CN111461981B - 点云拼接算法的误差估计方法和装置 - Google Patents
点云拼接算法的误差估计方法和装置 Download PDFInfo
- Publication number
- CN111461981B CN111461981B CN202010238057.0A CN202010238057A CN111461981B CN 111461981 B CN111461981 B CN 111461981B CN 202010238057 A CN202010238057 A CN 202010238057A CN 111461981 B CN111461981 B CN 111461981B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- frame
- pose information
- preset area
- 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 51
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及自动驾驶领域。本公开的实施例公开了点云拼接算法的误差估计方法和装置。该方法包括:获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息;基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息;基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。该方法实现了点云拼接算法的误差的准确估计。
Description
技术领域
本公开的实施例涉及人工智能技术领域,具体涉及自动驾驶中的点云数据处理领域,尤其涉及点云拼接算法的误差估计方法和装置。
背景技术
在自动驾驶领域中,车辆的准确定位对于其后续决策至关重要。基于反射值地图的定位算法可以准确、高速地实现自动驾驶车辆的定位。
反射值地图的构建需要采集点云帧并基于点云拼接算法将点云帧拼接。其中,点云拼接算法的选择对点云的拼接效果有直接的影响。若点云拼接算法不能将不同点云帧的位姿很好地配准,则无法拼接出可准确表征真实场景的点云,基于此得到的反射值地图无法实现自动驾驶车辆的准确定位。在自动驾驶场景中,通常需要拼接的点云帧数量较多,因此需要在使用拼接算法对点云帧拼接之前对拼接算法的性能进行测试和评估。
发明内容
本公开的实施例提出了点云拼接算法的误差估计方法和装置、电子设备和计算机可读介质。
第一方面,本公开的实施例提供了一种点云拼接算法的误差估计方法,包括:获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息;基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息;基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
在一些实施例中,上述基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,包括:基于点云帧的初始位姿信息,将点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;在预设区域的点云地图中,提取出与待匹配的点云块相匹配的点云区域作为点云帧的匹配点云。
在一些实施例中,上述方法还包括:选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述预设区域的数量为至少两个;以及上述确定各点云拼接算法的误差,包括:分别确定各点云拼接算法对应于各预设区域的误差;上述基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,包括:基于点云帧的初始位姿信息从对应的预设区域的点云地图中提取出点云帧的匹配点云;以及上述选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接,包括:在至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于目标预设区域的误差满足预设的条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述在至少两个预设区域中确定出待拼接点云对应的目标预设区域,包括:在至少两个预设区域中确定出待拼接点云所属的预设区域,作为目标预设区域;或者将至少两个预设区域中,与待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
第二方面,本公开的实施例提供了一种点云拼接算法的误差估计装置,包括:获取单元,被配置为获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;估计单元,被配置为采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息;匹配单元,被配置为基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息;确定单元,被配置为基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
在一些实施例中,上述匹配单元包括:转换子单元,被配置为基于点云帧的初始位姿信息,将点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;提取子单元,被配置为在预设区域的点云地图中,提取出与待匹配的点云块相匹配的点云区域作为点云帧的匹配点云。
