CN111220967B - 一种激光雷达数据有效性的检测方法与装置 - Google Patents
一种激光雷达数据有效性的检测方法与装置 Download PDFInfo
- Publication number
- CN111220967B CN111220967B CN202010001696.5A CN202010001696A CN111220967B CN 111220967 B CN111220967 B CN 111220967B CN 202010001696 A CN202010001696 A CN 202010001696A CN 111220967 B CN111220967 B CN 111220967B
- Authority
- CN
- China
- Prior art keywords
- data
- acquiring
- eigenvector
- axis
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- 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
Abstract
本申请提供了一种激光雷达数据有效性的检测方法与装置,以及相关可读存储介质、电子设备和机器人,涉及智能机器人技术领域。该方法应用于激光雷达采集的数据,具体包括:将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。利用该方法能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
Description
技术领域
本申请涉及智能机器人技术领域,尤其涉及一种激光雷达数据有效性的检测方法与装置。
背景技术
机器人可以利用激光雷达进行即时定位与地图构建(SimultaneousLocalization and Mapping,SLAM)。该过程可以描述为:将一个机器人置于未知环境中的未知位置,机器人一边移动一边利用激光雷达获取数据,以构建该环境的地图。
但机器人在进行即时定位与地图构建时,当所处的环境为结构化环境时,由于结构化环境具有表面(地面、墙面、障碍物表面)的材质性能(材料、粗糙度、反光等)均一,结构与尺寸的变化规律且稳定,环境信息(障碍物、风力、采光等)固定等特性,容易使激光雷达的数据出现误匹配,导致构建地图的过程中存在较大的误差。
发明内容
为了解决现有技术存在的上述技术问题,本申请提供了一种激光雷达数据有效性的检测方法与装置,能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
本申请提供了一种激光雷达数据有效性的检测方法,应用于激光雷达采集的数据,包括:
将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;
获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;
当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
可选的,所述将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
可选的,所述获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量,具体包括:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
可选的,所述旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述第一特征向量与横/纵坐标轴的第一夹角和所述第二特征向量与所述横/纵坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
本申请提供了一种激光雷达数据有效性的检测装置,所述装置包括:旋转单元、获取单元和确定单元;
所述旋转单元,用于将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;
所述获取单元,用于获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;
所述确定单元,用于当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
可选的,所述旋转单元具体包括:第一获取子单元和旋转子单元;
所述第一获取子单元,用于获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转子单元,用于旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
可选的,所述第一获取子单元具体用于:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
可选的,所述旋转子单元具体用于:
获取所述第一特征向量与横坐标轴的第一夹角和所述第二特征向量与所述横坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
本申请还提供了一种可读存储介质,其上存储有程序,所述程序被处理器执行时实现以上所述的激光雷达数据有效性的检测方法。
本申请还提供了一种电子设备,所述电子设备用于运行程序,其中,所述程序运行时执行以上所述的激光雷达数据有效性的检测方法。
本申请还提供了一种机器人,所述机器人具有以上所述的电子设备,还包括:激光雷达;
所述激光雷达用于采集环境的数据。
本申请所述方法至少具有以下优点:
本申请提供的方法将数据旋转至数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;获取数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;当第一差值大于或等于第一预设距离且第二差值大于或等于第二预设距离时,确定数据有效。该方法利用了结构化环境的相似性导致数据误匹配时数据在坐标轴上投影的最大值和最小值的距离差会缩小的原理,能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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它的附图。
图1为本申请实施例提供的一种激光雷达数据有效性的检测方法的流程图;
图2为本申请实施例提供的一种激光雷达数据有效性的检测方法的应用场景的示意图;
