CN112113574B - 用于定位的方法、装置、计算设备和计算机可读存储介质 - Google Patents

用于定位的方法、装置、计算设备和计算机可读存储介质 Download PDF

Info

Publication number
CN112113574B
CN112113574B CN202011009327.7A CN202011009327A CN112113574B CN 112113574 B CN112113574 B CN 112113574B CN 202011009327 A CN202011009327 A CN 202011009327A CN 112113574 B CN112113574 B CN 112113574B
Authority
CN
China
Prior art keywords
determining
positioning
point cloud
cloud data
inertial
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
CN202011009327.7A
Other languages
English (en)
Other versions
CN112113574A (zh
Inventor
侯深化
丁文东
高航
万国伟
宋适宇
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of CN112113574A publication Critical patent/CN112113574A/zh
Application granted granted Critical
Publication of CN112113574B publication Critical patent/CN112113574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/10—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
    • 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
    • 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
    • G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • 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
    • 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
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Operations Research (AREA)

Abstract

本申请公开了用于定位的方法、计算设备和计算机可读存储介质，涉及自动驾驶领域。该方法包括获取待定位设备在当前时刻的惯性测量数据以及由该设备上的LiDAR在当前时刻采集的点云数据；通过对惯性测量数据进行积分，确定该设备在当前时刻在惯性坐标系下的惯性定位信息；以及基于惯性定位信息、点云数据和在局部坐标系下构建的至少一个局部地图，确定该设备在当前时刻在局部坐标系下的定位结果。本公开的实施方式能够提供有效且稳定的局部定位结果。