在一些实施例中,上述装置还包括:拼接单元,被配置为选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述预设区域的数量为至少两个;以及上述确定单元被进一步被配置为分别确定各点云拼接算法对应于各预设区域的误差;上述匹配单元被进一步配置为:基于点云帧的初始位姿信息从对应的预设区域的点云地图中提取出点云帧的匹配点云;以及上述拼接单元被配置为按照如下方式对待拼接点云进行拼接:在至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于目标预设区域的误差满足预设的条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述拼接单元被配置为按照如下方式在至少两个预设区域中确定出待拼接点云对应的目标预设区域:在至少两个预设区域中确定出待拼接点云所属的预设区域,作为目标预设区域;或者将至少两个预设区域中,与待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
第三方面,本公开的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提供的点云拼接算法的误差估计方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的点云拼接算法的误差估计方法。
本公开的上述实施例的点云拼接算法的误差估计方法和装置,通过获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息,然后采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息,之后基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息,最后基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差,实现了对点云拼接算法的误差的准确、快速估计,从而为高精度地图构建、定位等应用场景中点云拼接算法的选择提供可靠的依据。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的点云拼接算法的误差估计方法的一个实施例的流程图;
图3是根据本公开的点云拼接算法的误差估计方法的另一个实施例的流程图;
图4是本公开的点云拼接算法的误差估计装置的一个实施例的结构示意图;
图5是适于用来实现本公开实施例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公开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,本公开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公开。
图1示出了可以应用本公开的点云拼接算法的误差估计方法或点云拼接算法的误差估计装置的示例性系统架构100。
如图1所示,系统架构100可以包括自动驾驶车辆101,网络102和服务器103。网络102用以在自动驾驶车辆101和服务器103之间提供通信链路的介质。网络102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。
自动驾驶车辆101上可以安装有激光雷达1011,激光雷达1011可采集自动驾驶车辆101的周边环境的点云数据。具体地,激光雷达1011可以对自动驾驶车辆101周边环境进行周期性地扫描,每个周期内扫描得到的数据点形成一个点云帧。
自动驾驶车辆101还可以安装有电子控制单元1012。电子控制单元1012可以接收激光雷达1011扫描得到的点云帧,可以对点云帧进行处理,或者,电子控制单元1012可以通过网络102将点云帧发送至服务器103。
服务器103可以是为自动驾驶车辆101提供定位等服务的服务器。服务器103可以接收自动驾驶车辆101发送的点云数据,基于点云数据以及预先构建的点云地图对自动驾驶车辆的位置和姿态进行估计,将位姿估计结果发送至自动驾驶车辆101,自动驾驶车辆101可以通过电子控制单元1012接收位姿估计结果,并执行相应的驾驶决策。
在本公开的应用场景中,自动驾驶车辆101上安装的激光雷达1011可以在行驶中采集多个点云帧,并通过电子控制单元1012经由网络102传送至服务器103。服务器103可以采用拼接算法估算激光雷达1011采集各点云帧时的位姿,并基于激光雷达1011采集各点云帧时的位姿对各点云帧进行拼接,拼接后的点云可以用于构建高精度地图,或者可以用于障碍物检测。
或者,自动驾驶车辆101可以在本地对激光雷达1011采集的点云帧进行拼接。例如,电子控制单元1012可以估计激光雷达1011采集到的各点云帧对应的位姿,根据估计出的位姿拼接各点云帧。
需要说明的是,上述电子控制单元1012可以是硬件,也可以是软件,当电子控制单元1012为硬件时,可以实现为包含处理器的各种电子设备。当电子控制单元1012为软件时,可以安装在自动驾驶车辆101的操作系统中,并且电子控制单元1012可以实现为单个软件模块或多个软件模块。
上述服务器105可以为硬件,也可以为软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,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。
需要说明的是,本公开的实施例所提供的点云拼接算法的误差估计方法可以由上述电子控制单元1012或服务器105执行,相应地,点云拼接算法的误差估计装置可以设置于上述电子控制单元1012或服务器105中。
应该理解,图1中的自动驾驶车辆、电子控制单元、激光雷达、网络和服务器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自动驾驶车辆、电子控制单元、激光雷达、网络和服务器。
继续参考图2,其示出了根据本公开的点云拼接算法的误差估计方法的一个实施例的流程200。如图2所示,本实施例的点云拼接算法的误差估计方法的流程200,包括以下步骤:
步骤201,获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息。
