CN111263308A - 定位数据采集方法及系统 - Google Patents
定位数据采集方法及系统 Download PDFInfo
- Publication number
- CN111263308A CN111263308A CN202010042905.0A CN202010042905A CN111263308A CN 111263308 A CN111263308 A CN 111263308A CN 202010042905 A CN202010042905 A CN 202010042905A CN 111263308 A CN111263308 A CN 111263308A
- Authority
- CN
- China
- Prior art keywords
- positioning
- map
- data
- acquisition
- acquisition platform
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种定位数据采集方法及系统,包括:地图生成模式或任务模式;地图生成模式下:采集平台根据用户手动控制进行多传感器同步建图与定位;根据所建立的地图,采集平台进行地图数据优化后处理以及地图数据储存上传;任务模式下:根据用户选择的当前区域的地图,并在地图中选取标注起始位置辅助系统初始化;初始化完成后,采集平台通过多传感器融合定位算法确定自身位置;初始化完成后,用户向采集平台输入规划的目标路径点。本发明利用基于图优化的多传感器定位算法提升了无人采集平台在复杂环境下的定位健壮性,使得数据采集平台在复杂场景下仍然可以进行鲁棒的定位而不失效。
Description
技术领域
本发明涉及定位技术领域,具体地,涉及一种定位数据采集方法及系统。
背景技术
随着技术的发展与应用需求的上升,诸多新型定位技术也在随之诞生。在诸多在研的新兴定位方法与手段中,5G定位、蓝牙/WiFi指纹定位、视觉地点识别等现代新型定位技术的研究需要大量的数据采集工作以及实际的定位真值。
然而实际数据的采集过程往往面临着两大挑战。其一是采集数据量大,人工采集往往需要耗费大量人力成本。其次是参考定位真值难以确定。尤其是在复杂场景下,定位设备面临着电磁环境复杂、光照强度变化等挑战,导致定位结果精度差,无法为被研方法提供参考定位真值。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种定位数据采集方法及系统。
根据本发明提供的一种定位数据采集方法,包括:地图生成模式或任务模式;
地图生成模式下:
采集平台根据用户手动控制进行多传感器同步建图与定位;
根据所建立的地图,采集平台进行地图数据优化后处理以及地图数据储存上传;
任务模式下:
根据用户选择的当前区域的地图,并在地图中选取标注起始位置辅助系统初始化;
初始化完成后,采集平台通过多传感器融合定位算法确定自身位置;
初始化完成后,用户向采集平台输入规划的目标路径点;
根据用户向采集平台输出的规划目标路径点,生成全局路径规划,并进行局部避障导航;
根据全局路径规划以及局部避障导航,采集平台执行自主采集任务,并将定位轨迹结果储存并上传数据库。
优选地,所述手动控制采集平台进行多传感器同步建图与定位时所涉及的传感器及方法包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法。
优选地,所述地图数据优化后处理包括:
利用回环检测与全局位姿图优化提升地图精度;
利用优化后的位姿图生成可通行节点,并生成节点之间的可通行拓扑连接关系。
优选地,所述地图生成模式下,地图数据包括:
可通行位姿节点及可通行拓扑关系结构;
三维点云数据;
所述三维点云数据是在主二维平面上栅格化的三维点云数据,用于可视化。
优选地,所述任务模式下,用户选择当前区域的地图,并在地图中选取标注起始位置辅助系统初始化包括:
由地图生成模式创建的,采集平台当前所处的局部区域地图;
在当前地图中,采集平台所处的大致位置,由用户人工判断决定。
优选地,所述任务模式下,用户向采集平台输入规划的目标路径点包括:
采集平台需要到达的任务点位置;
采集平台需要到达的任务点停留时间。
优选地,所述任务模式下,生成全局路径规划包括:
在生成全局路径规划时,根据用户所设置的目标规划路径点,选取可通行位姿节点中的最接近节点,即可通行位姿节点的最接近子集,并依据其拓扑关系生成可通行的路径规划。
优选地,所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法;
所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
优选地,在任务模式下,采集平台能够自主地进行定位数据采集,并且在到达最后一个用户规划目标路径点后结束采集任务,将采集结果上传至定位轨迹数据库。上传的本次任务的路径轨迹的定位数据结果包括:
采集平台轨迹相对于当前地图的局部定位结果;
若GNSS信号可用,则同时输出采集平台轨迹在GNSS坐标系下的全局定位结果。
