CN111578932B - 一种基于多线激光雷达的建图方法、装置、介质及设备 - Google Patents
一种基于多线激光雷达的建图方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN111578932B CN111578932B CN202010465918.9A CN202010465918A CN111578932B CN 111578932 B CN111578932 B CN 111578932B CN 202010465918 A CN202010465918 A CN 202010465918A CN 111578932 B CN111578932 B CN 111578932B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- point cloud
- grid
- laser
- cloud data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于多线激光雷达的建图方法、装置、介质及设备,所述建图方法包括步骤:将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据;对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图。本发明解决了低高度障碍物距离建图路径较近且存在测量盲区不能建模为障碍物的问题,能够良好处理低高度障碍物在地图中的建模,提高建图的准确性和可靠性。
Description
技术领域
本发明涉及无人驾驶领域,特别地,涉及一种基于多线激光雷达的建图方法、装置、介质及设备。
背景技术
环境地图是机器人进行定位导航和路径规划的前提,同步定位与建图(SLAM)技术是目前移动机器人获取定位和建立环境地图的重要手段。2D激光SLAM由于精度高、能直接生成导航用的栅格地图等优点被室内机器人广泛采用,但是2D激光SLAM只有单线激光雷达所在平面的数据,不能处理其他高度障碍物,不适合尺寸较大、高度较高的移动机器人。而3D激光虽然能够生成场景三维点云地图或其他三维地图,但这类地图用于平面移动机器人的导航和运动规划时需要机器人模型与三维点云地图进行碰撞检测才能确定某一空间区域能否通过,且建图过程也需要大量的计算资源。为了优势互补,目前已有采用多线激光雷达对3D点云进行2D化处理后,再采用2D激光SLAM进行建图的方式,但是多线激光垂直方向角度区域小,多线激光有很大的测量盲区,如图2所示,以velodyne16线激光为例,垂直方向角度为±15°,安装高度为1m时地面盲区半径为3.73m,低于激光雷达的障碍物在距离激光雷达较近时无法被检测到,若采用常规2D激光SLAM也无法建模出低高度障碍物,从而导致测量盲区内的低高度障碍物距离建图路径较近不能建模为障碍物的问题。
发明内容
本发明一方面提供了一种基于多线激光雷达的建图方法,以解决建图过程中测量盲区内的低高度障碍物距离建图路径较近不能建模为障碍物的技术问题。
本发明采用的技术方案如下:
一种基于多线激光雷达的建图方法,包括步骤:
将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据;
对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图。
进一步地,所述将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据具体包括步骤:
通过直通滤波器对所述多线激光雷达采集的三维点云数据进行筛选,获取高度在机器人高度范围内的所有三维点云数据;
将筛选后的三维点云数据进行体素滤波降采样后投影到激光雷达所在水平面,并在每个角度分辨率上仅保留离激光雷达最近的点,生成二维激光雷达点云数据。
进一步地,所述对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联具体包括步骤:
将第N帧二维激光雷达点云数据与根据第N-1帧更新生成的地图相匹配实现数据关联,计算激光雷达位姿。
进一步地,当输入第1帧二维激光雷达点云数据时,以所述多线激光雷达所在位置作为本次SLAM建图的坐标原点。
进一步地,所述根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图具体包括步骤:
根据栅格与多线激光雷达的距离和对应的计数步距统计当前帧及之前的所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit;
计算每个栅格中所统计的激光击中次数hit在该栅格所统计的激光击中次数hit和激光穿过次数missed之和中的占比U:
U=hit/(missed+hit);
若占比U大于等于设定阈值时,则设置该栅格为被占据,否则设置该栅格为空闲。
进一步地,所述根据栅格与多线激光雷达的距离和对应的计数步距统计所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit具体包括步骤;
若所述栅格与多线激光雷达的距离大于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1;
若所述栅格与多线激光雷达的距离大于等于1倍最大盲区距离且小于等于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1.3~1.8;
若所述栅格位于最大盲区内时,则统计栅格的激光穿过次数missed和激光击中次数hit时,所述激光击中次数hit的计数步距为1,激光穿过次数missed的计数步距为0。
进一步地,所述阈值为50%~80%。
根据本发明的另一方面,还提供了一种基于多线激光雷达的建图装置,包括:
点云数据降维模块,用于将多线激光雷达采集的三维点云数据投影到预设高度的水平面生成二维激光雷达点云数据;