在本实施例中,点云拼接算法的误差估计方法的执行主体200可以获取对预设区域的点云数据进行采集得到的若干个点云帧。该点云帧由自动驾驶车辆上安装的激光雷达采集,激光雷达采集点云帧时可以记录其位姿信息。上述执行主体可以获取激光雷达采集点云帧时的位姿信息作为各点云帧的初始位姿信息。
上述预设区域可以是指定的道路区域,或者可以是随机选择的道路区域。自动驾驶车辆在该预设区域行驶中通过激光雷达采集多个点云帧。
可选地,上述预设区域可以是指定道路类型的道路区域,例如城市主干道、高速路、乡村公路,等等。
在实践中,激光雷达可以预先经过标定,可以根据标定数据确定激光雷达的坐标系与惯导系统的坐标系之间的相对旋转角和相对平移距离。行驶过程中由于车辆移动、转向、颠簸等因素,激光雷达的位姿会发生改变,可以根据GNSS(Global NavigationSatellite System,全球导航卫星系统)对激光雷达进行定位来获得激光雷达采集点云帧时的位姿信息,作为点云帧的初始位姿信息。
步骤202,采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息。
在这里,点云拼接算法是待估计误差的点云拼接算法,可以包括已有的各种点云拼接算法,也可以包括自主开发的各种点云拼接算法。
在本实施例的一个示例性应用场景中,开发人员开发完成点云拼接算法之后,可以采用本实施例的方法来评估点云拼接算法的误差。
可以利用上述至少一个点云拼接算法对点云帧的位姿进行估计,具体对激光雷达采集点云帧时相对于标准姿态下的惯导系统的位置和姿态进行估计并按照估计出的位姿拼接点云帧。
在本实施例中,可以采用至少一个点云拼接算法对步骤201获取到的点云帧的位姿进行估计。在一种具体的实现方式中,可以采用点云拼接算法对两个相邻点云帧进行特征提取及匹配,根据匹配的特征点的相对位置关系估计相邻两个点云帧的相对位姿。这样,从标准位姿的点云帧开始,逐帧估计各点云帧与前一点云帧的相对位姿,即可获得各点云帧与标准位姿的点云帧的相对位姿,进而获得各点云帧的位姿估计结果,即得到点云帧对应于该点云拼接算法的校准位姿信息。可选地,在基于特征提取和匹配计算出相对位姿之后,点云拼接算法中还可以通过ICP(Iterative closest Point,最近点迭代)的方法优化相对位姿的估计结果。
上述点云拼接算法还可以用于基于点云帧中的特征点的位置坐标,对各点云帧的初始位姿进行优化,例如采用ICP方法对初始位姿信息进行逐步迭代优化,得到点云帧对应于该点云拼接算法的校准位姿信息。
需要说明的是,不同的点云拼接算法所采用的特征提取方法、特征匹配方法以及位姿优化方法可以不相同,因而采用不同的点云拼接算法获得的校准位姿信息可能不相同。在本实施例中,可以分别采用每一个待评估的点云拼接算法分别对点云帧的位姿进行估计,得到点云帧对应于各点云拼接算法的校准位姿信息。
步骤203,基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息。
点云地图可以是基于测绘车辆采集到的点云数据构建的高精度地图,并且该点云地图可以是采用高精度的点云拼接算法得到、或者在拼接后经过人工校准的三维点云地图。
在本实施例中,可以分别对各点云帧进行特征提取,例如可以提取点云帧中的障碍物特征点,基于初始位姿对提取出的障碍物特征点进行坐标转换,并利用转换后的障碍物特征点与点云地图进行匹配,从而确定出点云地图中与该障碍物特征点相匹配的数据点,并从点云地图中提取出与该障碍物特征点相匹配的数据点所在区域的点云,作为对应点云帧的匹配点云。
在本实施例的一些可选的实现方式中,可以基于点云帧的初始位姿信息,将点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;然后在预设区域的点云地图中,提取出与待匹配的点云块相匹配的点云区域作为点云帧的匹配点云。
具体地,可以将各点云帧按照其初始位姿信息映射至点云地图的坐标系中得到对该点云帧粗校准后的点云块。然后对粗校准后的点云块与点云地图进行匹配,匹配时可以计算基于粗校准后的点云块与点云地图中的数据点之间的平均距离,或者采用特征提取和特征匹配的方法在点云地图中查找与粗校准后的点云块匹配的点云区域。
在提取出点云地图中的各点云帧的匹配点云之后,可以基于匹配点云分别计算对应的各点云帧的位姿信息作为参考位姿信息。
具体地,可以基于各点云帧的匹配点云中各数据点的坐标与对应的各点云帧中各数据点的坐标,计算点云帧的坐标系相对于点云地图坐标系的旋转参数和平移参数,从而获得各点云帧的参考位姿信息。
由于通常点云地图的精度较高,可以将点云帧的参考位姿信息作为点云帧的位姿的真实值,通过基于初始位姿从点云地图中提取出匹配点云之后,基于点云帧与匹配点云中同一空间对象的位置坐标可以准确估算出采集点云帧的激光雷达的位姿,也即点云帧的位姿的真实值。
步骤204,基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
在本实施例中,可以将步骤202中得到的点云帧对应于各点云拼接算法的校准位姿信息与步骤203得确定的对应点云帧的参考位姿信息之间的差异,得出各点云拼接算法的误差估计结果。该差异可以基于校准位姿信息和参考位姿信息中旋转角的余弦值之差和/或校准位姿信息和参考位姿信息中平移参数的差值来计算得出。这样实现了对点云拼接算法的位姿估计误差的量化。
上述实施例的点云拼接算法的误差估计方法,通过获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息,然后采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息,之后基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息,最后基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差,实现了对点云拼接算法的误差的准确、快速估计,从而为高精度地图构建、定位等应用场景中点云拼接算法的选择提供可靠的依据。
在上述实施例的一些可选的实现方式中,上述点云拼接算法的误差估计方法还可以包括:选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
