CN111476830A - 点云数据处理方法、机器人、电子设备和可读存储介质 - Google Patents

点云数据处理方法、机器人、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111476830A
CN111476830A CN202010174646.7A CN202010174646A CN111476830A CN 111476830 A CN111476830 A CN 111476830A CN 202010174646 A CN202010174646 A CN 202010174646A CN 111476830 A CN111476830 A CN 111476830A
Authority
CN
China
Prior art keywords
point cloud
cloud data
data
space
time
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
CN202010174646.7A
Other languages
English (en)
Other versions
CN111476830B (zh
Inventor
张�杰
宋乐
秦宝星
程昊天
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.)
Shanghai Gaussian Automation Technology Development Co Ltd
Original Assignee
Shanghai Gaussian Automation Technology Development 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 Shanghai Gaussian Automation Technology Development Co Ltd filed Critical Shanghai Gaussian Automation Technology Development Co Ltd
Priority to CN202010174646.7A priority Critical patent/CN111476830B/zh
Publication of CN111476830A publication Critical patent/CN111476830A/zh
Application granted granted Critical
Publication of CN111476830B publication Critical patent/CN111476830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Electromagnetism (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请公开了一种多传感器融合的点云数据处理方法、机器人和可读存储介质。点云数据处理方法包括：获取并同步第一传感器数据和第二传感器数据以获得点云数据；对点云数据进行配准并构建时空点云地图；和对点云数据进行滤波以获得时空点云数据。本申请实施方式的点云数据处理方法通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。

Description

点云数据处理方法、机器人、电子设备和可读存储介质
技术领域
本申请涉及机器人智能控制技术领域，更具体而言，涉及一种点云数据处理方法、机器人、电子设备和可读存储介质。
背景技术
相关技术中，随着机器人广泛应用于各种自动作业场景，机器人通常具备定位和建图功能。目前基于激光点云的匹配的算法，是计算当前激光点在局部地图中的最优匹配位置。然而在室外环境中，基于激光点云的定位与建图方法容易受到激光点云噪点的限制导致定位和建图鲁棒性差的问题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的目的在于提供一种用于提高机器人定位的稳定性的点云数据处理方法，通过同步并融合多传感器数据，进行滤波以获取时空点云数据，从而保证定位的稳定性。
本发明的另一个目的在于提供一种通过点云滤波实现准确定位的机器人。
本发明的另一个目的在于提供一种通过点云滤波实现对机器人进行准确定位的电子设备和可读存储介质。
为达到上述目的，本申请实施方式提供一种点云数据处理方法，点云数据处理方法包括：获取并同步第一传感器数据和第二传感器数据以获得点云数据；对所述点云数据进行配准并构建时空点云地图；和对所述点云数据进行滤波以获得时空点云数据。
本申请实施方式的点云数据处理方法通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。