帧间匹配模块,用于对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
位姿计算模块,用于根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
地图生成模块,用于根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图。
根据本发明的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其特征在于,在所述程序运行时控制所述存储介质所在的设备执行如所述的基于多线激光雷达的建图方法。
根据本发明的另一方面,还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如所述的基于多线激光雷达的建图方法。
本发明具有以下有益效果:
本发明通过采用将多线激光雷达采集的三维点云数据二维化、对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联、根据匹配得到的点云在地图上的位获得表示机器人的运动轨迹位姿图、根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图的方式,解决了低高度障碍物距离建图路径较近且存在测量盲区不能建模为障碍物的问题,能够良好处理低高度障碍物在地图中的建模,使生成的栅格地图几乎包含所有影响机器人通行的障碍物信息,提高建图的准确性,确保导航和路径规划时在地图层面即可规划出避开障碍物的路径。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的一种基于多线激光雷达的建图方法流程示意图;
图2是本发明优选实施例的16线激光雷达的安装位置及扫描范围示意图。
图3是本发明优选实施例的多线激光雷达采集的三维点云数据示意图。
图4是本发明优选实施例的三维点云数据2D化生成二维激光雷达点云数据流程示意图。
图5是本发明优选实施例2D化生成的二维激光雷达点云数据示意图。
图6是本发明优选实施例的点云数据与已生成地图的匹配流程示意图。
图7是本发明优选实施例的点云数据与已生成地图的匹配结果示意图。
图8是本发明优选实施例的生成占据栅格地图流程示意图。
图9是本发明优选实施例中每个栅格的激光穿过次数missed和激光击中次数hit统计流程示意图。
图10是本发明优选实施例的基于多线激光雷达的建图装置示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请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发明。
参照图1,本发明的优选实施例提供了一种基于多线激光雷达的建图方法,包括步骤:
S1、将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据;
S2、对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
S3、根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿(位置和朝向),并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
S4、根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图。
传统2D激光SLAM占据栅格地图生成采用计数(count model)算法,统计每一格被检测到障碍物和被激光穿透的次数来确定该栅格是否被占据。当低高度障碍物处在多线激光雷达盲区内时,低高度障碍物区域被视为被激光穿透进行计数,会造成建模不出低高度障碍物的问题。为此,本实施例的建图方法通过将多线激光雷达采集的三维点云数据二维化、对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联、根据匹配得到的点云在地图上的位姿获得表示机器人的运动轨迹位姿图、根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图的方式来克服建图时建模不出低高度障碍物的问题。
由于传统2D激光SLAM占据栅格地图生成采用的计数(count model)算法并不考虑测量盲区的问题,也不涉及低高度障碍物的建模,而是假设激光雷达在移动过程中能对检测到的区域内所有障碍物均获得点云数据和每个栅格的穿透和击中情况,最后通过统计每一栅格被激光击中和被激光穿透的次数来确定栅格是否被占据来生成占据栅格地图。而对于一些具有高度较高的平面移动型机器人,且该机器人上的多线激光雷达的安装位置距离地面一定高度时,机器人在移动建图过程中,当低高度障碍物处在多线激光雷达盲区内时,按照目前基于计数(count model)算法的传统2D激光SLAM占据栅格地图生成方法,低高度障碍物区域将被视为被激光穿透进行计数,即便存在障碍物,但低高度障碍物所在栅格在生成的占据栅格地图将会被视为未被占据/空闲区域,从而建模不出低高度障碍物,无法保证机器人在后续的导航和路径规划时准确避开障碍物。为此,本实施例在采用计数(countmodel)算法进行SLAM占据栅格地图生成时,不仅仅会考虑多线激光雷达位姿、二维激光雷达点云数据,同时在统计栅格的穿透和击中次数时,还会考虑障碍物与多线激光雷达的距离,不同距离的障碍物,统计其所在栅格的穿透和击中次数时采用的计数权重也不同,如现有计数(count model)算法中,栅格的穿透和击中次数都是以1为基本单位进行增加,每检测到一次穿透,则穿透次数加1,每检测到一次击中,则击中次数加1,而本实施例则根据障碍物与多线激光雷达的距离的不同,统计栅格的穿透次数和击中次数时,将以不同的基本单位进行增加,即同样是检测到一次穿透或击中,不同距离的障碍物所在栅格的穿透和击中次数将以不同的增量进行增加,以此提高对盲区内低高度障碍物的识别率,降低建图时对障碍物的遗漏和标识错误率,解决低高度障碍物距离建图路径较近且存在测量盲区不能建模为障碍物的问题,能够良好处理低高度障碍物在地图中的建模,使生成的栅格地图几乎包含所有影响机器人通行的障碍物信息,提高建图的准确性,确保导航和路径规划时在地图层面即可准确规划出避开障碍物的路径。