图3为本申请实施例提供的一种激光雷达数据有效性的检测装置的示意图;
图4为本申请实施例提供的一种激光雷达数据有效性的检测方法应用电子设备的示意图。
具体实施方式
目前机器人在进行即时定位与地图构建时,当所处的环境为结构化环境时,由于结构化环境具有表面的材质性能均一,结构与尺寸的变化规律且稳定,环境信息固定等特性,容易使激光雷达的数据出现误匹配,导致构建地图的过程中存在较大的误差。
例如当环境为类似于长廊的直线现状的房间,由于环境的相似性,在进行即时定位与地图构建可能会将激光雷达采集的数据匹配到错误的位置,进而造成建图精度下降。
为了解决现有技术存在的上述技术问题,本申请提供了一种激光雷达数据有效性的检测方法与装置,能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,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做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
可以理解的是,本申请实施例中所述的“第一”和“第二”等用词仅用于区分同类名词以便于说明,并不构成对于本申请的限定。
实施例一:
本申请实施例提供了一种激光雷达数据有效性的检测方法,下面结合附图具体说明。
参见图1,该图为本申请实施例提供的一种激光雷达数据有效性的检测方法的流程图。
本申请实施例所述方法包括以下步骤:
S101:将数据旋转至数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行。
在使用激光雷达采集环境的数据以进行地图构建时,获取的数据可以表示为{x1,y1}、{x2,y2}、···{xn,yn}的形式,其中x表征数据在笛卡尔坐标系下在x轴上的坐标,y表征数据在笛卡尔坐标系下在y轴上的坐标。
本申请实施例所述的x轴和y轴均指笛卡尔坐标系的数轴,x轴和y轴正交,该笛卡尔坐标系的原点以及x轴和y轴的方向根据实际情况设定,本申请实施例对此不作具体限定,
可以理解的是,对于激光雷达采集的环境的平面数据而言,一般可以获取到两个不同的特征向量,这两个特征向量能够表征数据的分布特性,下面具体以激光雷达采集长形走廊环境的数据为例说明。
参见图2,该图为本申请实施例提供的一种激光雷达数据有效性的检测方法的应用场景的示意图。
其中,O为笛卡尔坐标系的坐标原点。该场景下激光雷达的数据分布可以被拟合为椭圆形或者类椭圆形分布,则第一特征向量ξ1的方向可以如图中虚线所示沿椭圆形的长轴,第二特征向量ξ2的方向可以如图中虚线所示沿椭圆形的短轴。当然,实际应用中,也可以对调第一特征向量与第二特征向量,即第一特征向量的方向可以沿椭圆形的短轴,第二特征向量的方向可以沿椭圆形的长轴。
激光雷达的数据的协方差矩阵对应的特征向量可能与坐标轴之间存在夹角,将数据进行旋转时,首先获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量,然后再旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
具体的过程如下:
获取所述激光雷达采集的数据的均值。
数据在x轴方向的均值μx可通过下式确定:
数据在y轴方向的均值μy可通过下式确定:
利用所述均值获取所述数据的协方差矩阵,具体参见下式:
其中,Λxy=Cov(x,y)=E([x-μx]T[y-μy]),Λxy=Λyx,Λ为半正定矩阵。
利用所述协方差矩阵获取正交的第一特征向量和第二特征向量,则协方差矩阵的特征值为λ=[λ1λ2],进而确定的特征向量为ξ=[ξ1ξ2]。其中,以ξ1表示第一特征向量,以ξ2表示第二特征向量。求解矩阵特征向量的方法可以为线性代数中的通用方法,本申请实施例在此不再赘述。
然后利用第一特征向量与第二特征向量实现数据的旋转,下面继续参见图2,以第一特征向量沿椭圆形的长轴,第二特征向量沿椭圆形的短轴,并且以旋转后的第一特征向量与横坐标轴,即x轴平行为例进行说明。可以理解的是,实际应用中旋转后的第一特征向量也可以与纵坐标轴,即y轴平行,以上情况的原理类似,本申请实施例不再一一赘述。
获取所述第一特征向量ξ1与横坐标轴的第一夹角θξ1和所述第二特征向量ξ2与所述横坐标轴的第二夹角θξ2,具体可以参见下式:
θξ1=atan2(ξ1(x),ξ1(y)) 式(5)
θξ2=atan2(ξ2(x),ξ2(y)) 式(6)
获取所述第一夹角θξ1对应的第一旋转矩阵R1和所述第二夹角θξ2对应的第二旋转矩阵R2,具体可以参见下式:
第一旋转矩阵R1=[cosθξ1,-sinθξ1;sinθξ1,cosθξ1] 式(7)
第二旋转矩阵R2=[cosθξ2,-sinθξ2;sinθξ2,cosθξ2] 式(8)
利用所述第一旋转矩阵R1和所述第二旋转矩阵R2将所述第一特征向量ξ1和第二特征向量ξ2旋转至与所述坐标轴平行。
S102:获取数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时数据在纵坐标轴上的投影长度的最大值和最小值的第二差值。
第一特征向量ξ1与第二特征向量ξ2能够表征数据采集完成后的分布情况,将采集后的数据旋转至其第一特征向量ξ1平行于x轴后,数据在x轴上的投影长度为投影长度的最大值和最小值之间的差值为第一差值d1。
由于第一特征向量ξ1与第二特征向量ξ2正交,此时第二特征向量ξ2与y轴平行,此时数据在y轴上的投影长度的最大值和最小值的差值为第二差值d2。
利用第一差值d1的大小与第二差值d2的大小可以确定当前激光雷达的数据是否发生了匹配错误。
经研究与测试发现,对于结构化环境的采集数据,数据正常匹配时的d1与d2的总是大于数据错误匹配时的d1与d2。
原因是由于结构化环境存在的相似性导致将前一时刻探测的A位置的数据错误匹配到A位置之后的与A位置相似的A’位置,进而导致实际建图时的数据缺失。下面举例说明:
假设结构化环境的特性可以表示为A1、A2、A3、A4和A5的序列,其中序列的各部分之间具有相似性,则机器人在定位时可能因为误匹配将采集的A2的数据错误匹配到A3,因此最终得到的建立的环境特性可以表示为A1、A3、A4和A5。由于缺少了部分序列的环境特性,因此在错误匹配时数据在坐标轴上的投影值的最大值和最小值的差会小于正常匹配时的数据在坐标轴上的投影值的最大值和最小值的差。
S103:当第一差值大于或等于第一预设距离且第二差值大于或等于第二预设距离时,确定数据有效。
获取第一投影长度d1与第二投影长度d2的距离之差,将该差值与预设距离进行比较,当该差值大于或等于预设距离时,确定所述数据有效。否则,确定所述数据无效,可以舍弃相应的无效数据。