Description

用于定位的方法、装置、计算设备和计算机可读存储介质
技术领域
本公开的实施方式主要涉及自动驾驶领域，并且更具体地，涉及用于定位的方法、装置、计算设备和计算机可读存储介质。
背景技术
近年来，自动驾驶(也称为无人驾驶)作为人工智能的一个应用场景，已经成为各种交通工具、特别汽车产业的新发展方向。自动驾驶技术通常依赖于对自动驾驶车辆进行高精度定位。在自动驾驶领域中，传统定位方案通常通过将由自动驾驶车辆上的LiDAR实时采集的点云数据与高精度定位地图进行匹配，来确定自动驾驶车辆的全局位置。然而，当道路环境发生变化时，实时采集的点云数据可能与定位地图中对应区域的数据存在较大差异，从而导致定位结果不准确或者无法定位的情况。激光里程计由于不利用高精度定位地图，不受环境变化的影响。
发明内容
根据本公开的示例实施方式，提供了一种用于定位的方案。
在本公开的第一方面中，提供了一种用于定位的方法，包括：
获取设备在第一时刻的惯性测量数据以及由所述设备上的LiDAR在所述第一时刻采集的点云数据；
通过对所述惯性测量数据进行积分，确定所述设备在所述第一时刻在惯性坐标系下的惯性定位信息；以及
基于所述惯性定位信息、所述点云数据和在局部坐标系下构建的至少一个局部地图，确定所述设备在所述第一时刻在所述局部坐标系下的第一定位结果。
在本公开的第二方面中，提供了一种用于定位的装置。该装置包括数据获取模块，被配置为获取待定位设备的惯性测量数据以及由该设备上的LiDAR在当前时刻采集的点云数据；惯性定位模块，被配置为通过对惯性测量数据进行积分，确定该设备在当前时刻在惯性坐标系下的惯性定位信息；以及结果确定模块，被配置为基于惯性定位信息、点云数据和在局部坐标系下构建的至少一个局部地图，确定该设备在当前时刻在局部坐标系下的定位结果。
在本公开的第三方面中，提供了一种计算设备，包括：
一个或多个处理器；以及
存储器，存储一个或多个程序，其中所述一个或多个程序在由所述一个或多个处理器执行时使所述计算设备执行操作，所述操作包括：
获取设备在第一时刻的惯性测量数据以及由所述设备上的LiDAR在所述第一时刻采集的点云数据；
通过对所述惯性测量数据进行积分，确定所述设备在所述第一时刻在惯性坐标系下的惯性定位信息；以及
基于所述惯性定位信息、所述点云数据和在局部坐标系下构建的至少一个局部地图，确定所述设备在所述第一时刻在所述局部坐标系下的第一位姿的第一定位结果。
在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由计算设备执行时使所述计算设备执行：
获取对象在第一时刻的惯性测量数据以及由所述对象上的LiDAR在所述第一时刻采集的点云数据；
通过对所述惯性测量数据进行积分，基于所述惯性测量数据确定所述设备在所述第一时刻在惯性坐标系下的惯性定位信息；以及
基于所述惯性定位信息、所述点云数据和在局部坐标系下构建的至少一个局部地图，确定所述对象在所述第一时刻在所述局部坐标系下的位姿。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施方式的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施方式的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
图1示出了本公开的多个实施方式能够在其中实现的示例环境的示意图；
图2示出了根据本公开的实施方式的定位系统的框图；
图3示出了根据本公开的实施方式的用于定位的过程的流程图；
图4示出了根据本公开的实施方式的用于定位的装置的示意框图；以及
图5示出了能够实施本公开的多个实施方式的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施方式。虽然附图中显示了本公开的某些实施方式，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施方式，相反提供这些实施方式是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施方式仅用于示例性作用，并非用于限制本公开的保护范围。
在本公开的实施方式的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施方式”或“该实施方式”应当理解为“至少一个实施方式”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如以上提及的，在自动驾驶领域中，传统定位方案通常通过将由自动驾驶车辆上的LiDAR实时采集的点云数据与高精度定位地图进行匹配，来确定自动驾驶车辆的位置。然而，当道路环境发生变化时，实时采集的点云数据可能与定位地图中对应区域的数据存在较大差异，从而导致定位结果不准确或者无法定位的情况。
根据本公开的实施方式，提出了一种用于定位的方案。该方案包括：获取待定位设备的惯性测量数据以及由该设备上的LiDAR在当前时刻采集的点云数据；通过对惯性测量数据进行积分，确定该设备在当前时刻在惯性坐标系下的惯性定位信息；以及基于惯性定位信息、点云数据和在局部坐标系下构建的至少一个局部地图，确定该设备在当前时刻在局部坐标系下的定位结果。
与传统方案相比，本公开的实施方式具有如下优点：第一，取代于传统方案中所使用的二维(2D)占据栅格地图，本公开的实施方式通过使用三维(3D)占据栅格地图作为与点云数据进行匹配的局部地图，由此实现完整的6自由度(DOF)的雷达惯性里程计；第二，本公开的实施方式利用惯性测量数据的积分结果来提供帧间位姿估计的相对约束，同时对运动引起的雷达扫描失真进行运动补偿；第三，将LiDAR反射信息加入到局部地图的栅格中，在将局部地图与当前帧进行匹配时利用LiDAR的反射信息；第四，采用了多分辨率的局部地图来提高点云数据与局部地图之间的匹配过程的稳定性和准确性。
以下将参照附图来具体描述本公开的实施方式。图1示出了本公开的多个实施方式能够在其中实现的示例环境100的示意图。环境100可以包括待定位的设备110以及与设备110通信地耦合的计算设备120。
在该示例环境100中，设备110被示出为车辆，其例如在道路130上行驶。在此所述的车辆可以包括但不限于轿车、卡车、巴士、电动车、摩托车、房车、火车等等。在一些实施方式中，设备110可以是具有部分或完全自动驾驶能力的车辆，也被称为无人驾驶车辆。可选地，在另一些实施方式中，设备110也可以是待定位的其他设备或交通工具等。本公开的范围在此方面不受限制。
设备110可以通信地耦合到计算设备120。虽然被示出为单独的实体，但计算设备120可以被嵌入在设备110中。计算设备120也可以被实现为设备110外部的实体，并且可以经由无线网络与设备110通信。计算设备120可以至少包含处理器、存储器以及其他通常存在于通用计算机中的组件，以便实现计算、存储、通信、控制等功能。
在一些实施方式中，设备110可以装配有LiDAR，用于实时采集点云数据。计算设备120可以从设备110获取由LiDAR实时采集的点云数据，并且至少基于该点云数据来确定设备110当前的定位结果101。定位结果101可以指示设备110在特定坐标系下的位姿。例如，在二维坐标系中，物体的位姿可以利用二维坐标和航向角来表示。在三维坐标系中，物体的位姿可以利用三维坐标、俯仰角、航向角和横滚角来表示。附加地，在一些实施方式中，设备110还可以装配有惯性测量单元(IMU)，用于实时采集惯性测量数据(诸如，由陀螺仪采集的角速度、陀螺仪的零偏、由加速度计采集的加速度、加速度计的零偏等等)。计算设备120可以从设备110获取该惯性测量数据以及由LiDAR实时采集的点云数据，并且至少基于惯性测量数据和点云数据来确定设备110当前的定位结果101。
图2示出了根据本公开的实施方式的定位系统200的框图。应当理解，仅出于说明目的示出定位系统200的结构和功能，而不暗示对于本公开的范围的任何限制。在一些实施方式中，定位系统200可以具有不同的结构和/或功能。
如图2所示，系统200可以包括待定位设备(例如，车辆)110和计算设备120。待定位设备110例如可以包括IMU 210和LiDAR220。IMU 210(例如包括陀螺仪、加速度计等)可以实时采集设备110的惯性测量数据(诸如，由陀螺仪采集的角速度、陀螺仪的零偏、由加速度计采集的加速度、加速度计的零偏等等)，并且LiDAR220可以实时采集点云数据。在此所述的“点云数据”指代当激光束照射在物体表面时所返回的该物体表面的各个点的数据信息，包括每个点的三维坐标(例如，x坐标、y坐标和z坐标)以及激光反射强度(也称为“反射值”或“反射信息”)。
如图2所示，计算设备120可以包括预处理模块230、LiDAR惯性里程计240以及融合优化模块250。应当理解，仅出于说明目的示出计算设备120的各个模块及相应功能，而不暗示对于本公开的范围的任何限制。在一些实施方式中，计算设备120可以包括附加的模块，或者可以省略所示出的一个或多个模块(例如，融合优化模块250)。
在一些实施方式中，预处理模块230可以包括惯性积分单元231和运动补偿单元232。惯性积分单元231可以对由IMU 210采集的惯性测量数据进行积分，以确定设备110当前在惯性坐标系下的定位信息(本文中也称为“惯性定位信息”)。惯性定位信息例如可以指示该设备110在惯性坐标系下的预测位姿和/或其他信息。在一些实施方式中，惯性定位信息可以被提供给运动补偿单元232，运动补偿单元232可以利用该惯性定位信息对由LiDAR220采集的原始点云数据进行运动补偿，以得到经补偿的点云数据。经补偿的点云数据可以被提供给LiDAR惯性里程计240。
在一些实施方式中，LiDAR惯性里程计240可以接收点云数据(例如，经过运动补偿的点云数据或原始点云数据)和惯性定位信息，并且基于点云数据和惯性定位信息来估计当前时刻的点云数据(也称为“当前帧”)与上一时刻的点云数据(也称为“上一帧”)之间的相对位姿关系。在一些实施方式中，LiDAR惯性里程计240可以基于所估计的不同的点云数据帧之间的相对位姿关系，通过组合所接收的点云数据来在局部坐标系下构建局部地图。局部地图例如可以是在以设备110的初始位置为原点的局部坐标系下构建的三维占据栅格地图。例如，局部地图可以被划分成多个栅格，每个栅格可以记录与该栅格相对应的激光反射信息(例如，激光反射值的均值和方差)以及该栅格可能被障碍物占据的概率(也称为“占据概率”或“障碍物占据概率”)。
在一些实施方式中，LiDAR惯性里程计240可以通过将点云数据与局部地图进行匹配并且利用惯性定位信息作为约束，来确定设备110当前在局部坐标系下的定位结果101。定位结果101例如可以指示点云数据与局部地图之间的相对位姿、设备110在局部坐标系下的位姿(本文中也称为“第一位姿”)、以及该局部地图在局部坐标系下的位姿(本文中也称为“第二位姿”)。局部地图的位姿例如可以由用于构建该局部地图的首帧点云所对应的位姿来表示。
在一些实施方式中，LiDAR惯性里程计240可以进一步基于当前时刻的点云数据来更新局部地图。由于点云数据和局部地图通常不在同一坐标系下，LiDAR惯性里程计240可以首先将点云数据变换到与局部地图相对应的局部坐标系下，然后利用经坐标变换的点云数据来更新局部地图。例如，LiDAR惯性里程计240可以将当前时刻的点云数据插入到局部地图中，以更新该局部地图。
在一些实施方式中，LiDAR惯性里程计240可以维护多个局部地图。例如，假设LiDAR惯性里程计240已经通过组合多帧历史点云数据构建了第一局部地图。当LiDAR惯性里程计240接收到当前时刻的点云数据时，其可以将当前时刻的点云数据插入到第一局部地图中，以更新第一局部地图。如果第一局部地图中的点云帧数达到阈值(例如，40帧)，则后续点云数据将不会被插入到第一局部地图中，而被用于构建新的第二局部地图。如果第二局部地图中的点云帧数达到阈值(例如，40帧)，则第一局部地图可以被丢弃。在一些实施方式中，由LiDAR惯性里程计240维护的多个局部地图可以具有不同分辨率，从而进一步提高定位的准确性和稳定性。在一些实施方式中，当LiDAR惯性里程计240维护多个局部地图时，每个局部地图在局部坐标系下的位姿可以由用于构建该局部地图的首帧点云所对应的位姿来表示。在确定设备110在局部坐标系下的定位结果101时，LiDAR惯性里程计240可以将所接收的点云数据与多个局部地图中的每个局部地图进行匹配。
在一些实施方式中，定位结果101的确定可以被公式化为最大后验估计问题。例如，与设备110的定位结果相对应的后验概率
Figure BDA0002697049690000089
可以如下被分解：
Figure BDA0002697049690000081
其中，假设
Figure BDA00026970496900000810
表示所有帧的集合，则
Figure BDA0002697049690000082
表示这些帧的状态(例如，定位结果)，并且
Figure BDA0002697049690000083
表示与这些帧有关的测量数据。变量
Figure BDA0002697049690000084
表示在局部坐标系下第k帧的状态(例如，位姿)，其中
Figure BDA0002697049690000085
表示在局部坐标系下第k帧所对应的俯仰角、航向角和横滚角，并且
Figure BDA0002697049690000086
表示在局部坐标系下第k帧的三维位置坐标。
Figure BDA0002697049690000087
表示与第k帧有关的测量数据，其中
Figure BDA0002697049690000088
表示第k帧点云数据，并且
Figure BDA0002697049690000091
表示由惯性积分单元231提供的第k帧在惯性坐标系下的惯性定位信息。变量
Figure BDA0002697049690000092
表示在局部坐标系下第k-1帧的状态(例如，位姿)。
Figure BDA0002697049690000093
表示利用第k-1帧更新后的至少一个局部地图，也即将与当前帧进行匹配的至少一个局部地图。
在一些实施方式中，如上述公式(1)所示，LiDAR惯性里程计240可以基于设备110在历史时刻的历史定位结果
Figure BDA00026970496900000913
点云数据
Figure BDA00026970496900000914
惯性定位信息
Figure BDA00026970496900000915
和至少一个局部地图
Figure BDA00026970496900000916
确定与定位结果
Figure BDA00026970496900000917
相关联的后验概率
Figure BDA00026970496900000918
(本文也称为“第一后验概率”)。然后，通过使后验概率
Figure BDA00026970496900000919
最大化，来确定定位结果
Figure BDA00026970496900000920
在一些实施方式中，为了确定第一后验概率
Figure BDA00026970496900000921
LiDAR惯性里程计240可以确定点云数据
Figure BDA00026970496900000924
相对于定位结果
Figure BDA00026970496900000925
和至少一个局部地图
Figure BDA00026970496900000922
的似然值
Figure BDA00026970496900000923
(本文也称为“第一似然值”)。LiDAR惯性里程计240可以确定惯性定位信息
Figure BDA00026970496900000926
相对于定位结果
Figure BDA00026970496900000928
和历史定位结果
Figure BDA00026970496900000929
的似然值
Figure BDA00026970496900000927
(本文也称为“第二似然值”)。然后，LiDAR惯性里程计240可以基于第一似然值和第二似然值，确定第一后验概率
Figure BDA0002697049690000094
在一些实施方式中，在零均值高斯分布的假设下，第二似然值
Figure BDA0002697049690000095
可以被定义为：
Figure BDA0002697049690000096
其中
Figure BDA0002697049690000097
Figure BDA0002697049690000098
表示惯性定位信息的残差，并且
Figure BDA0002697049690000099
表示残差
Figure BDA00026970496900000910
在惯性坐标系下的协方差。在一些实施方式中，惯性定位信息的残差
Figure BDA00026970496900000911
及其协方差
Figure BDA00026970496900000912
可以利用任何已知或将来开发的方法确定，本文在此不再赘述。
在一些实施方式中，第一似然值
Figure BDA00026970496900001010
可以被定义为：
Figure BDA0002697049690000102
其中的占据概率项SSOP和反射值项SSID可以被分别定义为：
Figure BDA0002697049690000103
局部地图
Figure BDA0002697049690000104
可以包括具有不同分辨率的多个局部地图，其中上述公式(3)中的i表示局部地图的分辨率。每个局部地图可以是三维占据栅格地图，其中栅格的索引利用j来表示。点云数据例如可以包括多个激光点的相应反射值。给定一个激光点
Figure BDA0002697049690000106
并且给定分辨率为i的局部地图，可以确定该局部地图中被激光点命中的栅格s。上述公式(4)中的P(s)可以表示在局部地图中该栅格s的占据概率，I(pj)表示点云数据中该激光点pj的反射值，
Figure BDA0002697049690000105
和σs分别表示在局部地图中栅格s的反射值均值和方差。上述公式(3)中的方差
Figure BDA0002697049690000107
和
Figure BDA0002697049690000108
被用于在最大后验概率估计过程中，对不同分辨率的局部地图下的占据概率项和反射值项进行加权。
在一些实施方式中，LiDAR惯性里程计240可以通过使如公式(1)所示的后验概率最大化，来确定设备110在当前时刻的定位结果101。在一些实施方式中，该定位结果101例如可以指示设备110当前在局部坐标系下的位姿
Figure BDA0002697049690000109
具体地，在求解如公式(1)～(4)所示的最大后验估计问题时，可以将该问题转化成求取残差、占据概率项以及反射值项的平方和的最小值，然后利用迭代算法进行求解。以此方式，LiDAR惯性里程计240能够确定设备110在当前时刻的定位结果101。
附加地或可选地，在一些实施方式中，响应于定位结果101被LiDAR惯性里程计240确定，融合优化模块250可以至少基于来自惯性积分单元231的惯性定位信息来优化该定位结果。经优化的定位结果101例如可以指示设备110当前在局部坐标系下经优化的位姿
Figure BDA0002697049690000115
在一些实施方式中，融合优化过程可以利用固定长度的滑动窗口。例如，当滑动窗口中的帧数达到预定帧数时，当新的一帧点云数据进入该滑动窗口时，该滑动窗口内的最老的一帧点云数据可以被移除。也即，用于该融合优化过程的滑动窗口始终包括当前时刻的点云数据(例如，当前帧)以及在当前时刻之前的历史时刻的点云数据。在一些实施方式中，融合优化模块250可以针对滑动窗口，利用来自LiDAR惯性里程计240的定位结果和来自惯性积分单元231的惯性定位信息作为输入，以优化设备110当前时刻的定位结果101，例如以便得到与当前帧相对应的最终位姿。
在一些实施方式中，该融合问题可以被公式化为最大后验估计问题。例如，与设备110的定位结果相对应的后验概率
Figure BDA0002697049690000116
可以如下被分解：
Figure BDA0002697049690000111
其中，
Figure BDA0002697049690000112
表示滑动窗口内的所有帧，
Figure BDA0002697049690000113
表示这些帧的状态(即，定位结果)，并且
Figure BDA0002697049690000114
表示与这些帧有关的测量数据(包括由惯性积分单元231提供的惯性定位信息以及由LiDAR惯性里程计240提供的局部坐标系下的定位结果)。S表示由LiDAR惯性里程计240维护的所有局部地图，其中每个局部地图利用s来表示。
在上述公式(5)中，
Figure BDA0002697049690000122
表示由LiDAR惯性里程计240提供的第k帧与第s个局部地图之间的相对位姿关系。变量
Figure BDA0002697049690000123
表示在局部坐标系下第k帧的状态(即，位姿)，其中
Figure BDA0002697049690000124
表示在局部坐标系下第k帧所对应的俯仰角、航向角和横滚角，并且
Figure BDA0002697049690000125
表示在局部坐标系下第k帧的三维位置坐标。变量
Figure BDA0002697049690000126
表示在局部坐标系下第s个局部地图的状态(即，位姿)。应当理解，在融合优化过程中，变量
Figure BDA0002697049690000129
和
Figure BDA00026970496900001210
是可变的，而相对位姿关系
Figure BDA0002697049690000127
可以保持不变。
Figure BDA0002697049690000128
表示由LiDAR惯性里程计240提供的定位结果的似然值(本文中也称为“第三似然值”)，例如相对位姿
Figure BDA00026970496900001211
相对于状态
Figure BDA00026970496900001212
和
Figure BDA00026970496900001213
的似然值。
在上述公式(5)中，
Figure BDA00026970496900001214
表示由惯性积分单元231提供的第k帧在惯性坐标系下的惯性定位信息。变量
Figure BDA00026970496900001215
表示在局部坐标系下第k-1帧的状态(即，位姿)。应当理解，在融合优化过程中，变量
Figure BDA00026970496900001216
和
Figure BDA00026970496900001217
是可变的。
Figure BDA00026970496900001218
表示由惯性积分单元231提供的惯性定位信息的似然值(本文中也称为“第四似然值”)，例如惯性定位信息
Figure BDA00026970496900001219
相对于状态
Figure BDA00026970496900001220
和
Figure BDA00026970496900001221
的似然值。
在一些实施方式中，假设融合过程中各项均符合零均值的高斯分布，则第三似然值
Figure BDA00026970496900001222
和第四似然值
Figure BDA00026970496900001223
可以分别被定义为：
Figure BDA0002697049690000121
其中，
Figure BDA00026970496900001224
和
Figure BDA00026970496900001225
分别表示LiDAR惯性里程计240和惯性积分单元231的残差，ΛO表示残差
Figure BDA00026970496900001226
在局部坐标系下的协方差，并且
Figure BDA00026970496900001227
表示残差
Figure BDA0002697049690000133
在惯性坐标系下的协方差。
如上所述，由LiDAR惯性里程计240提供的定位结果可以指示点云数据与局部地图之间的相对位姿
Figure BDA0002697049690000134
设备110当前在局部坐标系下的第一位姿
Figure BDA0002697049690000132
以及该局部地图在局部坐标系下的第二位姿
Figure BDA0002697049690000135
在一些实施方式中，为了确定第三似然值
Figure BDA0002697049690000136
融合优化模块250可以基于由LiDAR惯性里程计240提供的第一位姿和第二位姿，确定相对位姿的估计值，进而确定相对位姿
Figure BDA00026970496900001311
与该估计值之间的残差
Figure BDA0002697049690000137
例如，假设相对位姿
Figure BDA00026970496900001310
局部地图的位姿
Figure BDA0002697049690000138
则残差
Figure BDA0002697049690000139
可以被表示为：
Figure BDA0002697049690000131
其中，
Figure BDA00026970496900001312
表示第k帧与第s个局部地图的相对俯仰角、相对航向角和相对横滚角，并且
Figure BDA00026970496900001315
表示第k帧在第s个局部地图中的三维位置坐标；
Figure BDA00026970496900001313
表示第s个局部地图在局部坐标系下的俯仰角、航向角和横滚角，并且
Figure BDA00026970496900001314
表示第s个局部地图在局部坐标系下的三维位置坐标。
在一些实施方式中，融合优化模块250可以进一步确定该残差
Figure BDA00026970496900001316
在局部坐标系下的协方差ΛO。具体地，可以假设局部定位信息的不确定性在滑动窗口中的所有帧之间均匀分布，因此残差
Figure BDA00026970496900001317
在局部坐标系下的协方差ΛO可以是预定的常对角矩阵。在一些实施方式中，融合优化模块250可以基于该残差
Figure BDA00026970496900001318
和协方差ΛO按照上述公式(6)来确定第三似然值
Figure BDA00026970496900001319
在一些实施方式中，第四似然值
Figure BDA00026970496900001320
可以与如上所述的第二似然值类似的方式来确定，本文在此不再赘述。
在一些实施方式中，融合优化模块250可以通过使如公式(5)所示的后验概率最大化，来优化由LiDAR惯性里程计240提供的初始定位结果，从而确定设备110在当前时刻的最终定位结果101。在一些实施方式中，经优化的定位结果101例如可以指示设备110当前在局部坐标系下经优化的位姿
Figure BDA0002697049690000141
具体地，在求解如公式(5)和(6)所示的最大后验估计问题时，可以将该问题转化成求取各残差的平方和的最小值，然后利用迭代算法进行求解。
从以上描述能够看出，与传统方案相比，本公开的实施方式具有如下优点：第一，取代于传统方案中所使用的二维(2D)占据栅格地图，本公开的实施方式通过使用三维占据栅格地图作为与点云数据进行匹配的局部地图，由此实现完整的6自由度(DOF)的雷达惯性里程计；第二，本公开的实施方式利用惯性测量数据的积分结果来提供帧间位姿估计的相对约束，同时对运动引起的雷达扫描失真进行运动补偿；第三，将LiDAR反射信息加入到局部地图的栅格中，在将局部地图与当前帧进行匹配时利用LiDAR的反射信息；第四，采用了多分辨率的局部地图来提高点云数据与局部地图之间的匹配过程的稳定性和准确性。
图3示出了根据本公开的一些实施方式的用于定位的过程300的流程图。过程300可以由如图1所示的计算设备120来实现。例如，该计算设备120可以被嵌入在设备110中或者实现作为设备110外部的独立设备。为了方便讨论，将结合图2来描述过程300。
在框310处，计算设备120(例如，预处理模块230)获取在当前时刻待定位设备110上的惯性测量数据以及由该设备110上的LiDAR220在当前时刻采集的点云数据。
在框320处，计算设备120(例如，惯性积分单元231)通过对惯性测量数据进行积分，确定设备110在当前时刻在惯性坐标系下的惯性定位信息。
在框330处，计算设备120(例如，LiDAR惯性里程计240)基于惯性定位信息、点云数据和在局部坐标系下构建的至少一个局部地图，确定设备110在当前时刻在局部坐标系下的定位结果101。
在一些实施方式中，计算设备120(例如，LiDAR惯性里程计240)可以基于设备110在历史时刻的历史定位结果、点云数据、惯性定位信息和至少一个局部地图，确定与定位结果101相关联的第一后验概率；以及通过使第一后验概率最大化，确定定位结果101。
在一些实施方式中，计算设备120(例如，LiDAR惯性里程计240)可以确定点云数据相对于定位结果101和至少一个局部地图的第一似然值；确定惯性定位信息相对于定位结果101和历史定位结果的第二似然值；以及基于第一似然值和第二似然值，确定第一后验概率。
在一些实施方式中，至少一个局部地图包括具有不同分辨率的多个局部地图。计算设备120(例如，LiDAR惯性里程计240)可以针对多个局部地图中的给定局部地图，确定点云数据相对于定位结果101和给定局部地图的似然值；以及基于针对多个局部地图而确定的多个似然值，确定第一似然值。
在一些实施方式中，点云数据包括多个激光点的相应反射信息，至少一个局部地图包括三维局部地图，三维局部地图被划分成多个栅格，并且每个栅格具有对应的激光反射信息和障碍物占据概率。计算设备120(例如，LiDAR惯性里程计240)可以通过将点云数据与三维局部地图进行匹配，确定多个栅格中被多个激光点命中的一组栅格；以及基于与一组栅格对应的一组障碍物占据概率、与一组栅格对应的激光反射信息以及点云数据中多个激光点的相应反射信息，确定点云数据相对于定位结果101和三维局部地图的第一似然值。
在一些实施方式中，计算设备120(例如，运动补偿单元232)可以在确定定位结果101之前，基于惯性定位信息对点云数据进行运动补偿。
在一些实施方式中，计算设备120(例如，融合优化模块250)可以响应于定位结果101被确定，至少基于惯性定位信息优化该定位结果101。
在一些实施方式中，该定位结果101指示点云数据与至少一个局部地图之间的相对位姿、设备在局部坐标系下的第一位姿、以及至少一个局部地图在局部坐标系下的第二位姿。计算设备120(例如，融合优化模块250)可以在保持相对位姿不变的情况下，优化第一位姿和第二位姿。
在一些实施方式中，计算设备120(例如，融合优化模块250)可以确定与设备的一组定位结果相关联的第二后验概率，其中一组定位结果至少包括设备在当前时刻的定位结果101和在历史时刻在局部坐标系下的历史定位结果；以及通过使第二后验概率最大化，优化定位结果101。
在一些实施方式中，计算设备120(例如，融合优化模块250)可以确定与定位结果101相关联的第三似然值；确定惯性定位信息相对于定位结果101和历史定位结果的第四似然值；以及至少基于第三似然值和第四似然值，确定第二后验概率。
在一些实施方式中，计算设备120(例如，融合优化模块250)可以基于第一位姿和第二位姿，确定对相对位姿的估计值；确定估计值与定位结果101所指示的相对位姿之间的残差；以及至少基于残差，确定相对位姿相对于第一位姿和第二位姿的第三似然值。
在一些实施方式中，计算设备120(例如，融合优化模块250)可以确定与历史定位结果相关联的第五似然值；确定与设备在历史时刻在惯性坐标系下的历史惯性定位信息相关联的第六似然值；以及至少基于第三似然值、第四似然值、第五似然值和第六似然值，确定第二后验概率。
在一些实施方式中，至少一个局部地图是基于由LiDAR220在当前时刻之前的历史时刻采集的至少一帧点云数据而构建的。计算设备120(例如，LiDAR惯性里程计240)可以基于点云数据，更新至少一个局部地图。
图4示出了根据本公开实施方式的用于定位的装置400的示意性框图。装置400可以被包括在如图1所示的计算设备120中或者被实现为计算设备120。如图4所示，装置400可以包括数据获取模块410，被配置为获取待定位设备在当前时刻的惯性测量数据以及由该设备上的LiDAR在当前时刻采集的点云数据。装置400还可以包括惯性定位模块420，被配置为通过对惯性测量数据进行积分，确定设备在当前时刻在惯性坐标系下的惯性定位信息。装置400还可以包括结果确定模块430，被配置为基于惯性定位信息、点云数据和在局部坐标系下构建的至少一个局部地图，确定设备在当前时刻在局部坐标系下的定位结果。
在一些实施方式中，结果确定模块430包括：第一后验概率确定单元，被配置为基于设备在历史时刻的历史定位结果、点云数据、惯性定位信息和至少一个局部地图，确定与定位结果相关联的第一后验概率；以及结果确定单元，被配置为通过使第一后验概率最大化，确定定位结果。
在一些实施方式中，第一后验概率确定单元包括：第一确定子单元，被配置为确定点云数据相对于定位结果和至少一个局部地图的第一似然值；第二确定子单元，被配置为确定惯性定位信息相对于定位结果和历史定位结果的第二似然值；以及第三确定子单元，被配置为基于第一似然值和第二似然值，确定第一后验概率。
在一些实施方式中，至少一个局部地图包括具有不同分辨率的多个局部地图，并且第一确定子单元被配置为：针对多个局部地图中的给定局部地图，确定点云数据相对于定位结果和给定局部地图的似然值；以及基于针对多个局部地图而确定的多个似然值，确定第一似然值。
在一些实施方式中，点云数据包括多个激光点的相应反射信息，至少一个局部地图包括三维局部地图，三维局部地图被划分成多个栅格，并且每个栅格具有对应的激光反射信息和障碍物占据概率。第一确定子单元被配置为：通过将点云数据与三维局部地图进行匹配，确定多个栅格中被多个激光点命中的一组栅格；以及基于与一组栅格对应的一组障碍物占据概率、与一组栅格对应的激光反射信息以及点云数据中多个激光点的相应反射信息，确定点云数据相对于定位结果和三维局部地图的第一似然值。
在一些实施方式中，装置400还包括：运动补偿模块，被配置为在确定定位结果之前，基于惯性定位信息对点云数据进行运动补偿。
在一些实施方式中，装置400还包括：结果优化模块，被配置为响应于定位结果被确定，至少基于惯性定位信息优化定位结果。
在一些实施方式中，定位结果指示点云数据与至少一个局部地图之间的相对位姿、设备在局部坐标系下的第一位姿、以及至少一个局部地图在局部坐标系下的第二位姿。结果优化模块被配置为：在保持相对位姿不变的情况下，优化第一位姿和第二位姿。
在一些实施方式中，结果优化模块包括：第二后验概率确定单元，被配置为确定与设备的一组定位结果相关联的第二后验概率，其中一组定位结果至少包括设备在当前时刻的定位结果和在历史时刻在局部坐标系下的历史定位结果；以及结果优化单元，被配置为通过使第二后验概率最大化，优化定位结果。
在一些实施方式中，第二后验概率确定单元包括：第四确定子单元，被配置为确定与定位结果相关联的第三似然值；第五确定子单元，被配置为确定惯性定位信息相对于定位结果和历史定位结果的第四似然值；以及第六确定子单元，被配置为至少基于第三似然值和第四似然值，确定第二后验概率。
在一些实施方式中，第四确定子单元被配置为：基于第一位姿和第二位姿，确定对相对位姿的估计值；确定估计值与定位结果所指示的相对位姿之间的残差；以及至少基于残差，确定相对位姿相对于第一位姿和第二位姿的第三似然值。
在一些实施方式中，第四确定子单元还被配置为：确定与历史定位结果相关联的第五似然值。第五确定子单元还被配置为：确定与设备在历史时刻在惯性坐标系下的历史惯性定位信息相关联的第六似然值。第六确定子单元还被配置为：至少基于第三似然值、第四似然值、第五似然值和第六似然值，确定第二后验概率。
在一些实施方式中，至少一个局部地图是基于由LiDAR在当前时刻之前的历史时刻采集的至少一帧点云数据而构建的，并且装置400还包括：地图更新模块，被配置为基于点云数据，更新至少一个局部地图。
图5示出了可以用来实施本公开的实施方式的示例设备500的示意性框图。设备500可以用于实现如图1所示的计算设备120。如图所示，设备500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令，来执行各种适当的动作和处理。在RAM503中，还可存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元501执行上文所描述的各个方法和处理，例如过程400。例如，在一些实施方式中，过程400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施方式中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由CPU 501执行时，可以执行上文描述的过程400的一个或多个步骤。可选地，在其他实施方式中，CPU 501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行过程400。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施方式的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种用于定位的方法，包括：
获取设备在第一时刻的惯性测量数据以及由所述设备上的LiDAR在所述第一时刻采集的点云数据；
通过对所述惯性测量数据进行积分，确定所述设备在所述第一时刻在惯性坐标系下的惯性定位信息；以及
基于所述惯性定位信息、所述点云数据和在局部坐标系下构建的至少一个局部地图，确定所述设备在所述第一时刻在所述局部坐标系下的第一定位结果；
其中，确定所述第一定位结果包括：
基于所述设备在所述第一时刻之前的第二时刻的第二定位结果、所述点云数据、所述惯性定位信息和所述至少一个局部地图，确定与所述第一定位结果相关联的第一后验概率；以及
通过使所述第一后验概率最大化，确定所述第一定位结果。
2.根据权利要求1所述的方法，其中，确定所述第一后验概率包括：
确定所述点云数据相对于所述第一定位结果和所述至少一个局部地图的第一似然值；
确定所述惯性定位信息相对于所述第一定位结果和所述第二定位结果的第二似然值；以及
基于所述第一似然值和所述第二似然值，确定所述第一后验概率。
3.根据权利要求2所述的方法，其中，
所述至少一个局部地图包括具有不同分辨率的多个局部地图，并且
确定所述第一似然值包括：
针对所述多个局部地图中的局部地图，确定所述点云数据相对于所述第一定位结果和所述局部地图的似然值；以及
基于针对所述多个局部地图而确定的多个似然值，确定所述第一似然值。
4.根据权利要求2所述的方法，其中：
所述点云数据包括多个激光点的相应反射信息，
所述至少一个局部地图包括三维局部地图，所述三维局部地图包括多个栅格，每个栅格具有对应的激光反射信息和障碍物占据概率，并且
确定所述第一似然值包括：
通过将所述点云数据与所述三维局部地图进行匹配，确定所述多个栅格中被所述多个激光点命中的一组栅格；以及
基于与所述一组栅格对应的一组障碍物占据概率、与所述一组栅格对应的激光反射信息以及所述点云数据中所述多个激光点的相应反射信息，确定所述点云数据相对于所述第一定位结果和所述三维局部地图的所述第一似然值。
5.根据权利要求1所述的方法，还包括：
在确定所述第一定位结果之前，基于所述惯性定位信息对所述点云数据进行运动补偿。
6.根据权利要求1所述的方法，还包括：
响应于所述第一定位结果被确定，至少基于所述惯性定位信息优化所述第一定位结果。
7.根据权利要求6所述的方法，其中，
所述第一定位结果包括所述点云数据相对于所述至少一个局部地图的相对位姿、所述设备在所述局部坐标系下的第一位姿、以及所述至少一个局部地图在所述局部坐标系下的第二位姿，并且
优化所述第一定位结果包括：
在保持所述相对位姿不变的情况下，优化所述第一位姿和所述第二位姿。
8.根据权利要求7所述的方法，其中，优化所述第一定位结果包括：
确定与所述设备的一组定位结果相关联的第二后验概率，其中所述一组定位结果至少包括所述设备在所述第一时刻的所述第一定位结果和所述设备在所述第一时刻之前的第二时刻在所述局部坐标系下的第二定位结果；以及
通过使所述第二后验概率最大化，优化所述第一定位结果。
9.根据权利要求8所述的方法，其中，确定所述第二后验概率包括：
确定与所述第一定位结果相关联的第三似然值；
确定所述惯性定位信息相对于所述第一定位结果和所述第二定位结果的第四似然值；以及
至少基于所述第三似然值和所述第四似然值，确定所述第二后验概率。
10.根据权利要求9所述的方法，其中，确定所述第三似然值包括：
基于所述第一位姿和所述第二位姿，确定对所述相对位姿的估计值；
确定所述估计值与所述第一定位结果所指示的所述相对位姿之间的残差；以及
至少基于所述残差，确定所述相对位姿相对于所述第一位姿和所述第二位姿的所述第三似然值。
11.根据权利要求9所述的方法，其中，确定所述第二后验概率包括：
确定与所述第二定位结果相关联的第五似然值；
确定与所述设备在所述第二时刻在所述惯性坐标系下的第二惯性定位信息相关联的第六似然值；以及
至少基于所述第三似然值、所述第四似然值、所述第五似然值和所述第六似然值，确定所述第二后验概率。
12.根据权利要求1所述的方法，其中，
所述至少一个局部地图是基于由所述LiDAR在所述第一时刻之前的至少一个时刻采集的至少一帧点云数据而构建的，并且
所述方法还包括：
基于所述点云数据，更新所述至少一个局部地图。
13.一种用于定位的计算设备，包括：
一个或多个处理器；以及
存储器，存储一个或多个程序，其中所述一个或多个程序在由所述一个或多个处理器执行时使所述计算设备执行根据权利要求1-12中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由计算设备执行时使所述计算设备执行根据权利要求1-12中任一项所述的方法。
CN202011009327.7A 2020-03-02 2020-09-23 用于定位的方法、装置、计算设备和计算机可读存储介质 Active CN112113574B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/806,331 2020-03-02
US16/806,331 US11725944B2 (en) 2020-03-02 2020-03-02 Method, apparatus, computing device and computer-readable storage medium for positioning

Publications (2)

Publication Number Publication Date
CN112113574A CN112113574A (zh) 2020-12-22
CN112113574B true CN112113574B (zh) 2022-10-11

Family

ID=72709072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011009327.7A Active CN112113574B (zh) 2020-03-02 2020-09-23 用于定位的方法、装置、计算设备和计算机可读存储介质

Country Status (5)

Country Link
US (1) US11725944B2 (zh)
EP (1) EP3875907B1 (zh)
JP (1) JP7316310B2 (zh)
KR (1) KR102628778B1 (zh)
CN (1) CN112113574B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112414403B (zh) * 2021-01-25 2021-04-16 湖南北斗微芯数据科技有限公司 一种机器人的定位定姿方法、设备及存储介质
CN115220009A (zh) * 2021-04-15 2022-10-21 阿里巴巴新加坡控股有限公司 数据处理方法、装置、电子设备及计算机存储介质
CN113295159B (zh) * 2021-05-14 2023-03-03 浙江商汤科技开发有限公司 端云融合的定位方法、装置和计算机可读存储介质
CN113269878B (zh) * 2021-05-26 2023-04-07 上海新纪元机器人有限公司 一种基于多传感器的建图方法及系统
CN113503883B (zh) * 2021-06-22 2022-07-19 北京三快在线科技有限公司 采集用于构建地图的数据的方法、存储介质及电子设备
CN115683100A (zh) * 2021-07-27 2023-02-03 Oppo广东移动通信有限公司 机器人的定位方法、装置、机器人以及存储介质
CN115235482A (zh) * 2021-09-28 2022-10-25 上海仙途智能科技有限公司 地图更新方法、装置、计算机设备及介质
CN113607185B (zh) * 2021-10-08 2022-01-04 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质
CN114018269B (zh) * 2021-11-22 2024-03-26 阿波罗智能技术(北京)有限公司 定位方法、装置、电子设备、存储介质以及自动驾驶车辆
CN114239663B (zh) * 2021-12-22 2024-08-20 广东技术师范大学 一种基于信号降噪的slam方法、系统及存储介质
KR102400435B1 (ko) * 2022-03-03 2022-05-20 주식회사 에이치아이엔티 라이다 기반 실시간 감지 시스템의 데이터 처리를 가속화하는 방법
US20230375365A1 (en) * 2022-05-23 2023-11-23 Microsoft Technology Licensing, Llc Collecting telemetry data for 3d map updates
CN115326051A (zh) * 2022-08-03 2022-11-11 广州高新兴机器人有限公司 一种基于动态场景的定位方法、装置、机器人及介质
CN115480239A (zh) * 2022-09-16 2022-12-16 深圳市赛盈地空技术有限公司 一种测点坐标的确定方法、装置、设备及介质
CN115685133B (zh) * 2022-12-30 2023-04-18 安徽蔚来智驾科技有限公司 自动驾驶车辆的定位方法、控制装置、存储介质及车辆

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107144292A (zh) * 2017-06-08 2017-09-08 杭州南江机器人股份有限公司 一种运动设备的里程计方法以及里程计装置
CN110501712A (zh) * 2019-09-05 2019-11-26 北京百度网讯科技有限公司 用于确定位置姿态数据的方法、装置、设备和介质

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9052721B1 (en) * 2012-08-28 2015-06-09 Google Inc. Method for correcting alignment of vehicle mounted laser scans with an elevation map for obstacle detection
JP6060642B2 (ja) 2012-11-20 2017-01-18 三菱電機株式会社 自己位置推定装置
KR101625486B1 (ko) 2014-11-14 2016-05-30 재단법인대구경북과학기술원 지도 기반 측위 시스템 및 그 방법
US20160335901A1 (en) 2015-04-07 2016-11-17 Near Earth Autonomy, Inc. Control of autonomous rotorcraft in limited communication environments
KR102373926B1 (ko) 2016-02-05 2022-03-14 삼성전자주식회사 이동체 및 이동체의 위치 인식 방법
WO2018008082A1 (ja) 2016-07-05 2018-01-11 三菱電機株式会社 走行車線推定システム
US20180088234A1 (en) 2016-09-27 2018-03-29 Carnegie Mellon University Robust Localization and Localizability Prediction Using a Rotating Laser Scanner
US10436595B2 (en) * 2017-02-02 2019-10-08 Baidu Usa Llc Method and system for updating localization maps of autonomous driving vehicles
CN108732584B (zh) 2017-04-17 2020-06-30 百度在线网络技术（北京）有限公司 用于更新地图的方法和装置
CN109425348B (zh) 2017-08-23 2023-04-07 北京图森未来科技有限公司 一种同时定位与建图的方法和装置
JP6761388B2 (ja) 2017-08-25 2020-09-23 Kddi株式会社 推定装置及びプログラム
KR102440358B1 (ko) 2017-10-12 2022-09-05 한화디펜스 주식회사 관성 기반 항법 장치 및 상대사전적분에 따른 관성 기반 항법 방법
CN109840448A (zh) * 2017-11-24 2019-06-04 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的信息输出方法和装置
JP2021121781A (ja) 2018-05-09 2021-08-26 ソニーグループ株式会社 情報処理装置、情報処理方法、及びプログラム
CN108731699A (zh) 2018-05-09 2018-11-02 上海博泰悦臻网络技术服务有限公司 智能终端及其基于语音的导航路线重新规划方法、及车辆
CN110553648A (zh) 2018-06-01 2019-12-10 北京嘀嘀无限科技发展有限公司 一种用于室内导航的方法和系统
CN109144056B (zh) 2018-08-02 2021-07-06 上海思岚科技有限公司 移动机器人的全局自定位方法及设备
JP2021508814A (ja) * 2018-11-09 2021-03-11 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド ＬｉＤＡＲを用いた車両測位システム
CN110070577B (zh) 2019-04-30 2023-04-28 电子科技大学 基于特征点分布的视觉slam关键帧与特征点选取方法
WO2021007117A1 (en) * 2019-07-05 2021-01-14 DeepMap Inc. Generating training data for deep learning models for building high definition maps

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107144292A (zh) * 2017-06-08 2017-09-08 杭州南江机器人股份有限公司 一种运动设备的里程计方法以及里程计装置
CN110501712A (zh) * 2019-09-05 2019-11-26 北京百度网讯科技有限公司 用于确定位置姿态数据的方法、装置、设备和介质

Also Published As

Publication number Publication date
KR102628778B1 (ko) 2024-01-25
US20210270609A1 (en) 2021-09-02
US11725944B2 (en) 2023-08-15
EP3875907B1 (en) 2022-10-19
JP2021165731A (ja) 2021-10-14
JP7316310B2 (ja) 2023-07-27
KR20210111182A (ko) 2021-09-10
CN112113574A (zh) 2020-12-22
EP3875907A1 (en) 2021-09-08

Similar Documents

Publication Publication Date Title
CN112113574B (zh) 用于定位的方法、装置、计算设备和计算机可读存储介质
CN111947671B (zh) 用于定位的方法、装置、计算设备和计算机可读存储介质
US11073601B2 (en) Vehicle positioning system using LiDAR
CN108921947B (zh) 生成电子地图的方法、装置、设备、存储介质以及采集实体
WO2020000137A1 (en) Integrated sensor calibration in natural scenes
CN108732603A (zh) 用于定位车辆的方法和装置
CN111947672B (zh) 用于检测环境变化的方法、装置、设备和介质
US11158065B2 (en) Localization of a mobile unit by means of a multi hypothesis kalman filter method
CN110969055A (zh) 用于车辆定位的方法、装置、设备和计算机可读存储介质
CN114111774B (zh) 车辆的定位方法、系统、设备及计算机可读存储介质
CN114264301B (zh) 车载多传感器融合定位方法、装置、芯片及终端
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
CN115236714A (zh) 多源数据融合定位方法、装置、设备及计算机存储介质
CN114279454A (zh) 用于在环境中导航移动平台的方法和系统
CN118392149A (zh) 车辆定位的方法、存储介质、车辆定位装置和车辆
CN117629187A (zh) 基于uwb与视觉融合的紧耦合里程计方法及系统
CN117705104A (zh) 基于uwb与imu融合的鲁棒自主定位与建图方法、装置及介质
CN118823127A (zh) 位姿估计方法、装置、电子设备、存储介质和程序产品
CN117516544A (zh) 一种车辆的融合定位方法、装置、电子设备及存储介质
CN117075140A (zh) 一种应用于动态环境的双匹配鲁棒激光定位方法及系统

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