另外,本实施例用位姿图(Pose Graph)表示机器人的运动轨迹,位姿图中的节点(Node)表示不同时刻机器人的位置与姿态信息,节点与节点之间的连线表示位姿间的约束关系,根据约束关系对位姿图进行优化,可减小位姿误差与地图漂移。
如图4所示,在本发明的优选实施例中,所述将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据具体包括步骤:
S11、通过直通滤波器对所述多线激光雷达采集的三维点云数据进行筛选,获取高度在机器人高度范围内的所有三维点云数据,如图3所示,减少三维点云数据数量,方便提高后续处理的效率;
S12、将筛选后的三维点云数据进行体素滤波降采样后投影到激光雷达所在水平面,并在每个角度分辨率上仅保留离激光雷达最近的点,生成二维激光雷达点云数据,如图5所示。
本实施例中,对所述多线激光雷达采集的三维点云数据进行筛选,获取高度在机器人高度范围内的所有三维点云数据,去除不影响机器人运动的无关数据,同时减少三维点云数据数量,方便提高后续处理的效率;同时,通过保留拥有最小距离的点,剔除其他点的方式,在保留关键数据的同时,大大减少数据量,可大幅提高处理效率,本实施例保留最小距离的点的根本目的是为了与单线激光雷达的二维点云数据格式一致(单线激光雷达数据每个角度分辨率上只有一个探测到的点)。
如图6所示,在本发明的优选实施例中,所述对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联具体包括步骤:
S21、将第N帧二维激光雷达点云数据与根据第N-1帧更新生成的地图相匹配实现数据关联,计算激光雷达位姿。其中,当输入第1帧二维激光雷达点云数据时,以所述多线激光雷达所在位置作为本次SLAM建图的坐标原点。
如图7所示,激光雷达SLAM数据关联匹配方式主要包括帧间点云匹配、点云与已生成地图匹配,传统2D激光SLAM帧间匹配由帧间点云进行匹配,点云与地图匹配比点云帧间匹配计算量大,多用于2D激光SLAM闭环检测和3D激光SLAM帧间匹配。本实施例建图过程中,由于多线激光雷达靠近低高度障碍物的过程中,低高度障碍物由能被探测到的范围移动到检测盲区内,此时则存在点云数据由较近的低高度障碍物点云数据突变为远处其他障碍物,若继续采用帧间点云匹配的方式,则点云数据的突变将会对点云匹配效果造成非常不利的影响,即采用传统2D激光SLAM建图会因为点云突变造成匹配不准而影响定位精度,本实施例采用点云与已生成地图的匹配实现数据关联,以提高点云突变情况时的定位精度和地图精度。
如图8所示,在本发明的优选实施例中,所述根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图具体包括步骤:
S41、根据栅格与多线激光雷达的距离和对应的计数步距统计当前帧及之前的所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit;
S42、计算每个栅格中所统计的激光击中次数hit在该栅格所统计的激光击中次数hit和激光穿过次数missed之和中的占比U:
U=hit/(missed+hit);
S43、若占比U大于等于设定阈值时,则设置该栅格为被占据,否则设置该栅格为空闲。
由于低高度区域盲区较大,靠近机器人建图路线的低高度障碍物区域在离机器人较近处在盲区内时没有点云数据,会被统计为被激光穿透,可能将低高度障碍物区域计算为可通行区域,故本实施例基于计数算法做以下改进生成栅格地图:
本实施例在生成占据栅格地图时,首先统计所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit,其中,激光穿过次数missed和激光击中次数hit将根据栅格与多线激光雷达的距离和对应的计数步距进行计数统计,不同的距离对应不同的计数步距,从而将盲区距离、障碍物距离、激光穿过次数missed和激光击中次数hit的统计关联起来;接着,计算每个栅格中所统计的激光击中次数hit在该栅格所统计的激光击中次数hit和激光穿过次数missed之和中的占比U;最后根据该占比U与设定阈值的到小关系设置该栅格为被占据或为空闲,所述阈值为50%-80%,在一优选实施例中,所述阈值为65%,实践表明,当占比U大于等于65%时,所建占据栅格地图中能够较好地处理低高度障碍物在地图中的建模,准确标识出低高度障碍物。本实施例将盲区距离、障碍物距离、激光穿过次数missed和激光击中次数hit的统计关联起来,综合计算并得到栅格的占据或空闲情况,提高对盲区内低高度障碍物的识别率,从而避免现有建图算法将位于检测盲区内没有点云数据的障碍物所在的栅格单纯判断为空闲区,降低建图时对障碍物的遗漏和标识错误率,解决低高度障碍物距离建图路径较近且存在测量盲区不能建模为障碍物的问题。
如图9所示,在本发明的优选实施例中,所述根据栅格与多线激光雷达的距离和对应的计数步距统计所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit具体包括步骤;
S411、若所述栅格与多线激光雷达的距离大于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1;
S412、若所述栅格与多线激光雷达的距离大于等于1倍最大盲区距离且小于等于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1.3~1.8,本实施例为1.5;
S413、若所述栅格位于最大盲区内时,则统计栅格的激光穿过次数missed和激光击中次数hit时,所述激光击中次数hit的计数步距为1,激光穿过次数missed的计数步距为0。