其中,预设距离可以根据实际情况设定,本申请实施例不作具体限定。实际应用中,在进行地图构建时,智能机器人处于行进状态,在预设的时间周期内利用激光雷达的数据进行构图时数据在坐标轴上的投影值的最大值和最小值的差应至少占据预设数量的栅格,而当出现数据无匹配时,相应的占据的栅格数量会减少。
可以理解的是,以上说明以获取第一特征向量与第二特征向量和横坐标的夹角为例,但实际应用中也可以获取第一特征向量与第二特征向量和纵坐标的夹角,原理与以上说明类似,本申请实施例再次不再赘述。
本申请提供的方法将数据旋转至数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;获取数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;当第一差值大于或等于第一预设距离且第二差值大于或等于第二预设距离时,确定数据有效。该方法利用了结构化环境的相似性导致数据误匹配时数据在坐标轴上投影的最大值和最小值的距离差会缩小的原理,能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
实施例二:
基于上述实施例提供的激光雷达数据有效性的检测方法,本申请实施例还提供了一种激光雷达数据有效性的检测装置,下面结合附图具体说明。
参见图3,该图为本申请实施例提供的一种激光雷达数据有效性的检测装置的示意图。
本申请实施例所述装置包括:旋转单元301、获取单元302和确定单元303。
旋转单元301用于将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行。
可选的旋转单元301具体包括:第一获取子单元和旋转子单元。
第一获取子单元用于获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转子单元用于旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
进一步的,第一获取子单元具体用于:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
进一步的,旋转子单元具体用于:
获取所述第一特征向量与横坐标轴的第一夹角和所述第二特征向量与所述横坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
获取单元302用于获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值。
确定单元303用于当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
本申请提供的装置通过旋转单元将数据旋转至数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;通过获取单元获取数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;通过确定单元当第一差值大于或等于第一预设距离且第二差值大于或等于第二预设距离时,确定数据有效。该装置利用了结构化环境的相似性导致数据误匹配时数据在坐标轴上投影的最大值和最小值的距离差会缩小的原理,能够确定出地图构建时激光雷达获取的数据是否有效,以便于提高构建的地图的精确度。
所述激光雷达数据有效性的检测装置包括处理器和存储器,以上旋转单元、获取单元和确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对激光雷达数据有效性的检测。
实施例三
本申请实施例还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现以上实施例所述的激光雷达数据有效性的检测方法。
本申请实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行以上实施例所述的激光雷达数据有效性的检测方法。
本申请实施例还提供了一种电子设备,下面结合附图具体说明。
参见图4,该图为本申请实施例提供的一种激光雷达数据有效性的检测方法应用电子设备的示意图。
该电子设备40包括至少一个处理器401、以及与处理器401连接的至少一个存储器402和总线403。
其中,处理器401、存储器402通过总线403完成相互间的通信;处理器401用于调用存储器402中的程序指令,以执行上述实施例所述的激光雷达数据有效性的检测方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;
获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;
当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
可选的,所述将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
可选的,所述获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量,具体包括:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
可选的,所述旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述第一特征向量与横/纵坐标轴的第一夹角和所述第二特征向量与所述横/纵坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
此外,本申请实施例还提供了一种机器人,该机器人具有以上所述的电子设备,还包括:激光雷达。
其中,激光雷达用于采集环境的数据。
该机器人可以为家用清洁机器人,例如扫地机器人、拖地机器人或扫拖一体的机器人,还可以为救援机器人、探测机器人等,本申请实施例不作具体限定,由于该机器人具备以上所述的电子设备,因此机器人能够检测激光雷达数据的有效性,以便将无效数据舍弃,进而能够使得构建的地图更加精确。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种激光雷达数据有效性的检测方法,其特征在于,应用于激光雷达采集的数据,包括:
将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;
获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;
