CN111862162A - 回环检测方法及系统、可读存储介质、电子设备 - Google Patents

回环检测方法及系统、可读存储介质、电子设备 Download PDF

Info

Publication number
CN111862162A
CN111862162A CN202010761223.5A CN202010761223A CN111862162A CN 111862162 A CN111862162 A CN 111862162A CN 202010761223 A CN202010761223 A CN 202010761223A CN 111862162 A CN111862162 A CN 111862162A
Authority
CN
China
Prior art keywords
node
target
point cloud
loop
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010761223.5A
Other languages
English (en)
Other versions
CN111862162B (zh
Inventor
鲁荣荣
杨再甫
李正宁
林宝尉
王彦哲
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.)
Hubei Ecarx Technology Co Ltd
Original Assignee
Hubei Ecarx Technology 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 Hubei Ecarx Technology Co Ltd filed Critical Hubei Ecarx Technology Co Ltd
Priority to CN202010761223.5A priority Critical patent/CN111862162B/zh
Publication of CN111862162A publication Critical patent/CN111862162A/zh
Application granted granted Critical
Publication of CN111862162B publication Critical patent/CN111862162B/zh
Priority to PCT/CN2021/105322 priority patent/WO2022022256A1/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
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种回环检测方法及系统、可读存储介质、电子设备，该方法通过接收节点数据，并基于节点数据中的述GPS位置进行哈希编码得到键值，可以分利用车辆接收的全球位置(GPS)信息的同时，实现近乎实时的回环检索效率。以历史GPS位置编码库中查找具有相同键值的包括至少一个历史节点的历史节点集合，进而从历史节点集合中进行筛选目标回环节点，并基于目标节点和目标回环节点构建回环，采用时间加轨迹长度的约束可快速剔除由于长时间停车形成的伪回环，改善轨迹优化的精度。

Description

回环检测方法及系统、可读存储介质、电子设备
技术领域
本发明涉及自动驾驶技术领域，特别是涉及一种回环检测方法。
背景技术
高精度地图可提供精准三维环境信息，是实现L4级无人驾驶不可或缺的要素。以激光雷达作为主要传感器，利用即时定位与建图(Simultaneous Localization andMapping,SLAM)技术自动构建高精度地图是当前主流的趋势。
一个完整的SLAM系统可分为前端和后端两个部分，其中，前端的里程计通过帧间匹配实时估计无人车的位置和姿态(位姿)；由于帧间匹配存在误差，随着时间推移，误差逐渐累积，会造成轨迹漂移甚至发散，后端主要通过回环检测对整个轨迹进行优化，从而保证轨迹的精度。所谓回环检测是指无人车需要判断当前位置之前是否来过，如果来过，还需要估计车辆当前位姿与历史位姿之间关联。
利用回环间的位姿约束，借助位姿图优化便可以修正位姿，从而提升整个SLAM系统的精度和鲁棒性。
目前回环检测的主流方法是借助词袋模型进行特征检索，通过对比场景的相似性，判断当前位置是否构成回环。当无人车在小范围内运动时，利用词袋模型进行回环检测可以取得较高的准确率，但是当无人车行驶距离较远、范围较大时，词袋模型会随着特征的饱和，导致检索的准确率逐渐下降。此外，利用词袋模型进行回环检索需要额外进行特征提取操作，对于SLAM系统而言，这无疑会增加整个SLAM系统的计算代价，影响SLAM系统的运行效率。
发明内容
本发明提供了一种基于激光雷达的回环检测方法及系统、可读存储介质、电子设备以克服上述问题或者至少部分地解决上述问题。
根据本发明的一个方面，提供了一种回环检测方法，包括：
接收目标节点的节点数据；所述节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云；
对所述GPS位置进行哈希编码得到所述目标节点的键值；
在历史GPS位置编码库中查找与所述目标节点的键值具有相同键值的至少一个历史节点，生成历史节点集合；
在所述历史节点集合中筛选出与所述目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；
在所述候选回环节点中筛选出与所述目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；
获取所述目标回环节点的三维点云记为目标点云，将所述目标节点的三维点云记为源点云；
通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵；
以所述刚体变换矩阵作为回环约束，将所述目标回环节点和所述目标节点构成回环；
对所述回环中所述目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新所述回环上各节点的位姿状态。
可选地，所述对所述GPS位置进行哈希编码得到所述目标节点的键值之后，还包括：
将所述键值存入所述历史GPS位置编码库。
可选地，所述对所述GPS位置进行哈希编码得到所述目标节点的键值，包括：
当所述目标节点为第一个节点时，对所述目标节点的GPS位置进行哈希编码；
当所述目标节点不是第一个节点时，判断所述目标节点与上一个存入所述GPS位置编码库中的节点间的距离是否大于设定阈值；若是，则对所述目标节点的GPS位置进行哈希编码；若否，则忽略所述目标节点。
可选地，所述通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵，包括：
分别从所述目标点云和源点云中提取若干关键点；
分别基于所述目标点云和源点云中提取的若干关键点对所述目标点云和源点云进行局部特征描述，并基于所述局部特征描述建立所述目标点云的各目标点和源点云的各源点之间对应关系，得到多个匹配对；其中，所述对应关系指不同视角扫描同一个场景中建立的同名点对应关系；
利用几何一致性算法在多个所述匹配对中筛选出误匹配对并进行删除，得到剩余匹配对；
判断所述剩余匹配对中的匹配对不小于设定数量时，利用所述剩余匹配对包含的匹配对估计所述目标点云和源点云之间的位姿变换以进行精准匹配后得到所述目标点云和源点云之间的刚体变换矩阵。
可选地，所述接目标节点的节点数据之后，还包括：
将所述三维点云以二进制的形式写入硬盘文件中。
根据本发明的另一个方面，还提供了一种回环检测系统，包括：
数据接收模块，配置为接收目标节点的节点数据；所述节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云；
编码模块，配置为对所述GPS位置进行哈希编码得到所述目标节点的键值；
集合生成模块，配置为在历史GPS位置编码库中查找与所述键值具有相同键值的至少一个历史节点，生成历史节点集合；
第一节点筛选模块，配置为在所述历史节点集合中筛选出与所述目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；
第二节点筛选模块，配置为在所述候选回环节点中筛选出与所述目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；
点云获取模块，配置为获取所述目标回环节点的三维点云记为目标点云，将所述目标节点的三维点云记为源点云；
对应关系建立模块，配置为通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵；
回环构建模块，配置为以所述刚体变换矩阵作为回环约束，将所述目标回环节点和所述目标节点构成回环；
节点更新模块，配置为对所述回环中所述目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新所述回环上各节点的位姿状态。
根据本发明的又一个方面，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行上述任意一项所述的回环检测方法。
根据本发明的又一个方面，还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述任意一项所述的回环检测方法。
本发明提供了一种回环检测方法及系统、可读存储介质、电子设备，在本发明提供的方法中，基于本发明提供的回环检测方法，通过对GPS位置进行哈希编码，可以分利用车辆接收的全球位置(GPS)信息的同时，实现近乎实时的回环检索效率；估计回环误差的过程中，在保证三维点云配准满足重叠率要求的前提下，通过对里程计按照适当的距离等间隔采样，可大幅缩减三维点云的临时存储空间并降低计算代价；采用时间加轨迹长度的约束可快速剔除由于长时间停车形成的伪回环，改善轨迹优化的精度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是根据本发明实施例的回环检测方法的流程示意图；
图2是根据本发明实施例的GPS位置编码库存储结构示意图；
图3是根据本发明实施例的里程计节点回环示意图；
图4是根据本发明实施例的车辆实际轨迹示意图；
图5是根据本发明实施例的里程计采集到的车辆轨迹优化前的示意图；
图6是根据本发明实施例的回环检测轨迹优化后的示意图；
图7是根据本发明实施例的回环检测系统结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种回环检测方法的流程，可应用于激光SLAM系统。参见图1可知，本发明实施例提供的回环检测方法可以包括步骤S101～S109。
步骤S101，接收目标节点的节点数据；节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云。
目标节点，是指里程计输出的对应任一时刻采集数据的数据节点，每个目标节点的节点数据共包含四个字段，分别是：目标节点的时间戳，即里程计采集目标节点的数据时的时间戳；车辆的GPS位置(可以包括纬度值，经度值和高度值)；里程计所属车辆的位姿信息，即车辆相对于初始时刻的位姿信息，位姿信息可以包括车辆变化的位姿，包括位置和姿态；激光雷达在同一时刻采集的三维点云数据。实际应用中，可选地，对于所接收到的节点数据，还可以将其中的三维点云以二进制的形式写入硬盘文件中。
步骤S102，对GPS位置进行哈希编码得到目标节点的键值。并且，还可以将键值存入历史GPS位置编码库。
实际应用中，目标节点可以是第一个节点，也可以是第一个节点之后的其他节点。当目标节点为第一个节点时，对目标节点的GPS位置进行哈希编码；当目标节点不是第一个节点时，判断目标节点与上一个存入GPS位置编码库中的节点间的距离是否大于设定阈值；若是，则对目标节点的GPS位置进行哈希编码；若否，则忽略目标节点。
也就是说，对接收第一个节点的节点数据n1，首先对其GPS位置进行哈希编码，哈希编码是将采集的原始节点数据变成键值，编码方式参考表1～表3。
表1维度二分示意表
Figure BDA0002613144230000051
Figure BDA0002613144230000061
表2数值与字母映射表
Decimal 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Base 32 0 1 2 3 4 5 6 7 8 9 b c d e f g
Decimal 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Base 32 h j k m n p q r s t u v w x y z
表3编码长度与距离精度对照表
哈希长度 宽度 高度
1 5,009.4km 4.992.6km
2 1,252.3km 624.1km
3 156.5km 156km
4 39.1km 19.5km
5 4.9km 4.9km
6 1.2km 609.4m
7 152.9m 152.4m
8 38.2m 19m
9 4.8m 4.8m
10 1.2m 59.5cm
11 14.9cm 14.9cm
12 3.7cm 1.9cm
如表1～表3所示，以经纬度坐标(116.3895°，39.9232°)为例介绍如何将GPS位置编码为相应的字符串。地球纬度的取值范围为[-90°,90°]，通过对该区间不断二分，纬度落在相应的区间则取对应的值(表1中的划分区间0或划分区间1)，表1显示了纬度值39.9232经过15次二分后对应的编码情况：101110001100011；地球经度的取值范围为[-180°，180°]，同理，对经度值116.3895进行15次二分，得到的编码是110100101100010。然后将二者交替合并到一起，奇数位放置经度值，偶数位放置纬度值，得到30位的编码：111001110100100011110000001101。
然后每五位一组，划分如下11100 11101 00100 01111 00000 01101，将每个组看成二进制串，并转化为相应的十进制数，分别是28、29、4、15、0、13。根据表2的数值字符映射表，得到它们对应的字符串为：wx4g0e。这样由字母和数字组成的字符串即键值，基于上述操作，可以将地球上任意位置的经纬度坐标转换为相应的字符串，且字符串的前缀匹配越多，表示两个位置越接近，字符串长度越长，表示位置越精确。其中，表2中Decimal表示十进制对应的数值，Base32表示十进制对应的base32编码。Base32编码是使用32个可打印字符(字母A-Z和数字2-7)对任意字节数据进行编码的方案。
表3显示了空间搜索中geohash编码的不同编码长度与距离精度对照表，其中，宽度和高度分别表示网格宽和高。1个编码长度对应5位，编码长度越长，位数越多，二分的次数越多，划分越精确，定位越准。在本发明中，将编码长度设置为7，可以实现近乎实时的检索效率。
对GPS位置进行编码之后，将该节点根据其对应的键值存入GPS位置编码库中，GPS位置编码库采用单键多值的方式管理，如图2所示，key_1、key_2…key_m分别表示编码库中第1个、第2个…第m个键值key，对于每个键值key可以存储多个节点数据，如key_1可同时对应存储节点ni、节点nj以及节点nk对应的数据，具体可以包括时间戳(Timestamp)、GPS位置(GPS location)、位姿(Pose)、点云文件路径(Point cloud file location)。
此外，将目标节点应的三维点云以二进制的形式写到硬盘文件(硬盘文件存储在实时采集每个时刻的点云数据的硬盘)中，并记录其文件路径。
GPS位置编码库采用单键多值的数据结构存储，具有邻近地理位置的节点经过GPS位置编码后得到相同的键值。GPS位置编码库中每个节点存储的不再是节点数据本身，而是节点数据的路径，从而可以减轻运行内存的存储压力，使得激光SLAM系统不受运行内存的影响。
假设目标节点为非第一个节点，如第k个节点对应的节点数据nk,判断该节点与上一个存入GPS位置编码库中的节点间的距离是否大于给定的阈值sd，如果大于，则对其GPS位置进行编码，并保存相应的三维点云，并继续执行步骤S103；否则，忽略该节点消息，等待新的节点消息。
以节点ni和节点nj为例，其中，nj为第j时刻节点，ni为第i时刻的节点，其中i时刻为j时刻的前一时刻，即节点ni为节点nj的上一个节点，它们间的距离计算方式如下：
d(ni,nj)＝||Ti(1:3,4)-Tj(1:3,4)||2,Ti,Tj∈SE(3) (1)
其中，Ti,Tj分别是节点ni和节点nj对应的六自由度位姿的矩阵，Ti(1:3,4)表示取矩阵Ti的第四列中第一行至第三行元素组成的向量；Tj(1:3,4)表示取矩阵Tj的第四列中第一行至第三行元素组成的向量；SE(3)表示特殊欧式群。阈值sd是节点的采样间隔，可以控制回环检测的频率，并减少三维点云的存储空间。
步骤S103，在历史GPS位置编码库中查找与目标节点的键值具有相同键值的至少一个历史节点，生成历史节点集合。
对于通过步骤S101接收的目标节点为节点nk,根据其键值从GPS位置编码库中检索所有与之具有相同键值的历史节点(由于节点消息的GPS位置相同或者位置相近，经过哈希算法后得到的键值相同)集合H。
步骤S104，在历史节点集合中筛选出与目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点。
从历史节点集合H中挑选出与目标节点的时间戳的时间间隔大于给定阈值δt且距离最近的历史节点，由于SLAM系统存在的轨迹漂移，利用(1)式估计目标节点与历史节点间的距离不再可靠，所以需要计算二者在地心坐标系下的距离，计算方式如下：
Figure BDA0002613144230000081
dx＝(lon_j-lon_i)Rnhcos(lat_i),
dy＝(lat_j-lat_i)Rmh,
dz＝height_j-height_i, (2)
其中lon_i,lat_i,height_i分别是节点ni对应的经度、纬度以及高度，lon_j,lat_j,height_j分别是节点nj对应的经度、纬度以及高度；Rmh，Rnh分别是地球的子午圈主曲率半径以及卯酉圈主曲率半径。
如果历史节点与目标节点nk的地心距离小于δd，则确定该历史节点为候选回环节点，并转步骤S105；否则，转步骤S101。其中，节点间的时间间隔就是二者时间戳的差的绝对值，阈值δt是为了防止nk检索到的历史节点就是短期内经过的节点，阈值δd是为了保证目标节点的三维点云与历史节点对应的三维点云具有适当的重叠区域，从而保证后续的回环位姿估计能够成功。
步骤S105，在候选回环节点中筛选出与目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点。
当车辆在行进的过程中遇到长时间停车时，通过步骤S104检索到的候选回环点既满足时间间隔约束，也满足距离约束，从而形成伪回环。为此，需要对候选回环点进行再次过滤，做法如下：计算该历史节点与目标节点间的轨迹距离，如果轨迹距离大于给定的阈值δs，则将该历史节点记为目标回环节点，进入几何验证阶段；否则，回到步骤S101，等待新的节点消息。以历史节点nh为例，它到目标节点nk的轨迹距离的计算方式如下：
Figure BDA0002613144230000091
步骤S106，获取目标回环节点的三维点云记为目标点云，将目标节点的三维点云记为源点云。
对通过步骤S105的目标回环节点，根据其保存的三维点云路径读取相应的三维点云，记为目标点云C2，目标节点的三维点云记为源点云C1。
步骤S107，通过特征匹配在目标点云和源点云之间建立对应关系，得到目标点云和源点云之间的刚体变换矩阵。具体可以包括：
S1，分别从目标点云和源点云中提取若干关键点；
S2，分别基于目标点云和源点云中提取的若干关键点对目标点云和源点云进行局部特征，并基于局部特征匹配目标点云的各目标点和源点云的各源点之间对应关系，得到多个匹配对；其中，对应关系指不同视角扫描同一个场景中建立的同名点对应关系；
S3，利用几何一致性算法在多个匹配对中筛选出误匹配对并进行删除，得到剩余匹配对；
S4，判断剩余匹配对中的匹配对不小于设定数量时，利用剩余匹配对包含的匹配对估计目标点云和源点云之间的位姿变换以进行精准匹配后得到目标点云和源点云之间的刚体变换矩阵。
举例来讲，计算目标点云和源点云之间的刚体变换矩阵时，需要先分别从C1，C2中提取若干关键点，并对其进行局部特征描述。关键点提取方法可以采用Harris3D、ISS3D或是其他关键点提取法。局部特征描述可以采用SHOT、FPFH等描述方法。
然后，通过特征匹配方式建立C1和C2之间的点对应关系，这里的对应关系指不同视角扫描同一个场景中建立的同名点对应关系，同名点是说不同视角采集的点在物理世界中代表同一个点。接着利用几何一致性算法进行误匹配剔除。实际应用中，在C1和C2之间建立点对应关系时，主要是建立不同视角下同一个场景中同名点间的对应关系，可能会产生误匹配，此时，通过采用几何一致性算法将C1和C2之间的点对应关系中的误匹配剔除，可以提升C1和C2之间的点对应关系之间的准确性。
如果剔除误匹配后的匹配对的个数不小于Nm，则表示通过几何验证。为了估计回环误差，利用剔除误匹配后的匹配对估计C1和C2的位姿变换，最后利用迭代最近邻算法(Iterative Closest Point,ICP)或者G-ICP算法进行精配准，得到C1和C2之间的刚体变换矩阵Tloop，并将其作为回环约束输入到步骤S108；否则，回到步骤S101等待新的节点消息。
步骤S108，以刚体变换矩阵作为回环约束，将目标回环节点和目标节点构成回环。
步骤S109，对回环中目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新回环上各节点的位姿状态。
将目标回环节点nh与目标节点nk构成回环，采用位姿图优化的方式对节点nh与节点nk之间的轨迹进行优化。
如图3所示，假设目标节点nk通过步骤S101～S107检测到目标回环节点nh与之构成回环，且通过局部特征匹配估计出二者之间的回环位姿关系Tloop。下面介绍如何利用位姿图优化修正节点nh与节点nk之间所有节点的位姿。
假设节点ni与nj是回环路径中的两个节点，则二者间的相对位姿ΔTij＝Ti -1Tj，构造如下代价函数：
Figure BDA0002613144230000101
其中，
Figure BDA0002613144230000102
ξij，ξi，ξj分别是ΔTij，Ti和Tj对应的李代数；
Figure BDA0002613144230000103
是6×6信息矩阵，通常设为单位阵。可以采用高斯牛顿算法或者LM算法对上述代价函数进行优化，由于这两种算法需要用到待优化变量的雅各比矩阵。下面具体推导如下：
对误差项eij施加左乘扰动，有
Figure BDA0002613144230000104
利用伴随性质，exp(ξ^)T＝Texp((Ad(T-1)ξ)^)，可将(4)式改写为
Figure BDA0002613144230000105
其中，
Figure BDA0002613144230000111
Figure BDA0002613144230000112
eij＝[ρe,φe]∈R6
上述推导的是由回环中任意两点间的误差构建的代价函数对待优化变量求导的雅各比矩阵。在实际应用中，存在大回环套小环的情形，即小环已经经过位姿图优化过了，在优化大环轨迹时，常用的策略是固定住那些在小环中已经优化过的节点，只优化还未被优化的节点。但是当大环中包含的节点数量较多时，固定小环节点可能会使优化算法无法收敛，所以本发明实施例采取的策略是不固定那些已经优化过的节点，而是给它们添加一个自环边约束，即将(4)式改写为：
Figure BDA0002613144230000113
其中eii＝ln(Ti -1Ti)∨＝ln(exp((-ξi)^)exp((ξi)^))∨，Ω是那些已经优化过的节点集合。自环边误差项对待优化变量求导的雅各比矩阵推导方式与上面基本类似，这里直接给出：
Figure BDA0002613144230000114
通过添加自环边约束，可以提升算法对大环优化时的收敛性。工程实现中可以利用网上开源的Ceres库以及g2o图优化库进行回环位姿图优化。
利用优化后的轨迹更新回环内所有节点的位姿状态。转步骤S101，等待新的节点消息；如果长时间没来新的消息，则保存最终的轨迹，退出回环检测程序。
基于本发明实施例提供的回环检测方法，充分利用车辆接收的全球位置(GPS)信息，通过对GPS位置进行哈希编码，可以实现近乎实时的回环检索效率；估计回环误差的过程中，在保证三维点云配准满足重叠率要求的前提下，通过对里程计按照适当的距离等间隔采样，可大幅缩减三维点云的临时存储空间并降低计算代价；采用时间加轨迹长度的约束可快速剔除由于长时间停车形成的伪回环，改善轨迹优化的精度。位姿图优化中利用自环边约束替代固定节点约束，可提升长距离回环优化的收敛性。尤其是在长距离的运行下仍旧能够输出准确可靠的轨迹精度，进而确保高精度地图的自动构建。
图4是车辆实际轨迹示意图，图5是里程计采集到的车辆轨迹优化前的示意图，图6是通过本发明实施例回环检测方案优化后的车辆轨迹示意图。通过对比图5、图6可知，采用本发明实施例提供的方法可以对里程计所获取的车辆轨迹进行修正及优化，使得回环轨迹更加接近真实路线，从而解决了迹漂移发散的问题，为制作高精度地图提供了很好的轨迹初值。
基于同一发明构思，本发明实施例还提供了一种回环检测系统，如图7所示，该系统可包括：
数据接收模块710，配置为接收目标节点的节点数据；节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云；
编码模块720，配置为对GPS位置进行哈希编码得到目标节点的键值；
集合生成模块730，配置为在历史GPS位置编码库中查找与键值具有相同键值的至少一个历史节点，生成历史节点集合；
第一节点筛选模块740，配置为在历史节点集合中筛选出与目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；
第二节点筛选模块750，配置为在候选回环节点中筛选出与目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；
点云获取模块760，配置为获取目标回环节点的三维点云记为目标点云，将目标节点的三维点云记为源点云；
对应关系建立模块770，配置为通过特征匹配在目标点云和源点云之间建立对应关系，得到目标点云和源点云之间的刚体变换矩阵；
回环构建模块780，配置为以刚体变换矩阵作为回环约束，将目标回环节点和目标节点构成回环；
节点更新模块790，配置为对回环中目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新回环上各节点的位姿状态。
在本发明一可选实施例中，编码模块720还配置为，对GPS位置进行哈希编码得到目标节点的键值之后，将键值存入历史GPS位置编码库。
在本发明一可选实施例中，编码模块720还可以配置为，当目标节点为第一个节点时，对目标节点的GPS位置进行哈希编码；
当目标节点不是第一个节点时，判断目标节点与上一个存入GPS位置编码库中的节点间的距离是否大于设定阈值；若是，则对目标节点的GPS位置进行哈希编码；若否，则忽略目标节点。
在本发明一可选实施例中，对应关系建立模块770还可以配置为分别从目标点云和源点云中提取若干关键点；
分别基于目标点云和源点云中提取的若干关键点对目标点云和源点云进行局部特征描述，并基于局部特征描述建立目标点云的各目标点和源点云的各源点之间对应关系，得到多个匹配对；其中，对应关系指不同视角扫描同一个场景中建立的同名点对应关系；
利用几何一致性算法在多个匹配对中筛选出误匹配对并进行删除，得到剩余匹配对；
判断剩余匹配对中的匹配对不小于设定数量时，利用剩余匹配对包含的匹配对估计目标点云和源点云之间的位姿变换以进行精准匹配后得到目标点云和源点云之间的刚体变换矩阵。
在本发明一可选实施例中，数据接收模块710还可以配置为将三维点云以二进制的形式写入硬盘文件中。
在本发明一可选实施例中，还提供了一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行上述任一实施例所述的基于激光雷达的回环检测方法。
在本发明一可选实施例中，还提供了一种电子设备，包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述任一实施例所述的基于激光雷达的回环检测方法。
所属领域的技术人员可以清楚地了解到，上述描述的系统具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
本领域普通技术人员可以理解：上述的方法如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各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)、随机存取存储器(RAM)，磁碟或者光盘等各种可以存储程序代码的介质。
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。

Claims (8)

1.一种回环检测方法，包括：
接收目标节点的节点数据；所述节点数据包括：目标节点的时间戳、目标节点的GPS位置、目标节点的位姿信息以及目标节点的三维点云；
对所述GPS位置进行哈希编码得到所述目标节点的键值；
在历史GPS位置编码库中查找与所述目标节点的键值具有相同键值的至少一个历史节点，生成历史节点集合；
在所述历史节点集合中筛选出与所述目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；
在所述候选回环节点中筛选出与所述目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；
获取所述目标回环节点的三维点云记为目标点云，将所述目标节点的三维点云记为源点云；
通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵；
以所述刚体变换矩阵作为回环约束，将所述目标回环节点和所述目标节点构成回环；
对所述回环中所述目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新所述回环上各节点的位姿状态。
2.根据权利要求1所述的方法，其中，所述对所述GPS位置进行哈希编码得到所述目标节点的键值之后，还包括：
将所述键值存入所述历史GPS位置编码库。
3.根据权利要求2所述的方法，其中，所述对所述GPS位置进行哈希编码得到所述目标节点的键值，包括：
当所述目标节点为第一个节点时，对所述目标节点的GPS位置进行哈希编码；
当所述目标节点不是第一个节点时，判断所述目标节点与上一个存入所述GPS位置编码库中的节点间的距离是否大于设定阈值；若是，则对所述目标节点的GPS位置进行哈希编码；若否，则忽略所述目标节点。
4.根据权利要求1-3中任一项所述的方法，其中，所述通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵，包括：
分别从所述目标点云和源点云中提取若干关键点；
分别基于所述目标点云和源点云中提取的若干关键点对所述目标点云和源点云进行局部特征描述，并基于所述局部特征描述建立所述目标点云的各目标点和源点云的各源点之间对应关系，得到多个匹配对；其中，所述对应关系指不同视角扫描同一个场景中建立的同名点对应关系；
利用几何一致性算法在多个所述匹配对中筛选出误匹配对并进行删除，得到剩余匹配对；
判断所述剩余匹配对中的匹配对不小于设定数量时，利用所述剩余匹配对包含的匹配对估计所述目标点云和源点云之间的位姿变换以进行精准匹配后得到所述目标点云和源点云之间的刚体变换矩阵。
5.根据权利要求1-3中任一项所述的方法，其中，所述接收目标节点的节点数据之后，还包括：
将所述三维点云以二进制的形式写入硬盘文件中。
6.一种回环检测系统，包括：
数据接收模块，配置为接收目标节点的节点数据；所述节点数据包括：目标节点的时间戳、目标节点的GPS位置目标节点的位姿信息以及目标节点的三维点云；
编码模块，配置为对所述GPS位置进行哈希编码得到所述目标节点的键值；
集合生成模块，配置为在历史GPS位置编码库中查找与所述键值具有相同键值的至少一个历史节点，生成历史节点集合；
第一节点筛选模块，配置为在所述历史节点集合中筛选出与所述目标节点的时间戳的时间间隔大于设定时间阈值、且地心距离小于设定地心距离阈值的历史节点作为候选回环节点；
第二节点筛选模块，配置为在所述候选回环节点中筛选出与所述目标节点的轨迹距离大于设定轨迹距离阈值的历史节点作为目标回环节点；
点云获取模块，配置为获取所述目标回环节点的三维点云记为目标点云，将所述目标节点的三维点云记为源点云；
对应关系建立模块，配置为通过特征匹配在所述目标点云和源点云之间建立对应关系，得到所述目标点云和源点云之间的刚体变换矩阵；
回环构建模块，配置为以所述刚体变换矩阵作为回环约束，将所述目标回环节点和所述目标节点构成回环；
节点更新模块，配置为对所述回环中所述目标回环节点和目标节点之间的轨迹进行优化，利用优化后的轨迹更新所述回环上各节点的位姿状态。
7.一种计算机可读存储介质，其中，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如权利要求1-5任意一项所述的回环检测方法。
8.一种电子设备，其中，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-5任意一项所述的回环检测方法。
CN202010761223.5A 2020-07-31 2020-07-31 回环检测方法及系统、可读存储介质、电子设备 Active CN111862162B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010761223.5A CN111862162B (zh) 2020-07-31 2020-07-31 回环检测方法及系统、可读存储介质、电子设备
PCT/CN2021/105322 WO2022022256A1 (zh) 2020-07-31 2021-07-08 回环检测方法及系统、可读存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010761223.5A CN111862162B (zh) 2020-07-31 2020-07-31 回环检测方法及系统、可读存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111862162A true CN111862162A (zh) 2020-10-30
CN111862162B CN111862162B (zh) 2021-06-11

Family

ID=72954065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010761223.5A Active CN111862162B (zh) 2020-07-31 2020-07-31 回环检测方法及系统、可读存储介质、电子设备

Country Status (2)

Country Link
CN (1) CN111862162B (zh)
WO (1) WO2022022256A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614187A (zh) * 2020-12-31 2021-04-06 深圳市优必选科技股份有限公司 回环检测方法、装置、终端设备和可读存储介质
CN112835080A (zh) * 2021-01-21 2021-05-25 成都路行通信息技术有限公司 车辆静止状态的轨迹修复方法、装置及电子设备
CN113642102A (zh) * 2021-07-23 2021-11-12 一汽奔腾轿车有限公司 一种碰撞模型中刚体对的自动化建模方法
CN113761091A (zh) * 2020-11-27 2021-12-07 北京京东乾石科技有限公司 闭环检测方法、装置、电子设备、系统和存储介质
CN113783753A (zh) * 2021-09-10 2021-12-10 北京云杉世纪网络科技有限公司 一种环路检测方法、装置、设备及存储介质
CN113899361A (zh) * 2021-12-10 2022-01-07 西安电子科技大学 基于空间划分的slam快速回环检测方法
WO2022022256A1 (zh) * 2020-07-31 2022-02-03 湖北亿咖通科技有限公司 回环检测方法及系统、可读存储介质、电子设备
WO2024041464A1 (zh) * 2022-08-22 2024-02-29 先临三维科技股份有限公司 回环路径的预测方法及装置、非易失性存储介质、处理器

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290066A (zh) * 2022-07-06 2022-11-04 杭州萤石软件有限公司 一种误差校正方法、装置及移动设备
CN116358532B (zh) * 2023-05-31 2023-09-26 小米汽车科技有限公司 回环检测方法、装置、存储介质以及车辆
CN116481517B (zh) * 2023-06-25 2023-10-13 深圳市普渡科技有限公司 扩展建图方法、装置、计算机设备和存储介质
CN117761717B (zh) * 2024-02-21 2024-05-07 天津大学四川创新研究院 一种自动回环三维重建系统及运行方法
CN117824664B (zh) * 2024-03-05 2024-05-28 河海大学 基于多波束测深声呐的自主无人系统主动slam方法

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104851094A (zh) * 2015-05-14 2015-08-19 西安电子科技大学 一种基于rgb-d的slam算法的改进方法
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN108133496A (zh) * 2017-12-22 2018-06-08 北京工业大学 一种基于g2o与随机蕨类的稠密地图创建方法
CN109658449A (zh) * 2018-12-03 2019-04-19 华中科技大学 一种基于rgb-d图像的室内场景三维重建方法
CN109709801A (zh) * 2018-12-11 2019-05-03 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109711245A (zh) * 2018-11-05 2019-05-03 广东工业大学 一种基于图像候选区域的闭环检测方法
CN109902619A (zh) * 2019-02-26 2019-06-18 上海大学 图像闭环检测方法及系统
CN110163095A (zh) * 2019-04-16 2019-08-23 中国科学院深圳先进技术研究院 回环检测方法、回环检测装置及终端设备
CN110378997A (zh) * 2019-06-04 2019-10-25 广东工业大学 一种基于orb-slam2的动态场景建图与定位方法
CN110645974A (zh) * 2019-09-26 2020-01-03 西南科技大学 一种融合多传感器的移动机器人室内地图构建方法
CN110689562A (zh) * 2019-09-26 2020-01-14 深圳市唯特视科技有限公司 一种基于生成对抗网络的轨迹回环检测优化方法
CN110689622A (zh) * 2019-07-05 2020-01-14 电子科技大学 一种基于点云分割匹配闭环校正的同步定位与构图算法
US20200043130A1 (en) * 2018-08-04 2020-02-06 Beijing Jingdong Shangke Information Technology Co., Ltd. System and method for scan-matching oriented visual slam
CN110781262A (zh) * 2019-10-21 2020-02-11 中国科学院计算技术研究所 基于视觉slam的语义地图的构建方法
US20200116498A1 (en) * 2018-10-16 2020-04-16 Ubtech Robotics Corp Visual assisted distance-based slam method and mobile robot using the same
CN111060115A (zh) * 2019-11-29 2020-04-24 中国科学院计算技术研究所 一种基于图像边缘特征的视觉slam方法及系统
CN111076733A (zh) * 2019-12-10 2020-04-28 亿嘉和科技股份有限公司 一种基于视觉与激光slam的机器人室内建图方法及系统
CN111161412A (zh) * 2019-12-06 2020-05-15 苏州艾吉威机器人有限公司 三维激光建图方法及系统
CN111429344A (zh) * 2020-02-19 2020-07-17 上海交通大学 基于感知哈希的激光slam闭环检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108267141B (zh) * 2016-12-30 2023-01-10 法法汽车(中国)有限公司 道路点云数据处理系统
US10908261B2 (en) * 2017-11-09 2021-02-02 Vadum, Inc. Target identification and clutter mitigation in high resolution radar systems
CN111862162B (zh) * 2020-07-31 2021-06-11 湖北亿咖通科技有限公司 回环检测方法及系统、可读存储介质、电子设备

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104851094A (zh) * 2015-05-14 2015-08-19 西安电子科技大学 一种基于rgb-d的slam算法的改进方法
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN108133496A (zh) * 2017-12-22 2018-06-08 北京工业大学 一种基于g2o与随机蕨类的稠密地图创建方法
US20200043130A1 (en) * 2018-08-04 2020-02-06 Beijing Jingdong Shangke Information Technology Co., Ltd. System and method for scan-matching oriented visual slam
US20200116498A1 (en) * 2018-10-16 2020-04-16 Ubtech Robotics Corp Visual assisted distance-based slam method and mobile robot using the same
CN109711245A (zh) * 2018-11-05 2019-05-03 广东工业大学 一种基于图像候选区域的闭环检测方法
CN109658449A (zh) * 2018-12-03 2019-04-19 华中科技大学 一种基于rgb-d图像的室内场景三维重建方法
CN109709801A (zh) * 2018-12-11 2019-05-03 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109902619A (zh) * 2019-02-26 2019-06-18 上海大学 图像闭环检测方法及系统
CN110163095A (zh) * 2019-04-16 2019-08-23 中国科学院深圳先进技术研究院 回环检测方法、回环检测装置及终端设备
CN110378997A (zh) * 2019-06-04 2019-10-25 广东工业大学 一种基于orb-slam2的动态场景建图与定位方法
CN110689622A (zh) * 2019-07-05 2020-01-14 电子科技大学 一种基于点云分割匹配闭环校正的同步定位与构图算法
CN110645974A (zh) * 2019-09-26 2020-01-03 西南科技大学 一种融合多传感器的移动机器人室内地图构建方法
CN110689562A (zh) * 2019-09-26 2020-01-14 深圳市唯特视科技有限公司 一种基于生成对抗网络的轨迹回环检测优化方法
CN110781262A (zh) * 2019-10-21 2020-02-11 中国科学院计算技术研究所 基于视觉slam的语义地图的构建方法
CN111060115A (zh) * 2019-11-29 2020-04-24 中国科学院计算技术研究所 一种基于图像边缘特征的视觉slam方法及系统
CN111161412A (zh) * 2019-12-06 2020-05-15 苏州艾吉威机器人有限公司 三维激光建图方法及系统
CN111076733A (zh) * 2019-12-10 2020-04-28 亿嘉和科技股份有限公司 一种基于视觉与激光slam的机器人室内建图方法及系统
CN111429344A (zh) * 2020-02-19 2020-07-17 上海交通大学 基于感知哈希的激光slam闭环检测方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANTON KASYANOV等: "Keyframe-based visual-inertial online SLAM with relocalization", 《2017 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 *
ZHANGFANG HU等: "Mobile robot V-SLAM based on improved closed-loop detection algorithm", 《2019 IEEE 8TH JOINT INTERNATIONAL INFORMATION TECHNOLOGY AND ARTIFICIAL INTELLIGENCE CONFERENCE (ITAIC)》 *
于海峰: "基于互回环检测的多无人机视觉SLAM地图融合的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
卢彩霞: "无人驾驶应用环境下基于激光雷达的3DSLAM研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
曹龙龑: "基于RGB-D的室内三维SLAM研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022022256A1 (zh) * 2020-07-31 2022-02-03 湖北亿咖通科技有限公司 回环检测方法及系统、可读存储介质、电子设备
CN113761091A (zh) * 2020-11-27 2021-12-07 北京京东乾石科技有限公司 闭环检测方法、装置、电子设备、系统和存储介质
CN113761091B (zh) * 2020-11-27 2024-04-05 北京京东乾石科技有限公司 闭环检测方法、装置、电子设备、系统和存储介质
CN112614187A (zh) * 2020-12-31 2021-04-06 深圳市优必选科技股份有限公司 回环检测方法、装置、终端设备和可读存储介质
CN112614187B (zh) * 2020-12-31 2024-03-26 深圳市优必选科技股份有限公司 回环检测方法、装置、终端设备和可读存储介质
CN112835080A (zh) * 2021-01-21 2021-05-25 成都路行通信息技术有限公司 车辆静止状态的轨迹修复方法、装置及电子设备
CN112835080B (zh) * 2021-01-21 2024-03-19 成都路行通信息技术有限公司 车辆静止状态的轨迹修复方法、装置及电子设备
CN113642102A (zh) * 2021-07-23 2021-11-12 一汽奔腾轿车有限公司 一种碰撞模型中刚体对的自动化建模方法
CN113642102B (zh) * 2021-07-23 2024-03-15 一汽奔腾轿车有限公司 一种碰撞模型中刚体对的自动化建模方法
CN113783753A (zh) * 2021-09-10 2021-12-10 北京云杉世纪网络科技有限公司 一种环路检测方法、装置、设备及存储介质
CN113783753B (zh) * 2021-09-10 2022-08-16 北京云杉世纪网络科技有限公司 一种环路检测方法、装置、设备及存储介质
CN113899361A (zh) * 2021-12-10 2022-01-07 西安电子科技大学 基于空间划分的slam快速回环检测方法
CN113899361B (zh) * 2021-12-10 2022-03-01 西安电子科技大学 基于空间划分的slam快速回环检测方法
WO2024041464A1 (zh) * 2022-08-22 2024-02-29 先临三维科技股份有限公司 回环路径的预测方法及装置、非易失性存储介质、处理器

Also Published As

Publication number Publication date
WO2022022256A1 (zh) 2022-02-03
CN111862162B (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN111862162B (zh) 回环检测方法及系统、可读存储介质、电子设备
Botterill et al. Bag‐of‐words‐driven, single‐camera simultaneous localization and mapping
CN106767836B (zh) 一种auv地形匹配导航滤波方法
CN112084289B (zh) 一种轨迹融合方法及装置
CN105091889A (zh) 一种热点路径的确定方法及设备
CN105635963A (zh) 多智能体分布式协同定位方法
CN111292356B (zh) 运动轨迹与道路的匹配方法及装置
Howe et al. Deformable part models for automatically georeferencing historical map images
CN117824667A (zh) 一种基于二维码和激光的融合定位方法及介质
CN117824666B (zh) 融合定位用二维码对、二维码标定方法及融合定位方法
CN115962773A (zh) 一种移动机器人同步定位与地图构建方法、装置和设备
CN113516682B (zh) 一种激光slam的回环检测方法
Zhang et al. Continuous indoor visual localization using a spatial model and constraint
CN116563341A (zh) 一种处理复杂环境下动态物体的视觉定位与建图方法
CN115292962B (zh) 基于轨迹抽稀的路径相似度匹配方法、设备及存储介质
CN114707611B (zh) 基于图神经网络特征提取与匹配的移动机器人地图构建方法、存储介质及设备
CN116541721A (zh) 一种面向信令数据的定位与路网匹配方法及系统
CN114413882B (zh) 一种基于多假设跟踪的全局初定位方法和装置
CN116361327A (zh) 一种基于二级时空索引的轨迹伴随关系挖掘方法和系统
Bashir et al. An intelligent linear time trajectory data compression framework for smart planning of sustainable metropolitan cities
US20150127302A1 (en) Method and apparatus for optimized routing
CN115908485A (zh) 一种面向太空中非合作目标的实时位姿跟踪方法及其系统
Delpriori et al. Efficient algorithms for accuracy improvement in mobile crowdsensing vehicular applications
JP5182762B2 (ja) ２次元図形マッチング方法
Xiong et al. Fault-Tolerant Cooperative Positioning Based on Hybrid Robust Gaussian Belief Propagation

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