上述预设条件可以是误差不超过预设的阈值,或者在可选的点云拼接算法中误差最小。通过上述步骤201至步骤204确定多个点云拼接算法的误差之后,可以选择误差最小的或者误差不超过预设的阈值的点云拼接算法,对待拼接点云进行位姿估计和点云拼接。在这里,待拼接点云可以是至少两帧点云,且至少两帧点云中的任意相邻两帧之间具有重叠区域。
该实施方式通过选择位姿估计误差满足预设的条件的点云拼接算法来执行待拼接点云的拼接操作,可以提升点云拼接的精度。
继续参考图3,其示出了根据本公开的点云拼接算法的误差估计方法的另一个实施例的流程示意图。如图3所示,本实施例的点云拼接算法的误差估计方法的流程300,包括以下步骤:
步骤301,获取对至少两个预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息。
在本实施例中,预设区域的数量为至少两个。各预设区域可以分别对应不同的场景类型,例如不同的预设区域可以分别是高速公路场景中的区域、山区公路场景中的区域、城市内道路场景中的区域、停车场区域。又例如不同的预设区域可以是不同城市、不同国家的道路场景对应的区域。可以分别针对每个预设区域,可以获取激光雷达对该区域进行点云数据采集得到的至少一个点云帧,以及获取通过GNSS得到的该点云帧对应的位姿信息作为该点云帧的初始位姿信息。
步骤302,采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息。
针对每个预设区域的各点云帧,可以采用前述实施例中步骤202描述的方法,获得各点云帧对应于待评估的各个点云拼接算法的校准位姿信息。
步骤303,基于点云帧的初始位姿信息从对应的预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息。
在本实施例中,可以分别获取各预设区域的点云地图,然后基于点云帧的初始位姿信息分别在对应的预设区域的点云地图中进行匹配,提取出点云地图中与点云帧相匹配的匹配点云。并基于点云帧与其匹配点云中的三维数据点的相对位置关系来确定点云帧对应的参考位姿信息。
对于每个预设区域,可以采用前述实施例中步骤203描述的方式提取出匹配点云并确定点云帧的参考位姿信息。此处不再赘述。
步骤304,基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,分别确定各点云拼接算法对应于各预设区域的误差。
对于每个预设区域,可以计算该预设区域的点云帧对应于各点云拼接算法的校准位姿信息与该点云帧的参考位姿信息之间的差异。这样,可以得到各点云拼接算法对应于各个预设区域的误差。
步骤305,在至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于目标预设区域的误差满足预设的条件的点云拼接算法对待拼接点云进行拼接。
在本实施例中,可以获取待拼接点云,并确定待拼接点云对应的目标预设区域。待拼接点云对应的目标预设区域通过采集待拼接点云时获得的GNSS定位信息确定。可以根据待拼接点云的GNSS定位信息确定待拼接点云对应的地理位置信息。
上述在至少两个预设区域中确定出待拼接点云对应的目标预设区域的步骤,可以包括:在至少两个预设区域中确定出待拼接点云所属的预设区域,作为目标预设区域。也即,可以从上述至少两个预设区域中确定待拼接点云对应的地理位置信息所指示的预设区域为目标预设区域。
可以从步骤304获取的点云拼接算法对应于各预设区域的误差估计结果中,选择对应于目标预设区域的误差小于预设的阈值、或者对应于目标预设区域的误差最小的点云拼接算法,来执行待拼接点云的拼接任务。
本实施例中通过对至少两个预设区域分别进行点云拼接算法的误差估计,并针对待拼接点云对应的目标预设区域选择对目标预设区域的点云的估计误差较小的点云拼接算法,能够进一步提升点云拼接算法的误差估计结果的准确性和可靠性,从而提升点云拼接结果的可靠性。
可选地,上述在至少两个预设区域中确定出待拼接点云对应的目标预设区域,可以包括:将至少两个预设区域中,与待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
若上述至少两个预设区域中不存在待拼接点云对应地理位置所属的区域,可以获取上述至少两个预设区域和待拼接点云对应地理位置所属的区域的区域属性信息,例如道路类型、地理位置信息、拥堵程度等,基于区域属性信息确定与待拼接点云对应地理位置所属的区域的类型,确定与待拼接点云所属的区域的类型一致的预设区域为目标预设区域,或者确定与待拼接点云所属区域的区域属性信息之间相似度较高的至少一个预设区域,作为待拼接点云对应的目标预设区域。这样,可以根据点云拼接算法对相似区域的点云的位姿估计误差来选择点云拼接算法,在未对待拼接点云所属区域进行点云拼接算法的误差评估的情况下,也可以选出适合该区域的点云拼接算法,从而仅对若干不同类型的区域进行点云拼接算法的误差估计即可针对实际场景中的各种区域的点云选择可靠、高精度的点云拼接算法。
请参考图4,作为对上述点云拼接算法的误差估计方法的实现,本公开提供了一种点云拼接算法的误差估计装置的一个实施例,该装置实施例与图2和图3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。
如图4所示,本实施例的点云拼接算法的误差估计装置400包括获取单元401,估计单元402、匹配单元403以及确定单元404。其中,获取单元401被配置为获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;估计单元402被配置为采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息;匹配单元403被配置为基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息;确定单元404被配置为基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