在某些实施方式中，所述对所述点云数据进行配准并构建时空点云地图的步骤包括：利用迭代最近点方法和所述第二传感器数据对所述点云数据进行配准；和利用配准后的点云数据构建时空点云地图，所述时空点云地图具有时间戳信息。如此，通过迭代最近点方法配准后的点云数据构建时空点云地图，利用环境中时间上和空间上具有一致性的点云，利于滤除当前激光数据不稳定的激光点。
在某些实施方式中，所述对所述点云数据进行滤波以获得时空点云数据的步骤包括：将所述第一传感器数据和所述第二传感器数据转换到相同坐标系；基于高斯分布在所述时空点云地图中找到对应的栅格点云；和根据对应的栅格点云内的时空点云的数量进行滤波。如此，通过对点云数据的坐标一致性进行转换，将第一传感器数据和第二传感器数据转换到相同坐标下，基于点云的分布划分栅格点云，然后利用划分的栅格点云结合栅格点云内的时空点云数量进行滤波。
在某些实施方式中，所述第一传感器数据包括激光数据，所述根据对应的栅格点云内的时空点云的数量进行滤波的步骤包括：以当前激光点为原点确定与所述原点距离小于预定距离的目标区域；计算在时间序上所述目标区域内所述时空点云的数量；和根据所述时空点云的数量确定是否删除所述当前激光点。如此，通过判断每个当前激光点在时空点云地图中对应的区域内在时间序上点的数量来对当前激光数据进行滤除，保证定位的稳定性。
在某些实施方式中，所述预定距离根据所述当前激光点与激光传感器之间的距离确定。如此，对于不同距离的激光点采取相应的预设距离进行滤波。
在某些实施方式中，所述对所述点云数据进行滤波以获得时空点云数据的步骤包括：将滤波后的所述当前激光点云添加到所述时空点云中以获得所述时空点云数据。如此，时空点云数据中滤除当前激光数据不稳定的激光点，从而让激光数据中仅保留有效的激光点，保证定位的稳定性。
在某些实施方式中，所述点云数据处理方法包括：在所述时空点云数据累积的时间超过预设时间后，删除预设时间前的所述时空点云数据。如此，保证了时空点云数据始终包括的是当前时间前一段时间内的时空点云，避免数据冗余。
本申请实施方式提供一种机器人，机器人包括获取模块、处理模块和滤波模块，所述获取模块用于获取并同步第一传感器和第二传感器数据以获得点云数据；所述处理模块用于对所述点云数据进行配准并构建时空点云地图；和所述滤波模块用于对所述点云数据进行滤波以获得时空点云数据。
本申请实施方式的机器人可以通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。
在某些实施方式中，所述机器人包括配准单元和建图单元，所述配准单元用于利用迭代最近点方法和所述第二传感器数据对所述点云数据进行配准；所述建图单元用于利用配准后的点云数据构建时空点云地图，所述时空点云地图具有时间戳信息。如此，通过迭代最近点方法配准后的点云数据构建时空点云地图，利用环境中时间上和空间上具有一致性的点云，利于滤除当前激光数据不稳定的激光点。
在某些实施方式中，所述滤波模块包括坐标转换单元、计算单元和滤波单元；所述坐标转换单元用于将所述第一传感器数据和第二传感器数据转换到相同坐标系；所述计算单元用于基于高斯分布在所述时空点云地图中找到对应的栅格点云；和所述滤波单元用于根据对应的栅格点云内的时空点云的数量进行滤波。如此，通过对点云数据的坐标一致性进行转换，将第一传感器数据和第二传感器数据转换到相同坐标下，基于点云的分布划分栅格点云，然后利用划分的栅格点云结合栅格点云内的时空点云数量进行滤波。
在某些实施方式中，所述第一传感器数据包括激光数据，所述滤波单元用于以当前激光点为原点确定与所述原点距离小于预定距离的目标区域；及用于计算在时间序上所述目标区域内所述时空点云的数量；以及用于根据所述时空点云的数量确定是否删除所述当前激光点。如此，通过判断每个当前激光点在时空点云地图中对应的区域内在时间序上点的数量来对当前激光数据进行滤除，保证定位的稳定性。
在某些实施方式中，所述滤波单元用于根据所述当前激光点与激光传感器之间的距离确定所述预定距离。如此，对于不同距离的激光点采取相应的预设距离进行滤波。
在某些实施方式中，所述滤波单元用于将滤波后的所述当前激光点云添加到所述时空点云中以获得所述时空点云数据。如此，时空点云数据中滤除当前激光数据不稳定的激光点，从而让激光数据中仅保留有效的激光点，保证定位的稳定性。
在某些实施方式中，所述机器人包括数据更新模块，所述数据更新模块用于在所述时空点云数据累积的时间超过预设时间后，删除预设时间前的所述时空点云数据。如此，保证了时空点云数据始终包括的是当前时间前一段时间内的时空点云，避免数据冗余。
本申请实施方式提供一种电子设备，机器人包括处理器、可读存储介质及存储在所述可读存储介质上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时，使得所述处理器执行上述任一实施方式所述的点云数据处理方法。
本申请实施方式的电子设备通过处理器执行计算机可执行指令，从而通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。
本申请实施方式提供一种非易失性计算机可读存储介质，计算机可读存储介质包括计算机可执行指令，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行上述实施方式的点云数据处理方法。