当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
2.根据权利要求1所述的方法,其特征在于,所述将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
3.根据权利要求2所述的方法,其特征在于,所述获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量,具体包括:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
4.根据权利要求3所述的方法,其特征在于,所述旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行,具体包括:
获取所述第一特征向量与横/纵坐标轴的第一夹角和所述第二特征向量与所述横/纵坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
5.一种激光雷达数据有效性的检测装置,其特征在于,所述装置包括:旋转单元、获取单元和确定单元;
所述旋转单元,用于将所述数据旋转至所述数据的协方差矩阵对应的特征向量与笛卡尔坐标系的坐标轴平行;
所述获取单元,用于获取所述数据在横坐标轴上的投影长度的最大值和最小值的第一差值,并获取此时所述数据在纵坐标轴上的投影长度的最大值和最小值的第二差值;
所述确定单元,用于当所述第一差值大于或等于第一预设距离且所述第二差值大于或等于第二预设距离时,确定所述数据有效。
6.根据权利要求5所述的装置,其特征在于,所述旋转单元具体包括:第一获取子单元和旋转子单元;
所述第一获取子单元,用于获取所述协方差矩阵对应的正交的第一特征向量和第二特征向量;
旋转子单元,用于旋转所述数据至所述第一特征向量与所述第二特征向量分别与笛卡尔坐标系的坐标轴平行。
7.根据权利要求6所述的装置,其特征在于,所述第一获取子单元具体用于:
获取所述数据的均值;
利用所述均值获取所述数据的协方差矩阵;
利用所述协方差矩阵获取所述正交的第一特征向量和第二特征向量。
8.根据权利要求7所述的装置,其特征在于,所述旋转子单元具体用于:
获取所述第一特征向量与横坐标轴的第一夹角和所述第二特征向量与所述横坐标轴的第二夹角;
获取所述第一夹角对应的第一旋转矩阵和所述第二夹角对应的第二旋转矩阵;
利用所述第一旋转矩阵和所述第二旋转矩阵将所述第一特征向量和第二特征向量旋转至与所述坐标轴平行。
9.一种可读存储介质,其特征在于,其上存储有程序,所述程序被处理器执行时实现权利要求1-4中任意一项所述的激光雷达数据有效性的检测方法。
10.一种电子设备,其特征在于,所述电子设备用于运行程序,其中,所述程序运行时执行权利要求1-4中任意一项所述的激光雷达数据有效性的检测方法。
11.一种机器人,其特征在于,所述机器人具有权利要求10所述的电子设备,还包括:激光雷达;
所述激光雷达用于采集环境的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001696.5A CN111220967B (zh) | 2020-01-02 | 2020-01-02 | 一种激光雷达数据有效性的检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001696.5A CN111220967B (zh) | 2020-01-02 | 2020-01-02 | 一种激光雷达数据有效性的检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111220967A CN111220967A (zh) | 2020-06-02 |
CN111220967B true CN111220967B (zh) | 2021-12-10 |
Family
ID=70828080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010001696.5A Active CN111220967B (zh) | 2020-01-02 | 2020-01-02 | 一种激光雷达数据有效性的检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111220967B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112162294B (zh) * | 2020-10-10 | 2023-12-15 | 北京布科思科技有限公司 | 一种基于激光传感器的机器人结构检测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7046841B1 (en) * | 2003-08-29 | 2006-05-16 | Aerotec, Llc | Method and system for direct classification from three dimensional digital imaging |
CA2712673A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas North America Inc. | Method for map matching with sensor detected objects |
CN101645170B (zh) * | 2009-09-03 | 2011-07-20 | 北京信息科技大学 | 多视点云精确配准方法 |
US9466143B1 (en) * | 2013-05-03 | 2016-10-11 | Exelis, Inc. | Geoaccurate three-dimensional reconstruction via image-based geometry |
US9646424B2 (en) * | 2013-05-29 | 2017-05-09 | Raytheon Company | Methods and processes for interactive display of three dimensional covariance |
EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
GB2537681B (en) * | 2015-04-24 | 2018-04-25 | Univ Oxford Innovation Ltd | A method of detecting objects within a 3D environment |