在一些实施例中,上述匹配单元403包括:转换子单元,被配置为基于点云帧的初始位姿信息,将点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;提取子单元,被配置为在预设区域的点云地图中,提取出与待匹配的点云块相匹配的点云区域作为点云帧的匹配点云。
在一些实施例中,上述装置400还包括:拼接单元,被配置为选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述预设区域的数量为至少两个;以及上述确定单元404被进一步被配置为分别确定各点云拼接算法对应于各预设区域的误差;上述匹配单元403被进一步配置为:基于点云帧的初始位姿信息从对应的预设区域的点云地图中提取出点云帧的匹配点云;以及上述拼接单元被进一步配置为按照如下方式对待拼接点云进行拼接:在至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于目标预设区域的误差满足预设的条件的点云拼接算法对待拼接点云进行拼接。
在一些实施例中,上述拼接单元被配置为按照如下方式在至少两个预设区域中确定出待拼接点云对应的目标预设区域:在至少两个预设区域中确定出待拼接点云所属的预设区域,作为目标预设区域;或者将至少两个预设区域中,与待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
上述装置400中的各单元与参考图2和图3描述的方法中的步骤相对应。由此,上文针对点云拼接算法的误差估计方法描述的操作、特征及所能达到的技术效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的实施例的电子设备(例如图1所示的服务器)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;采用至少一个点云拼接算法估计点云帧的位姿,得到点云帧对应于各点云拼接算法的校准位姿信息;基于点云帧的初始位姿信息从预设区域的点云地图中提取出点云帧的匹配点云,并基于匹配点云确定点云帧的参考位姿信息;基于点云帧对应于各点云拼接算法的校准位姿信息与点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
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公开的实施例的操作的计算机程序代码,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,图示了按照本公开各种实施例的系统、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。
描述于本公开的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、估计单元、匹配单元以及确定单元。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“获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息的单元”。
以上描述仅为本公开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,本公开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 (12)
1.一种点云拼接算法的误差估计方法,包括:
获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;
采用至少一个点云拼接算法估计所述点云帧的位姿,得到所述点云帧对应于各点云拼接算法的校准位姿信息;
基于所述点云帧的初始位姿信息从所述预设区域的点云地图中提取出所述点云帧的匹配点云,并基于所述匹配点云确定所述点云帧的参考位姿信息;
基于所述点云帧对应于各点云拼接算法的校准位姿信息与所述点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
2.根据权利要求1所述的方法,其中,所述基于所述点云帧的初始位姿信息从所述预设区域的点云地图中提取出所述点云帧的匹配点云,包括:
基于所述点云帧的初始位姿信息,将所述点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;
在所述预设区域的点云地图中,提取出与所述待匹配的点云块相匹配的点云区域作为所述点云帧的匹配点云。
3.根据权利要求1或2所述的方法,其中,所述方法还包括:
选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
4.根据权利要求3所述的方法,其中,所述预设区域的数量为至少两个;以及
所述确定各点云拼接算法的误差,包括:分别确定各点云拼接算法对应于各所述预设区域的误差;
所述基于所述点云帧的初始位姿信息从所述预设区域的点云地图中提取出所述点云帧的匹配点云,包括:基于所述点云帧的初始位姿信息从对应的预设区域的点云地图中提取出所述点云帧的匹配点云;以及
所述选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接,包括:
在所述至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于所述目标预设区域的误差满足所述预设的条件的点云拼接算法对所述待拼接点云进行拼接。
5.根据权利要求4所述的方法,其中,所述在所述至少两个预设区域中确定出待拼接点云对应的目标预设区域,包括:
在所述至少两个预设区域中确定出所述待拼接点云所属的预设区域,作为目标预设区域;或者
将所述至少两个预设区域中,与所述待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
6.一种点云拼接算法的误差估计装置,包括:
获取单元,被配置为获取对预设区域的点云进行采集得到的点云帧及各点云帧的初始位姿信息;