本申请实施方式的可读存储介质中，通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请实施方式的点云数据滤波方法的流程示意图。
图2是本申请实施方式的机器人的模块示意图。
图3是本申请实施方式的点云数据滤波方法的另一流程示意图。
图4是本申请实施方式的点云数据滤波方法的又一流程示意图。
图5是本申请实施方式的点云数据滤波方法的再一流程示意图。
图6是本申请实施方式的点云数据滤波方法的再一流程示意图。
图7是本申请实施方式的点云数据滤波方法的再一流程示意图。
图8是本申请实施方式的应用场景示意图。
图9是本申请实施方式的机器人的另一模块示意图。
图10是本申请实施方式的机器人的又一模块示意图。
主要元件符号说明：
机器人10、获取模块11、处理模块12、配准单元122、建图单元124、滤波模块13、坐标转换单元132、计算单元134、滤波单元136、第一传感器14、第二传感器15、数据更新模块16、处理器17、可读存储介质18、计算机可执行指令181、终端设备20、服务器30、电子设备40。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
智能机器人通常具备感知环境模型和定位自身位置的能力，一般可以通过同步定位和建图(Simultaneous Localization and Mapping，SLAM)构建环境地图，从而辅助智能机器人实现定位。激光传感器被广泛的应用在同步定位和建图系统中，通过采集激光点云可以反映自身与障碍物之间的距离。在复杂的环境中，激光传感器采集的点云数据不仅包括障碍物数据，还包括例如斜坡上的数据或者是行人这类不稳定的干扰数据，对点云数据进行处理滤除干扰数据对提高智能机器人的定位准确的具有重要作用。
请参阅图1和图2，本申请实施方式提供一种点云数据处理方法，基于多传感器数据融合和滤波，保证机器人10定位的稳定性。机器人10包括但不限于清洁机器人、运输机器人、巡逻机器人等可移动机器人。
在某些实施方式中，点云数据处理方法包括：
步骤S1，获取并同步第一传感器数据和第二传感器数据以获得点云数据；
步骤S2，对点云数据进行配准并构建时空点云地图；和
步骤S3，对点云数据进行滤波以获得时空点云数据。
具体地，机器人10包括获取模块11、处理模块12和滤波模块13，步骤S1可以由获取模块11实现，步骤S2可以由处理模块12实现，步骤S3可以由滤波模块13实现。也即是说，获取模块11可以用于获取并同步第一传感器数据和第二传感器数据以获得点云数据。处理模块12可以用于对点云数据进行配准并构建时空点云地图。滤波模块13可以用于对点云数据进行滤波以获得时空点云数据。
其中，机器人10包括第一传感器14和第二传感器15，在步骤S1中，机器人10通过第一传感器14获取第一传感器数据，机器人10通过第二传感器15获取第二传感器数据。
本申请实施方式的点云数据处理方法通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，保证定位的稳定性。
在某些实施方式中，第一传感器14包括激光传感器，第二传感器15包括里程计。相应地，第一传感器数据包括激光数据，第二传感器数据包括里程计数据。激光传感器用于采集激光数据。里程计用于采集里程计数据。
其中，激光传感器可以用于向机器人10周围环境发射激光，并通过接收机器人10周围的环境反射的激光以获取周围环境的激光数据。里程计可以准确的采集机器人10移动的距离。本申请通过将激光传感器采集的激光数据和里程计采集的里程计数据进行融合，通过时空点云地图对点云数据进行滤波，提高机器人10定位的精度，同时也增加了地图构建的准确度。
在一个例子中，激光传感器可以包括红外激光发射器和红外激光接收器。红外激光发射器用于向机器人10周围环境发射红外激光，红外激光接收器用于接收机器人10周围环境反射回来的红外激光。
如此，机器人10可以减少可见光线的影响，使得红外激光接收器获取的激光数据更加准确。其中，红外激光接收器可以通过内部设置的红外滤光片滤除可见光，并使得相应波长的红外激光通过。
在某些实施方式中，激光传感器在激光坐标系中采集激光数据，里程计在里程计坐标系中采集里程计数据。其中，激光坐标系是以激光传感器的中心为原点建立的坐标系。里程计坐标系是以机器人10的初始位置为原点建立的坐标系。机器人10的初始位置可以是机器人10开机时所在的位置。
请参阅图3，在某些实施方式中，步骤S2包括：
步骤S22，利用迭代最近点方法(Iterative Closest Point，ICP)和第二传感器数据对点云数据进行配准；和
步骤S24，利用配准后的点云数据构建时空点云地图。
其中，时空点云地图具有时间戳信息。
具体地，处理模块12包括配准单元122和建图单元124，步骤S22可以由配准单元122实现，步骤S24可以由建图单元124实现。也即是说，配准单元122可以用于利用迭代最近点方法和第二传感器数据对点云数据进行配准。建图单元124可以用于利用配准后的点云数据构建时空点云地图。
