CN112130165A - 一种定位方法、装置、介质及无人设备 - Google Patents

一种定位方法、装置、介质及无人设备 Download PDF

Info

Publication number
CN112130165A
CN112130165A CN202010969225.3A CN202010969225A CN112130165A CN 112130165 A CN112130165 A CN 112130165A CN 202010969225 A CN202010969225 A CN 202010969225A CN 112130165 A CN112130165 A CN 112130165A
Authority
CN
China
Prior art keywords
point
point cloud
coordinate
points
determining
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.)
Withdrawn
Application number
CN202010969225.3A
Other languages
English (en)
Inventor
刘健
何祎
高春乐
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 Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202010969225.3A priority Critical patent/CN112130165A/zh
Publication of CN112130165A publication Critical patent/CN112130165A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06Systems determining position data of a target
    • G01S17/46Indirect determination of position data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/93Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本说明书公开了一种定位方法、装置、介质及无人设备,包括:获取激光雷达在当前时刻产生的点云数据;针对点云数据中包含的各点云点,确定该点云点的特征信息;将各点云点投影到二维坐标系中,根据各点云点的特征信息,确定二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的二维坐标系中各坐标点的第二特征矩阵;分别将各坐标点的第一特征矩阵与第二特征矩阵进行匹配;根据匹配结果,定位无人设备在当前时刻的位姿。这样充分考虑三维空间中邻域内不同点云点之间的位置关系,并基于该位置关系确定点云点的特征,提高了点云点特征的表达能力,有效提升特征点匹配的精确度,达到提高定位精度的目的。

Description

一种定位方法、装置、介质及无人设备
技术领域
本说明书涉及无人驾驶技术领域,尤其涉及一种定位方法、装置、介质及无人设备。
背景技术
SLAM(Simultaneous localization and mapping;即时定位与地图构建)主要用于解决无人设备(例如:机器人或者无人驾驶车辆)在未知环境运动中的定位与地图构建问题。常见的有基于激光的SLAM和基于视觉图像的SLAM。其中,基于激光的SLAM是以激光数据作为数据输入的SLAM方案。
具体地,以无人设备上安装有激光雷达为例进行说明。该激光雷达在无人设备运动的过程中,以激光作为信号源,以旋转的方式将激光脉冲不断投射到无人设备行驶的环境中,同时接收该激光脉冲遇到障碍物后所反射回的激光脉冲,以得到该环境中所包含的障碍物上全部的点云数据。
在利用激光雷达对无人设备不同时刻所处位置进行定位时,将激光雷达所扫描到的区域进行栅格化处理,得到该区域对应的二维栅格图(也可以称之为鸟瞰图)。之后将每一个点云数据投影到对应的栅格中,通过将相邻两个时刻产生的二维栅格图中每个栅格对应的点云数据进行特征匹配,进而根据匹配结果确定无人设备在某一时刻的相对位置。
经过研究发现,在将点云数据投影到二维栅格图的过程中,往往会丢失点云数据的部分信息,将导致特征匹配准确度不高,进而影响定位精度。
发明内容
本说明书提供一种定位方法、设备、介质及无人设备,以部分解决上述现有技术存在的问题。
本说明书采用下述技术方案:
本说明书提供的一种定位方法,所述无人设备上安装有激光雷达,所述方法包括:
获取所述激光雷达在当前时刻产生的点云数据;