根据本发明提供的一种定位数据采集系统,包括:
传感器驱动模块:解析传感器的原始输入,为其它模块提供统一的传感器数据接口;
定位建图模块:进行多传感器同步定位建图;
导航模块:进行全局规划与局部避障;
人机交互模块:被配置为接收并发布用户设定的任务规划路径点,接收并发布用户输入的控制指令,并显示采集平台的定位、当前区域地图、采集平台路径以及状态;
安全模块:接受传感器数据,并判断系统是否处于危险中或是否会对周围环境产生威胁。
数据记录与上传模块:记录数据并上传所记录的数据。
与现有技术相比,本发明具有如下的有益效果:
本发明利用基于图优化的多传感器定位算法提升了无人采集平台在复杂环境下的定位健壮性,使得数据采集平台在复杂场景下仍然可以进行鲁棒的定位而不失效。
本发明利用多传感器同时建图与定位的技术与基于图优化的多传感器定位技术实现了数据采集平台在复杂环境下的自主导航功能,用户可通过设定采集路径使采集平台进行自动数据采集,减轻了采集难度与人工成本。
本发明利用基于图优化的多传感器定位技术提升了无人采集平台在复杂环境下的定位精度。利用多传感器在不同环境下的定位精度不同的特性,通过图优化方式求取全局最优解,获得在复杂场景下的整条轨迹的定位真值参考。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一实施例中定位数据采集方法的流程图;
图2为本发明一实施例中定位数据采集系统的结构示意图;
图3为本发明一实施例中多传感器融合定位算法的结构示意图;
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种定位数据采集方法,包括:地图生成模式或任务模式;
地图生成模式下:
采集平台根据用户手动控制进行多传感器同步建图与定位;
根据所建立的地图,采集平台进行地图数据优化后处理以及地图数据储存上传;
任务模式下:
根据用户选择的当前区域的地图,并在地图中选取标注起始位置辅助系统初始化;
初始化完成后,采集平台通过多传感器融合定位算法确定自身位置;
初始化完成后,用户向采集平台输入规划的目标路径点;
根据用户向采集平台输出的规划目标路径点,生成全局路径规划,并进行局部避障导航;
根据全局路径规划以及局部避障导航,采集平台执行自主采集任务,并将定位轨迹结果储存并上传数据库。
具体地,所述手动控制采集平台进行多传感器同步建图与定位时所涉及的传感器及方法包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法。
具体地,所述地图数据优化后处理包括:
利用回环检测与全局位姿图优化提升地图精度;
利用优化后的位姿图生成可通行节点,并生成节点之间的可通行拓扑连接关系。
具体地,所述地图生成模式下,地图数据包括:
可通行位姿节点及可通行拓扑关系结构;
三维点云数据;
所述三维点云数据是在主二维平面上栅格化的三维点云数据,用于可视化。
具体地,所述任务模式下,用户选择当前区域的地图,并在地图中选取标注起始位置辅助系统初始化包括:
由地图生成模式创建的,采集平台当前所处的局部区域地图;
在当前地图中,采集平台所处的大致位置,由用户人工判断决定。
具体地,所述任务模式下,用户向采集平台输入规划的目标路径点包括:
采集平台需要到达的任务点位置;
采集平台需要到达的任务点停留时间。
具体地,所述任务模式下,生成全局路径规划包括:
在生成全局路径规划时,根据用户所设置的目标规划路径点,选取可通行位姿节点中的最接近节点,即可通行位姿节点的最接近子集,并依据其拓扑关系生成可通行的路径规划。
具体地,所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法;
所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
具体地,在任务模式下,采集平台能够自主地进行定位数据采集,并且在到达最后一个用户规划目标路径点后结束采集任务,将采集结果上传至定位轨迹数据库。上传的本次任务的路径轨迹的定位数据结果包括:
采集平台轨迹相对于当前地图的局部定位结果;
若GNSS信号可用,则同时输出采集平台轨迹在GNSS坐标系下的全局定位结果。
本发明提供的定位数据采集系统,可以通过本发明给的定位数据采集方法的步骤流程实现。本领域技术人员可以将所述定位数据采集方法,理解为所述定位数据采集系统的一个优选例。
根据本发明提供的一种定位数据采集系统,包括:
传感器驱动模块:解析传感器的原始输入,为其它模块提供统一的传感器数据接口;
定位建图模块:进行多传感器同步定位建图;
导航模块:进行全局规划与局部避障;
人机交互模块:被配置为接收并发布用户设定的任务规划路径点,接收并发布用户输入的控制指令,并显示采集平台的定位、当前区域地图、采集平台路径以及状态;
安全模块:接受传感器数据,并判断系统是否处于危险中或是否会对周围环境产生威胁。
数据记录与上传模块:记录数据并上传所记录的数据。
下面通过优选例,对本发明进行更为具体地说明。
优选例1:
