CN111508021A - 一种位姿确定方法、装置、存储介质及电子设备 - Google Patents
一种位姿确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111508021A CN111508021A CN202010210431.6A CN202010210431A CN111508021A CN 111508021 A CN111508021 A CN 111508021A CN 202010210431 A CN202010210431 A CN 202010210431A CN 111508021 A CN111508021 A CN 111508021A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- angle
- local map
- determining
- point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
Abstract
本申请实施例公开了一种位姿确定方法、装置、存储介质及电子设备,其中,方法包括:获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。采用本申请实施例,提高点云匹配的准确性,可以获取到电子设备精准的位姿。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种位姿确定方法、装置、存储介质及电子设备。
背景技术
随着无线通信技术的发展以及电子设备的普及,人们对电子设备的要求也在不断提高。诸如机器人、智能车辆等电子设备对于环境感知能力对于电子设备的本端的重定位显得异常重要。重定位指的是将电子设备放置在已有地图点云范围内的任意地方,电子设备通过所包含的传感器件识别本端在地图中的位姿(即位置和姿态)。
目前,在电子设备的位姿确定过程中,一般是通过电子设备通过获取当前的位置信息(如当前位置的坐标)以及扫描到的点云帧,根据位置信息以及点云帧与电子设备已有的地图点云进行点云匹配,从而确定电子设备的位姿;然而通常位置信息的位置误差达到几米甚至十几米,基于位置误差大的位置信息对点云帧以及地图点云进行点云匹配,点云匹配的误差较高,导致确定的电子设备的位姿不精准。
发明内容
本申请实施例提供了一种位姿确定方法、装置、存储介质及电子设备,可以提高点云匹配的准确性,可以获取到电子设备精准的位姿。所述技术方案如下:
第一方面,本申请实施例提供了一种位姿确定方法,所述方法包括:
获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
第二方面,本申请实施例提供了一种位姿确定装置,所述装置包括:
局部地图点云确定模块,用于获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
姿态角确定模块,用于根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
位姿信息确定模块,用于根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种电子设备,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括:
在本申请一个或多个实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功了,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿。
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他的附图。
图1是本申请实施例提供的一种位姿确定方法的流程示意图;
图2是本申请实施例提供的一种位姿确定方法涉及的位姿信息的表示方法的场景图;
图3是本申请实施例提供的位姿确定方法涉及的一种特征点表示的场景图;
图4是本申请实施例提供的另一种位姿确定方法的流程示意图;
图5是本申请实施例提供的位姿确定方法涉及的一种采样点集确定的场景示意图;
图6是本申请实施例提供的位姿确定方法涉及的一种点云扫描范围的场景示意图;
图7是本申请实施例提供的一种位姿确定的场景架构示意图;
图8是本申请实施例提供的一种位姿确定装置的结构示意图;
图9是本申请实施例提供的一种局部地图点云确定模块的结构示意图;
图10是本申请实施例提供的一种局部地图点云确定单元的结构示意图;
图11是本申请实施例提供的一种姿态角确定模块的结构示意图;
图12是本申请实施例提供的一种方向角确定单元的结构示意图;
图13是本申请实施例提供的一种位姿信息确定模块的结构示意图;
图14是本申请实施例提供的一种位姿信息输出单元的结构示意图;
图15是本申请实施例提供的另一种位姿确定装置的结构示意图;
图16是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
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。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤S或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤S或单元,而是可选地还包括没有列出的步骤S或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤S或单元。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
下面结合具体的实施例对本申请进行详细说明。
在一个实施例中,如图1所示,特提出了一种位姿确定方法,该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的位姿确定装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
具体的,该位姿确定方法包括:
步骤S101:获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云。
所述位置信息是指所在的位置、所占的地方或所处的方位,所述当前的位置信息是指在当前时刻定位到的所述电子设备(如可移动的机器人)所在的位置、所占的地方或所处的方位,在实际应用中,所述位置信息通常可以是以经纬度、坐标、方向、方位等形式表征所述电子设备(如可移动的机器人)所在的位置、所占的地方或所处的方位。
在实际应用中,电子设备(如可移动的机器人)会有一个预设的定位周期(例如1s),在电子设备开启定位功能之后,电子设备可以每隔一个定位周期(例如1s)获取当前的位置信息,其中所述定位周期根据实际需要设定有效时间的长度,所述定位周期可以是在电子设备出厂时预先设置好的,也可以是后期用户在电子设备的相关页面(如定位周期设置界面)上设置的。
本申请实施例中提及的位置信息可以是电子设备(如可移动的机器人)运用相应的位置获取技术获取的,所述位置获取技术包括但不限于:无线定位技术、短距离连接技术、传感器技术、位置图像处理技术等等,其中:
无线定位技术包括但不限于:卫星定位技术、红外线室内定位技术、超声波定位技术、蓝牙技术、射频识别技术、超宽带技术、Wi-Fi技术、ZigBee技术等。
传感器技术是利用接近传感器等可感知位置的传感器实现对电子设备位置的判定。
图像处理技术是利用对电子设备的摄像头所采集的位置图像进行图像处理来获取位置信息等。
需要说明的是,在上述所提及的位置获取技术获取到的位置信息通常位置精度不高,误差较高,如采用卫星定位技术,通常误差在几米甚至、十几米范围之内,在本申请实施例中电子获取到当前的位置信息通常为粗略的位置信息,即位置误差较高。电子设备可以采用本申请实施例涉及的所述位姿确定方法,在
可以获取到电子设备位姿信息,所述位姿信息通常包含电子设备的精准位置以及位置方向。所述精准位置可理解为位置精度高,误差较小,通常位置误差可以精准到厘米。
所述点云帧也称激光点云帧,是利用激光在同一空间参考系获取物体表面每个采样点的空间坐标,得到的是一系列表达目标空间分布和目标表面特性的海量点的集合,这个点集合即为一帧点云,也称点云帧,在实际应用中所述点云帧还包含空间分辨率、点位精度、表面法向量等。
在本实施例中,所述电子设备上配置有用于输出当前的点云帧的各类传感器,所述传感器用于采集所述电子设备所处环境中的物体信息(如电子设备所处环境中的路标、障碍物、树木、建筑物等物体)。
其中,所述传感器包括激光雷达、立体摄像机等具有2D或3D扫描特性的器件。
具体的,电子设备所办含的传感器通过对所处环境中的物体进行维度扫描,如三维(即3D)扫描和/或二维(即2D)扫描,可以获取反映电子设备所处环境中物体表面特性的海量点的集合(即激光点云帧),其中,所述激光点云帧中可以包含扫描在环境中物体上的所有激光点分别对应的激光点信息和维度数据;可以理解的是,当电子设备配置有可扫描三维数据的传感器时,所述维度数据即三维数据。
