点的时间戳的平均值。位姿信息除了包括位置信息外，还包括航向角、速度等信息。
步骤102，根据标号，依次确定多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息。
具体的，可以先判断多个子地图采集轨迹信息中，相邻的两个子地图采集轨迹信息是否存在第一类连接关系，方法如下：
首先，根据标号，对多个子地图采集轨迹信息进行排序；然后，根据排序后的多个子地图采集轨迹信息中的相邻的两个子地图采集轨迹信息的首尾轨迹点的位置信息，计算第一距离；接着，当第一距离不大于预设的第一距离阈值时，根据相邻的两个子地图采集轨迹信息的时间戳，计算第一时间；最后，当第一时间不大于预设的第一时间阈值时，确定相邻的两个子地图采集轨迹信息为第一类连接关系；其中，相邻的两个子地图采集轨迹信息的首尾轨迹点为连接处的轨迹点。
其中，第一距离阈值和第一时间阈值都是预先设定好的经验值。
当确定好相邻的两个子地图采集轨迹信息的第一类连接关系后，将具有第一类连接关系的子地图采集轨迹信息作为一个新的地图采集轨迹信息，进行下一步的判断，以确定新的地图采集轨迹信息与不具有第一类连接关系的子地图采集轨迹信息之间是否具有第二类连接关系，具体方法如下：
首先，当第一距离大于预设的第一距离阈值时，计算相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点的第二距离；其中，一个子地图采集轨迹信息即为新的地图采集轨迹信息。然后，当第二距离不大于预设的第二距离阈值时，根据相邻的两个子地图采集轨迹信息的时间戳，计算第二时间；最后，当第二时间不大于预设的第二时间阈值时，确定相邻的两个子地图采集轨迹信息为第二类连接关系；其中，相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点为连接处的轨迹点。
最后，将全场景下，所有子地图采集轨迹信息的联系关系和子地图采集轨迹信息中每个轨迹点的位置信息，以特定格式进行存储，作为步骤103的输入。
步骤103，根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合。
其中，第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息。
具体的，根据步骤102的输入，可以确定相邻的两个子地图采集轨迹信息的连接处的轨迹点，可以将第一子地图采集轨迹信息上的连接处称为第一连接处，将第二子地图采集轨迹信息上的连接处称为第二连接处。
比如，两个子地图采集轨迹信息为第二类连接关系，第一子地图采集轨迹信息上的A80轨迹点为第一连接处的轨迹点，第二子地图采集轨迹信息上的B30轨迹点为第二连接处的轨迹点。
第一预设范围可以是5米，即A80轨迹点向左5米、向右5米的范围内所包括的轨迹点，连同A80，称为第一轨迹点集合。
第二预设范围可以是4米，即B30轨迹点向左4米、向右4米的范围内所包括的轨迹点，连同B30，称为第二轨迹点集合。
需要说明的是，第一预设范围和第二预设范围可以是相同的，也可以是不同的，本申请对此并不限定。
步骤104，计算第一轨迹点集合中的各轨迹点和第二轨迹点集合中的各轨迹点的第一相似度。
具体的，步骤104包括以下内容：
首先，获取第一轨迹点集合中，每个轨迹点的激光点云数据；获取第二轨迹点集合中，每个轨迹点的激光点云数据。
然后，根据预设的划分规则，对第一轨迹点集合中每个轨迹点对应的第一特定范围进行划分，得到多个第一栅格；每个第一栅格具有第一栅格值；根据预设的划分规则，对第二轨迹点集合中每个轨迹点对应的第二特定范围进行划分，得到多个第二栅格；每个第二栅格具有第二栅格值。
最后，根据第一栅格值和第二栅格值，分别计算第一轨迹点集合中的每个轨迹点与第二轨迹点集合中的每个轨迹点的第一相似度。
下面结合例子，对步骤104进行具体的说明。
车辆上的激光雷达，可以实时的获取到每个轨迹点的激光点云数据。对于第一轨迹点集合中的A80轨迹点，以第一特定范围为10米为例，在10米范围内，包括40个轨迹点，这40个轨迹点中的每个轨迹点，分别对应其轨迹点的激光点云数据。
以a为2，b为1，对10米范围进行扇形划分，得到多个第一栅格，如果第一栅格中具有多个激光点云数据，则该第一栅格的栅格值为多个激光点云数据中，高度最高点的激光点云数据的高度值，如果第一栅格中具有一个激光点云数据，则该第一栅格的栅格值为该激光点云数据的高度值，如果第一栅格中不具有激光点云数据，则为该第一栅格的栅格值赋特定值。
同时，对于第二轨迹点集合中的B30轨迹点，以第二特定范围为8米为例，在8米范围内，包括20个轨迹点，这20个轨迹点，分别对应其轨迹点的激光点云数据，
继续按照相同的划分规则，对8米范围进行扇形划分，得到多个第二栅格，并按照相同的赋值原则，确定第二栅格中每个第二栅格的栅格值。
根据激光匹配算法、每个第一栅格的栅格值、每个第二栅格的栅格值，计算点云数据栅格化后的相似度，从而得到第一轨迹点集合中的40个轨迹点中的每个轨迹点分别与第二轨迹点集合中的20个轨迹点中的每个轨迹点的第一相似度。
需要说明的是，此时的第一特定范围和第二特定范围可以相同，也可以不同，对第一特定范围进行划分的预设规则，和对第二特定范围进行划分的预设规则，是相同的。预设的划分规则为以a度、b米的扇形，对第一特定范围进行划分；其中0.1≤a≤20，1≤a≤10。激光点云数据可以是单帧激光点云数据。