在本发明实例中,通过基于图优化的多传感器定位以及自主无人数据采集平台实现了定位数据的自主采集,具有环境适应力强,精度高,不需要人工干涉,可进行任务规划等优点。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例中一种定位数据采集方法的流程图,以下通过具体步骤进行详细说明
系统启动。由用户启动采集平台,包含其所涉及的所有单元与模块以及相关任务软件。
用户选择地图生成模式或任务模式。根据用户所选模式,采集平台将进行建图行为或任务执行行为。
地图生成模式下,用户需手动控制采集器进行多传感器同步建图与定位。用户手动控制采集平台进行多传感器同步建图与定位时,在机载处理单元上所进行的传感器定位方法包括:利用激光雷达(Lidar)、惯性传感器(IMU)、轮速计进行的同步建图及定位算法;利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;利用全球卫星定位系统(GNSS)与惯性传感器进行的定位算法。
根据所建立的地图,进行地图后处理优化及融合。其内容包括:利用回环检测与全局位姿图优化提升地图精度;利用优化后的位姿图生成可通行节点,并生成节点之间的可通行拓扑连接关系。
将所建立的地图数据储存于上传至地图数据库。其内容包括:可通行位姿节点及可通行拓扑关系结构;三维点云数据;在主二维平面上栅格化的三维点云数据,用于可视化。
当用户选择任务模式后,用户需要从地图数据库中选择当前区域的地图。
根据所选择的地图以及采集器所处的实际位置,用户可在地图中选择初始位置进行定位初始化。由于在三维激光雷达地图中进行重定位可能花费大量的时间与计算量,由用户给定估计的初始位置可大大加速该过程,并增加准确度。选择地图与起始位置辅助重定位初始化的内容包括:由地图生成模式创建的,采集平台当前所处的局部区域地图;在当前地图中,采集平台所处的大致位置,由用户人工判断决定。
初始化成功后采集器通过多元传感器融合进行导航与定位,并允许用户设置任务路径点。用户选择设定规划目标路径点的内容包括:采集平台需要到达的任务点位置;采集平台需要到达的任务点停留时间。
根据用户设置的路径点,采集器生成全局路径规划轨迹并进行局部导航与避障,开始采集任务。全局路径生成的内容包括:满足用户选择设定的目标规划路径点所需达到的,可通行位姿节点的最接近子集;包含上述最接近子集的可通行拓扑关系结构。
在任务模式下多传感器融合定位时,采集平台同时利用并计算不同传感器的定位结果,包括:利用激光雷达(Lidar)、惯性传感器(IMU)、轮速计进行的同步建图及定位算法;利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;利用全球卫星定位系统(GNSS)与惯性传感器进行的定位算法。在任务模式下多传感器融合定位时,采集平台同时利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
在任务模式下,采集平台能够自主地进行定位数据采集,并且在到达最后一个用户规划目标路径点后结束采集任务,将采集结果上传至定位轨迹数据库。上传的本次任务的路径轨迹的定位数据结果包括:采集平台轨迹相对于当前地图的局部定位结果;若GNSS信号可用,则同时输出采集平台轨迹在GNSS坐标系下的全局定位结果。
完成所有路径点采集后,将采集到的定位轨迹数据上传至定位轨迹结果数据库。
下面通过图2,通过具体模块描述对本发明实施例中一种定位数据采集系统进行详细描述。
本发明实施例中一种定位数据采集系统主要负责实现采集系统的的定位、建图、避障、导航的功能,并接收用户端软件控制指令实现系统的直控、数据记录及上传的功能。
定位模块有两种工作模式,通过用户端软件进行选择。分别为:定位与建图工作模式,该模式当用户选择地图生成模式时被启用;纯定位工作模式,该模式当用户选择任务模式时被启用。在定位与建图工作模式下,定位模块功能可以实现:接收传感器信息并进行定位解算、融合,给出最终定位与地图结果;根据数据模块的需求将地图保存为文件。在纯定位工作模式下,定位模块功能可以实现:接收传感器信息与已有地图信息进行定位解算、融合,给出最终定位结果。其中,任务模式包括三个任务模式,指定目的地导航,指定任务点导航,指定远距离任务点导航。指定目的地导航即在地图上指定目的地,机器人自主导航至目的地;指定任务点导航即在地图上依次选择若干前后无地图记录的障碍物的路径点,机器人按路径点导航至目的地;指定远距离任务点导航与指定任务点导航的区别在于,此处设置的路径点可设置较远的地点,两个路径点间无任何限制。
导航模块有两种工作模式,用过用户端软件进行选择。分别为:用户直控模式,该模式当用户选择地图生成模式时或在任务模式中改变任务时被启用;任务模式,该模式当用户选择任务模式时被启用。在用户直控模式下,导航模块可以实现:用户使用键盘对机器人进行直接控制;局部避障功能。在任务模式下,导航模块功能可以实现:根据用户端软件设置的路径点生成机器人全局路径规划;执行导航任务并执行局部避障功能。