在一种具体的实施场景中,以所述电子设备上配置有用于输出当前的点云帧的激光雷达传感器为例,例如,以64线激光雷达为例,它可以通过向所处环境中的物体发射探测信号(即激光束),然后可以接收到从该物体反射回来的回波信号,于是,所述64线激光雷达可进一步将发射的探测信号和接收到的回波信号进行处理,得到所述物体的相关信息,例如,目标距离,目标方位,高度、速度、姿态、甚至形状等信息,从而可对所述电子设备所处环境中的物体进行探测、跟踪和识别,以获取到所采集到的点云帧。
此外,对于安装在电子设备的该64线激光雷达而言,它的64个激光器均可以通过环扫周围360度,或以某一预设扫描角度进行扫描如270度,来获得周围物体的激光信息。其中,每个激光器均对应一个激光标识,所述激光标识可以用于区分每一帧中所有激光点分别对应的激光线束(比如,可以用数字0-63来逐一标识该64线激光雷达中的各个激光器),因此,对于打在物体上的每个激光点而言,可以快速确定它是由第几条激光线束所返回的,从而生成对应的点云帧。
具体的,电子设备在获取到当前的位置信息以及点云帧之后,然后根据所述位置信息确定局部地图点云。
具体的,电子设备预先储存有基于激光点云的高精地图,所述高精地图为采用高精地图建图技术对电子设备活动范围内环境进行静态建模,结合高精度的专用定位手段(如RTKGPS)将高精度地图和全球地理坐标进行一一对应,通常高精地图建模时的精度可精准到厘米,如采用SLAM建图技术可将建模精度精确到10厘米以内,电子设备预先储存有基于激光点云的高精地图,高精地图具有地图精度高、只收录设备静态环境物体的特点,可用于高精度定位和提取静态物体的特性,在本申请实施例中,由于电子设备采用相干技术中的定位手段(如GPS、GNSS定位技术)获取到的粗略的位置信息(如位置坐标)误差较大,在所述高精地图中获取所述位置信息指示的邻近地图点集,该邻近地图点集即电子设备根据所述位置信息确定局部地图点云。
具体的,电子设备可以根据位置信息确定在高精地图中的参考点,以参考点为基准,获取预设距离范围内的各采样点:
一种方式是计算以参考点为中心,计算参考点与邻近的激光点的欧式距离,将欧式距离处于预设距离范围内的激光点确定为采样点,以所述采样点作为在高精地图中所述位置信息指示的邻近地图点,并基于所述中心点的所述采样点,构建邻近地图点集,此时该邻近地图点集即为电子设备根据所述位置信息确定的局部地图点云。
一种方式在实际应用中,由于电子设备通常为可移动设备其移动轨迹点通常是离散的,实际应用中以参考点为中心,构建圆锥曲率模型,该圆锥曲率模型基于相干技术中的圆锥曲线建立的,如椭圆曲线、双曲线、抛物线等曲线,通常圆锥曲率模型会以参考点为中心,近似在维度空间(三维或二维)中确定一定形状的参照体(如椭圆体、圆锥体、长方体、球、多边体等),将参照体内部的各激光点确定为采样点,以所述采样点作为在高精地图中所述位置信息指示的邻近地图点,并基于所述中心点的所述采样点,构建邻近地图点集,此时该邻近地图点集即为电子设备根据所述位置信息确定的局部地图点云。
步骤S102:根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角。
所述姿态角用于表征电子设备在空间中所处的姿态,具体以角度进行量化,姿态角是电子设备的位姿信息中的一种,通常姿态角是相对于预设的姿态坐标参考系而言,电子设备在空间中所处的姿态相对于姿态坐标参考系中的参考角度而言的偏移量,即可称为姿态角。
在一种位姿信息表示方式中,可以通过x、y、z、roll、pitch、yaw来表示物体的位姿信息。图2示出了根据本发明实施例中用于确定可移动或旋转对象位姿信息的坐标系。如图2所示,roll是围绕x轴旋转,也叫翻滚角;pitch是围绕y轴旋转,也叫做俯仰角;yaw是围绕z轴旋转,也叫偏航角。可以理解的是,在实际应用中,根据电子设备的运动环境,所述姿态角可以是翻滚角、俯仰角、偏航角中的至少一种,例如当电子设备的运动环境在地面上时,通常可以仅以偏航角作为电子设备的姿态角,当电子设备的运动环境在空中时,通常可以翻滚角、俯仰角、偏航角作为电子设备的姿态角。
具体的,电子设备在获取到点云帧以及局部地图点云之后,分别确定点云帧的方向角以及局部地图点云的方向角,所述方向角通常是点云帧以及局部地图点云的主方向,根据两个主方向就可以确定电子设备的姿态角。
在一种可行的实施方式,在确定点云帧和/或局部地图点云的主方向时,通常是以点云帧和/或局部地图点云的二维特征点确定的,这里特征点可以理解为上述释义中的采样点,即各点云中的激光点。当点云帧以及局部地图点云的维度为三维时可以对点云帧和/或局部地图点云进行二维转换处理,转换到二维点云。在二维点云中,以二维特征点进行释义,两个二维特征点之间可能存在线性关系的(例如这两个特征点的进行线性相连,可以作为电子设备的一个分量角),这样各两两特征点的线性关系就造成了第二维信息是冗余的。计算主方向的目的在为了发现这类特征之间的线性关系,检测出这些线性关系,并且去除这线性关系,例如这两个特征点的进行线性相连,可以作为电子设备的一个分量角,计算主方向的目的就是在各分量角中找到最大的分量角作为主方向。
示意性的,以二维特征点为例,如图3所示。各特征点之间可能不存在完全的线性关系,通常只是强的正相关。如果把二维特征点的x,y坐标分解成u1,u2坐标,而u1轴线上反响了特征的主要变更(intrinsic),而u2的特征变更较小,即次要变更,其实可以完全理解为一些噪声u2的扰动而不去斟酌它,即对u2滤除。在二维点云中,将特征点幅度变更最大的方向确定为二维点云的主方向,而次要变更u2,变更方向较小可以忽略进行滤除。其中,上述确定点云帧的方向角以及局部地图点云的主方向的方法可以是基于协方差矩阵的配准算法、基于高斯曲率的主曲率计算方法、基于二维变换的方向直方图算法、基于拉伸满的拉伸方向确定算法、基于阿波罗(Apollo)的ROI过滤感知算法等等。在本申请实施例中,可以采用上算法中的一种或多种的拟合,此处不作具体限定。
电子设备在确定所述点云帧的方向角与所述局部地图点云的方向角之后,计算两方向角的差值,将所述差值作为所述电子设备的姿态角。
步骤S103:根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
所述位姿信息是指电子设备在空间环境中所处的位置、姿态信息,即可移动或旋转设备在空间中所处的位置以及其在该位置上的姿态。在本实施例中,一种位姿信息表示方式中,可以通过x、y、z、roll、pitch、yaw来表示电子设备的位姿信息。
所述点云匹配是指对点云帧和局部地图点云进行图像配准,其实质是把不同的坐标系下测得的点云帧和局部地图点云进行坐标变换,将点云帧中的各激光点与局部地图点云中的配准点进行一一对应,从而找到最优坐标变换参数R(旋转矩阵)和t(平移向量),根据(R,T)就可以得到电子设备的位姿信息。
具体的,根据所述位置信息初始化t(平移向量),以及根据所述姿态角(即roll、pitch、yaw)初始化R(旋转矩阵),由初始t(平移向量)以及初始R(旋转矩阵)构成初始点云转换矩阵。
在一种可行的实施方式中,在确定初始点云转换矩阵之后可以采用基于最近点迭代配准的算法,具体为
步骤S1、根据初始点云转换矩阵在点云帧中取一待配准点pi;
步骤S2、在局部地图点云寻找与Pi距离最近的一点qi,从而构成点对集合(pi,qi);
步骤S3、按照预设转换矩阵算法(如四元数法、SVD法),对点对集合(p,q)计算最优刚体变换,即确定最优转换矩阵(旋转矩阵和平移向量),从而确定转换矩阵(旋转矩阵和平移向量)对应的配准值(如计算欧式距离);
步骤S4、当配准值小于约束条件给定的阈值和/或大于预设的最大迭代次数时,输出转换矩阵(旋转矩阵和平移向量);
步骤S5、当不满足时,执行步骤S1获取下一待配准点p的步骤S,直至满足约束条件时,输出转换矩阵(旋转矩阵和平移向量)。
其中,基于最近点迭代配准的算法,算法在初始阶段将初始点云转换矩阵纳入参考,重复进行选择对应关系点对,计算最优刚体变换,直到满足正确配准的收敛精度要求,即满足约束条件。在实际应用中,点云匹配经常出现算法收敛于局部最小值、无法收敛甚至误匹配的问题,所以在本申请实施例中,给定初始的旋转矩阵和平移向量非常重要可以快速基于初始转换矩阵取得较为准确的配准点,以及在局部地图点云可以提高寻找与Pi距离最近的一点qi的匹配速度,减少了点云匹配的计算量,大大提高了点云匹配成功率。
在一种可行的实施方式中,在确定初始点云转换矩阵之后可以采用基于正态分布变换配准的算法,与上述最近点迭代配准的算法相比,基于正态分布变换配准的算法不比较两点云之间的激光点之间的差距,而是将参考点云(即局部地图点云)转换为多维变量的正态分布,如果变换参数能使得两幅激光数据匹配的很好,那么变换点在参考系中的概率密度将会很大。因此,可以用优化的方法求出使得概率密度之和最大的变换参数,此时,最大的变换参数即可得到所述电子设备的所述姿态信息,具体为:
步骤1、将参考点云(即局部地图点云)所占的空间划分为预设大小的网格,然后计算每个网格的多位正态分布参数:均值以及协方差矩阵;