如此，通过迭代最近点方法配准后的点云数据构建时空点云地图，利用环境中时间上和空间上具有一致性的点云，利于滤除不稳定的点云数据。其中，迭代最近点方法可以通过旋转、平移的方式将机器人10移动过程中检测到的点云数据处于空间同一位置的点一一对应起来，并使得两个点云数据之间的距离最小，从而实现点云数据的配准。
进一步地，在一个例子中，步骤S22包括：利用迭代最近点方法和里程计数据对点云数据进行配准。步骤S24中，时空点云地图可以在里程计坐标系中构建。
请参阅图4，在某些实施方式中，步骤S3包括：
步骤S32，将第一传感器数据和第二传感器数据转换到相同坐标系；
步骤S34，基于高斯分布在时空点云地图中找到对应的栅格点云；和
步骤S36，根据对应的栅格点云内的时空点云的数量进行滤波。
具体地，滤波模块13包括坐标转换单元132、计算单元134和滤波单元136，步骤S32可以由坐标转换单元132实现，步骤S34可以由计算单元134实现，步骤S36可以由滤波单元136实现。也即是说，坐标转换单元132可以用于将第一传感器数据和第二传感器数据转换到相同坐标系。计算单元134可以用于基于高斯分布在时空点云地图中找到对应的栅格点云。滤波单元136可以用于根据对应的栅格点云内的时空点云的数量进行滤波。
进一步地，在某些实施方式中，步骤S32可以是将激光数据转换到里程计坐标系。此时，坐标转换单元132可以用于将激光数据转换到里程计坐标系。
如此，通过对点云数据的坐标一致性进行转换，将激光数据转换到里程计坐标下，基于点云的分布划分栅格点云，然后利用划分的栅格点云结合栅格点云内的时空点云数量进行滤波。
请参阅图5，在某些实施方式中，第一传感器数据包括激光数据，步骤S36包括：
步骤S362，以当前激光点为原点确定与原点距离小于预定距离的目标区域；
步骤S364，计算在时间序上目标区域内时空点云的数量；和
步骤S366，根据时空点云的数量确定是否删除当前激光点。
具体地，步骤S362、步骤S364和步骤S366可以由滤波单元136实现。也即是说，滤波单元136可以用于以当前激光点为原点确定与原点距离小于预定距离的目标区域；及用于计算在时间序上目标区域内时空点云的数量；以及用于根据时空点云的数量确定是否删除当前激光点。
如此，通过判断当前激光每个点在时空点云地图中对应的区域内在时间序上点的数量来对当前激光数据进行滤除，保证定位的稳定性。
在某些实施方式中，预定距离根据当前激光点与激光传感器之间的距离确定。
具体地，滤波单元136用于根据所述当前激光点与激光传感器之间的距离确定所述预定距离。如此，对于不同距离的激光点采取相应的预设距离进行滤波。
请参阅图6，在某些实施方式中，步骤S366包括：
步骤S3662，在时间序上目标区域内时空点云的数量在预定范围内时，保存对应的当前激光点；和
步骤S3664，在时间序上目标区域内时空点云的数量不在预定范围内时，删除对应的当前激光点。
具体地，步骤S3662和步骤S3664可以由滤波单元136实现。也即是说，在时间序上目标区域内时空点云的数量在预定范围内时，滤波单元136可以用于保存对应的当前激光点。在时间序上目标区域内时空点云的数量不在预定范围内时，滤波单元136可以用于删除对应的当前激光点。
可以理解，对于地图中的障碍物而言，机器人10在采集激光数据时，按时序采集到的点会在一定区域内连续出现，从而在时间序上目标区域内时空点云的数量应当保持在一定范围。而对于斜坡上的数据或者是行人这类不稳定的干扰数据，按时序采集到的点会在一定区域内则不会在一定区域内连续出现。如此，可以通过判断当前激光每个点在时空点云地图中对应的区域内在时间序上时空点云的数量来对当前激光数据进行滤除。
请参阅图7，在某些实施方式中，步骤S3包括：
步骤S38，将滤波后的当前激光点云添加到时空点云中以获得时空点云数据。
具体地，步骤S38可以由滤波单元136实现。也即是说，滤波单元136可以用于将滤波后的当前激光点云添加到时空点云中以获得时空点云数据。
如此，时空点云数据中滤除当前激光数据不稳定的激光点，从而让激光数据中仅保留有效的激光点，保证定位的稳定性。
在某些实施方式中，点云数据处理方法包括：在时空点云数据累积的时间超过预设时间后，删除预设时间前的时空点云数据。
具体地，机器人10包括数据更新模块16，数据更新模块16可以用于在时空点云数据累积的时间超过时间阈值后，删除预设时间前的时空点云数据。
如此，数据更新模块16可以对时空点云数据进行更新，保证了时空点云数据始终包括的是当前时间前一段时间内的时空点云，避免数据冗余。
在一个例子中，预设时间可以是1-2秒。
请参阅图8，在某些实施方式中，机器人10获取的点云数据以及建立的地图可以存储在机器人10、终端设备20和/或服务器30内，机器人10、终端设备20和/或服务器30可以通过有线和/或无线通信连接，从而指导机器人10进行移动。其中，无线网络通信连接包括但不限于WiFi、蓝牙(Bluetooth)、紫蜂(Zigbee)、窄带物联网(Narrow Band Internet ofThings,NB-Iot)等无线通信方式。
本申请实施方式的机器人10可以通过机器人10内部的功能模块实现本申请的点云数据处理方法，保证机器人10定位的稳定性。当然，在其他实施方式中，机器人10还可以将点云数据和里程计数据传输至移动终端设备20和/或服务器30内，由终端设备20和/或服务器30实现本申请的点云数据处理方法并对点云数据进行处理，将处理后的数据传输至机器人10进行定位，同样可以保证机器人10定位的稳定性。
请参阅图9，本申请实施方式提供的电子设备40包括处理器17、可读存储介质18及存储在可读存储介质18上并可在处理器17上运行的计算机可执行指令181，计算机可执行指令181被处理器17执行时，使得处理器17执行上述任一实施方式的点云数据处理方法。
在一个例子中，计算机可执行指令181被处理器17执行时，使得处理器17执行以下步骤：
步骤S1，获取并同步第一传感器数据和第二传感器数据以获得点云数据；
步骤S2，对点云数据进行配准并构建时空点云地图；和
步骤S3，对点云数据进行滤波以获得时空点云数据。
本申请实施方式的电子设备40通过处理器17执行计算机可执行指令181，从而通过融合不同类型的第一传感器数据和第二传感器数据，使得第一传感器数据和第二传感器数据在时间上实现同步，进而可以对相应帧数据进行配准处理实现时空点云地图的构建，在时空点云地图的基础上对点云数据进行滤波处理，滤除当前激光数据不稳定的激光点，进一步保证机器人10定位的稳定性。
本申请实施方式还提供了一种非易失性计算机可读存储介质18，可读存储介质18包括计算机可执行指令181，当计算机可执行指令181被一个或多个处理器17执行时，使得处理器17执行上述任一实施方式的点云数据处理方法。
请参阅图10，一个或多个处理器17可以通过总线耦合至可读存储介质18，可读存储介质18存储有计算机可执行指令181，通过处理器17处理上述指令以执行本申请实施方式的点云数据处理方法，使得电子设备40能够实现对点云数据进行滤波的功能，电子设备40可进一步与机器人10联动从而保证机器人10定位的稳定性。电子设备40还可以通过通信模块连接至网络以实现与服务器30和/或终端设备20的通信连接，以及通过输入/输出接口连接至输入/输出装置，采集环境信息或输出控制状态信号。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”或“一个例子”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (10)

1.一种点云数据处理方法，其特征在于，包括：
获取并同步第一传感器数据和第二传感器数据以获得点云数据；
对所述点云数据进行配准并构建时空点云地图；和
对所述点云数据进行滤波以获得时空点云数据。
2.根据权利要求1所述的点云数据处理方法，其特征在于，所述对所述点云数进行配准并构建时空点云地图的步骤包括：
利用迭代最近点方法和所述第二传感器数据对所述点云数据进行配准；和
利用配准后的点云数据构建时空点云地图，所述时空点云地图具有时间戳信息。
3.根据权利要求1所述的点云数据处理方法，其特征在于，所述对所述点云数据进行滤波以获得时空点云数据的步骤包括：
将所述第一传感器数据和所述第二传感器数据转换到相同坐标系；
基于高斯分布在所述时空点云地图中找到对应的栅格点云；和
根据对应的栅格点云内的时空点云的数量进行滤波。
4.根据权利要求3所述的点云数据处理方法，其特征在于，所述第一传感器数据包括激光数据，所述根据对应的栅格点云内的时空点云的数量进行滤波的步骤包括：
以当前激光点为原点确定与所述原点距离小于预定距离的目标区域；
计算在时间序上所述目标区域内所述时空点云的数量；和
根据所述时空点云的数量确定是否删除所述当前激光点。
5.根据权利要求4所述的点云数据处理方法，其特征在于，所述预定距离根据所述当前激光点与激光传感器之间的距离确定。
6.根据权利要求4所述的点云数据处理方法，其特征在于，所述对所述点云数据进行滤波以获得时空点云数据的步骤包括：将滤波后的所述当前激光点云添加到所述时空点云中以获得所述时空点云数据。
7.根据权利要求1所述的点云数据处理方法，其特征在于，所述点云数据处理方法包括：在所述时空点云数据累积的时间超过预设时间后，删除预设时间前的时空点云数据。
8.一种机器人，其特征在于，包括：
获取模块，所述获取模块用于获取并同步第一传感器数据和第二传感器数据以获得点云数据；
处理模块，所述处理模块用于对所述点云数据进行配准并构建时空点云地图；和
滤波模块，所述滤波模块用于对所述点云数据进行滤波以获得时空点云数据。
9.一种电子设备，其特征在于，包括处理器、可读存储介质及存储在所述可读存储介质上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时，使得所述处理器执行权利要求1-7任一项所述的点云数据处理方法。
10.一种非易失性计算机可读存储介质，其特征在于，所述可读存储介质包括计算机可执行指令，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行权利要求1-7任一项所述的点云数据处理方法。