针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;
将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;
获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;
分别将所述当前时刻确定的各坐标点的所述第一特征矩阵与所述历史时刻确定的各坐标点的所述第二特征矩阵进行匹配;
根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
可选的,确定该点云点的特征信息,具体包括:
根据该点云点的三维坐标和所述点云数据中包含的其他点云点的三维坐标,计算该点云点与所述其他点云点之间的距离和角度;
根据计算得到的距离和角度,确定该点云点的特征信息。
可选的,所述方法还包括:
根据该点云点对应的激光扫描线扫描到障碍物时所产生的回波强度,确定该点云点的强度特征;
根据计算得到的距离和角度,生成该点云点的特征信息,具体包括:
根据计算得到的距离和角度、所述强度特征,生成该点云点的特征信息。
可选的,确定该点云点的特征信息,具体包括:
根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点;
确定该点云点与筛选出的其他点云点之间的位置关系;
根据所述位置关系,确定该点云点的特征信息。
可选的,根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点,具体包括:
根据该点云点对应的激光扫描线的发射位置,筛选从该发射位置邻域范围的其他发射位置发射的激光扫描线对应的点云点;和/或,根据该点云点对应的激光扫描线的发射角度,筛选该激光扫描线以该发射角度邻域范围内的其他发射角度发射时所对应的点云点;
将筛选出的点云点确定为筛选出的其他点云点。
可选的,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵,具体包括:
针对所述二维坐标系中各坐标点,若投影到该坐标点的点云点的数量超过设定数值,则根据投影到该坐标点的各点云点的三维坐标,对所述各点云点的特征信息进行排序;
根据排序后的特征信息,确定该坐标点的第一特征矩阵。
可选的,分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配,包括:
针对各所述坐标点,确定该坐标点邻域范围内的其他坐标点的第二特征矩阵;
分别将该坐标点的第一特征矩阵与确定的所述第二特征矩阵进行特征匹配。
可选的,根据匹配结果,定位所述无人设备在所述当前时刻的位姿,具体包括:
根据匹配结果,从邻域范围内的其他坐标点中,确定出与该坐标点对应的点云点属于同一个点云点的坐标点,作为第一坐标点;
计算所述第一坐标点与该坐标点之间的距离;
根据所述距离和所述历史时刻定位的所述无人设备的位姿,估计所述无人设备在所述当前时刻的位姿。
本说明书实施例还提供了一种定位装置,所述装置包括:
获取单元,用于获取激光雷达在当前时刻产生的点云数据;
确定单元,用于针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;
投影单元,用于将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;
所述获取单元,还用于获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;
匹配单元,用于分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;
定位单元,用于根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的定位方法。
本说明书提供的一种无人设备,所述无人设备上安装有激光雷达和定位装置,所述定位装置包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的定位方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
本说明书提供的定位方法,通过获取激光雷达在当前时刻产生的点云数据;针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;根据匹配结果,定位所述无人设备在所述当前时刻的位姿。在利用激光雷达定位无人设备的位置时,充分考虑三维空间中邻域内不同点云点之间的位置关系,并基于该位置关系确定点云点的特征,这样提高了点云点特征的表达能力,进而有效提升特征点匹配的精确度,达到提高激光雷达定位精度的目的。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的一种定位方法的流程示意图;
图2为本说明书实施例提供的一种定位装置的结构示意图;
图3为本说明书实施例提供的无人设备的结构示意图。
具体实施方式
基于此,本说明书提供一种定位方法,通过获取激光雷达在当前时刻产生的点云数据;针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;进而将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;根据匹配结果,定位所述无人设备在所述当前时刻的位姿。在利用激光雷达定位无人设备的位置时,充分考虑三维空间中邻域内不同点云点之间的位置关系,并基于该位置关系确定点云点的特征,这样提高了点云点特征的表达能力,进而有效提升特征点匹配的精确度,达到提高激光雷达定位精度的目的。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种定位方法的流程示意图。所述方法可以如下所述。本说明书实施例的执行主体为无人设备,该无人设备上安装有激光雷达。
步骤101:获取所述激光雷达在当前时刻产生的点云数据。
在本说明书提供的实施例中,无人设备在行进的过程中,通过安装的激光雷达来定位其行进的位置。
具体地,激光雷达采用旋转扫描的方式发射激光扫描线,当激光扫描线遇到障碍物时发生反射,激光雷达接收到激光扫描线对应的反射线,根据这些反射线生成雷达数据包。其中,所述雷达数据包中包含激光扫描线扫描到各障碍物所产生的距离信息和角度信息。
这里的距离信息可以根据发射激光扫描线的时间和接收到反射线的时间以及激光在空气中的传播速度确定;这里的角度信息可以根据激光扫描线所对应的发射位置计算的发射角度确定。
获取激光雷达在当前时刻产生的雷达数据包;以所述激光雷达构建雷达坐标系,根据激光扫描线扫描到障碍物所产生的距离信息和角度信息,确定激光扫描线扫描到障碍物时所产生的点云点的坐标信息。这里的坐标信息可以理解为三维坐标。
根据不同的所述点云点的坐标信息,生成所述当前时刻对应的点云数据。
可选的,在得到当前时刻对应的点云数据时,可以确定该点云数据对应的前向视图。这里的前向视图可以理解为由点云数据构造的立体图的前向视图。
步骤103:针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系。
在本说明书提供的实施例中,首先,针对点云数据中包含的各点云点,选择一个点与点,并确定选择的该点与点的其他点云点。
具体地,根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点。
其中,根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点,具体包括:
根据该点云点对应的激光扫描线的发射位置,筛选从该发射位置邻域范围的其他发射位置发射的激光扫描线对应的点云点;和/或,根据该点云点对应的激光扫描线的发射角度,筛选该激光扫描线以该发射角度邻域范围内的其他发射角度发射时所对应的点云点;
将筛选出的点云点确定为筛选出的其他点云点。
这里以激光雷达为机械式激光雷达为例进行说明。机械式激光雷达将激光扫描线的线束竖向排列形成一个面,通过机械旋转部件转动这个面,扫描无人设备行进过程中周围环境。每旋转一周可以生成一张三维立体图像,该三维立体图像又可以称之为点云数据。
这里的发射位置可以理解为:点云点对应的激光扫描线的发射位置,即发射激光扫描线的线孔的位置。这里的发射位置邻域范围的其他发射位置可以理解为:以该发射位置为中心,向外辐射设定距离,该距离范围内所覆盖的发射位置称之为该发射位置邻域范围的其他发射位置。
这里的发射角度可以理解为:点云点对应的激光扫描线的发射角度,即由发射激光扫描线的线孔的位置确定。这里的发射角度邻域范围内的其他发射角度可以理解为:以该发射角度为中心,与该发射角度之差满足设定数值的其他发射角度称之为该发射角度邻域范围内的其他发射角度。
需要说明的是,这里的设定距离、设定数值可以根据实际需要确定,这里不做具体限定。
可选的,在本说明书提供的实施例中,当获取到雷达数据包时,可以根据该雷达数据包构建三维立体图像,基于该三维立体图像可以确定该三维立体图像的前向视图。在前向视图中,每一列中包含的是激光雷达在旋转到某一个位置时N条激光扫描线扫描到障碍物时产生的N个点;每一行中包含的是一条激光扫描线扫描一周所扫描到障碍物时产生的M个点。这里N*M个点构成该雷达数据包对应的点云数据,每一点对应一个点云点。
针对构建的前向视图,可以基于该点云点在前向视图中的位置,确定与该点云点位置相邻的其他点云点。
其次,确定该点云点的特征信息。
确定该点云点与筛选出的其他点云点之间的位置关系;根据所述位置关系,确定该点云点的特征信息。
具体地,根据该点云点的三维坐标和筛选出的其他点云点的三维坐标,计算该点云点与所述其他点云点之间的距离和角度;
根据计算得到的距离和角度,生成该点云点的特征信息。
在步骤101中,当获取雷达数据包时可根据激光扫描线扫描到障碍物所产生的距离信息和角度信息,确定激光扫描线扫描到障碍物时所产生的点云点的坐标信息,即点云点的三维坐标。
可选的,所述方法还包括:
根据该点云点对应的激光扫描线扫描到障碍物时所产生的回波强度,确定该点云点的强度特征。
可选的,根据计算得到的距离和角度、所述强度特征,生成该点云点的特征信息。
例如:针对每一个点云点,根据计算得到的距离、角度和强度特征,建立特征矩阵,该特征矩阵的行代表筛选出的其他点云点,列代表距离、角度和强度特征;根据建立的特征矩阵,得到该点云点的特征信息。需要说明的是,特征信息中包含距离、角度和强度特征。
需要说明的是,在建立特征矩阵时,可以根据该点云点与其他点云点之间的位置关系,确定特征信息在特征矩阵中的位置。
步骤105:将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵。
在本说明书提供的实施例中,根据三维坐标系与二维坐标系之间的转换方式,将点云数据中包含的各点云点投影到二维坐标系中,得到各点云点对应在二维坐标系中的坐标点。
进而针对二维坐标系中各坐标点,确定投影到该坐标点的点云点;根据确定的点与点的特征信息,得到该坐标点的第一特征矩阵。
可选的,若投影到该坐标点的点云点的数量超过设定数值,则根据投影到该坐标点的各点云点的三维坐标,对所述各点云点的特征信息进行排序;
根据排序后的特征信息,确定该坐标点的第一特征矩阵。
具体地,若三维坐标系以O为原点,二维的水平方向为横轴(即X轴),二维的垂直方向为纵轴(即Y轴),三维的高度方向为Z轴,根据投影到该坐标点的各点云点在三维坐标系中的Z轴坐标值,按照Z轴坐标值从小到大(或者从大到小)的顺序,对所述各点云点的特征信息进行排序。
需要说明的是,针对不同的坐标点,所对应的点云点的特征信息的排序规则相同,例如:要么按照Z轴坐标值从小到大排序;要么按照Z轴坐标值从大到小排序。
这里记载的设定数值可以根据实际确定,例如:一个;还可以根据经验值确定,这里对于数值大小不做具体限定。
步骤107:获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵。
在本说明书提供的实施例中,历史时刻产生的点云数据的方式以及根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵的方式可以采用步骤101、步骤103和步骤105中记载的方式,这里不在赘述。
步骤109:分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配。
在本说明书提供的实施例中,针对各所述坐标点,确定该坐标点邻域范围内的其他坐标点的第二特征矩阵;分别将该坐标点的第一特征矩阵与确定的所述第二特征矩阵进行特征匹配。
具体地,当前时刻产生的点云数据投影到二维坐标系中,可以得到点云数据的二维平面图像,该二维平面图像又可以称之为鸟瞰图。历史时刻产生的点云数据投影到二维坐标系中,也可以得到历史时刻产生的点云数据的二维平面图像。也就是说,针对不同时刻产生的二维平面图像,可以确定每个二维平面图像中各个坐标点的坐标。
这里所记载的该坐标点邻域范围内的其他坐标点可以理解为:坐标位置相邻或者坐标位置满足设定条件。以选择的坐标点对应的坐标为(3,3)为例进行说明。那么与坐标(3,3)位置相邻的坐标有(2,2)、(2,3)、(2,4)、(3,4)、(3,2)、(4,2)、(4,3)、(4,4);假设设定条件是到坐标(3,3)的距离不大于设定数值,那么与坐标(3,3)之间的距离不大于设定数值(例如:3)的坐标有:(1,1)、(1,2)、(1,3)、(1,4)、(1,5)、(2,1)、(2,5)、(5,1)、(5,5)等。
具体地,将坐标(3,3)的第一特征矩阵与第二特征矩阵进行特征匹配;将坐标(3,3)的第一特征矩阵与坐标(3,2)的第二特征矩阵进行特征匹配;将坐标(3,3)的第一特征矩阵与坐标(1,5)的第二特征矩阵进行特征匹配。等等。
可选的,在进行特征匹配之前,判断执行匹配操作的两个特征矩阵的维数是否相同,若不同,则按照设定的归一化处理策略,将维数不同的两个特征矩阵调整为维数相同的两个特征矩阵。
具体地,若相匹配的两个特征矩阵的维数不同,那么首先,将特征矩阵的维数进行归一化处理;其次将归一化处理后的两个特征矩阵进行匹配。
这里所谓的归一化处理可以理解为使其维数一致。例如:一个特征矩阵的维数为3维,另一个特征矩阵的维数为4维,这里的归一化可以理解为将4维特征矩阵变成3维特征矩阵,即舍弃最上面的一维数据或者最下面的一维数据。
需要说明的是,对于任意需要归一化调整的特征矩阵,调整方向一致,即舍弃最上面的设定维数的数据;或者舍弃最下面的设定维数的数据;或者舍弃设定行数的数据,等等。
步骤111:根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
在本说明书提供的实施例中,根据匹配结果,从邻域范围内的其他坐标点中,确定出与该坐标点对应的点云点为同一个点云点的坐标点,作为第一坐标点;
计算所述第一坐标点与该坐标点之间的距离;
根据所述距离和所述历史时刻定位的所述无人设备的位姿,估计所述无人设备在所述当前时刻的位姿。
需要说明的是,这里的第一坐标点理解为一个坐标点,而不第一个坐标点,目的在于与“该坐标点”进行区分。
具体地,判断该坐标点的第一特征矩阵与确定的第二特征矩阵是否一致,若一致,则说明该第二特征矩阵对应的坐标点所对应的点云点与第一特征矩阵对应的坐标点所对应的点云点为同一个点云点。
例如:假设坐标(3,3)的第一特征矩阵与坐标(3,2)的第二特征矩阵进行特征匹配,其匹配结果是一致。那么说明当前时刻产生的二维平面图像中坐标(3,3)对应的点云点和历史时刻产生的二维平面图像中坐标(3,2)对应的点云点为同一个点云点,那么这里的(3,2)即为第一坐标点。计算坐标(3,2)和坐标(3,3)之间的距离,并根据所述距离和所述历史时刻定位的所述无人设备的位姿,估计所述无人设备在所述当前时刻的位姿。
通过本说明书提供的技术方案,获取激光雷达在当前时刻产生的点云数据;针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;进而将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
这样在利用激光雷达定位无人设备的位置时,充分考虑三维空间中邻域内不同点云点之间的位置关系,并基于该位置关系确定点云点的特征,提高了点云点特征的表达能力,进而有效提升特征点匹配的精确度,达到提高激光雷达定位精度的目的。
本说明书提供的上述定位方法可应用于无人车行驶的各种应用场景中。无人车可以为无人配送车。该无人配送车可以应用于使用无人配送车进行配送的领域,如,使用无人配送车进行快递、外卖等配送的场景。
以上为本说明书实施例提供的定位方法,基于同样的思路,本说明书还提供了相应的装置、存储介质和电子设备。
图2为本说明书实施例提供的一种定位装置的结构示意图,所述装置包括:获取单元201、确定单元202、投影单元203、匹配单元204和定位单元205,其中;
获取单元201,用于获取激光雷达在当前时刻产生的点云数据;
确定单元202,用于针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;
投影单元203,用于将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;
所述获取单元201,还用于获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;
匹配单元204,用于分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;
定位单元205,用于根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
在本说明书提供的另一个实施例中,所述确定单元202确定该点云点的特征信息,具体包括:
根据该点云点的三维坐标和所述点云数据中包含的其他点云点的三维坐标,计算该点云点与所述其他点云点之间的距离和角度;
根据计算得到的距离和角度,确定该点云点的特征信息。
在本说明书提供的另一个实施例中,所述确定单元202,还用于根据该点云点对应的激光扫描线扫描到障碍物时所产生的回波强度,确定该点云点的强度特征;
所述确定单元202根据计算得到的距离和角度,生成该点云点的特征信息,具体包括:
根据计算得到的距离和角度、所述强度特征,生成该点云点的特征信息。
在本说明书提供的另一个实施例中,所述确定单元202确定该点云点的特征信息,具体包括:
根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点;
确定该点云点与筛选出的其他点云点之间的位置关系;
根据所述位置关系,确定该点云点的特征信息。
在本说明书提供的另一个实施例中,所述确定单元202根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点,具体包括:
根据该点云点对应的激光扫描线的发射位置,筛选从该发射位置邻域范围的其他发射位置发射的激光扫描线对应的点云点;和/或,根据该点云点对应的激光扫描线的发射角度,筛选该激光扫描线以该发射角度邻域范围内的其他发射角度发射时所对应的点云点;
将筛选出的点云点确定为筛选出的其他点云点。
在本说明书提供的另一个实施例中,所述投影单元203根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵,具体包括:
针对所述二维坐标系中各坐标点,若投影到该坐标点的点云点的数量超过设定数值,则根据投影到该坐标点的各点云点的三维坐标,对所述各点云点的特征信息进行排序;
根据排序后的特征信息,确定该坐标点的第一特征矩阵。
在本说明书提供的另一个实施例中,所述匹配单元204分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配,包括:
针对各所述坐标点,确定该坐标点邻域范围内的其他坐标点的第二特征矩阵;
分别将该坐标点的第一特征矩阵与确定的所述第二特征矩阵进行特征匹配。
在本说明书提供的另一个实施例中,所述定位单元205根据匹配结果,定位所述无人设备在所述当前时刻的位姿,具体包括:
根据匹配结果,从邻域范围内的其他坐标点中,确定出与该坐标点对应的点云点属于同一个点云点的坐标点,作为第一坐标点;
计算所述第一坐标点与该坐标点之间的距离;
根据所述距离和所述历史时刻定位的所述无人设备的位姿,估计所述无人设备在所述当前时刻的位姿。
需要说明的是,本说明书实施例提供的定位装置可以通过软件方式实现,也可以通过硬件方式实现,这里对于实现方式不做具体限定。该定位装置通过获取激光雷达在当前时刻产生的点云数据;针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;分别将所述当前时刻确定的各坐标点的所述第一特征矩阵与所述历史时刻确定的各坐标点的所述第二特征矩阵进行匹配;根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
在利用激光雷达定位无人设备的位置时,充分考虑三维空间上各相邻点云点之间的位置关系,基于该位置关系确定每一个点云点的特征,这样在对相邻时刻产生的特征点进行特征匹配时,借助点云点的特征的表达能力,能够有效提高匹配的精确度,进而达到提升激光雷达定位精度的目的。
本说明书还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可用于执行上述图1提供的定位方法。
基于图1所示的定位方法,本说明书实施例还提供了图3所示的无人设备的结构示意图。如图3,在硬件层面,该无人设备上安装有激光雷达和定位装置,所述定位装置包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的定位方法。
具体地,通过获取激光雷达在当前时刻产生的点云数据;针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;分别将所述当前时刻确定的各坐标点的所述第一特征矩阵与所述历史时刻确定的各坐标点的所述第二特征矩阵进行匹配;根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
在利用激光雷达定位无人设备的位置时,充分考虑三维空间上各相邻点云点之间的位置关系,基于该位置关系确定每一个点云点的特征,这样在对相邻时刻产生的特征点进行特征匹配时,借助点云点的特征的表达能力,能够有效提高匹配的精确度,进而达到提升激光雷达定位精度的目的。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种定位方法,其特征在于,所述无人设备上安装有激光雷达,所述方法包括:
获取所述激光雷达在当前时刻产生的点云数据;
针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;
将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;
获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;
分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;
根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
2.如权利要求1所述的方法,其特征在于,确定该点云点的特征信息,具体包括:
根据该点云点的三维坐标和所述点云数据中包含的其他点云点的三维坐标,计算该点云点与所述其他点云点之间的距离和角度;
根据计算得到的距离和角度,确定该点云点的特征信息。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
根据该点云点对应的激光扫描线扫描到障碍物时所产生的回波强度,确定该点云点的强度特征;
根据计算得到的距离和角度,生成该点云点的特征信息,具体包括:
根据计算得到的距离和角度、所述强度特征,生成该点云点的特征信息。
4.如权利要求1所述的方法,其特征在于,确定该点云点的特征信息,具体包括:
根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点;
确定该点云点与筛选出的其他点云点之间的位置关系;
根据所述位置关系,确定该点云点的特征信息。
5.如权利要求4所述的方法,其特征在于,根据该点云点,从所述点云数据中包含的点云点中筛选出其他点云点,具体包括:
根据该点云点对应的激光扫描线的发射位置,筛选从该发射位置邻域范围的其他发射位置发射的激光扫描线对应的点云点;和/或,根据该点云点对应的激光扫描线的发射角度,筛选该激光扫描线以该发射角度邻域范围内的其他发射角度发射时所对应的点云点;
将筛选出的点云点确定为筛选出的其他点云点。
6.如权利要求1所述的方法,其特征在于,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵,具体包括:
针对所述二维坐标系中各坐标点,若投影到该坐标点的点云点的数量超过设定数值,则根据投影到该坐标点的各点云点的三维坐标,对所述各点云点的特征信息进行排序;
根据排序后的特征信息,确定该坐标点的第一特征矩阵。
7.如权利要求1所述的方法,其特征在于,分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配,包括:
针对各所述坐标点,确定该坐标点邻域范围内的其他坐标点的第二特征矩阵;
分别将该坐标点的第一特征矩阵与确定的所述第二特征矩阵进行特征匹配。
8.如权利要求7所述的方法,其特征在于,根据匹配结果,定位所述无人设备在所述当前时刻的位姿,具体包括:
根据匹配结果,从邻域范围内的其他坐标点中,确定出与该坐标点对应的点云点为同一个点云点的坐标点,作为第一坐标点;
计算所述第一坐标点与该坐标点之间的距离;
根据所述距离和所述历史时刻定位的所述无人设备的位姿,估计所述无人设备在所述当前时刻的位姿。
9.一种定位装置,其特征在于,所述装置包括:
获取单元,用于获取激光雷达在当前时刻产生的点云数据;
确定单元,用于针对所述点云数据中包含的各点云点,确定该点云点的特征信息,所述特征信息用于表征该点云点与所述点云数据中包含的其他点云点之间的位置关系;
投影单元,用于将各点云点投影到二维坐标系中,根据各所述点云点的特征信息,确定所述二维坐标系中各坐标点的第一特征矩阵;
所述获取单元,还用于获取根据历史时刻产生的点云数据确定的所述二维坐标系中各坐标点的第二特征矩阵;
匹配单元,用于分别将各坐标点的所述第一特征矩阵与所述第二特征矩阵进行匹配;
定位单元,用于根据匹配结果,定位所述无人设备在所述当前时刻的位姿。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1至8任一项所述的定位方法。
11.一种无人设备,所述无人设备上安装有激光雷达和定位装置,所述定位装置包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1至8任一项所述的定位方法。
CN202010969225.3A 2020-09-15 2020-09-15 一种定位方法、装置、介质及无人设备 Withdrawn CN112130165A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010969225.3A CN112130165A (zh) 2020-09-15 2020-09-15 一种定位方法、装置、介质及无人设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010969225.3A CN112130165A (zh) 2020-09-15 2020-09-15 一种定位方法、装置、介质及无人设备

Publications (1)

Publication Number Publication Date
CN112130165A true CN112130165A (zh) 2020-12-25

Family

ID=73845247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010969225.3A Withdrawn CN112130165A (zh) 2020-09-15 2020-09-15 一种定位方法、装置、介质及无人设备

Country Status (1)

Country Link
CN (1) CN112130165A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733971A (zh) * 2021-04-02 2021-04-30 北京三快在线科技有限公司 扫描设备的位姿确定方法、装置、设备及存储介质
CN114545443A (zh) * 2022-02-09 2022-05-27 北京三快在线科技有限公司 一种盲区识别方法及装置