通常情况下采集平台使用默认避障功能,对于一般不会把道路完全阻隔或对原有地形产生较大变化的较小的障碍物均可自行绕过。针对道路被完全阻隔的情况,采集平台会停止前进并等待障碍物移开后继续执行任务。
考虑到导航模块可能存在不稳定与不可抗因素导致采集平台在导航中与障碍物发生碰撞,设计本独立于导航模块的安全模块。安全模块在正常运行时不会对导航模块产生任何影响,在探测到障碍物距离在一定距离内时,安全模块会向驱动模块中的移动底盘驱动节点发送锁死信息,锁死移动底盘驱动节点后底盘将会停止不动,不接受任何控制指令,等待用户重新启动导航模块并解锁。本模块对于可能发生的主程序崩溃等导致失控的潜在安全问题作最后的保护。解锁方法为:重启移动底盘导航模块。解锁后不会记录之前的导航任务,需重新设置导航任务。
数据模块的实现功能包括:接收用户端软件的操作指令,实现数据的记录;根据用户端软件的操作指令,实现数据记录格式的转换;根据用户端软件的操作指令,实现数据记录的上传。
人机交互模块为用户提供远程控制交互方式。用户可通过界面查看同步定位与建图算法生成的二维地图及机器人所处的位置;通过界面上的按钮设定机器人的行进路线并发送执行路线的指令;通过控制手柄远程控制采集平台移动
在复杂环境中,定位设备面临着电磁环境复杂、光照强度变化等挑战,导致定位结果精度差,无法为被研方法提供参考定位真值。得到准确且稳定的定位结果,以支持采集平台进行采集任务。
以下参照图3,通过具体步骤对本发明实施例中一种基于因子图优化的多传感器定位融合方法进行详细描述。
目前在滤波融合方面有着多种多样的算法,也各有各的优缺点。因子图由于其增量平滑的特性以及全局优化的特点,我们将其用于全源传感器融合之中。
因子图将一个导航方位估计问题抽象为一个双射图G=(F,Θ,Σ),其中含有两种节点类型:因子节点fi∈F与状态节点θi=Θ。当因子fi与状态θi有联系时,一个边eij∈Σ便存在于该状态与因子之间。将导航问题中的测量模型抽象为:
zi=hi(Θi)+vi
其中zi为传感器对于状态θi利用测量函数hI()的测量,vi为测量噪声。假设vi遵循高斯分布,那么我们可到一个因子化得最优化目标:
其中的数据由因子图表示。我们定义一个典型的导航状态为:x={p,v,b},每个状态覆盖三种节点:姿态节点p,包括三维平动以及三维转动。节点v为速度节点,包括三维的速度。b为传感器的偏差节点。一个典型的多传感器因子图模型如图2所表示。在有了这样的数据结构后,对整体误差进行全局优化,便可达到融合多传感器滤波的效果。由于因子图的特性,我们可将任何传感器划分为几个大类,分别对应为不同的因子,便可无阻碍的动态的插入现存因子图中,实现即插即用的融合滤波的目的。
优选例2:
针对现有技术中的缺陷,本发明实施例提供一种用于采集定位轨迹参考真值的算法、设备及介质,包括:用户选择地图生成模式或任务模式,根据所选模式进行建图或定位;地图生成模式下,用户需手动控制采集器进行多传感器同步建图与定位;根据所建立的地图,进行地图后处理优化及融合与数据储存于上传至地图数据库;当用户选择任务模式后,用户需要从地图数据库中选择当前区域的地图;根据所选择的地图以及采集器所处的实际位置,用户可在地图中选择初始位置进行定位初始化;初始化成功后采集器通过多元传感器融合进行导航与定位,并允许用户设置任务路径点;根据用户设置的路径点,采集器生成全局路径规划轨迹并进行局部导航与避障,开始采集任务;完成所有路径点采集后,将采集到的定位轨迹数据上传至定位轨迹结果数据库。
可选的,在地图生成模式下,手动控制采集平台(如自动数据采集地面机器人)进行多传感器同步建图与定位时所涉及的传感器及方法包括:利用激光雷达(Lidar)、惯性传感器(IMU)、轮速计进行的同步建图及定位算法(具体实例为google公司的cartographer、开源的LOAM等);利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法(具体实例为ORB-SLAM等);利用全球卫星定位系统(GNSS)与惯性传感器进行的定位算法(例如组合导航系统)。
可选的,在地图生成模式下,地图数据优化后处理包括:利用回环检测与全局位姿图优化提升地图精度;利用优化后的位姿图生成可通行节点,并生成节点之间的可通行拓扑连接关系。
可选的,在地图生成模式下,地图数据保存与上传包括:可通行位姿节点及可通行拓扑关系结构;三维点云数据;在主二维平面上栅格化的三维点云数据,用于可视化。
可选的,在任务模式下用户选择地图与起始位置辅助重定位初始化的内容包括:由地图生成模式创建的,采集平台当前所处的局部区域地图;在当前地图中,采集平台所处的大致位置,由用户人工判断决定。
可选的,在任务模式下用户选择设定规划目标路径点的内容包括:采集平台需要到达的任务点位置;采集平台需要到达的任务点停留时间。
可选的,在任务模式下全局路径生成的内容包括:满足用户选择设定的目标规划路径点所需达到的,可通行位姿节点的最接近子集;包含上述最接近子集的可通行拓扑关系结构。
可选的,在任务模式下多传感器融合定位时,采集平台同时利用并计算不同传感器的定位结果,包括:利用激光雷达(Lidar)、惯性传感器(IMU)、轮速计进行的同步建图及定位算法;利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;利用全球卫星定位系统(GNSS)与惯性传感器进行的定位算法。