CN202010174646.7A 2020-03-13 2020-03-13 点云数据处理方法、机器人、电子设备和可读存储介质 Active CN111476830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010174646.7A CN111476830B (zh) 2020-03-13 2020-03-13 点云数据处理方法、机器人、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010174646.7A CN111476830B (zh) 2020-03-13 2020-03-13 点云数据处理方法、机器人、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN111476830A true CN111476830A (zh) 2020-07-31
CN111476830B CN111476830B (zh) 2023-08-01

Family

ID=71747424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010174646.7A Active CN111476830B (zh) 2020-03-13 2020-03-13 点云数据处理方法、机器人、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111476830B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505704A (zh) * 2020-11-10 2021-03-16 北京埃福瑞科技有限公司 提高列车自主智能感知系统安全性的方法及列车
CN113324551A (zh) * 2021-05-28 2021-08-31 上海高仙自动化科技发展有限公司 一种定位方法、装置、电子设备及存储介质
CN112505704B (zh) * 2020-11-10 2024-06-07 北京埃福瑞科技有限公司 提高列车自主智能感知系统安全性的方法及列车

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017166594A1 (zh) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 一种室内地图构建方法、装置和存储介质
US10134135B1 (en) * 2015-08-27 2018-11-20 Hrl Laboratories, Llc System and method for finding open space efficiently in three dimensions for mobile robot exploration
CN109766404A (zh) * 2019-02-12 2019-05-17 湖北亿咖通科技有限公司 点云处理方法、装置及计算机可读存储介质
WO2019153877A1 (zh) * 2018-02-06 2019-08-15 北京三快在线科技有限公司 激光点云数据的处理
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备
CN110799989A (zh) * 2019-04-20 2020-02-14 深圳市大疆创新科技有限公司 一种障碍物检测方法、设备、可移动平台及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10134135B1 (en) * 2015-08-27 2018-11-20 Hrl Laboratories, Llc System and method for finding open space efficiently in three dimensions for mobile robot exploration
WO2017166594A1 (zh) * 2016-03-31 2017-10-05 百度在线网络技术（北京）有限公司 一种室内地图构建方法、装置和存储介质
WO2019153877A1 (zh) * 2018-02-06 2019-08-15 北京三快在线科技有限公司 激光点云数据的处理
CN109766404A (zh) * 2019-02-12 2019-05-17 湖北亿咖通科技有限公司 点云处理方法、装置及计算机可读存储介质
CN110799989A (zh) * 2019-04-20 2020-02-14 深圳市大疆创新科技有限公司 一种障碍物检测方法、设备、可移动平台及存储介质
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DAVID DROESCHEL 等: "Local Multi-Resolution Representation for 6D Motion Estimation and Mapping with a Continuously Rotating 3D Laser Scanner", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 *