估计单元,被配置为采用至少一个点云拼接算法估计所述点云帧的位姿,得到所述点云帧对应于各点云拼接算法的校准位姿信息;
匹配单元,被配置为基于所述点云帧的初始位姿信息从所述预设区域的点云地图中提取出所述点云帧的匹配点云,并基于所述匹配点云确定所述点云帧的参考位姿信息;
确定单元,被配置为基于所述点云帧对应于各点云拼接算法的校准位姿信息与所述点云帧的参考位姿信息之间的差异,确定各点云拼接算法的误差。
7.根据权利要求6所述的装置,其中,所述匹配单元包括:
转换子单元,被配置为基于所述点云帧的初始位姿信息,将所述点云帧中的数据点转换至点云地图的坐标系中,得到待匹配的点云块;
提取子单元,被配置为在所述预设区域的点云地图中,提取出与所述待匹配的点云块相匹配的点云区域作为所述点云帧的匹配点云。
8.根据权利要求6或7所述的装置,其中,所述装置还包括:
拼接单元,被配置为选择误差满足预设条件的点云拼接算法对待拼接点云进行拼接。
9.根据权利要求8所述的装置,其中,所述预设区域的数量为至少两个;以及
所述确定单元被进一步被配置为分别确定各点云拼接算法对应于各所述预设区域的误差;
所述匹配单元被进一步配置为:基于所述点云帧的初始位姿信息从对应的预设区域的点云地图中提取出所述点云帧的匹配点云;以及
所述拼接单元被配置为按照如下方式对待拼接点云进行拼接:
在所述至少两个预设区域中确定出待拼接点云对应的目标预设区域,选择对应于所述目标预设区域的误差满足所述预设的条件的点云拼接算法对所述待拼接点云进行拼接。
10.根据权利要求9所述的装置,其中,所述拼接单元被配置为按照如下方式在所述至少两个预设区域中确定出待拼接点云对应的目标预设区域:
在所述至少两个预设区域中确定出所述待拼接点云所属的预设区域,作为目标预设区域;或者
将所述至少两个预设区域中,与所述待拼接点云所属的区域的类型一致的预设区域确定为目标预设区域。
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。
12.一种计算机可读介质,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238057.0A CN111461981B (zh) | 2020-03-30 | 2020-03-30 | 点云拼接算法的误差估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238057.0A CN111461981B (zh) | 2020-03-30 | 2020-03-30 | 点云拼接算法的误差估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461981A CN111461981A (zh) | 2020-07-28 |
CN111461981B true CN111461981B (zh) | 2023-09-01 |
Family
ID=71683407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238057.0A Active CN111461981B (zh) | 2020-03-30 | 2020-03-30 | 点云拼接算法的误差估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461981B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415548B (zh) * | 2020-11-09 | 2023-09-29 | 北京斯年智驾科技有限公司 | 无人集卡的定位方法、装置、系统、电子装置和存储介质 |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
CN112781594B (zh) * | 2021-01-11 | 2022-08-19 | 桂林电子科技大学 | 基于imu耦合的激光雷达迭代最近点改进算法 |
CN112883134A (zh) * | 2021-02-01 | 2021-06-01 | 上海三一重机股份有限公司 | 数据融合建图方法、装置、电子设备及存储介质 |
CN113469495A (zh) * | 2021-05-28 | 2021-10-01 | 视辰信息科技(上海)有限公司 | 一种视觉定位系统的自动化评估方法及其系统 |
CN113989451B (zh) * | 2021-10-28 | 2024-04-09 | 北京百度网讯科技有限公司 | 高精地图构建方法、装置及电子设备 |
CN114385872B (zh) * | 2022-03-23 | 2022-06-03 | 中国民航科学技术研究院 | 一种涡流耗散率预测的方法、装置、电子设备及存储介质 |
CN115797659B (zh) * | 2023-01-09 | 2023-05-02 | 思看科技(杭州)股份有限公司 | 数据拼接方法、三维扫描系统、电子装置和存储介质 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013167901A1 (en) * | 2012-05-09 | 2013-11-14 | Ncam Technologies Limited | A system for mixing or compositing in real-time, computer generated 3d objects and a video feed from a film camera |
CN107796397A (zh) * | 2017-09-14 | 2018-03-13 | 杭州迦智科技有限公司 | 一种机器人双目视觉定位方法、装置和存储介质 |
CN108648219A (zh) * | 2018-04-08 | 2018-10-12 | 浙江大承机器人科技有限公司 | 一种基于双目的障碍物与可行区域检测方法 |
CN108749601A (zh) * | 2018-05-02 | 2018-11-06 | 蔚来汽车有限公司 | 换电站、车辆定位方法、装置及系统 |