步骤105，确定第一相似度大于预设的第一相似度阈值的轨迹点对集合。
具体的，确定的轨迹点对集合中，可以是一一对应关系，也可以是一对多的关系，也可以是多对一的关系，也可以是三种关系的任意组合。
比如，得到的轨迹点对集合可以是{(A60,B10)、(A61,B11)、(A62,B12)、(A63,B13)、(A64,B14)、(A65,B15)}，也可以是{(A60,B10)、(A60,B11)、(A62,B12)、(A62,B13)、(A65,B14)、(A65,B15)}，也可以是{(A60,B10)、(A61,B10)、(A62,B10)、(A63,B14)、(A64,B14)、(A65,B14)}，还可以是{(A60,B10)、(A61,B11)、(A61,B12)、(A63,B13)、(A64,B14)、(A65,B14)}。
步骤106，对轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点。
其中，可以以田字型或米字型，对轨迹点对中的另一个轨迹点进行扩展。
比如，以(A60,B10)为例，固定A60，对B10进行田字型平移，得到4个扩展轨迹点。或者对B10进行米字型平移，得到8个扩展轨迹点。
需要说明的是，本申请还可以以其他扩展方式，对另一个轨迹点进行扩展，本申请对轨迹点的扩展方式并不限定。
步骤107，计算轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合。
具体的，示例而非限定，以(A60,B10)为例，以B10进行米字型扩展为例，B10进行米字型扩展后，得到8个扩展轨迹点，继续按照步骤104的计算方式，计算A60和8个扩展轨迹点的第二相似度，得到8个第二相似度，这8个第二相似度，一起称为第二相似度集合。
依照此方法，可以得到每个轨迹点对的第二相似度集合。比如，总共有6个轨迹点对，每个轨迹点对的第二相似度集合中包括8个相似度数据，总共包括48个相似度数据。
步骤108，根据每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对。
继续接上例，从48个第二相似度和1个第一相似度中，选取相似度数据最高的两个轨迹点，从而将这两个轨迹点作为目标轨迹点对。
步骤109，根据目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
根据目标轨迹点对，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
继续执行步骤104-步骤109，直到对所有的子地图采集轨迹信息都进行了拼接，最后得到的结果为一条连续的地图轨迹。从而完成全场景下三维点云地图构建。
应用本发明实施例提供的多地图拼接方法，避免了以点云刚性拼接带来的重影问题，降低了点云刚性拼接带了的误差累积现象，提升了复杂环境内三维地图重建精度，同时提高了低速无人环卫车辆对环境的适应力。拓宽了无人车辆投放场景。且该方法原理简单易实现，逻辑清晰，各类场景适应性良好，参数不需随场景类型调节，解决了低速无人环卫车辆对复杂环境或其它环境投放需求。
图2为本发明实施例二提供的多地图拼接装置结构示意图。该多地图拼接装置应用在实施例一中的多地图拼接方法中，如图2所示，该多地图拼接装置200包括：获取单元201，确定单元202，计算单元203，扩展单元204和拼接单元205。
获取单元201用于获取多个子地图采集轨迹信息；每个子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；位姿信息包括位置信息。
确定单元202用于根据标号，依次确定多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息。
确定单元202还用于，根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息。
计算单元203用于计算第一轨迹点集合中的各轨迹点和第二轨迹点集合中的各轨迹点的第一相似度。
确定单元202还用于，确定第一相似度大于预设的第一相似度阈值的轨迹点对集合。
扩展单元204用于对轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点。
计算单元203还用于计算轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合。
确定单元202还用于，根据每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对。
拼接单元205用于根据目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
每个单元的具体作用以及该装置的技术效果与实施例一中描述的类似，此处不再赘述。
本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。
本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种多地图拼接方法，其特征在于，所述方法包括：
获取多个子地图采集轨迹信息；每个所述子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；所述位姿信息包括位置信息；
根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；所述连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息；
根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；所述第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；所述第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；所述相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息；
计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度；
确定第一相似度大于预设的第一相似度阈值的轨迹点对集合；
对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点；
计算所述轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合；
根据所述每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对；
根据所述目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
2.根据权利要求1所述的方法，其特征在于，所述获取多个子地图采集轨迹信息，具体包括：
通过卡尔曼滤波数据融合算法，对通过轮速计采集的第一数据、通过IMU采集的第二数据和通过差分GPS采集的第三数据进行处理，得到多个子地图采集轨迹信息。
3.根据权利要求1所述的方法，其特征在于，所述根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息，具体包括：
根据所述标号，对多个子地图采集轨迹信息进行排序；
根据排序后的多个子地图采集轨迹信息中的相邻的两个子地图采集轨迹信息的首尾轨迹点的位置信息，计算第一距离；
当第一距离不大于预设的第一距离阈值时，根据所述相邻的两个子地图采集轨迹信息的时间戳，计算第一时间；
当第一时间不大于预设的第一时间阈值时，确定所述相邻的两个子地图采集轨迹信息为第一类连接关系；其中，相邻的两个子地图采集轨迹信息的首尾轨迹点为连接处的轨迹点。
4.根据权利要求3所述的方法，其特征在于，当第一距离大于预设的第一距离阈值时，计算相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点的第二距离；
当所述第二距离不大于预设的第二距离阈值时，根据所述相邻的两个子地图采集轨迹信息的时间戳，计算第二时间；
当所述第二时间不大于预设的第二时间阈值时，确定所述相邻的两个子地图采集轨迹信息为第二类连接关系；其中，相邻的两个子地图采集轨迹信息中的一个子地图采集轨迹信息中的一个轨迹点和另一个子地图采集轨迹信息中的一个轨迹点为连接处的轨迹点。
5.根据权利要求1所述的方法，其特征在于，所述计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度，具体包括：
获取第一轨迹点集合中，每个轨迹点的激光点云数据；
获取第二轨迹点集合中，每个轨迹点的激光点云数据；
根据预设的划分规则，对第一轨迹点集合中每个轨迹点对应的第一特定范围进行划分，得到多个第一栅格；每个所述第一栅格具有第一栅格值；
根据预设的划分规则，对第二轨迹点集合中每个轨迹点对应的第二特定范围进行划分，得到多个第二栅格；每个所述第二栅格具有第二栅格值；
根据所述第一栅格值和所述第二栅格值，分别计算所述第一轨迹点集合中的每个轨迹点与第二轨迹点集合中的每个轨迹点的第一相似度。
6.根据权利要求5所述的方法，其特征在于，所述预设的划分规则为以a度、b米的扇形，对第一特定范围进行划分；其中0.1≤a≤20，1≤b≤10。
7.根据权利要求1所述的方法，其特征在于，所述对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点，具体包括：
对每个所述轨迹点对中的一个轨迹点进行固定，对另一个轨迹点以田字型或米字型进行扩展，得到多个扩展轨迹点。
8.一种多地图拼接装置，其特征在于，所述装置包括：
获取单元，所述获取单元用于获取多个子地图采集轨迹信息；每个所述子地图轨迹采集信息包括与时间戳相关联的标号、多个轨迹点的位姿信息；所述位姿信息包括位置信息；
确定单元，所述确定单元用于根据所述标号，依次确定所述多个子地图采集轨迹信息中任意相邻的两个子地图采集轨迹信息的连接关系信息；所述连接关系信息包括第一类连接关系、第二类连接关系和连接处的轨迹点的位置信息；