步骤2、将预先获取到的电子设备的位置信息以及姿态角对变换参数进行初始化赋值,如初始化变换参数“$\textbfp=(t_x,t_y,yaw)T”;这里需要注意的是在本申请实施例中对变换参数进行初始化时不采用相干技术中对变换参数赋予零值或使用电子设备历史历程数据等进行赋值,而是执行本申请实施例的所述位姿确定方法,将预先获取到的电子设备的位置信息以及姿态角对变换参数进行初始化赋值,可以理解的是,在实际应用中点云配准经常出现算法收敛于局部最小值、无法收敛甚至误匹配的问题,所以给定精准的-初始的变换参数可以减少点云匹配的计算量,大大提高了点云匹配成功率。
步骤3、对于要配准的点云帧,通过矩阵变换将点云帧转换到参考点云的网格中。
步骤4、根据正态分布参数计算每个转换点(即点云帧中各激光点)的概率密度,然后将每个网格的概率密度相加得到正态分布变换配准的配准得分。
步骤5、采用预设优化算法(如牛顿优化算法)对目标函数进行优化,经预设优化算法计算目标函数的梯度和Hessian矩阵,以迭代寻找到一变换参数使得配准得分的值最大,其中,目标函数由每个网格的值累加得到;
步骤6、输出变换参数的姿态向量,根据所述姿态向量即可得到所述电子设备的所述姿态信息。
在本申请实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功了,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿。
请参见图4,图4是本申请提出的一种位姿确定方法的另一种实施例的流程示意图。具体的:
步骤S201:获取当前的位置信息以及点云帧。
具体可参见步骤S101,此处不再赘述。
步骤S202:在预设点云地图中确定所述位置信息对应的参考点,并获取以参考点为中心的预设范围内的采样点集。
所述预设点云地图为电子设备预先存储的基于激光点云的高精地图,所述高精地图通常为采用高精地图建图技术对电子设备活动范围内环境进行静态建模,结合高精度的专用定位手段(如RTKGPS)将高精度地图和全球地理坐标进行一一对应,通常高精地图建模时的精度可精准到厘米,如采用SLAM建图技术可将建模精度精确到10厘米以内,电子设备预先储存有基于激光点云的高精地图,高精地图具有地图精度高、只收录设备静态环境物体的特点,可用于高精度定位和提取静态物体的特性。
具体的,电子设备可以根据位置信息确定在预设点云地图中的参考点,以参考点为基准,获取预设距离范围内的各采样点:计算以参考点为中心,计算参考点与邻近的激光点的欧式距离,将欧式距离处于预设距离范围内的激光点确定为采样点,以所述采样点作为在高精地图中所述位置信息指示的邻近地图点,并基于所述中心点的所述采样点,构建邻近地图点集,此时该邻近地图点集即为获取到的以参考点为中心的预设范围内的采样点集。
在一种具体的实施场景中,请参考图5,图5是一种采样点集确定的场景示意图。电子设备在获取到位置信息之后,在预设点云地图中的各激光点中确定位置信息指示的参考点,如位置信息如以二维坐标表示,则电子设备即可在预设点云地图中查找与二维坐标相同的目标激光点,将所述目标激光点确定为所述参考点,计算以参考点为中心,计算参考点与邻近的激光点的欧式距离。一种二维欧式距离的计算方法如下:
其中,所述各激光点与所述参考点之间的二维欧式距离D满足:
D=sqrt((x1-x2)^2+(y1-y2)^2)
其中,x1,y1为参考点在二维空间中的二维坐标值;x2,y2为激光点的二维坐标值。
将所述二维欧式距离小于距离阈值的激光点确定为采样点,如设置距离阈值为3m,则将二维欧式距离小于距离阈值(3m)的激光点确定为采样点,经计算,确定完采样点之后,即构建将包含所有采样点的邻近地图点集,一种邻近地图点集A,如图4所示,邻近地图点集A各激光点与参考点之间的欧式距离小于距离阈值(3m),完成构建邻近地图点集之后,将所述邻近地图点集作为电子设备获取到的以参考点为中心的预设范围内的采样点集。
在这一种可行的实施方式中,预设点云地图为三维点云地图时,所述各激光点与所述参考点之间的三维欧式距离D满足:
D=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2),
其中,x1,y1,z1为参考点在三维空间中的三维坐标值;x2,y2,z2为激光点的二维坐标值。
示意性的,比如,仍以参考点为激光点A为例,其对应的邻近激光点为激光点a2,激光点a3,激光点a4和激光点a5,其中,由三维欧式距离D计算公式,可得参考点A与激光点a2的三维欧式距离D1为5,参考点A与激光点a3的三维欧式距离D2为4,参考点A与激光点a4的三维欧式距离D3为5,参考点A与激光点a5的三维欧式距离D4为7;若所述距离阈值为6,则所述电子装置可进一步确定激光点a2,激光点a3和激光点a4为所述中心点(即激光点a1)的邻近点。
步骤S203:当预设点云地图为二维点云地图时,将所述采样点集确定为局部地图点云。
具体的,电子设备预设点云地图为二维点云地图,即可直接将所述采样点集确定为局部地图点云。
步骤S204:当预设点云地图为三维点云地图时,将所述采样点集变换到地图原点坐标系,得到三维局部地图点云。
具体的,当预设点云地图为三维点云地图时,由于在绘图是三维参考制图标准与确定的采样点集采样点的参照差异,需要对所述采样点集进行坐标系变换处理
假设采样点集对应的点云为P1,电子设备通过所包含的传感器得到位置信息为地图坐标P0(x0,y0,z0),则对采样点集对应的点云P1变换到地图原点坐标系,具体位置对点云P1中的各激光点减去地图坐标P0(x0,y0,z0),遍历点云P1中的每个采样点,对于各个采样点Pi减去P0(x0,y0,z0),即:Pi’=Pi-P0,则最后得到的点云P1’即变换到了地图原点坐标系,从而得到三维局部地图点云。
步骤S205:对所述三维局部地图点云中的各点进行二维变换处理,生成二维变换处理后的局部地图点云。
具体的,电子设备保存的预设点云地图为三维点云地图时,通常根据确定的采样点集中会包含地面点,在计算局部地图点云的主方向时,这些地面点会对计算造成干扰,故电子设备需要先对三维局部地图点云中的地面点进行滤波,一种滤波方式是设定滤波高度,将三维局部地图点云中的采样点小于所述滤波高度的采样点作为需要滤除的地面点,对需要滤除的地面点进行滤除处理,经滤除处理之后即可去除低于滤波高度的采样点,其中所述滤波高度通常参考电子设备上激光传感器的高度;一种滤波方式是采用法向量滤波方法:通过曲面重建技术,即此时,所述电子设备将会通过确定的上述采样点集来构建一个目标平面,从而使得该目标平面的法线即为该参考点对应的法向量,以法向量指示的向量为基准向量,对采样点集中各采样点计算法向量,然后与基准向量进行匹配计算,当差异方向大于一定阈值时,对大于阈值的采样点进行滤除;一种滤波方式是三维局部地图点云中每两两采样点计算与水平面的夹角值,对夹角值小于一定角度阈值的采样点进行滤波处理,等等。
需要说明的是,对三维局部地图点云中的地面点进行滤波的方法有多种,可以是上述至少一种的拟合此处不作具体限定。经滤波处理后,即可得到不含地面点的三维局部地图点云。
具体的,电子设备得到不含地面点的三维局部地图点云之后,对所述三维局部地图点云中的各采样点进行二维变换处理,将三维采样点转换到二维平面上,从而生成二维变换处理后的局部地图点云。
在一种具体的实施场景中,电子设备对局部地图点云中的各三维采样点进行遍历:
1、假设第i个采样点为Pi,一种以空间直角坐标系的表示方法为:Pi(xi,yi,zi),计算采样点Pi与空间直角坐标系中X轴的夹角θ,则夹角θ的计算方式如下:
θ=arctan(yi/xi)
其中,arctan()为反正切函数,yi、xi为三维坐标值;
将采样点的三维坐标值yi、xi输入至上述公式即可得到采样点Pi与空间直角坐标系中X轴的夹角θ。
2、计算第i个采样点为Pi与空间直角坐标系原点的距离d,在实际应用中使用一个数组laser_scan[n]保存转化后的2D点云的转换之后的采样转换点,电子设备预先获取激光传感器的扫描范围ththa1~ththa2,可参考图6,图6为一种点云扫描范围的场景示意图,电子设备判断上述步骤中采样点Pi与空间直角坐标系中X轴的夹角θ是否落入到激光传感器的扫描范围内[ththa1,ththa2],对未落入到激光传感器的扫描范围的采样点进行滤除,不纳入参考。对落入到激光传感器的扫描范围内[ththa1,ththa2]的采样点进行计算距离d,计算如下:
d=((xi)2+(yi)2+(zi)2)1/2
将Pi的三维坐标带入上式中即可确定Pi与空间直角坐标系原点的距离d。这里转化后的2D点云中采样转换点的序号可以用k表示,k=θ/w,w为角度分辨率,w=ththa/n,(ththa为扫描角度)。laserscan[k]即表示第k个采样转换点。
同时,在对采样点Pi计算出距离d之后,对具有相同夹角θ值的各采样点进行精准取值。具体为,当各目标采样点Pi的夹角θ值相同时,此时各采样点为同一方向θ上的各点,在实际数组laser_scan[n]表示中,这些目标采样点Pi的序号k相同,此时需要在具有相同序号k的采样点中,确定同一方向θ上的精准距离:即取具有相同序号k的各采样点分别对应距离d中的最小值,将laser_scan[k]更新为所述最小值。
如:此时有一采样点P2,采样点P1在laserscan[n]对应的序号为k,此时假设数组laserscan[k]中的距离值为d1(可以理解的是,上一采样点P1的序号与采样点P2相同均为同一k值,上一采样点P1的距离值为d1),经计算采样点P2对应的距离值为d2,此时比较d1与d2的大小,在d1与d2中取较小距离指示的目标距离值dx,将laserscan[k]的距离值更新为目标距离值dx。
3、计算第i个采样点为Pi在二维坐标系中的对应采样转换点lk的二维坐标值,lk(Xk,Yk)
Xk=d×cos(n×w)
Yk=d×sin(n×w)
其中,n为点云中采样点中的个数,w为角度分辨率,w=ththa/n,(ththa为扫描角度)。
可选的,当所述点云帧为三维点云帧时,电子设备可采用上述方发对所述三维点云帧中的各点进行二维变换处理,生成二维变换处理后的目标点云帧,将所述目标点云帧作为所述点云帧。其中转换方法可参考对三维局部地图点云的转换,此处不再赘述。
步骤S206:确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角。
所述方向角可以理解为点云的主方向,所述第一方向角即局部地图点云的主方向,所述第二方向角即点云帧的主方向。
所述二维采样点即点云中的激光点。
具体的,电设备在所述局部地图点云中依次计算两两二维采样点的连线与空间直角坐标系的夹角值,所述夹角值即为所述连线角。根据两两二维采样点li(Xi,Yi),lj(Xj,Yj),连线角A的计算公式如下:
其中,arctan()为反正切函数,yi、xi、yj、xj为二维坐标值;
依次将两两二维采样点li(Xi,Yi),lj(Xj,Yj)输入至上述连线角A的计算公式中,输出连线角A1、A2、...Ak。根据各所述第一连线角的角度值确定第一目标角,所述第一目标角为最大数目的同一角度值所对应的第一连线角,其中所述第一连线角为局部地图点云中两两二维采样点的连线与空间直角坐标系的夹角。例如在各连线角中,有4个连线角为角度值a,有3个连线角为角度值b,有3个连线角为角度值c,此时同一角度值数目最多的为a,此时将角度值a作为第一目标角,将所述第一目标角作为局部地图点云中的第一方向角(即主方向);
同理,可以对点云帧中依次计算两两二维采样点的第二连线角,将点云帧中的各二维采样点Jk(Xk,Yk),输入上述连线角A的计算公式中,输出连线角A1’、A2’、...Ak’。根据各所述第二连线角的角度值确定第二目标角,所述第二目标角为最大数目的同一角度值所对应的第二连线角,其中所述第二连线角为点云帧中两两二维采样点的连线与空间直角坐标系的夹角。例如在各连线角中,有4个连线角为角度值A,有3个连线角为角度值B,有3个连线角为角度值C,此时同一角度值数目最多的为A,此时将角度值A作为第二目标角,将所述第二目标角作为点云帧中的第二方向角(即主方向)。
可以理解的是,在确定主方向的过程中,各二维特征点之间可能不存在完全的线性关系,通常只是强的正相关。如果把二维特征点的x,y坐标分解成u1,u2坐标,而u1轴线上反响了特征的主要变更(intrinsic),而u2的特征变更较小,即次要变更,其实可以完全理解为一些噪声u2的扰动而不去斟酌它,即对u2滤除。在二维点云中,将特征点幅度变更最大的方向确定为二维点云的主方向,其确定过程可参考上述确定目标角的过程,而次要变更u2,变更方向较小可以忽略进行滤除。
步骤S207:计算所述第一方向角与所述第二方向角的偏航角,将所述偏航角作为所述电子设备的姿态角。
具体的,电子设备在环境活动时,局部地图点云的俯仰角和滚动角与电子设备激光传感器当前点云帧的俯仰角和滚动角基本相等,或者角度差处于误差范围之内。因为当电子设备以正常姿态站立或者静止在预设点云地图中时与构图时的俯仰角和滚动角基本相同,所以本申请实施例中计算的是局部地图点云和点云当前帧之间的偏航角。将偏航角作为所述电子设备的姿态角。
在一种具体的实施场景中,假设局部地图点云计算得到的第一方向角为:s1_max,当前点云帧计算得到的第二方向角为:s2_max,则电子设备的姿态角为yaw:
yaw=s1_max-s2_max。
电子设备在获取到局部地图点云第一方向角和当前的点云帧的第二方向角之后,将所述第一方向角与所述第二方向角输入到上述计算公式中,输出偏航角,将所述偏航角最为电子设备的姿态角。
步骤S208:根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
具体的,所述点云匹配是指对点云帧和局部地图点云进行图像配准,其实质是把不同的坐标系下测得的点云帧和局部地图点云进行坐标变换,将点云帧中的各激光点与局部地图点云中的配准点进行一一对应,从而找到最优坐标变换参数R(旋转矩阵)和t(平移向量),根据(R,T)就可以得到电子设备的位姿信息。一种位姿信息表示方式中,可以通过x、y、z、roll、pitch、yaw来表示电子设备的位姿信息。
具体的,根据所述位置信息以及所述姿态角初始化点云转换矩阵。所述点云转换矩阵由旋转矩阵R和平移向量t构成,所述旋转矩阵R通常为3*3的旋转矩阵,上述姿态角通常可以通过初始方向向量表示,即(0,0,yaw)和(0,0,180°+yaw),在本申请实施例中,通过计算同一直线上两个不同方向的初始方向向量,进行两次点云匹配,根据点云匹配的结果确定最终位姿信息,如下:
示意性的,根据位置信息确定平移向量t,如位置信息以空间直角坐标系表示为(x,y,z),则平移向量t可以以(x,y,z)表示。
根据姿态角确定旋转矩阵R,一种通用旋转矩阵的初始化的表示方式如下:
R=Rz(β)Ry(α)Rx(θ)
其中,θ表征绕X轴旋转θ角,α表征绕Y轴旋转α角,β表征绕Z轴旋转β角。其中,Rz(β)、Ry(α)、Rx(θ)为旋转矩阵R中的基于右手坐标系中绕三轴的基本旋转矩阵。在一种实施方式中,θ与翻滚角roll对应,α与俯仰角pitch对应,β与偏航角yaw对应;
可以理解的是,根据姿态角(0,0,yaw)和(0,0,180°+yaw)可以分别确定两个旋转矩阵Rs0与Rs1,基于旋转矩阵Rs0、Rs1以及平移向量t从而可以得到两个转换矩阵,即得到所述第一初始矩阵与所述第二初始矩阵;
示意性的,基于所述第一初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第一配准值以及第一位姿信息;以及基于所述第二初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第二配准值以及第二位姿信息;具体为:
步骤1、根据初始点云转换矩阵在点云帧中取一待配准点ps;
步骤2、在局部地图点云寻找与Ps距离最近的一点qt,从而构成点对集合(ps,qt);
步骤3、按照预设转换矩阵算法(如四元数法、SVD法),对点对集合(p,q)计算最优刚体变换,所述最优刚体变换在于基于预设转换矩阵算法(如四元数法、SVD法)通过局部地图点云以及点云帧中各激光点,计算转换矩阵(旋转矩阵R和平移向量T)以使得上述点对集合中的目标函数最小,一种点对集合(p,q)的对齐配准转换所涉及的目标函数如下:
ps为点云帧中的待配准点,qt为局部地图点云中的点;n为点云帧中的第n个点,“||”为绝对距离符号。
在基于预设转换矩阵算法(如四元数法、SVD法)通过局部地图点云以及点云帧中各激光点进行最优刚体变换,以使得上述点对集合中的目标函数最小,从而计算出本计算步中最优转换矩阵(旋转矩阵和平移向量),
步骤4、当配准值d小于约束条件给定的阈值和/或大于预设的最大迭代次数时,输出转换矩阵(旋转矩阵和平移向量);
步骤5、当不满足时,执行步骤1获取下一待配准点的步骤,直至满足约束条件时,输出转换矩阵(旋转矩阵和平移向量)。从而确定转换矩阵(旋转矩阵和平移向量)对应的配准值d;
可以理解的是,基于旋转矩阵Rs0、Rs1以及平移向量t从而可以得到两个转换矩阵,即得到所述第一初始矩阵与所述第二初始矩阵;根据第一初始矩阵与所述第二初始矩阵进行两次点云匹配计算,所述点云匹配计算可参考上述步骤。两次点云匹配计算分别输出第一配准值以及第一位姿信息,以及第二配准值以及第二位姿信息;其中根据点云匹配的计算,输出最终的转换矩阵,所述转换矩阵包含最终的旋转矩阵和平移向量,根据平移向量可以得到位姿信息中的精准位置(通常以空间直角坐标系中的X,Y,Z三维坐标值表示),根据旋转矩阵可以得到翻滚角、俯仰角以及偏航角,从而得到位姿信息中的精准姿态。
具体的,电子设备获取所述点云帧的总采样点数n,根据所述第一配准值以及所述总采样点数确定第一匹配分,以及根据所述第二配准值以及所述总采样点数确定第二匹配分;
其中,一种匹配分计算方式可以是使用以下匹配计算公式:
Q=d/n
其中,Q为匹配分,d为配准值,n为所述点云帧的总采样点数n;
电子设备将所述第一配准值以及所述总采样点数输入上述公式中即可确定第一匹配分Q1,电子设备将所述第二配准值以及所述总采样点数输入上述公式中即可确定第二匹配分Q2。
具体的,在所述第一匹配分和所述第二匹配分中确定较小值,在所述第一位姿信息与所述第二位姿信息中确定所述较小值指示的目标位姿信息,如第一匹配分Q1与第二匹配分Q2中较小值为Q1,则将所述较小值Q1指示的第一位姿信息作为目标位姿信息。从而将所述目标位姿信息作为所述电子设备的位姿信息。