DAVID DROESCHEL 等: "Local Multi-Resolution Representation for 6D Motion Estimation and Mapping with a Continuously Rotating 3D Laser Scanner", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》, 29 September 2014 (2014-09-29), pages 1 - 5 *
叶迪: "动机器人基于激光测距的三维场景重构", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
叶迪: "动机器人基于激光测距的三维场景重构", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 May 2009 (2009-05-15), pages 3 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505704A (zh) * 2020-11-10 2021-03-16 北京埃福瑞科技有限公司 提高列车自主智能感知系统安全性的方法及列车
CN112505704B (zh) * 2020-11-10 2024-06-07 北京埃福瑞科技有限公司 提高列车自主智能感知系统安全性的方法及列车
CN113324551A (zh) * 2021-05-28 2021-08-31 上海高仙自动化科技发展有限公司 一种定位方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111476830B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN108319655B (zh) 用于生成栅格地图的方法和装置
CN110988912B (zh) 自动驾驶车辆的道路目标与距离检测方法、系统、装置
CN109212530B (zh) 用于确定障碍物速度的方法和装置
KR102135560B1 (ko) 카메라와 라이다를 이용한 융합 센서 및 이동체
JP2021516401A (ja) データ融合方法及び関連装置
CN111201448B (zh) 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法
CN110553652A (zh) 机器人多传感器融合定位方法及其应用
CN109917791B (zh) 移动装置自动探索构建地图的方法
CN111856499B (zh) 基于激光雷达的地图构建方法和装置
CN110895334A (zh) 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法
US20230228593A1 (en) Method, device and system for perceiving multi-site roadbed network and terminal
CN113848943A (zh) 栅格地图的修正方法及装置、存储介质及电子装置
CN111380515A (zh) 定位方法及装置、存储介质、电子装置
CN113093128A (zh) 用于标定毫米波雷达的方法、装置、电子设备及路侧设备
CN112578781B (zh) 数据处理方法、装置、芯片系统及介质
CN110853085A (zh) 基于语义slam的建图方法和装置及电子设备
CN111476830B (zh) 点云数据处理方法、机器人、电子设备和可读存储介质
CN114528941A (zh) 传感器数据融合方法、装置、电子设备及存储介质
CN111275087A (zh) 数据处理方法、装置、电子设备和机动车
US20210141381A1 (en) Information processing device, information processing system, behavior planning method, and computer program
CN112965076B (zh) 一种用于机器人的多雷达定位系统及方法
CN117036447A (zh) 基于多传感器融合的室内场景稠密三维重建方法及装置
CN116772860A (zh) 基于无线定位技术与视觉人工智能融合的新型室内定位系统
CN116817891A (zh) 一种实时多模态感知的高精地图构建方法
CN116629106A (zh) 移动机器人运行场景的准数字孪生方法、系统、设备及介质

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
GR01 Patent grant
GR01 Patent grant