CN105550688B (zh) * | 2015-12-04 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 点云数据的分类方法及装置 |
CN105574905B (zh) * | 2015-12-15 | 2018-01-16 | 大连理工大学 | 一种三维激光点云数据的二维图像化表述方法 |
US20180173940A1 (en) * | 2016-12-19 | 2018-06-21 | Canon Kabushiki Kaisha | System and method for matching an object in captured images |
US10268203B2 (en) * | 2017-04-20 | 2019-04-23 | GM Global Technology Operations LLC | Calibration validation for autonomous vehicle operations |
CN107705309B (zh) * | 2017-10-15 | 2020-12-04 | 南京林业大学 | 激光点云中林木参数评估方法 |
CN110530375B (zh) * | 2019-10-10 | 2021-08-27 | 上海钛米机器人科技有限公司 | 机器人自适应定位方法、定位装置、机器人及存储介质 |
-
2020
- 2020-01-02 CN CN202010001696.5A patent/CN111220967B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111220967A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lim et al. | Physically based sensor modeling for a sonar map in a specular environment | |
CN109614459B (zh) | 应用于二维激光的地图构建回环检测方法及设备 | |
CN105205459B (zh) | 一种图像特征点类型的识别方法和装置 | |
Li et al. | Simultaneous vanishing point detection and camera calibration from single images | |
CN111220967B (zh) | 一种激光雷达数据有效性的检测方法与装置 | |
Daniilidis et al. | Active intrinsic calibration using vanishing points | |
Anderson et al. | Range-only sensing for formation shape control and easy sensor network localization | |
WO2023143132A1 (zh) | 传感器数据的标定 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN116203579A (zh) | 基于点云残差的激光雷达slam退化检测方法及系统 | |
CN115494533A (zh) | 车辆定位方法、装置、存储介质及定位系统 | |
CN103530654A (zh) | 一种二维图形的对称轴的检测方法 | |
Graovac et al. | Mobile robot pose tracking by correlation of laser range finder scans in Hough domain | |
CN108253931B (zh) | 一种双目立体视觉测距方法及其测距装置 | |
Xu et al. | Spatial semantic graph enhanced monocular SLAM System | |
Kotthäuser et al. | Triangulation-based plane extraction for 3D point clouds | |
CN114147707B (zh) | 一种基于视觉识别信息的机器人对接方法与设备 | |
CN103559494A (zh) | 一种平面图形对象的对称轴的检测方法 | |
CN117537803B (zh) | 机器人巡检语义-拓扑地图构建方法、系统、设备及介质 | |
Tahri et al. | Efficient decoupled pose estimation from a set of points | |
WO2021114027A1 (zh) | 一种基于sgh描述3d局部特征的3d形状匹配方法及装置 | |
WO2022237283A1 (zh) | 机器人打滑的检测方法、装置、机器人及存储介质 | |
Kaneko et al. | Stata Center Frame: A Novel World Assumption for Self-Localization | |
AV et al. | Parallel FPFH SLAM for Aerial Vehicles | |
Oskarsson et al. | Automatic geometric reasoning in structure and motion estimation |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 7-605, 6th floor, building 1, yard a, Guanghua Road, Chaoyang District, Beijing 100026 Patentee after: Beijing dog vacuum cleaner Group Co.,Ltd. Address before: 7-605, 6th floor, building 1, yard a, Guanghua Road, Chaoyang District, Beijing 100026 Patentee before: PUPPY ELECTRONIC APPLIANCES INTERNET TECHNOLOGY (BEIJING) Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |