CN111854769B - 位姿数据处理方法、装置、地图生成设备和存储介质 - Google Patents

位姿数据处理方法、装置、地图生成设备和存储介质 Download PDF

Info

Publication number
CN111854769B
CN111854769B CN201910339237.5A CN201910339237A CN111854769B CN 111854769 B CN111854769 B CN 111854769B CN 201910339237 A CN201910339237 A CN 201910339237A CN 111854769 B CN111854769 B CN 111854769B
Authority
CN
China
Prior art keywords
pose
data
positioning
class
data processing
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
Application number
CN201910339237.5A
Other languages
English (en)
Other versions
CN111854769A (zh
Inventor
杨晟
马腾
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201910339237.5A priority Critical patent/CN111854769B/zh
Priority to PCT/CN2020/086784 priority patent/WO2020216342A1/zh
Publication of CN111854769A publication Critical patent/CN111854769A/zh
Priority to US17/451,838 priority patent/US20220044436A1/en
Application granted granted Critical
Publication of CN111854769B publication Critical patent/CN111854769B/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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种位姿数据处理方法、装置、地图生成设备和存储介质，其中，位姿数据处理方法包括：响应于生成的定位数据，确定定位数据中包含的定位精度信息；根据定位精度信息确定位姿估计数据的置信度。通过本发明的技术方案，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。

Description

位姿数据处理方法、装置、地图生成设备和存储介质
技术领域
本发明涉及定位技术领域，具体而言，涉及一种位姿数据处理方法、一种位姿数据处理系统、一种地图生成设备和一种计算机可读存储介质。
背景技术
在高精度地图采集过程中，GPS(Global Position System，全球定位系统)信号的好坏将直接或间接地影响定位精度的优劣，基于此，地图生成设备中除设置全球定位系统外，还另外设置有视觉传感器、激光传感器和惯性传感器等，以在全球定位系统接收GPS信号的通信质量差时，进行一定程度的修复和优化，但其定位可靠性仍然不如GPS信号良好区域。
相关技术中，上述地图生成设备通过扩展卡尔曼滤波算法，能在GPS信号质量下降甚至丢失的情况下维持一定时长的定位，但不确定性的累积会导致定位精度的逐渐下滑直至丢失，定位精度的下降会显著影响高精度地图的质量，并随着累积而产生点云全局不一致的现象。
另外，整个说明书对背景技术的任何讨论，并不代表该背景技术一定是所属领域技术人员所知晓的现有技术，整个说明书中的对现有技术的任何讨论并不代表认为该现有技术一定是广泛公知的或一定构成本领域的公知常识。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一，本发明提出了一种位姿数据处理方法、一种位姿数据处理系统、一种地图生成设备和一种计算机可读存储介质，以降低GPS信号强弱对地图生成设备输出数据的干扰。
为此，本发明的一个目的在于提供一种位姿数据处理方法。
本发明的另一个目的在于提供一种位姿数据处理系统。
本发明的另一个目的在于提供一种地图生成设备。
本发明的另一个目的在于提供一种计算机可读存储介质。
为了实现上述目的，根据本发明的第一方面的实施例，提供了一种位姿数据处理方法，包括：响应于生成的定位数据，确定所述定位数据对应的定位精度信息；根据所述定位精度信息确定所述位姿估计数据的置信度。
在该技术方案中，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，进而能够根据置信度对位姿图的各个边进行权重设置，使得后端回环处理过程中能够针对各组点云进行相应的优化，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
其中，GPS信息包括定位数据和定位精度信息，定位精度信息主要包含内容为PDOP(Positional Dilution of Precision，位置精度强弱度)精度因子，PDOP精度因子被配置为用于描述卫星几何因素对定位精度的影响，即测量时被跟踪卫星几何结构上的强度，因此，上述定位精度信息反映了GPS信号强度对应的定位数据的误差。
具体地，结合位姿估计数据的置信度，在位姿图优化的过程中自适应调整各组点云的优化幅度，或根据置信度调整导航组件的数据采集模式，譬如，数据采集维度、数据采集周期、数据采集间隔、数据采集精度和数据降噪参数等。
另外，定位数据包括全球定位系统基于定位卫星的通讯信号生成的三维坐标位置，运动姿态数据包括运动轨迹、速度、加速度等，结合定位数据和运动姿态数据至少可以确定北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角在内的六个维度的参数。
根据本发明的第二方面的技术方案，提供了一种位姿数据处理系统，所述位姿数据处理系统包括处理器，所述处理器执行以下步骤：响应于生成的定位数据，确定所述定位数据对应的定位精度信息；根据所述定位精度信息确定所述位姿估计数据的置信度。
在该技术方案中，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
其中，GPS信息包括定位数据和定位精度信息，定位精度信息主要包含内容为PDOP(Positional Dilution of Precision，位置精度强弱度)精度因子，PDOP精度因子被配置为用于描述卫星几何因素对定位精度的影响，即测量时被跟踪卫星几何结构上的强度，因此，上述定位精度信息反映了GPS信号强度对应的定位数据的误差。
进一步地，结合位姿估计数据的置信度，在位姿图优化的过程中自适应调整各组点云的优化幅度，或根据置信度调整导航组件的数据采集模式，譬如，数据采集维度、数据采集周期、数据采集间隔、数据采集精度和数据降噪参数等。
另外，定位数据包括全球定位系统基于定位卫星的通讯信号生成的三维坐标位置，运动姿态数据包括运动轨迹、速度、加速度等，结合定位数据和运动姿态数据至少可以确定北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角在内的六个维度的参数。
根据本发明的第三方面的技术方案，提供了一种地图生成设备，所述地图生成设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项位姿数据处理方法限定的步骤，和/或，包括如上述任一项技术方案限定的位姿数据处理系统。
根据本发明的第四方面的技术方案，提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被执行时实现如上述任一项技术方案限定的位姿数据处理方法。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明的一个实施例的位姿数据处理方法的示意流程图；
图2示出了根据本发明的一个实施例的位姿数据处理系统的示意框图；
图3示出了根据本发明的一个实施例的地图生成设备的示意框图；
图4示出了根据本发明的另一个实施例的地图生成设备的示意框图；
图5示出了根据本发明的一个实施例的位姿数据处理方案的优化效果示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的位姿数据处理方法的示意流程图。
如图1所示，根据本发明的实施例的位姿数据处理方法，包括：步骤S102，响应于生成的定位数据，确定所述定位数据对应的定位精度信息；步骤S104，根据所述定位精度信息确定所述位姿估计数据的置信度。
在该技术方案中，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
其中，GPS信息包括定位数据和定位精度信息，定位精度信息主要包含内容为PDOP(Positional Dilution of Precision，位置精度强弱度)精度因子，PDOP精度因子被配置为用于描述卫星几何因素对定位精度的影响，即测量时被跟踪卫星几何结构上的强度，因此，上述定位精度信息反映了GPS信号强度对应的定位数据的误差。
进一步地，结合位姿估计数据的置信度，在位姿图优化的过程中自适应调整各组点云的优化幅度，或根据置信度调整导航组件的数据采集模式，譬如，数据采集维度、数据采集周期、数据采集间隔、数据采集精度和数据降噪参数等。
另外，定位数据包括全球定位系统基于定位卫星的通讯信号生成的三维坐标位置，运动姿态数据包括运动轨迹、速度、加速度等，结合定位数据和运动姿态数据至少可以确定北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角在内的六个维度的参数。
其中，所述翻滚角为根据所述地图生成设备的机身向左右两侧水平线侧翻的夹角，所述俯仰角为根据所述地图生成设备的机身方向与水平方向确定的夹角，所述偏航角为根据所述地图生成设备的机头方向与预设航向确定的夹角。
在上述任一技术方案中，优选地，根据所述定位精度信息确定所述位姿估计数据的置信度，具体包括：将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据；对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，其中，所述无损卡尔曼滤波器的输出结果包含所述置信度。
在该技术方案中，通过将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据，其中，GPS信号在给出定位数据的同时，给出定位精度信息如下：PDOP(Positional Dilution ofPrecision，位置精度强弱度，即三维/空间位置精度信息，譬如经度、纬度、高程等因子)、HDOP(Horizontal Positional Dilution of Precision，水平/平面位置精度强弱度，譬如经度、纬度等因子)、VDOP(Vertical Positional Dilution of Precision，垂直位置精度强弱度，譬如高程因子)，且上述精度因子的值与定位精度信息通常是成正比关系，即精度因子的值越小，则定位精度信息对应的定位数据的误差越小。
其中，在将GPS信息对应的状态量(即上述精度因子的测量值)送入无损卡尔曼滤波器(Unscented transform Kalman Filter，后文简称UKF)时，其输出的协方差矩阵中，X轴维度和Y轴维度对应的方差设为(k1·HDOP)2，Z轴维度对应的方差为(k2·VDOP)2，其中，k1和k2均为地图生成设备对应的系统预设参数。基于此，无损卡尔曼滤波器输出的位姿协方差结果中，将隐含GPS信息对应的置信度。
进一步地，对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，通常是基于激光传感器(属于位姿传感器系统)实时采集的运动轨迹，并基于运动轨迹划分前端里程估计数据，以生成各组点云(块)，但不限于上述划分方法。
(1)在划分过程时，将按照定位精度信息自适应地确定各段运动轨迹的长度，精度因子的值越低，则其对应的运动轨迹路段的划分粒度(路段长度/途径时间)越大。
(2)完成上述划分过程后，每一小段连续的运动轨迹将作为位姿图的一个顶点，并进行优化。
在上述任一技术方案中，优选地，对所述前端里程估计数据进行时空一致性划分，以获取各组点云，并根据所述各组点云构建对应的位姿图，具体包括：将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边；以及将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边；解析所述运动姿态数据中包含的运动轨迹，根据所述运动轨迹的连续性拼接生成所述各组点云，并将所述各组点云中的第一帧点云确定为所述位姿图的顶点。
在该技术方案中，通过将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边，即通过生成第一类边来反映各组点云在时间上的相关性。
另外，通过将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边，即通过两份点云的形状计算它们之间的相对位姿变换信息(通常是一个变换矩阵)，使得该变换能够将两份点云对齐，因此，能够通过生成第二类边来反映各组点云在空间位置上的相关性。
综上，对于时域相邻的各组点云来说，沿运动轨迹划分后的位姿图具备第一类边和第二类边，但对于时域不相邻的各组点云来说，沿运动轨迹划分后的位姿图仅具备第二类边。
在上述任一技术方案中，优选地，还包括：确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵；对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵。
在该技术方案中，通过确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵，旨在生成第一类边后，对第一类边增加权重，以确定对位姿图进行优化时的修正幅度，具体地，如果UKF输出的协方差较大，则第一类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
另外，通过对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵，与第一类边的位姿优化逻辑相似，如果配准处理时生成的协方差较大，则第二类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
更进一步地，由于无损卡尔曼滤波器的输出的协方差矩阵也隐含了置信度，结合前文所述，上述置信度其实质是取决于GPS信号强度和测量误差，因此，通过生成第一类边的信息矩阵和第二类边的信息矩阵，即根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，还包括：根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵。
在该技术方案中，通过根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，由于地图生成设备的预设硬件参数和/或所述定位数据的信号强度关联于GPS信号强度和测量误差，因此，也是间接地根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，还包括：根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正。
在该技术方案中，通过根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正，旨在进行位姿图的优化过程中，着重调整GPS信号较弱区域，以提高各组点云的三维位置的准确性和可靠性。
在上述任一技术方案中，优选地，根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，具体包括：根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述位姿估计数据的参数维度；将所述参数维度对应的预设权重设置为对角矩阵的值，根据所述对角矩阵确定所述第一类边的信息矩阵。
在该技术方案中，第一类边的信息矩阵可以采用六阶的对角矩阵如下：
Figure BDA0002040159680000081
其中，σ2 north、σ2 east、σ2 grouding、σ2 roll、σ2 pitch和σ2 heading分别为北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角对应的协方差。
在上述任一技术方案中，优选地，所述参数维度包括以下至少一种：北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角。
在上述任一技术方案中，优选地，所述位姿传感器系统包含以下至少一种：视觉传感器、激光传感器和惯性传感器。
在该技术方案中，视觉传感器、激光传感器和惯性传感器结合用于采集速度、运动轨迹和加速度信息。
在上述任一技术方案中，优选地，所述全球定位系统包含定位板卡和卫星通讯天线。
在该技术方案中，定位板卡和卫星通讯天线用于采集地图生成设备在地球坐标系中的三维位置和航向角信息，其中，航向角信息即包括上述翻滚角、俯仰角和航偏角。
图2示出了根据本发明的一个实施例的位姿数据处理系统的示意框图。
如图2所示，根据本发明的一个实施例的位姿数据处理系统200，包括处理器202，所述处理器202执行以下步骤：响应于生成的定位数据，确定所述定位数据中包含的定位精度信息；根据所述定位精度信息确定所述位姿估计数据的置信度。
在该技术方案中，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备300输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
其中，GPS信息包括定位数据和定位精度信息，定位精度信息主要包含内容为PDOP(Positional Dilution of Precision，位置精度强弱度)精度因子，PDOP精度因子被配置为用于描述卫星几何因素对定位精度的影响，即测量时被跟踪卫星几何结构上的强度，因此，上述定位精度信息反映了GPS信号强度对应的定位数据的误差。
进一步地，结合位姿估计数据的置信度，在位姿图优化的过程中自适应调整各组点云的优化幅度，或根据置信度调整导航组件的数据采集模式，譬如，数据采集维度、数据采集周期、数据采集间隔、数据采集精度和数据降噪参数等。
另外，定位数据包括全球定位系统302基于定位卫星的通讯信号生成的三维坐标位置，运动姿态数据包括运动轨迹、速度、加速度等，结合定位数据和运动姿态数据至少可以确定北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角在内的六个维度的参数。
其中，所述翻滚角为根据所述地图生成设备的机身向左右两侧水平线侧翻的夹角，所述俯仰角为根据所述地图生成设备的机身方向与水平方向确定的夹角，所述偏航角为根据所述地图生成设备的机头方向与预设航向确定的夹角。
在上述任一技术方案中，优选地，所述处理器202根据所述定位精度信息确定所述位姿估计数据的置信度，具体包括：将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据；对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，其中，所述无损卡尔曼滤波器的输出结果包含所述置信度。
在该技术方案中，通过将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据，其中，GPS信号在给出定位数据的同时，给出定位精度信息如下：PDOP(Positional Dilution ofPrecision，位置精度强弱度，即三维/空间位置精度信息，譬如经度、纬度、高程等因子)、HDOP(Horizontal Positional Dilution of Precision，水平/平面位置精度强弱度，譬如经度、纬度等因子)、VDOP(Vertical Positional Dilution of Precision，垂直位置精度强弱度，譬如高程因子)，且上述精度因子的值与定位精度信息通常是成正比关系，即精度因子的值越小，则定位精度信息对应的定位数据的误差越小。
其中，在将GPS信息对应的状态量(即上述精度因子的测量值)送入无损卡尔曼滤波器(Unscented transform Kalman Filter，后文简称UKF)时，其输出的协方差矩阵中，X轴维度和Y轴维度对应的方差设为(k1·HDOP)2，Z轴维度对应的方差为(k2·VDOP)2，其中，k1和k2均为地图生成设备300对应的系统预设参数。基于此，无损卡尔曼滤波器输出的位姿协方差结果中，将隐含GPS信息对应的置信度。
进一步地，对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，通常是基于激光传感器(属于位姿传感器系统304)实时采集的运动轨迹，并基于运动轨迹划分前端里程估计数据，以生成各组点云(块)，但不限于上述划分方法。
(1)在划分过程时，将按照定位精度信息自适应地确定各段运动轨迹的长度，精度因子的值越低，则其对应的运动轨迹路段的划分粒度(路段长度/途径时间)越大。
(2)完成上述划分过程后，每一小段连续的运动轨迹将作为位姿图的一个顶点，并进行优化。
在上述任一技术方案中，优选地，所述处理器202对所述前端里程估计数据进行时空一致性划分，以获取各组点云，并根据所述各组点云构建对应的位姿图，具体包括：将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边；以及将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边；解析所述运动姿态数据中包含的运动轨迹，根据所述运动轨迹的连续性拼接生成所述各组点云，并将所述各组点云中的第一帧点云确定为所述位姿图的顶点。
在该技术方案中，通过将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边，即通过生成第一类边来反映各组点云在时间上的相关性。
另外，通过将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边，即通过两份点云的形状计算它们之间的相对位姿变换信息(通常是一个变换矩阵)，使得该变换能够将两份点云对齐，因此，能够通过生成第二类边来反映各组点云在空间位置上的相关性。
综上，对于时域相邻的各组点云来说，沿运动轨迹划分后的位姿图具备第一类边和第二类边，但对于时域不相邻的各组点云来说，沿运动轨迹划分后的位姿图仅具备第二类边。
在上述任一技术方案中，优选地，所述处理器202还执行以下步骤：确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵；对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵。
在该技术方案中，通过确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵，旨在生成第一类边后，对第一类边增加权重，以确定对位姿图进行优化时的修正幅度，具体地，如果UKF输出的协方差较大，则第一类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
另外，通过对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵，与第一类边的位姿优化逻辑相似，如果配准处理时生成的协方差较大，则第二类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
更进一步地，由于无损卡尔曼滤波器的输出的协方差矩阵也隐含了置信度，结合前文所述，上述置信度其实质是取决于GPS信号强度和测量误差，因此，通过生成第一类边的信息矩阵和第二类边的信息矩阵，即根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，所述处理器202还执行以下步骤：根据所述地图生成设备300的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵。
在该技术方案中，通过根据所述地图生成设备300的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，由于地图生成设备300的预设硬件参数和/或所述定位数据的信号强度关联于GPS信号强度和测量误差，因此，也是间接地根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，所述处理器202还执行以下步骤：根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正。
在该技术方案中，通过根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正，旨在进行位姿图的优化过程中，着重调整GPS信号较弱区域，以提高各组点云的三维位置的准确性和可靠性。
在上述任一技术方案中，优选地，所述处理器202根据所述地图生成设备300的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，具体包括：根据所述地图生成设备300的预设硬件参数和/或所述定位数据的信号强度，确定所述位姿估计数据的参数维度；将所述参数维度对应的预设权重设置为对角矩阵的值，根据所述对角矩阵确定所述第一类边的信息矩阵。
在该技术方案中，第一类边的信息矩阵可以采用六阶的对角矩阵如下：
Figure BDA0002040159680000131
其中，σ2 north、σ2 east、σ2 grouding、σ2 roll、σ2 pitch和σ2heading分别为北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角对应的协方差。
在上述任一技术方案中，优选地，所述参数维度包括以下至少一种：北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角。
在上述任一技术方案中，优选地，所述位姿传感器系统304包含以下至少一种：视觉传感器、激光传感器和惯性传感器。
在该技术方案中，视觉传感器、激光传感器和惯性传感器结合用于采集速度、运动轨迹和加速度信息。
在上述任一技术方案中，优选地，所述全球定位系统302包含定位板卡和卫星通讯天线。
在该技术方案中，定位板卡和卫星通讯天线用于采集地图生成设备300在地球坐标系中的三维位置和航向角信息，其中，航向角信息即包括上述翻滚角、俯仰角和航偏角。
图3示出了根据本发明的一个实施例的地图生成设备的示意框图。
如图3所示，根据本发明的一个实施例的地图生成设备400，包括存储器402、控制器404及存储在所述控制器404上并可在所述处理器上运行的计算机程序，其特征在于，所述控制器404执行所述计算机程序时实现上述中任一项位姿数据处理方法限定的步骤，和/或包括如图2所示的位姿数据处理系统200。
图4示出了根据本发明的另一个实施例的地图生成设备的示意框图。
图5示出了根据本发明的一个实施例的位姿数据处理方案的优化效果示意图。
结合图4和图5所示的实施例，本发明还提出了一种计算机可读存储介质500，其上存储有计算机程序，上述计算机程序被地图生成设备400读取时，能够实现以下步骤：响应于生成的定位数据，确定所述定位数据对应的定位精度信息；根据所述定位精度信息确定所述位姿估计数据的置信度。
在该技术方案中，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
其中，GPS信息包括定位数据和定位精度信息，定位精度信息主要包含内容为PDOP(Positional Dilution of Precision，位置精度强弱度)精度因子，PDOP精度因子被配置为用于描述卫星几何因素对定位精度的影响，即测量时被跟踪卫星几何结构上的强度，因此，上述定位精度信息反映了GPS信号强度对应的定位数据的误差。
进一步地，结合位姿估计数据的置信度，在位姿图优化的过程中自适应调整各组点云的优化幅度，或根据置信度调整导航组件的数据采集模式，譬如，数据采集维度、数据采集周期、数据采集间隔、数据采集精度和数据降噪参数等。
另外，定位数据包括全球定位系统基于定位卫星的通讯信号生成的三维坐标位置，运动姿态数据包括运动轨迹、速度、加速度等，结合定位数据和运动姿态数据至少可以确定北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角在内的六个维度的参数。
其中，所述翻滚角为根据所述地图生成设备的机身向左右两侧水平线侧翻的夹角，所述俯仰角为根据所述地图生成设备的机身方向与水平方向确定的夹角，所述偏航角为根据所述地图生成设备的机头方向与预设航向确定的夹角。
在上述任一技术方案中，优选地，根据所述定位精度信息确定所述位姿估计数据的置信度，具体包括：将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据；对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，其中，所述无损卡尔曼滤波器的输出结果包含所述置信度。
在该技术方案中，通过将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据，其中，GPS信号在给出定位数据的同时，给出定位精度信息如下：PDOP(Positional Dilution ofPrecision，位置精度强弱度，即三维/空间位置精度信息，譬如经度、纬度、高程等因子)、HDOP(Horizontal Positional Dilution of Precision，水平/平面位置精度强弱度，譬如经度、纬度等因子)、VDOP(Vertical Positional Dilution of Precision，垂直位置精度强弱度，譬如高程因子)，且上述精度因子的值与定位精度信息通常是成正比关系，即精度因子的值越小，则定位精度信息对应的定位数据的误差越小。
其中，在将GPS信息对应的状态量(即上述精度因子的测量值)送入无损卡尔曼滤波器(Unscented transform Kalman Filter，后文简称UKF)时，其输出的协方差矩阵中，X轴维度和Y轴维度对应的方差设为(k1·HDOP)2，Z轴维度对应的方差为(k2·VDOP)2，其中，k1和k2均为地图生成设备对应的系统预设参数。基于此，无损卡尔曼滤波器输出的位姿协方差结果中，将隐含GPS信息对应的置信度。
进一步地，对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图，通常是基于激光传感器(属于位姿传感器系统)实时采集的运动轨迹，并基于运动轨迹划分前端里程估计数据，以生成各组点云(块)，但不限于上述划分方法。
(1)在划分过程时，将按照定位精度信息自适应地确定各段运动轨迹的长度，精度因子的值越低，则其对应的运动轨迹路段的划分粒度(路段长度/途径时间)越大。
(2)完成上述划分过程后，每一小段连续的运动轨迹将作为位姿图的一个顶点，并进行优化。
在上述任一技术方案中，优选地，对所述前端里程估计数据进行时空一致性划分，以获取各组点云，并根据所述各组点云构建对应的位姿图，具体包括：将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边；以及将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边；解析所述运动姿态数据中包含的运动轨迹，根据所述运动轨迹的连续性拼接生成所述各组点云，并将所述各组点云中的第一帧点云确定为所述位姿图的顶点。
在该技术方案中，通过将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边，即通过生成第一类边来反映各组点云在时间上的相关性。
另外，通过将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边，即通过两份点云的形状计算它们之间的相对位姿变换信息(通常是一个变换矩阵)，使得该变换能够将两份点云对齐，因此，能够通过生成第二类边来反映各组点云在空间位置上的相关性。
综上，对于时域相邻的各组点云来说，沿运动轨迹划分后的位姿图具备第一类边和第二类边，但对于时域不相邻的各组点云来说，沿运动轨迹划分后的位姿图仅具备第二类边。
在上述任一技术方案中，优选地，还包括：确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵；对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵。
在该技术方案中，通过确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵，旨在生成第一类边后，对第一类边增加权重，以确定对位姿图进行优化时的修正幅度，具体地，如果UKF输出的协方差较大，则第一类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
另外，通过对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵，与第一类边的位姿优化逻辑相似，如果配准处理时生成的协方差较大，则第二类边的权重也较高时，那么修正幅度则降低，反之，则提高修正幅度。
更进一步地，由于无损卡尔曼滤波器的输出的协方差矩阵也隐含了置信度，结合前文所述，上述置信度其实质是取决于GPS信号强度和测量误差，因此，通过生成第一类边的信息矩阵和第二类边的信息矩阵，即根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，还包括：根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵。
在该技术方案中，通过根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，由于地图生成设备的预设硬件参数和/或所述定位数据的信号强度关联于GPS信号强度和测量误差，因此，也是间接地根据GPS信号强度和测量误差来调整位姿图的各类边的权重，进而提高位姿图中各顶点位置的可靠性和定位精度，降低了位姿图优化过程中的分层现象。
在上述任一技术方案中，优选地，还包括：根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正。
在该技术方案中，通过根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正，旨在进行位姿图的优化过程中，着重调整GPS信号较弱区域，以提高各组点云的三维位置的准确性和可靠性。
在上述任一技术方案中，优选地，根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，具体包括：根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述位姿估计数据的参数维度；将所述参数维度对应的预设权重设置为对角矩阵的值，根据所述对角矩阵确定所述第一类边的信息矩阵。
在该技术方案中，第一类边的信息矩阵可以采用六阶的对角矩阵如下：
Figure BDA0002040159680000181
其中，σ2 north、σ2 east、σ2 grouding、σ2 roll、σ2 pitch和σ2 heading分别为北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角对应的协方差。
在上述任一技术方案中，优选地，所述参数维度包括以下至少一种：北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角。
在上述任一技术方案中，优选地，所述位姿传感器系统包含以下至少一种：视觉传感器、激光传感器和惯性传感器。
在该技术方案中，视觉传感器、激光传感器和惯性传感器结合用于采集速度、运动轨迹和加速度信息。
在上述任一技术方案中，优选地，所述全球定位系统包含定位板卡和卫星通讯天线。
在该技术方案中，定位板卡和卫星通讯天线用于采集地图生成设备在地球坐标系中的三维位置和航向角信息，其中，航向角信息即包括上述翻滚角、俯仰角和航偏角。
如图5所示，t1轴和t2轴的单位长度采用相同的量纲和刻度精度(f1、f2、f3、f4、f5和f6)，位移总偏差轴的单位高度也采用相同的量纲和刻度精度(d1、d2和d3)，t1轴上方对应的位姿图中的各类边未引入置信度(权重)，t2轴上方对应的位姿图中的各类边已引入置信度(权重)。
(1)f1刻度基线和f4刻度基线对应的GPS信号强度和测量误差均属于正常范围，此时，p1点(区域)对应的点云与k1点(区域)对应的点云的修正幅度几乎不变，同理，p4点(区域)对应的点云与k4点(区域)对应的点云的修正幅度几乎不变。
(2)f2刻度基线和f5刻度基线对应的GPS信号强度和测量误差均较差，此时，对比p2点(区域)对应的点云的修正幅度，通过引入置信度提高k2点(区域)对应的点云的修正幅度，同理，对比p5点(区域)对应的点云的修正幅度，通过引入置信度提高k5点(区域)对应的点云的修正幅度。
(3)f3刻度基线和f6刻度基线对应的GPS信号强度和测量误差均较强，此时，对比p3点(区域)对应的点云的修正幅度，通过引入置信度降低k3点(区域)对应的点云的修正幅度，同理，对比p6点(区域)对应的点云的修正幅度，通过引入置信度降低k6点(区域)对应的点云的修正幅度。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例终端中的单元可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上结合附图详细说明了本发明的技术方案，本发明提出了一种位姿数据处理方法、一种位姿数据处理系统、一种地图生成设备和一种计算机可读存储介质，通过响应于生成的定位数据，确定所述定位数据对应的定位精度信息，并且根据所述定位精度信息确定所述位姿估计数据的置信度，提高了位姿图优化效率和可靠性，减少了位姿图中点云数据的分层现象，降低了定位数据的误差对地图生成设备输出数据的干扰，进而全面提升了基于位姿估计数据生成高精度地图的精确度和可靠性。
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 (20)

1.一种位姿数据处理方法，适用于地图生成设备，所述地图生成设备上设有全球定位系统和位姿传感器系统，所述全球定位系统用于输出定位数据，所述位姿传感器系统用于输出运动姿态数据，所述定位数据和所述运动姿态数据用于结合生成位姿估计数据，其特征在于，所述位姿数据处理方法包括：
响应于生成的定位数据，确定所述定位数据对应的定位精度信息；
将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据；
对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图；
其中，所述无损卡尔曼滤波器的输出结果包含所述位姿估计数据的置信度。
2.根据权利要求1所述的位姿数据处理方法，其特征在于，对所述前端里程估计数据进行时空一致性划分，以获取各组点云，并根据所述各组点云构建对应的位姿图，具体包括：
将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边；
以及将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边；
解析所述运动姿态数据中包含的运动轨迹，根据所述运动轨迹的连续性拼接生成所述各组点云，并将所述各组点云中的第一帧点云确定为所述位姿图的顶点。
3.根据权利要求2所述的位姿数据处理方法，其特征在于，还包括：
确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵；
对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵。
4.根据权利要求3所述的位姿数据处理方法，其特征在于，还包括：
根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵。
5.根据权利要求3或4所述的位姿数据处理方法，其特征在于，还包括：
根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正。
6.根据权利要求4所述的位姿数据处理方法，其特征在于，根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，具体包括：
根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述位姿估计数据的参数维度；
将所述参数维度对应的预设权重设置为对角矩阵的值，根据所述对角矩阵确定所述第一类边的信息矩阵。
7.根据权利要求6所述的位姿数据处理方法，其特征在于，
所述参数维度包括以下至少一种：北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角。
8.根据权利要求1-4、6-7中任一项所述的位姿数据处理方法，其特征在于，
所述位姿传感器系统包含以下至少一种：视觉传感器、激光传感器和惯性传感器。
9.根据权利要求1-4、6-7中任一项所述的位姿数据处理方法，其特征在于，
所述全球定位系统包含定位板卡和卫星通讯天线。
10.一种位姿数据处理系统，适用于地图生成设备，所述地图生成设备上设有全球定位系统和位姿传感器系统，所述全球定位系统用于输出定位数据，所述位姿传感器系统用于输出运动姿态数据，所述定位数据和所述运动姿态数据用于结合生成位姿估计数据，其特征在于，所述位姿数据处理系统包括处理器，所述处理器执行以下步骤：
响应于生成的定位数据，确定所述定位数据对应的定位精度信息；
将所述定位精度信息、所述定位数据和所述运动姿态数据输入无损卡尔曼滤波器，以获取所述位姿估计数据对应的前端里程估计数据；
对所述前端里程估计数据进行时空一致性划分，以确定各组点云，并根据所述各组点云构建对应的位姿图；
其中，所述无损卡尔曼滤波器的输出结果包含所述位姿估计数据的置信度。
11.根据权利要求10所述的位姿数据处理系统，其特征在于，所述处理器对所述前端里程估计数据进行时空一致性划分，以获取各组点云，并根据所述各组点云构建对应的位姿图，具体包括：
将所述前端里程估计数据按照预设时间间隔进行划分，以确定位姿图中的第一类边；
以及将所述前端里程估计数据按照预设位置间距进行划分，以确定位姿图中的第二类边；
解析所述运动姿态数据中包含的运动轨迹，根据所述运动轨迹的连续性拼接生成所述各组点云，并将所述各组点云中的第一帧点云确定为所述位姿图的顶点。
12.根据权利要求11所述的位姿数据处理系统，其特征在于，所述处理器还执行以下步骤：
确定所述无损卡尔曼滤波器的输出的协方差矩阵的逆矩阵，并记作所述第一类边的信息矩阵；
对所述各组点云中的任两组点云进行配准处理，以确定所述配准处理时生成的协方差矩阵的逆矩阵，并记作所述第二类边的信息矩阵。
13.根据权利要求12所述的位姿数据处理系统，其特征在于，所述处理器还执行以下步骤：
根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵。
14.根据权利要求12或13所述的位姿数据处理系统，其特征在于，所述处理器还执行以下步骤：
根据所述第一类边的信息矩阵和所述第二类边的信息矩阵，对所述位姿图中的各组点云的三维位置进行修正。
15.根据权利要求13所述的位姿数据处理系统，其特征在于，所述处理器根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述第一类边的信息矩阵，具体包括：
根据所述地图生成设备的预设硬件参数和/或所述定位数据的信号强度，确定所述位姿估计数据的参数维度；
将所述参数维度对应的预设权重设置为对角矩阵的值，根据所述对角矩阵确定所述第一类边的信息矩阵。
16.根据权利要求15所述的位姿数据处理系统，其特征在于，
所述参数维度包括以下至少一种：北方向绝对位置、东方向绝对位置、朝地方向绝对位置、翻滚角、俯仰角和航偏角。
17.根据权利要求10-13、15-16中任一项所述的位姿数据处理系统，其特征在于，
所述位姿传感器系统包含以下至少一种：视觉传感器、激光传感器和惯性传感器。
18.根据权利要求10-13、15-16中任一项所述的位姿数据处理系统，其特征在于，
所述全球定位系统包含定位板卡和卫星通讯天线。
19.一种地图生成设备，所述地图生成设备包括存储器、控制器及存储在所述存储器上并可在所述控制器上运行的计算机程序，其特征在于，
所述控制器执行所述计算机程序时实现如权利要求1至9中任一项位姿数据处理方法限定的步骤，
和/或，包括如权利要求10至18中任一项所述的位姿数据处理系统。
20.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时实现如权利要求1至9中任一项位姿数据处理方法限定的步骤。
CN201910339237.5A 2019-04-25 2019-04-25 位姿数据处理方法、装置、地图生成设备和存储介质 Active CN111854769B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910339237.5A CN111854769B (zh) 2019-04-25 2019-04-25 位姿数据处理方法、装置、地图生成设备和存储介质
PCT/CN2020/086784 WO2020216342A1 (zh) 2019-04-25 2020-04-24 一种位姿数据处理方法和系统
US17/451,838 US20220044436A1 (en) 2019-04-25 2021-10-22 Pose data processing method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910339237.5A CN111854769B (zh) 2019-04-25 2019-04-25 位姿数据处理方法、装置、地图生成设备和存储介质

Publications (2)

Publication Number Publication Date
CN111854769A CN111854769A (zh) 2020-10-30
CN111854769B true CN111854769B (zh) 2022-07-22

Family

ID=72941489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910339237.5A Active CN111854769B (zh) 2019-04-25 2019-04-25 位姿数据处理方法、装置、地图生成设备和存储介质

Country Status (3)

Country Link
US (1) US20220044436A1 (zh)
CN (1) CN111854769B (zh)
WO (1) WO2020216342A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11989343B2 (en) * 2022-01-05 2024-05-21 Nokia Technologies Oy Pose validity for XR based services
CN115540875B (zh) * 2022-11-24 2023-03-07 成都运达科技股份有限公司 一种用于股道内列车车辆高精度检测定位的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141820A (zh) * 2007-10-22 2008-03-12 中兴通讯股份有限公司 一种3g网卡定位实现方法、装置及系统
CN108064019A (zh) * 2017-12-29 2018-05-22 北京奇宝科技有限公司 一种智能定位方法、装置、服务器和计算机可读存储介质
CN108317949A (zh) * 2018-02-07 2018-07-24 桂林电子科技大学 一种rtk高精度差分定位形变监测系统及方法
CN108375370A (zh) * 2018-07-02 2018-08-07 江苏中科院智能科学技术应用研究院 一种面向智能巡防无人机的复合导航系统
CN109358638A (zh) * 2018-09-10 2019-02-19 南京航空航天大学 基于分布式地图的无人机视觉避障方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5050904B2 (ja) * 2007-04-09 2012-10-17 セイコーエプソン株式会社 現在位置測位方法及び測位装置
US20170164315A1 (en) * 2011-08-18 2017-06-08 Rivada Research, Llc Method and System for Performing Trilateration for Fixed Infrastructure Nodes (FIN) Based On Enhanced Location Based Information
CN104850615A (zh) * 2015-05-14 2015-08-19 西安电子科技大学 一种基于g2o的SLAM后端优化算法方法
GB201718507D0 (en) * 2017-07-31 2017-12-27 Univ Oxford Innovation Ltd A method of constructing a model of the motion of a mobile device and related systems
CN109186601A (zh) * 2018-07-05 2019-01-11 南京理工大学 一种基于自适应无迹卡尔曼滤波的激光slam算法
CN109116397B (zh) * 2018-07-25 2022-12-30 吉林大学 一种车载多相机视觉定位方法、装置、设备及存储介质
CN108873001B (zh) * 2018-09-17 2022-09-09 江苏金智科技股份有限公司 一种精准评判机器人定位精度的方法
CN109443351B (zh) * 2019-01-02 2020-08-11 亿嘉和科技股份有限公司 一种稀疏环境下的机器人三维激光定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141820A (zh) * 2007-10-22 2008-03-12 中兴通讯股份有限公司 一种3g网卡定位实现方法、装置及系统
CN108064019A (zh) * 2017-12-29 2018-05-22 北京奇宝科技有限公司 一种智能定位方法、装置、服务器和计算机可读存储介质
CN108317949A (zh) * 2018-02-07 2018-07-24 桂林电子科技大学 一种rtk高精度差分定位形变监测系统及方法
CN108375370A (zh) * 2018-07-02 2018-08-07 江苏中科院智能科学技术应用研究院 一种面向智能巡防无人机的复合导航系统
CN109358638A (zh) * 2018-09-10 2019-02-19 南京航空航天大学 基于分布式地图的无人机视觉避障方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
北斗卫星导航系统定位精度分析评估;陈兵 等;《导航定位学报》;20150331;第03卷(第01期);第1-3,9页 *

Also Published As

Publication number Publication date
US20220044436A1 (en) 2022-02-10
CN111854769A (zh) 2020-10-30
WO2020216342A1 (zh) 2020-10-29

Similar Documents

Publication Publication Date Title
CN106052688B (zh) 基于地形轮廓匹配的惯性导航系统速度累积误差修正方法
CN104121905B (zh) 一种基于惯性传感器的航向角获取方法
CN105806338B (zh) 基于三向卡尔曼滤波平滑器的gnss/ins组合定位定向算法
CN110779521A (zh) 一种多源融合的高精度定位方法与装置
US8818722B2 (en) Rapid lidar image correlation for ground navigation
Georgy et al. Vehicle navigator using a mixture particle filter for inertial sensors/odometer/map data/GPS integration
CN110082753A (zh) 确定车辆位置的方法
CN109937341B (zh) 用于估计自己的位置的方法和设备
CN103379619A (zh) 一种定位方法和系统
CN107527382B (zh) 数据处理方法以及装置
CN102508278A (zh) 一种基于观测噪声方差阵估计的自适应滤波方法
CN110057356B (zh) 一种隧道内车辆定位方法及装置
CN105849589A (zh) 全球导航卫星系统、定位终端、定位方法以及记录介质
CN104807479A (zh) 一种基于主惯导姿态变化量辅助的惯导对准性能评估方法
CN111982106A (zh) 导航方法、装置、存储介质及电子装置
CN111854769B (zh) 位姿数据处理方法、装置、地图生成设备和存储介质
CN109470239B (zh) 磁场补偿方法，相关装置及计算机程序
CN113984044A (zh) 一种基于车载多感知融合的车辆位姿获取方法及装置
EP3789797B1 (en) Method and apparatus for evaluating data, device, and computer-readable storage medium
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
CN110332933A (zh) 车辆定位方法、终端及计算机可读存储介质
US9817127B2 (en) Method for determining the position and/or speed of a guided vehicle and associated system
CN105527639A (zh) 一种基于平滑与外推的卫星定位方法
CN114019954B (zh) 航向安装角标定方法、装置、计算机设备和存储介质
CN115790613A (zh) 一种视觉信息辅助的惯性/里程计组合导航方法及装置

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