本实施例中涉及到所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit的具体统计方法,可以看出,本实施例综合障碍物所在栅格与多线激光雷达的距离、最大盲区距离的大小关系来确定统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距,主要包括三组关系:所述栅格与多线激光雷达的距离大于2倍最大盲区距离时,所述栅格与多线激光雷达的距离大于等于1倍最大盲区距离且小于等于2倍最大盲区距离时和所述栅格位于最大盲区内时。本实施例对检测到障碍物的区域按照距离激光雷达的距离按不同的计数步距进行统计,对于所述栅格与多线激光雷达的距离大于2倍最大盲区距离的情况,则按现有计数算法的计数步距进行统计,对于大于等于1倍最大盲区距离且小于等于2倍最大盲区距离的情况,低高度障碍物处在激光雷达盲区外较近区域,能够被多线激光雷达检测到且有最好的的检测效果(更远处激光垂直方向上稀疏,且与水平水平面夹角较小,检测低高度障碍物效果不够好),生成地图的统计算法中增加这部分区域的计算权重,如将位于该区域内的栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1.5,而在盲区内的地图区域,由于没有点云数据的原因并不是因为被激光穿透,而是多线激光雷达无法扫描到该盲区内,则对位于该区域内的栅格只统计障碍物次数,不统计被激光穿透次数,避免将盲区内的障碍物误判为空闲区的可能。
如图10所示,本发明的另一实施例还提供了一种基于多线激光雷达的建图装置,包括:
点云数据降维模块,用于将多线激光雷达采集的三维点云数据投影到预设高度的水平面生成二维激光雷达点云数据;
帧间匹配模块,用于对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
位姿计算模块,用于根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
地图生成模块,用于根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图。
本发明的另一实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如所述多频率信息融合的连续波流量测量方法。
本发明的另一实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现所述多频率信息融合的连续波流量测量方法。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例方法所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个或者多个计算设备可读取存储介质中。基于这样的理解,本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory),磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明能够处理多线激光3D点云2D化后采用传统2D激光SLAM建图时由点云突变引起的定位不准问题,和低高度障碍物距离建图路径较近不能建模为障碍物的问题,能够良好处理低高度障碍物在地图中的建模。同时,本发明生成的栅格地图几乎包含所有影响机器人通行的障碍物信息,在栅格地图中通过读取某一区域是否被占据即可检测是否可通行,从而在用于导航和路径规划时在地图层面即可准确、可靠地规划出避开障碍物的路径。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于多线激光雷达的建图方法,其特征在于,包括步骤:
将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据;
对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图;
所述根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图具体包括步骤:
根据栅格与多线激光雷达的距离和对应的计数步距统计当前帧及之前的所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit;
计算每个栅格中所统计的激光击中次数hit在该栅格所统计的激光击中次数hit和激光穿过次数missed之和中的占比U:
U=hit/(missed+hit);
若占比U大于等于设定阈值时,则设置该栅格为被占据,否则设置该栅格为空闲;
所述根据栅格与多线激光雷达的距离和对应的计数步距统计所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit具体包括步骤;
若所述栅格与多线激光雷达的距离大于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1;
若所述栅格与多线激光雷达的距离大于等于1倍最大盲区距离且小于等于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1.3~1.8;
若所述栅格位于最大盲区内时,则统计栅格的激光穿过次数missed和激光击中次数hit时,所述激光击中次数hit的计数步距为1,激光穿过次数missed的计数步距为0。
2.根据权利要求1所述的基于多线激光雷达的建图方法,其特征在于,
所述将多线激光雷达采集的三维点云数据投影到激光雷达所在水平面生成二维激光雷达点云数据具体包括步骤:
通过直通滤波器对所述多线激光雷达采集的三维点云数据进行筛选,获取高度在机器人高度范围内的所有三维点云数据;
将筛选后的三维点云数据进行体素滤波降采样后投影到激光雷达所在水平面,并在每个角度分辨率上仅保留离激光雷达最近的点,生成二维激光雷达点云数据。
3.根据权利要求1所述的基于多线激光雷达的建图方法,其特征在于,
所述对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联具体包括步骤:
将第N帧二维激光雷达点云数据与根据第N-1帧更新生成的地图相匹配实现数据关联,计算激光雷达位姿。
4.根据权利要求3所述的基于多线激光雷达的建图方法,其特征在于,
当输入第1帧二维激光雷达点云数据时,以所述多线激光雷达所在位置作为本次SLAM建图的坐标原点。
5.根据权利要求1所述的基于多线激光雷达的建图方法,其特征在于,
所述阈值为50%-80%。
6.一种基于多线激光雷达的建图装置,其特征在于,包括:
点云数据降维模块,用于将多线激光雷达采集的三维点云数据投影到预设高度的水平面生成二维激光雷达点云数据;
帧间匹配模块,用于对生成的所述二维激光雷达点云数据进行帧间匹配实现数据关联;
位姿计算模块,用于根据匹配得到的点云在地图上的位置计算出多线激光雷达位姿,并采用图优化方式管理多线激光雷达坐标序列获得表示机器人的运动轨迹位姿图;
地图生成模块,用于根据多线激光雷达位姿、二维激光雷达点云数据、障碍物与激光雷达的距离所对应的计数权重生成占据栅格地图,具体包括:
根据栅格与多线激光雷达的距离和对应的计数步距统计当前帧及之前的所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit;
计算每个栅格中所统计的激光击中次数hit在该栅格所统计的激光击中次数hit和激光穿过次数missed之和中的占比U:
U=hit/(missed+hit);
若占比U大于等于设定阈值时,则设置该栅格为被占据,否则设置该栅格为空闲;
所述根据栅格与多线激光雷达的距离和对应的计数步距统计所有帧二维激光雷达点云数据下每个栅格的激光穿过次数missed和激光击中次数hit具体包括步骤;
若所述栅格与多线激光雷达的距离大于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1;
若所述栅格与多线激光雷达的距离大于等于1倍最大盲区距离且小于等于2倍最大盲区距离时,则统计栅格的激光穿过次数missed和激光击中次数hit时的计数步距为1.3~1.8;
若所述栅格位于最大盲区内时,则统计栅格的激光穿过次数missed和激光击中次数hit时,所述激光击中次数hit的计数步距为1,激光穿过次数missed的计数步距为0。
7.一种存储介质,所述存储介质包括存储的程序,其特征在于,在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至5中任一项所述的基于多线激光雷达的建图方法。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5中任一项所述的基于多线激光雷达的建图方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010465918.9A CN111578932B (zh) | 2020-05-28 | 2020-05-28 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010465918.9A CN111578932B (zh) | 2020-05-28 | 2020-05-28 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111578932A CN111578932A (zh) | 2020-08-25 |
CN111578932B true CN111578932B (zh) | 2021-12-24 |
Family
ID=72119521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010465918.9A Active CN111578932B (zh) | 2020-05-28 | 2020-05-28 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111578932B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101264A (zh) * | 2020-09-22 | 2020-12-18 | 福建牧月科技有限公司 | 集装箱装卸方法、系统、电子设备及计算机可读介质 |
CN112213738B (zh) * | 2020-09-28 | 2023-02-28 | 劢微机器人科技(深圳)有限公司 | 无人搬运车地图构建方法、装置、设备及存储介质 |
CN112462758B (zh) * | 2020-11-06 | 2022-05-06 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
CN112528778A (zh) * | 2020-11-27 | 2021-03-19 | 深兰科技(上海)有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
CN112712595A (zh) * | 2021-01-19 | 2021-04-27 | 北京三快在线科技有限公司 | 一种生成仿真环境的方法及装置 |
CN113064431A (zh) * | 2021-03-19 | 2021-07-02 | 北京小狗吸尘器集团股份有限公司 | 栅格地图优化方法、存储介质和移动机器人 |
CN113074748B (zh) * | 2021-03-29 | 2022-08-26 | 北京三快在线科技有限公司 | 一种无人驾驶设备的路径规划方法及装置 |
CN113534095B (zh) * | 2021-06-18 | 2024-05-07 | 北京电子工程总体研究所 | 一种激光雷达地图构建方法和机器人自主导航方法 |
CN113534184B (zh) * | 2021-07-13 | 2023-08-29 | 华南农业大学 | 一种激光感知的农业机器人空间定位方法 |