可选的,在任务模式下多传感器融合定位时,采集平台同时利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
可选的,在任务模式下,采集平台能够自主地进行定位数据采集,并且在到达最后一个用户规划目标路径点后结束采集任务,将采集结果上传至定位轨迹数据库。上传的本次任务的路径轨迹的定位数据结果包括:采集平台轨迹相对于当前地图的局部定位结果;若GNSS信号可用,则同时输出采集平台轨迹在GNSS坐标系下的全局定位结果。
本发明实施例还提供了一种多传感器定位数据融合算法,利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
本发明实施例还提供了一种定位数据采集系统包括:传感器驱动模块,为解析传感器的原始输入,为其它模块提供统一的传感器数据接口。定位于建图模块,为进行多传感器同步定位于建图;导航模块,为进行全局规划与局部避障;人机交互模块,接收并发布用户设定的任务规划路径点,接收并发布用户输入的控制指令,并显示采集平台的定位、当前区域地图、采集平台路径以及状态;数据记录与上传模块,记录数据并上传所记录的数据。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种定位数据采集方法,其特征在于,包括:地图生成模式或任务模式;
地图生成模式下:
采集平台根据用户手动控制进行多传感器同步建图与定位;
根据所建立的地图,采集平台进行地图数据优化后处理以及地图数据储存上传;
任务模式下:
根据用户选择的当前区域的地图,并在地图中选取标注起始位置辅助系统初始化;
初始化完成后,采集平台通过多传感器融合定位算法确定自身位置;
初始化完成后,用户向采集平台输入规划的目标路径点;
根据用户向采集平台输出的规划目标路径点,生成全局路径规划,并进行局部避障导航;
根据全局路径规划以及局部避障导航,采集平台执行自主采集任务,并将定位轨迹结果储存并上传数据库。
2.根据权利要求1所述的定位数据采集方法,其特征在于,所述手动控制采集平台进行多传感器同步建图与定位时所涉及的传感器及方法包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法。
3.根据权利要求1所述的定位数据采集方法,其特征在于,所述地图数据优化后处理包括:
利用回环检测与全局位姿图优化提升地图精度;
利用优化后的位姿图生成可通行节点,并生成节点之间的可通行拓扑连接关系。
4.根据权利要求1所述的定位数据采集方法,其特征在于,所述地图生成模式下,地图数据包括:
可通行位姿节点及可通行拓扑关系结构;
三维点云数据;
所述三维点云数据是在主二维平面上栅格化的三维点云数据,用于可视化。
5.根据权利要求1所述的定位数据采集方法,其特征在于,所述任务模式下,用户选择当前区域的地图,并在地图中选取标注起始位置辅助系统初始化包括:
由地图生成模式创建的,采集平台当前所处的局部区域地图;
在当前地图中,采集平台所处的大致位置,由用户人工判断决定。
6.根据权利要求1所述的定位数据采集方法,其特征在于,所述任务模式下,用户向采集平台输入规划的目标路径点包括:
采集平台需要到达的任务点位置;
采集平台需要到达的任务点停留时间。
7.根据权利要求1所述的定位数据采集方法,其特征在于,所述任务模式下,生成全局路径规划包括:
在生成全局路径规划时,根据用户所设置的目标规划路径点,选取可通行位姿节点中的最接近节点,即可通行位姿节点的最接近子集,并依据其拓扑关系生成可通行的路径规划。
8.根据权利要求1所述的定位数据采集方法,其特征在于,所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,包括:
利用激光雷达Lidar、惯性传感器IMU、轮速计进行的同步建图及定位算法;
利用视觉传感器、惯性传感器、轮速计进行的同步建图及定位算法;
利用全球卫星定位系统GNSS与惯性传感器进行的定位算法;
所述任务模式下,采集平台通过多传感器融合定位算法确定自身位置时,采集平台同时利用并计算不同传感器的定位结果,并基于不同环境下传感器定位结果的权重进行因子图优化融合给出最终的定位结果,并将该结果作为定位真值参考。
9.根据权利要求1所述的定位数据采集方法,其特征在于,在任务模式下,采集平台能够自主地进行定位数据采集,并且在到达最后一个用户规划目标路径点后结束采集任务,将采集结果上传至定位轨迹数据库。上传的本次任务的路径轨迹的定位数据结果包括:
采集平台轨迹相对于当前地图的局部定位结果;
若GNSS信号可用,则同时输出采集平台轨迹在GNSS坐标系下的全局定位结果。
10.一种定位数据采集系统,其特征在于,包括:
传感器驱动模块:解析传感器的原始输入,为其它模块提供统一的传感器数据接口;
定位建图模块:进行多传感器同步定位建图;
导航模块:进行全局规划与局部避障;