所述确定单元还用于，根据相邻的两个子地图采集轨迹信息的连接处的轨迹点的位置信息和所属的连接关系，确定第一轨迹点集合和第二轨迹点集合；所述第一轨迹点集合包括第一子地图采集轨迹信息的第一连接处的轨迹点以及与第一连接处的轨迹点的距离在第一预设范围内的轨迹点；所述第二轨迹点集合包括第二子地图采集轨迹信息的第二连接处的轨迹点以及与第二连接处的轨迹点的距离在第二预设范围内的轨迹点；所述相邻的两个子地图采集轨迹信息包括通过第一连接处的轨迹点与第二连接处的轨迹点相连的第一子地图采集轨迹信息和第二子地图采集轨迹信息；
计算单元，所述计算单元用于计算所述第一轨迹点集合中的各轨迹点和所述第二轨迹点集合中的各轨迹点的第一相似度；
所述确定单元还用于，确定第一相似度大于预设的第一相似度阈值的轨迹点对集合；
扩展单元，所述扩展单元用于对所述轨迹点对集合中，每个轨迹点对中的一个轨迹点进行固定，另一个轨迹点进行扩展，得到每个轨迹点的多个扩展轨迹点；
所述计算单元还用于计算所述轨迹点对集合中，每个轨迹点对中的固定的轨迹点和多个扩展的轨迹点的第二相似度，得到每个轨迹点对的第二相似度集合；
所述确定单元还用于，根据所述每个轨迹点对的第二相似度集合和第一相似度，确定相似度最高时的两个轨迹点，并将相似度最高时的两个轨迹点确定为目标轨迹点对；
拼接单元，所述拼接单元用于根据所述目标轨迹点对的位姿信息，对第一子地图采集轨迹信息和第二子地图采集轨迹信息进行拼接。
9.一种设备，其特征在于，所述设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851505.1A CN110634104B (zh) | 2019-09-05 | 2019-09-05 | 多地图拼接方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851505.1A CN110634104B (zh) | 2019-09-05 | 2019-09-05 | 多地图拼接方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110634104A CN110634104A (zh) | 2019-12-31 |
| CN110634104B true CN110634104B (zh) | 2022-11-18 |
Family
ID=68970881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910851505.1A Active CN110634104B (zh) | 2019-09-05 | 2019-09-05 | 多地图拼接方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110634104B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784729B (zh) * | 2020-07-01 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
| CN114095853B (zh) * | 2020-07-30 | 2023-04-14 | 华为技术有限公司 | 一种生成室内地图的方法和装置 |
| CN112084289B (zh) * | 2020-09-18 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种轨迹融合方法及装置 |
| CN113012295A (zh) * | 2021-04-06 | 2021-06-22 | 杭州国辰机器人科技有限公司 | 一种多地图拼接方法、装置、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515891A (zh) * | 2017-07-06 | 2017-12-26 | 杭州南江机器人股份有限公司 | 一种机器人地图制作方法、装置和存储介质 |
| CN108205566A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种基于轨迹对点云进行管理的方法及装置、导航设备 |
| CN108279670A (zh) * | 2017-12-29 | 2018-07-13 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
| CN109086278A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种消除误差的地图构建方法、系统、移动终端及存储介质 |
| CN109086277A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种重叠区构建地图方法、系统、移动终端及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150092048A1 (en) * | 2013-09-27 | 2015-04-02 | Qualcomm Incorporated | Off-Target Tracking Using Feature Aiding in the Context of Inertial Navigation |
-
2019