其中,基于最近点迭代配准的算法,算法在初始阶段将初始点云转换矩阵纳入参考,重复进行选择对应关系点对,计算最优刚体变换,直到满足正确配准的收敛精度要求,即满足约束条件。在实际应用中,点云匹配经常出现算法收敛于局部最小值、无法收敛甚至误匹配的问题,所以在本申请实施例中,给定初始的旋转矩阵和平移向量非常重要可以快速基于初始转换矩阵取得较为准确的配准点,以及在局部地图点云可以提高寻找与Ps距离最近的一点qt的匹配速度,减少了点云匹配的计算量,大大提高了点云匹配成功率,同时在点云匹配计算时,根据同一直线上两个不同方向的初始方向向量,进行两次点云匹配,根据点云匹配的结果确定精准的最终位姿信息。
在本申请实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功率,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿;以及在点云匹配过程中,可以根据确定的两个点云转换矩阵依次进行点云匹配计算,并结合点云匹配的匹配分,以确定点云匹配中最好结果指示的目标位姿信息作为电子设备的位姿,从而减少了点云匹配的误差,可以得到点云匹配中较好的匹配结果。
请参见图7,是本发明实施例提供的一种系统架构的示意图,如图7所示,所述系统架构可以包括数据处理部件300,电子设备3000,如图7所示,所述数据处理部件300作为电子设备3000的组成部分可以安装在所述电子设备3000的顶端,且数据处理部件300可以与所述电子设备3000进行网络连接,即所述数据处理部件300可以通过有线或无线连接方式连接该电子设备3000。
数据处理部件300可以与所述电子设备3000进行网络连接。网络通常为因特网、但也可以是其它任何网络,包括但不限于局域网(LocalAreaNetwork,LAN)、城域网(MetropolitanAreaNetwork,MAN)、广域网(WideAreaNetwork,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(Extensible Markup Language,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual PrivateNetwork,VPN)、网际协议安全(InternetProtocol Security,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
其中,所述电子设备3000可以为具备数据运算能力的计算机、平板电脑、机器人、智能车辆、智能飞行器等终端,即所述电子设备3000可用于接收所述数据处理部件300通过数据处理后的数据。
其中,所述数据处理部件300可以为激光雷达、立体摄像机等具有三维(即3D)或二维(即2D)测量特性的设备。其中,所述激光雷达可以为能发出64线激光束的激光雷达,也可以为能发出32线激光束的激光雷达,这里将不对激光雷达的线束进行限制。
如图7所示,在所述电子设备3000进行移动的过程中,可以通过所述数据处理部件300(例如,64线激光雷达)向电子设备3000所处环境中的物体发射探测信号(即激光束),并实时地接收到从环境中的物体(如图1所示的树)反射回来的回波信号,以得到描述所述环境中的物体表面特性的海量点集合(即如图7所示的点云帧数据4000,所述点云帧数据4000中包含扫描在所述环境中的物体上的所有激光点分别对应的激光点信息和维度数据)。其中所述点云帧数据4000与上述一些实施例中的点云帧为同一概念。
因此,当所述数据处理部件300将获取到的所述点云帧数据4000传输至所述电子设备3000时,所述电子设备3000可以进一步根据这些扫描到的点云帧数据4000,并结合当前获取到的位置信息,进一步确定电子设备3000当前的位姿信息。具体电子设备3000所述位置信息确定局部地图点云,然后根据扫描到的点云帧数据4000与局部地图点云,确定所述局部地图点云的第一方向角以及所述点云帧4000的第二方向角,并计算所述第一方向角与所述第二方向角的偏航角,将所述偏航角作为所述电子设备的姿态角。最后根据所述位置信息、所述点云帧数据4000、所述局部地图点云以及所述姿态角进行点云匹配,可以得到所述电子设备的位姿信息。
在本申请实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功了,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参见图8,其示出了本申请一个示例性实施例提供的位姿确定装置的结构示意图。该位姿确定装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括局部地图点云确定模块11、姿态角确定模块12和位姿信息确定模块13。
局部地图点云确定模块11,用于获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
姿态角确定模块12,用于根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
位姿信息确定模块13,用于根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
可选的,如图9所示,所述局部地图点云确定模块11,具体用于:
采样点集获取单元111,用于在预设点云地图中确定所述位置信息对应的参考点,并获取以参考点为中心的预设范围内的采样点集;
局部地图点云确定单元112,用于将所述采样点集确定为局部地图点云。
可选的,如图10所示,当预设点云地图为三维点云地图时,所述局部地图点云确定单元112,具体用于:
采样点集变换子单元1121,用于将所述采样点集变换到地图原点坐标系,得到三维局部地图点云;
局部地图点云确定子单元1122,用于对所述三维局部地图点云中的各点进行二维变换处理,生成二维变换处理后的局部地图点云。
可选的,如图15所示,当所述点云帧为三维点云帧时,所述装置1,还包括:
二维变换处理模块14,用于对所述三维点云帧中的各点进行二维变换处理,生成二维变换处理后的目标点云帧,将所述目标点云帧作为所述点云帧。
可选的,如图11所示,所述姿态角确定模块12,包括:
方向角确定单元121,用于确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角;
姿态角确定单元122,用于计算所述第一方向角与所述第二方向角的偏航角,将所述偏航角作为所述电子设备的姿态角。
可选的,如图12所示,所述方向角确定单元121,包括:
第一方向角确定子单元1211,用于在所述局部地图点云中依次计算两两二维采样点的第一连线角,根据各所述第一连线角的角度值确定第一目标角,所述第一目标角为最大数目的同一角度值所对应的第一连线角,将所述第一目标角作为第一方向角;
第二方向角确定子单元1212,用于在所述点云帧中依次计算两两二维采样点的第二连线角,根据各所述第二连线角的角度值确定第二目标角,所述第二目标角为最大数目的同一角度值所对应的第二连线角,将所述第二目标角作为第二方向角。
可选的,如图13所示,所述位姿信息确定模块13,包括:
转换矩阵初始单元131,用于根据所述位置信息以及所述姿态角初始化点云转换矩阵,得到第一初始矩阵与第二初始矩阵;
配准值计算单元132,用于基于所述第一初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第一配准值以及第一位姿信息;以及基于所述第二初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第二配准值以及第二位姿信息;
位姿信息输出单元133,用于基于所述第一配准值以及所述第二配准值,在所述第一位姿信息与所述第二位姿信息中确定所述电子设备的位姿信息。
可选的,如图14所示,所述位姿信息输出单元133,包括:
匹配分确定子单元1331,用于获取所述点云帧的总采样点数,根据所述第一配准值以及所述总采样点数确定第一匹配分,以及根据所述第二配准值以及所述总采样点数确定第二匹配分;
位姿信息确定子单元1332,用于在所述第一匹配分和所述第二匹配分中确定较小值,在所述第一位姿信息与所述第二位姿信息中确定所述较小值指示的目标位姿信息,将所述目标位姿信息作为所述电子设备的位姿信息。
需要说明的是,上述实施例提供的位姿确定装置在执行位姿确定方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的位姿确定装置与位姿确定方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功率,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿;以及在点云匹配过程中,可以根据确定的两个点云转换矩阵依次进行点云匹配计算,并结合点云匹配的匹配分,以确定点云匹配中最好结果指示的目标位姿信息作为电子设备的位姿,从而减少了点云匹配的误差,可以得到点云匹配中较好的匹配结果。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图1-图7所示实施例的所述位姿确定方法,具体执行过程可以参见图1-图7所示实施例的具体说明,在此不进行赘述。
本申请还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行如上述图1-图7所示实施例的所述位姿确定方法,具体执行过程可以参见图1-图7所示实施例的具体说明,在此不进行赘述。
请参见图16,为本申请实施例提供了一种电子设备的结构示意图。如图16所示,所述电子设备1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个服务器1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行服务器1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable GateArray,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(RandomAccess Memory,RAM),也可以包括只读存储器(Read-OnlyMemory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图16所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及位姿确定应用程序。
在图16所示的电子设备1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的位姿确定应用程序,并具体执行以下操作:
获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
在一个实施例中,所述处理器1001在执行所述根据位置信息确定局部地图点云时,具体执行以下操作:
在预设点云地图中确定所述位置信息对应的参考点,并获取以参考点为中心的预设范围内的采样点集;
将所述采样点集确定为局部地图点云。
在一个实施例中,所述处理器1001在执行当预设点云地图为三维点云地图时,所述将所述采样点集确定为局部地图点云时,具体执行以下操作:
将所述采样点集变换到地图原点坐标系,得到三维局部地图点云;
对所述三维局部地图点云中的各点进行二维变换处理,生成二维变换处理后的局部地图点云。
在一个实施例中,所述处理器1001在执行当所述点云帧为三维点云帧时,所述根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角之前,还执行以下操作:
对所述三维点云帧中的各点进行二维变换处理,生成二维变换处理后的目标点云帧,将所述目标点云帧作为所述点云帧。
在一个实施例中,所述处理器1001在执行所述根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角时,具体执行以下操作:
确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角,计算所述第一方向角与所述第二方向角的偏航角,将所述偏航角作为所述电子设备的姿态角。
在一个实施例中,所述处理器1001在执行所述确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角时,具体执行以下操作:
在所述局部地图点云中依次计算两两二维采样点的第一连线角,根据各所述第一连线角的角度值确定第一目标角,所述第一目标角为最大数目的同一角度值所对应的第一连线角,将所述第一目标角作为第一方向角;以及,
在所述点云帧中依次计算两两二维采样点的第二连线角,根据各所述第二连线角的角度值确定第二目标角,所述第二目标角为最大数目的同一角度值所对应的第二连线角,将所述第二目标角作为第二方向角。
在一个实施例中,所述处理器1001在执行所述根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息时,具体执行以下操作:
根据所述位置信息以及所述姿态角初始化点云转换矩阵,得到第一初始矩阵与第二初始矩阵;
基于所述第一初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第一配准值以及第一位姿信息;以及基于所述第二初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第二配准值以及第二位姿信息;
基于所述第一配准值以及所述第二配准值,在所述第一位姿信息与所述第二位姿信息中确定所述电子设备的位姿信息。
在一个实施例中,所述处理器1001在执行所述基于所述第一配准值以及所述第二配准值,在所述第一位姿信息与所述第二位姿信息中确定所述电子设备的位姿信息时,具体执行以下步骤:
获取所述点云帧的总采样点数,根据所述第一配准值以及所述总采样点数确定第一匹配分,以及根据所述第二配准值以及所述总采样点数确定第二匹配分;
在所述第一匹配分和所述第二匹配分中确定较小值,在所述第一位姿信息与所述第二位姿信息中确定所述较小值指示的目标位姿信息,将所述目标位姿信息作为所述电子设备的位姿信息。
在本申请实施例中,电子设备获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云,计算所述点云帧与所述局部地图点云的偏航角,将所述偏航角作为所述电子设备的姿态角,根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。通过根据位置信息确定的局部地图点云与点云帧计算电子设备的姿态角,根据姿态角和位置信息共同对局部地图点云以及所述姿态角进行点云匹配,可以避免位置精度低的位置信息导致点云匹配不准确的问题,在点云匹配的过程中可以通过姿态角和位置信息来提高点云匹配的速度以及匹配成功率,提高了点云匹配的准确性,从而可以获取到电子设备精准的位姿;以及在点云匹配过程中,可以根据确定的两个点云转换矩阵依次进行点云匹配计算,并结合点云匹配的匹配分,以确定点云匹配中最好结果指示的目标位姿信息作为电子设备的位姿,从而减少了点云匹配的误差,可以得到点云匹配中较好的匹配结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (11)
1.一种位姿确定方法,应用于电子设备,其特征在于,所述方法包括:
获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
2.根据权利要求1所述的方法,其特征在于,所述根据位置信息确定局部地图点云,包括:
在预设点云地图中确定所述位置信息对应的参考点,并获取以参考点为中心的预设范围内的采样点集;
将所述采样点集确定为局部地图点云。
3.根据权利要求2所述的方法,其特征在于,当预设点云地图为三维点云地图时,所述将所述采样点集确定为局部地图点云,包括:
将所述采样点集变换到地图原点坐标系,得到三维局部地图点云;
对所述三维局部地图点云中的各点进行二维变换处理,生成二维变换处理后的局部地图点云。
4.根据权利要求1所述的方法,其特征在于,当所述点云帧为三维点云帧时,所述根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角之前,还包括:
对所述三维点云帧中的各点进行二维变换处理,生成二维变换处理后的目标点云帧,将所述目标点云帧作为所述点云帧。
5.根据权利要求1所述的方法,其特征在于,所述根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角,包括:
确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角,计算所述第一方向角与所述第二方向角的偏航角,将所述偏航角作为所述电子设备的姿态角。
6.根据权利要求5所述的方法,其特征在于,所述确定所述局部地图点云的第一方向角以及所述点云帧的第二方向角,包括:
在所述局部地图点云中依次计算两两二维采样点的第一连线角,根据各所述第一连线角的角度值确定第一目标角,所述第一目标角为最大数目的同一角度值所对应的第一连线角,将所述第一目标角作为第一方向角;以及,
在所述点云帧中依次计算两两二维采样点的第二连线角,根据各所述第二连线角的角度值确定第二目标角,所述第二目标角为最大数目的同一角度值所对应的第二连线角,将所述第二目标角作为第二方向角。
7.根据权利要求1所述的方法,其特征在于,所述根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息,包括:
根据所述位置信息以及所述姿态角初始化点云转换矩阵,得到第一初始矩阵与第二初始矩阵;
基于所述第一初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第一配准值以及第一位姿信息;以及基于所述第二初始矩阵对所述点云帧及所述局部地图点云进行迭代配准,输出第二配准值以及第二位姿信息;
基于所述第一配准值以及所述第二配准值,在所述第一位姿信息与所述第二位姿信息中确定所述电子设备的位姿信息。