人机交互模块:被配置为接收并发布用户设定的任务规划路径点,接收并发布用户输入的控制指令,并显示采集平台的定位、当前区域地图、采集平台路径以及状态;
安全模块:接受传感器数据,并判断系统是否处于危险中或是否会对周围环境产生威胁。
数据记录与上传模块:记录数据并上传所记录的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042905.0A CN111263308A (zh) | 2020-01-15 | 2020-01-15 | 定位数据采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042905.0A CN111263308A (zh) | 2020-01-15 | 2020-01-15 | 定位数据采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111263308A true CN111263308A (zh) | 2020-06-09 |
Family
ID=70953200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010042905.0A Pending CN111263308A (zh) | 2020-01-15 | 2020-01-15 | 定位数据采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111263308A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912411A (zh) * | 2020-08-26 | 2020-11-10 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、系统及存储介质 |
CN112378397A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112833892A (zh) * | 2020-12-31 | 2021-05-25 | 杭州普锐视科技有限公司 | 一种基于轨迹对齐的语义建图方法 |
CN115222808A (zh) * | 2021-06-30 | 2022-10-21 | 达闼机器人股份有限公司 | 基于无人机的定位方法、装置、存储介质和电子设备 |
CN115685223A (zh) * | 2022-12-15 | 2023-02-03 | 深圳市智绘科技有限公司 | 位置识别方法、装置、电子设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596533A (zh) * | 2015-01-07 | 2015-05-06 | 上海交通大学 | 基于地图匹配的自动导引车及其导引方法 |
WO2016091090A1 (zh) * | 2014-12-08 | 2016-06-16 | 中国矿业大学 | 一种三相开关磁阻电机位置传感器故障诊断与定位方法 |
CN108051837A (zh) * | 2017-11-30 | 2018-05-18 | 武汉大学 | 多传感器集成室内外移动测绘装置及自动三维建模方法 |
CN109059906A (zh) * | 2018-06-26 | 2018-12-21 | 上海西井信息科技有限公司 | 车辆定位方法、装置、电子设备、存储介质 |
-
2020
- 2020-01-15 CN CN202010042905.0A patent/CN111263308A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016091090A1 (zh) * | 2014-12-08 | 2016-06-16 | 中国矿业大学 | 一种三相开关磁阻电机位置传感器故障诊断与定位方法 |
CN104596533A (zh) * | 2015-01-07 | 2015-05-06 | 上海交通大学 | 基于地图匹配的自动导引车及其导引方法 |
CN108051837A (zh) * | 2017-11-30 | 2018-05-18 | 武汉大学 | 多传感器集成室内外移动测绘装置及自动三维建模方法 |
CN109059906A (zh) * | 2018-06-26 | 2018-12-21 | 上海西井信息科技有限公司 | 车辆定位方法、装置、电子设备、存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912411A (zh) * | 2020-08-26 | 2020-11-10 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、系统及存储介质 |
CN111912411B (zh) * | 2020-08-26 | 2022-06-14 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、系统及存储介质 |