CN108765487A (zh) * | 2018-06-04 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 重建三维场景的方法、装置、设备和计算机可读存储介质 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN109345617A (zh) * | 2018-09-15 | 2019-02-15 | 武汉智觉空间信息技术有限公司 | 一种基于长条带多站点云的链式高精度拼接与平差方法 |
CN109345620A (zh) * | 2018-08-13 | 2019-02-15 | 浙江大学 | 融合快速点特征直方图的改进icp待测物体点云拼接方法 |
CN109407073A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN109410735A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN109459734A (zh) * | 2018-10-30 | 2019-03-12 | 百度在线网络技术(北京)有限公司 | 一种激光雷达定位效果评估方法、装置、设备及存储介质 |
CN109584310A (zh) * | 2018-11-26 | 2019-04-05 | 南昌航空大学 | 一种基于垂直度约束的大物体面形测量的拼接方法 |
CN110031825A (zh) * | 2019-04-17 | 2019-07-19 | 北京智行者科技有限公司 | 激光定位初始化方法 |
CN110163797A (zh) * | 2019-05-31 | 2019-08-23 | 四川大学 | 一种标定转台位姿关系实现任意角点云拼接的方法及装置 |
CN110175954A (zh) * | 2019-05-29 | 2019-08-27 | 西安邮电大学 | 改进的icp点云快速拼接方法、装置、电子设备及存储介质 |
CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
WO2019242628A1 (en) * | 2018-06-19 | 2019-12-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for pose determination |
TW202001615A (zh) * | 2018-06-14 | 2020-01-01 | 國立臺北科技大學 | 一種利用點雲判斷岩石不連續面位態的方法 |
CN110689622A (zh) * | 2019-07-05 | 2020-01-14 | 电子科技大学 | 一种基于点云分割匹配闭环校正的同步定位与构图算法 |
CN110849374A (zh) * | 2019-12-03 | 2020-02-28 | 中南大学 | 地下环境定位方法、装置、设备及存储介质 |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10391751B2 (en) * | 2016-04-20 | 2019-08-27 | The Boeing Company | Spatial reference film in core-stiffened composite |
CN107179086B (zh) * | 2017-05-24 | 2020-04-24 | 北京数字绿土科技有限公司 | 一种基于激光雷达的制图方法、装置及系统 |
US10438408B2 (en) * | 2017-07-28 | 2019-10-08 | The Boeing Company | Resolution adaptive mesh for performing 3-D metrology of an object |
-
2020
- 2020-03-30 CN CN202010238057.0A patent/CN111461981B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013167901A1 (en) * | 2012-05-09 | 2013-11-14 | Ncam Technologies Limited | A system for mixing or compositing in real-time, computer generated 3d objects and a video feed from a film camera |
CN109410735A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN109407073A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN107796397A (zh) * | 2017-09-14 | 2018-03-13 | 杭州迦智科技有限公司 | 一种机器人双目视觉定位方法、装置和存储介质 |
CN108648219A (zh) * | 2018-04-08 | 2018-10-12 | 浙江大承机器人科技有限公司 | 一种基于双目的障碍物与可行区域检测方法 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN108749601A (zh) * | 2018-05-02 | 2018-11-06 | 蔚来汽车有限公司 | 换电站、车辆定位方法、装置及系统 |
CN108765487A (zh) * | 2018-06-04 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 重建三维场景的方法、装置、设备和计算机可读存储介质 |
TW202001615A (zh) * | 2018-06-14 | 2020-01-01 | 國立臺北科技大學 | 一種利用點雲判斷岩石不連續面位態的方法 |