8.根据权利要求7所述的方法,其特征在于,所述基于所述第一配准值以及所述第二配准值,在所述第一位姿信息与所述第二位姿信息中确定所述电子设备的位姿信息,包括:
获取所述点云帧的总采样点数,根据所述第一配准值以及所述总采样点数确定第一匹配分,以及根据所述第二配准值以及所述总采样点数确定第二匹配分;
在所述第一匹配分和所述第二匹配分中确定较小值,在所述第一位姿信息与所述第二位姿信息中确定所述较小值指示的目标位姿信息,将所述目标位姿信息作为所述电子设备的位姿信息。
9.一种位姿确定装置,其特征在于,所述装置包括:
局部地图点云确定模块,用于获取当前的位置信息以及点云帧,根据所述位置信息确定局部地图点云;
姿态角确定模块,用于根据所述点云帧与所述局部地图点云,确定所述电子设备的姿态角;
位姿信息确定模块,用于根据所述位置信息、所述点云帧、所述局部地图点云以及所述姿态角进行点云匹配,得到所述电子设备的位姿信息。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~8任意一项的方法步骤。
11.一种电子设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~8任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210431.6A CN111508021B (zh) | 2020-03-24 | 2020-03-24 | 一种位姿确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210431.6A CN111508021B (zh) | 2020-03-24 | 2020-03-24 | 一种位姿确定方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111508021A true CN111508021A (zh) | 2020-08-07 |
CN111508021B CN111508021B (zh) | 2023-08-18 |
Family
ID=71875831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010210431.6A Active CN111508021B (zh) | 2020-03-24 | 2020-03-24 | 一种位姿确定方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111508021B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415548A (zh) * | 2020-11-09 | 2021-02-26 | 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 |
CN112506200A (zh) * | 2020-12-14 | 2021-03-16 | 广州视源电子科技股份有限公司 | 机器人定位方法、装置、机器人及存储介质 |
CN112817026A (zh) * | 2021-01-29 | 2021-05-18 | 西人马帝言(北京)科技有限公司 | 运动对象的位姿确定方法、装置、设备及存储介质 |
CN113192174A (zh) * | 2021-04-06 | 2021-07-30 | 中国计量大学 | 建图方法、装置及计算机存储介质 |
CN113409459A (zh) * | 2021-06-08 | 2021-09-17 | 北京百度网讯科技有限公司 | 高精地图的生产方法、装置、设备和计算机存储介质 |
CN113432533A (zh) * | 2021-06-18 | 2021-09-24 | 北京盈迪曼德科技有限公司 | 一种机器人定位方法、装置、机器人及存储介质 |
CN113984071A (zh) * | 2021-09-29 | 2022-01-28 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN114088114A (zh) * | 2021-11-19 | 2022-02-25 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
WO2022099597A1 (zh) * | 2020-11-13 | 2022-05-19 | 浙江大学 | 一种基于虚拟轮廓特征点的机械零件6d位姿测量方法 |
WO2022183785A1 (zh) * | 2021-03-05 | 2022-09-09 | 深圳市优必选科技股份有限公司 | 机器人定位方法、装置、机器人和可读存储介质 |
TWI781655B (zh) * | 2021-06-15 | 2022-10-21 | 恆準定位股份有限公司 | 結合圖資之超寬頻定位系統 |
CN115586511A (zh) * | 2022-11-25 | 2023-01-10 | 唐山百川工业服务有限公司 | 一种基于阵列立柱的激光雷达二维定位方法 |
CN115797425A (zh) * | 2023-01-19 | 2023-03-14 | 中国科学技术大学 | 一种基于点云鸟瞰图和由粗到精策略的激光全局定位方法 |
CN117671013A (zh) * | 2024-02-01 | 2024-03-08 | 安徽蔚来智驾科技有限公司 | 点云定位方法、智能设备及计算机可读存储介质 |
CN117671013B (zh) * | 2024-02-01 | 2024-04-26 | 安徽蔚来智驾科技有限公司 | 点云定位方法、智能设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225345A (zh) * | 2016-12-22 | 2018-06-29 | 乐视汽车(北京)有限公司 | 可移动设备的位姿确定方法、环境建模方法及装置 |
US20180306922A1 (en) * | 2017-04-20 | 2018-10-25 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for positioning vehicle |
CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
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 |
CN109285188A (zh) * | 2017-07-21 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 用于生成目标物体的位置信息的方法和装置 |
US20190235062A1 (en) * | 2017-08-23 | 2019-08-01 | Tencent Technology (Shenzhen) Company Limited | Method, device, and storage medium for laser scanning device calibration |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN110827403A (zh) * | 2019-11-04 | 2020-02-21 | 北京易控智驾科技有限公司 | 一种矿山三维点云地图的构建方法及装置 |
-
2020
- 2020-03-24 CN CN202010210431.6A patent/CN111508021B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225345A (zh) * | 2016-12-22 | 2018-06-29 | 乐视汽车(北京)有限公司 | 可移动设备的位姿确定方法、环境建模方法及装置 |
US20180306922A1 (en) * | 2017-04-20 | 2018-10-25 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for positioning vehicle |
CN109285188A (zh) * | 2017-07-21 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 用于生成目标物体的位置信息的方法和装置 |
US20190235062A1 (en) * | 2017-08-23 | 2019-08-01 | Tencent Technology (Shenzhen) Company Limited | Method, device, and storage medium for laser scanning device calibration |
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 |
CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
CN110221603A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大学 | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 |
CN110827403A (zh) * | 2019-11-04 | 2020-02-21 | 北京易控智驾科技有限公司 | 一种矿山三维点云地图的构建方法及装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415548A (zh) * | 2020-11-09 | 2021-02-26 | 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 |
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 |
WO2022099597A1 (zh) * | 2020-11-13 | 2022-05-19 | 浙江大学 | 一种基于虚拟轮廓特征点的机械零件6d位姿测量方法 |
CN112506200A (zh) * | 2020-12-14 | 2021-03-16 | 广州视源电子科技股份有限公司 | 机器人定位方法、装置、机器人及存储介质 |
CN112506200B (zh) * | 2020-12-14 | 2023-12-08 | 广州视源电子科技股份有限公司 | 机器人定位方法、装置、机器人及存储介质 |
CN112817026A (zh) * | 2021-01-29 | 2021-05-18 | 西人马帝言(北京)科技有限公司 | 运动对象的位姿确定方法、装置、设备及存储介质 |
WO2022183785A1 (zh) * | 2021-03-05 | 2022-09-09 | 深圳市优必选科技股份有限公司 | 机器人定位方法、装置、机器人和可读存储介质 |
CN113192174A (zh) * | 2021-04-06 | 2021-07-30 | 中国计量大学 | 建图方法、装置及计算机存储介质 |
CN113192174B (zh) * | 2021-04-06 | 2024-03-26 | 中国计量大学 | 建图方法、装置及计算机存储介质 |
CN113409459A (zh) * | 2021-06-08 | 2021-09-17 | 北京百度网讯科技有限公司 | 高精地图的生产方法、装置、设备和计算机存储介质 |
TWI781655B (zh) * | 2021-06-15 | 2022-10-21 | 恆準定位股份有限公司 | 結合圖資之超寬頻定位系統 |
CN113432533B (zh) * | 2021-06-18 | 2023-08-15 | 北京盈迪曼德科技有限公司 | 一种机器人定位方法、装置、机器人及存储介质 |
CN113432533A (zh) * | 2021-06-18 | 2021-09-24 | 北京盈迪曼德科技有限公司 | 一种机器人定位方法、装置、机器人及存储介质 |
CN113984071B (zh) * | 2021-09-29 | 2023-10-13 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN113984071A (zh) * | 2021-09-29 | 2022-01-28 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN114088114A (zh) * | 2021-11-19 | 2022-02-25 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN114088114B (zh) * | 2021-11-19 | 2024-02-13 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN115586511A (zh) * | 2022-11-25 | 2023-01-10 | 唐山百川工业服务有限公司 | 一种基于阵列立柱的激光雷达二维定位方法 |
CN115586511B (zh) * | 2022-11-25 | 2023-03-03 | 唐山百川工业服务有限公司 | 一种基于阵列立柱的激光雷达二维定位方法 |
CN115797425A (zh) * | 2023-01-19 | 2023-03-14 | 中国科学技术大学 | 一种基于点云鸟瞰图和由粗到精策略的激光全局定位方法 |
CN117671013A (zh) * | 2024-02-01 | 2024-03-08 | 安徽蔚来智驾科技有限公司 | 点云定位方法、智能设备及计算机可读存储介质 |
CN117671013B (zh) * | 2024-02-01 | 2024-04-26 | 安徽蔚来智驾科技有限公司 | 点云定位方法、智能设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111508021B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111508021B (zh) | 一种位姿确定方法、装置、存储介质及电子设备 | |
CN112347840B (zh) | 视觉传感器激光雷达融合无人机定位与建图装置和方法 | |
JP6918885B2 (ja) | 相対的位置姿勢の標定方法、相対的位置姿勢の標定装置、機器及び媒体 | |
US10684116B2 (en) | Position and orientation measuring apparatus, information processing apparatus and information processing method | |
US8792726B2 (en) | Geometric feature extracting device, geometric feature extracting method, storage medium, three-dimensional measurement apparatus, and object recognition apparatus | |
Lee et al. | Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data | |
JP4686762B2 (ja) | 三次元形状の位置あわせ方法及びプログラム | |
CN110189399B (zh) | 一种室内三维布局重建的方法及系统 | |
CN104778688A (zh) | 点云数据的配准方法及装置 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN104019799A (zh) | 一种利用局部参数优化计算基础矩阵的相对定向方法 | |
CN112784873A (zh) | 一种语义地图的构建方法及设备 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 | |
KR102566300B1 (ko) | 실내 측위 방법, 장치, 장비 및 저장 매체 | |
CN111862215A (zh) | 一种计算机设备定位方法、装置、计算机设备和存储介质 | |
CN113168729B (zh) | 一种基于局部参考坐标系的3d形状匹配方法及装置 | |
KR102130687B1 (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
Dreher et al. | Global localization in meshes | |
Contreras et al. | Efficient decentralized collaborative mapping for outdoor environments | |
Šuľaj et al. | Examples of real-time UAV data processing with cloud computing | |
CN114677435A (zh) | 一种点云全景融合要素提取方法和系统 | |
CN115407302A (zh) | 激光雷达的位姿估计方法、装置和电子设备 | |
CN111735447A (zh) | 一种仿星敏式室内相对位姿测量系统及其工作方法 | |
Xu et al. | Automatic registration method for TLS LiDAR data and image-based reconstructed data |
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 |