CN114610022A (zh) * 2022-02-09 2022-06-10 北京三快在线科技有限公司 一种接驳定位方法及配送系统
WO2022247306A1 (zh) * 2021-05-28 2022-12-01 同济大学 一种基于毫米波雷达的无人机定位方法
CN115861560A (zh) * 2023-02-09 2023-03-28 之江实验室 一种构建地图的方法、装置、存储介质及电子设备

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733971A (zh) * 2021-04-02 2021-04-30 北京三快在线科技有限公司 扫描设备的位姿确定方法、装置、设备及存储介质
CN112733971B (zh) * 2021-04-02 2021-11-16 北京三快在线科技有限公司 扫描设备的位姿确定方法、装置、设备及存储介质
WO2022247306A1 (zh) * 2021-05-28 2022-12-01 同济大学 一种基于毫米波雷达的无人机定位方法
CN114545443A (zh) * 2022-02-09 2022-05-27 北京三快在线科技有限公司 一种盲区识别方法及装置
CN114610022A (zh) * 2022-02-09 2022-06-10 北京三快在线科技有限公司 一种接驳定位方法及配送系统
CN115861560A (zh) * 2023-02-09 2023-03-28 之江实验室 一种构建地图的方法、装置、存储介质及电子设备
CN115861560B (zh) * 2023-02-09 2023-05-16 之江实验室 一种构建地图的方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN112130165A (zh) 一种定位方法、装置、介质及无人设备
CN110031824B (zh) 激光雷达联合标定方法及装置
KR102460225B1 (ko) 레이저 스캔 시스템, 레이저 스캔 방법, 이동 레이저 스캔 시스템 및 프로그램
US20230093680A1 (en) Data fusion
US9207678B2 (en) Method and apparatus for constructing map for mobile robot
CN112904369B (zh) 机器人重定位方法、装置、机器人和计算机可读存储介质
CN111728535B (zh) 一种生成清扫路径的方法、装置、电子设备及存储介质
CN111210429A (zh) 点云数据划分方法及装置、障碍物检测方法及装置
CN111639682A (zh) 基于点云数据的地面分割方法及装置
CN111882611B (zh) 一种地图构建方法及装置
US20200349727A1 (en) Obstacle detection method, mobile platform, and computer readable storage medium
CN112298168A (zh) 一种车位检测方法及装置、自动泊车方法及装置
WO2023179717A1 (zh) 用于激光雷达的点云处理方法、装置、设备及存储介质
CN111797711A (zh) 一种模型训练的方法及装置
CN115147333A (zh) 一种目标检测方法及装置
CN112907745B (zh) 一种数字正射影像图生成方法及装置
CN113244619B (zh) 数据处理方法、装置、设备及存储介质
CN112462403A (zh) 一种定位方法、装置、存储介质及电子设备
US20230367319A1 (en) Intelligent obstacle avoidance method and apparatus based on binocular vision, and non-transitory computer-readable storage medium
CN115507840A (zh) 一种栅格地图构建方法、栅格地图构建装置及电子设备
CN114549579A (zh) 一种目标物跟踪方法及装置
US20150146877A1 (en) System and a method for determining approximate set of visible objects in beam tracing
CN114299147A (zh) 一种定位方法、装置、存储介质及电子设备
CN113887351A (zh) 一种用于无人驾驶的障碍物检测方法及障碍物检测装置
CN112329547A (zh) 一种数据处理方法及装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201225