CN112378397A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112378397B (zh) * | 2020-11-02 | 2023-10-10 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112833892A (zh) * | 2020-12-31 | 2021-05-25 | 杭州普锐视科技有限公司 | 一种基于轨迹对齐的语义建图方法 |
CN115222808A (zh) * | 2021-06-30 | 2022-10-21 | 达闼机器人股份有限公司 | 基于无人机的定位方法、装置、存储介质和电子设备 |
CN115222808B (zh) * | 2021-06-30 | 2023-10-20 | 达闼机器人股份有限公司 | 基于无人机的定位方法、装置、存储介质和电子设备 |
CN115685223A (zh) * | 2022-12-15 | 2023-02-03 | 深圳市智绘科技有限公司 | 位置识别方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asadi et al. | An integrated UGV-UAV system for construction site data collection | |
CN108983781B (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
CN111263308A (zh) | 定位数据采集方法及系统 | |
CN110312912B (zh) | 车辆自动停车系统和方法 | |
CN106840148B (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 | |
CN109885080B (zh) | 自主控制系统及自主控制方法 | |
Leishman et al. | Relative navigation approach for vision-based aerial GPS-denied navigation | |
US10369993B2 (en) | Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
US20210365038A1 (en) | Local sensing based autonomous navigation, and associated systems and methods | |
CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
CN113238554A (zh) | 一种基于激光与视觉融合slam技术的室内导航方法及系统 | |
CN111784835A (zh) | 制图方法、装置、电子设备及可读存储介质 | |
CN114127738A (zh) | 自动地图制作和定位 | |
Cui et al. | Search and rescue using multiple drones in post-disaster situation | |
Rady et al. | A hybrid localization approach for UAV in GPS denied areas | |
CN115639823A (zh) | 崎岖起伏地形下机器人地形感知与移动控制方法及系统 | |
CN114636414A (zh) | 高清晰度城市地图绘制 | |
WO2024036984A1 (zh) | 目标定位方法及相关系统、存储介质 | |
Zheng et al. | Indoor localization and trajectory correction with point cloud-derived backbone map | |
Kozák et al. | Robust visual teach and repeat navigation for unmanned aerial vehicles | |
CN109901589B (zh) | 移动机器人控制方法和装置 | |
Irani et al. | A localizability constraint-based path planning method for unmanned aerial vehicle | |
Mohan et al. | A comprehensive review of SLAM techniques |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |
|
RJ01 | Rejection of invention patent application after publication |