CN113624239B (zh) * | 2021-08-11 | 2024-05-31 | 火种源码(中山)科技有限公司 | 基于层级可开关稀疏位姿图优化的激光建图方法及装置 |
CN113686347B (zh) * | 2021-08-11 | 2024-06-04 | 北京小米移动软件有限公司 | 机器人导航路径的生成方法及装置 |
CN113740868B (zh) * | 2021-09-06 | 2024-01-30 | 中国联合网络通信集团有限公司 | 植被距离测量方法及装置,和植被修剪装置 |
CN113607166B (zh) | 2021-10-08 | 2022-01-07 | 广东省科学院智能制造研究所 | 基于多传感融合的自主移动机器人室内外定位方法及装置 |
CN113985435A (zh) * | 2021-10-13 | 2022-01-28 | 上海师范大学 | 一种融合多激光雷达的建图方法及系统 |
CN113848944A (zh) * | 2021-10-18 | 2021-12-28 | 云鲸智能科技(东莞)有限公司 | 一种地图构建方法、装置、机器人及存储介质 |
CN114563000B (zh) * | 2022-02-23 | 2024-05-07 | 南京理工大学 | 一种基于改进型激光雷达里程计的室内外slam方法 |
CN114577216A (zh) * | 2022-03-31 | 2022-06-03 | 美智纵横科技有限责任公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN115079168B (zh) * | 2022-07-19 | 2022-11-22 | 陕西欧卡电子智能科技有限公司 | 基于激光雷达与毫米波雷达融合的建图方法、装置及设备 |
CN115493600A (zh) * | 2022-10-12 | 2022-12-20 | 江苏盛海智能科技有限公司 | 一种基于激光雷达的无人驾驶遇障路径规划方法与终端 |
CN116255976B (zh) * | 2023-05-15 | 2023-10-31 | 长沙智能驾驶研究院有限公司 | 地图融合方法、装置、设备及介质 |
CN116840820B (zh) * | 2023-08-29 | 2023-11-24 | 上海仙工智能科技有限公司 | 一种检测2d激光定位丢失的方法及系统、存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6885334B1 (en) * | 2004-04-06 | 2005-04-26 | Honeywell International Inc. | Methods and systems for detecting forward obstacles |
CN104656101A (zh) * | 2015-01-30 | 2015-05-27 | 福州华鹰重工机械有限公司 | 一种障碍物检测方法 |
JP2017036945A (ja) * | 2015-08-07 | 2017-02-16 | 株式会社Ihiエアロスペース | 移動体とその障害物検出方法 |
CN108564525A (zh) * | 2018-03-31 | 2018-09-21 | 上海大学 | 一种基于多线激光雷达的3d点云2d化数据处理方法 |
CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于定位车辆的方法和装置 |
CN110007670A (zh) * | 2019-02-14 | 2019-07-12 | 四川阿泰因机器人智能装备有限公司 | 移动机器人定位建图方法 |
CN110244321A (zh) * | 2019-04-22 | 2019-09-17 | 武汉理工大学 | 一种基于三维激光雷达的道路可通行区域检测方法 |
EP3549726A2 (en) * | 2016-11-30 | 2019-10-09 | Yujin Robot Co., Ltd. | Robotic vacuum cleaner, cleaning function control apparatus equipped in robotic vacuum cleaner, and multi-channel lidar-based obstacle detection apparatus equipped in robotic vacuum cleaner |
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 |
CN111066064A (zh) * | 2017-10-03 | 2020-04-24 | 英特尔公司 | 使用误差范围分布的网格占用建图 |
-
2020
- 2020-05-28 CN CN202010465918.9A patent/CN111578932B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6885334B1 (en) * | 2004-04-06 | 2005-04-26 | Honeywell International Inc. | Methods and systems for detecting forward obstacles |
CN104656101A (zh) * | 2015-01-30 | 2015-05-27 | 福州华鹰重工机械有限公司 | 一种障碍物检测方法 |
JP2017036945A (ja) * | 2015-08-07 | 2017-02-16 | 株式会社Ihiエアロスペース | 移動体とその障害物検出方法 |
EP3549726A2 (en) * | 2016-11-30 | 2019-10-09 | Yujin Robot Co., Ltd. | Robotic vacuum cleaner, cleaning function control apparatus equipped in robotic vacuum cleaner, and multi-channel lidar-based obstacle detection apparatus equipped in robotic vacuum cleaner |
CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 用于定位车辆的方法和装置 |
CN111066064A (zh) * | 2017-10-03 | 2020-04-24 | 英特尔公司 | 使用误差范围分布的网格占用建图 |
CN108564525A (zh) * | 2018-03-31 | 2018-09-21 | 上海大学 | 一种基于多线激光雷达的3d点云2d化数据处理方法 |
CN110007670A (zh) * | 2019-02-14 | 2019-07-12 | 四川阿泰因机器人智能装备有限公司 | 移动机器人定位建图方法 |
CN110244321A (zh) * | 2019-04-22 | 2019-09-17 | 武汉理工大学 | 一种基于三维激光雷达的道路可通行区域检测方法 |
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 (2)
Title |
---|
Moving Objects Detection in Evidential Occupancy Grids Using Laser Radar;Jianmin Duan 等;《2016 8th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC)》;20161215;第1-4页 * |
基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法;辛煜 等;《机器人》;20141130;第36卷(第6期);第654-661页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111578932A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111578932B (zh) | 一种基于多线激光雷达的建图方法、装置、介质及设备 | |
EP3639241B1 (en) | Voxel based ground plane estimation and object segmentation | |
EP3384360B1 (en) | Simultaneous mapping and planning by a robot | |
US8649557B2 (en) | Method of mobile platform detecting and tracking dynamic objects and computer-readable medium thereof | |
WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
CN113345008B (zh) | 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
CN115699098A (zh) | 使用比例图和三维模型的基于机器学习的对象标识 | |
CN116088503B (zh) | 动态障碍物检测方法和机器人 | |
US20200064481A1 (en) | Autonomous mobile device, control method and storage medium | |
CN116310679A (zh) | 多传感器融合目标检测方法、系统、介质、设备及终端 | |
Zhang et al. | Vehicle re-identification for lane-level travel time estimations on congested urban road networks using video images | |
Wettach et al. | Dynamic frontier based exploration with a mobile indoor robot | |
CN113432533A (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN113475976A (zh) | 机器人可通行区域确定方法、装置、存储介质及机器人 | |
Liu et al. | Dynamic scene’s laser localization by NeuroIV-based moving objects detection and LiDAR points evaluation | |
WO2012122588A1 (en) | Extraction processes | |
Miller et al. | A mixture‐model based algorithm for real‐time terrain estimation | |
CN117274036A (zh) | 一种基于多视角和时序融合的泊车场景检测方法 | |
CN116295426A (zh) | 基于三维重建质量反馈的无人机自主探索方法及装置 | |
CN115930946A (zh) | 室内外交变环境下动态障碍物多特征描述的方法 | |
CN116052099A (zh) | 一种面向非结构化道路的小目标检测方法 | |
CN111160266B (zh) | 物体跟踪方法和装置 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
CN111723797A (zh) | 一种确定三维目标的包围框的方法及系统 |
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 |