WO2019242628A1 (en) * | 2018-06-19 | 2019-12-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for pose determination |
CN109064506A (zh) * | 2018-07-04 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
CN109345620A (zh) * | 2018-08-13 | 2019-02-15 | 浙江大学 | 融合快速点特征直方图的改进icp待测物体点云拼接方法 |
CN109345617A (zh) * | 2018-09-15 | 2019-02-15 | 武汉智觉空间信息技术有限公司 | 一种基于长条带多站点云的链式高精度拼接与平差方法 |
CN109459734A (zh) * | 2018-10-30 | 2019-03-12 | 百度在线网络技术(北京)有限公司 | 一种激光雷达定位效果评估方法、装置、设备及存储介质 |
CN109584310A (zh) * | 2018-11-26 | 2019-04-05 | 南昌航空大学 | 一种基于垂直度约束的大物体面形测量的拼接方法 |
CN110031825A (zh) * | 2019-04-17 | 2019-07-19 | 北京智行者科技有限公司 | 激光定位初始化方法 |
CN110175954A (zh) * | 2019-05-29 | 2019-08-27 | 西安邮电大学 | 改进的icp点云快速拼接方法、装置、电子设备及存储介质 |
CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
CN110163797A (zh) * | 2019-05-31 | 2019-08-23 | 四川大学 | 一种标定转台位姿关系实现任意角点云拼接的方法及装置 |
CN110689622A (zh) * | 2019-07-05 | 2020-01-14 | 电子科技大学 | 一种基于点云分割匹配闭环校正的同步定位与构图算法 |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
CN110849374A (zh) * | 2019-12-03 | 2020-02-28 | 中南大学 | 地下环境定位方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
M. Zhou.AUTOMATIC EXTRACTION OF POWER LINES FROM UAV LIDAR POINT CLOUDS USING A NOVEL SPATIAL FEATURE.《ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences》.2019,227-234. * |
Also Published As
Publication number | Publication date |
---|---|
CN111461981A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461981B (zh) | 点云拼接算法的误差估计方法和装置 | |
KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
JP6812404B2 (ja) | 点群データを融合させるための方法、装置、コンピュータ読み取り可能な記憶媒体、及びコンピュータプログラム | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
US11776155B2 (en) | Method and apparatus for detecting target object in image | |
CN110687549B (zh) | 障碍物检测方法和装置 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
CN109410735B (zh) | 反射值地图构建方法和装置 | |
CN109285188B (zh) | 用于生成目标物体的位置信息的方法和装置 | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN111353453B (zh) | 用于车辆的障碍物检测方法和装置 | |
CN110110029B (zh) | 用于匹配车道的方法和装置 | |
CN110163900B (zh) | 用于调整点云数据方法和装置 | |
US20200279395A1 (en) | Method and system for enhanced sensing capabilities for vehicles | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN111469781B (zh) | 用于输出信息的方法和装置 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN112630798B (zh) | 用于估计地面的方法和装置 | |
CN113758492A (zh) | 地图检测方法和装置 | |
CN115512336B (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN115032672A (zh) | 一种基于定位子系统的融合定位方法及系统 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
CN111461982B (zh) | 用于拼接点云的方法和装置 |
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 |