- 2019-09-05 CN CN201910851505.1A patent/CN110634104B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108205566A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种基于轨迹对点云进行管理的方法及装置、导航设备 |
| CN109086278A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种消除误差的地图构建方法、系统、移动终端及存储介质 |
| CN109086277A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技（上海）股份有限公司 | 一种重叠区构建地图方法、系统、移动终端及存储介质 |
| CN107515891A (zh) * | 2017-07-06 | 2017-12-26 | 杭州南江机器人股份有限公司 | 一种机器人地图制作方法、装置和存储介质 |
| CN108279670A (zh) * | 2017-12-29 | 2018-07-13 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
Non-Patent Citations (2)
| Title |
|---|
| 一种顾及道路复杂度的增量路网构建方法;刘纪平等;《测绘学报》;20190415(第04期);全文 * |
| 出租车GPS轨迹集聚和精细化路网提取;邬群勇等;《测绘学报》;20190415(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110634104A (zh) | 2019-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110634104B (zh) | 多地图拼接方法及装置 | |
| CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
| CN109084786B (zh) | 一种地图数据的处理方法 | |
| CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
| Joshi et al. | Generation of accurate lane-level maps from coarse prior maps and lidar | |
| CN108303103A (zh) | 目标车道的确定方法和装置 | |
| CN109164785B (zh) | 自动驾驶车辆的仿真测试方法、装置、设备及存储介质 | |
| CN111076734B (zh) | 一种封闭区域非结构化道路高精地图构建方法 | |
| JP7220169B2 (ja) | 情報処理方法、装置、記憶媒体、及びプログラム | |
| CN109993994B (zh) | 一种航线分割方法及装置 | |
| CN103411609A (zh) | 一种基于在线构图的飞行器返航路线规划方法 | |
| JP2022542289A (ja) | 地図作成方法、地図作成装置、電子機器、記憶媒体及びコンピュータプログラム製品 | |
| CN114485698B (zh) | 一种交叉路口引导线生成方法及系统 | |
| CN109426800A (zh) | 一种车道线检测方法和装置 | |
| CN109813332B (zh) | 添加虚拟引导线的方法和装置 | |
| CN110926485A (zh) | 一种基于直线特征的移动机器人定位方法及系统 | |
| CN104091339A (zh) | 一种图像快速立体匹配方法及装置 | |
| CN112419512A (zh) | 一种基于语义信息的空中三维模型修复系统及方法 | |
| CN115435798A (zh) | 无人车高精地图路网生成系统及方法 | |
| CN111812978B (zh) | 一种多无人机协作slam方法与系统 | |
| CN111982135A (zh) | 一种基于不同协议的地图格式之间的转换方法 | |
| CN113494917A (zh) | 地图构建方法及系统、制定导航策略的方法以及存储介质 | |
| CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
| CN112154355B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
| CN116125980A (zh) | 无人货车驾驶方法、装置、电子设备及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant after: Beijing Idriverplus Technology Co.,Ltd. Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant before: Beijing Idriverplus Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |