CN112154303B - 高精度地图定位方法、系统、平台及计算机可读存储介质 - Google Patents
高精度地图定位方法、系统、平台及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112154303B CN112154303B CN201980033698.8A CN201980033698A CN112154303B CN 112154303 B CN112154303 B CN 112154303B CN 201980033698 A CN201980033698 A CN 201980033698A CN 112154303 B CN112154303 B CN 112154303B
- Authority
- CN
- China
- Prior art keywords
- map
- point cloud
- running environment
- current
- online
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 20
- 230000005484 gravity Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/26—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
Abstract
本申请公开了一种高精度地图定位方法、系统、平台及计算机可读存储介质，该方法包括：获取离线高精度地图，并建立在线点云地图(S101)；获取当前行驶环境对应的点云匹配规则(S102)；根据点云匹配规则，将在线点云地图与离线高精度地图进行匹配(S103)；根据匹配结果确定定位结果(S104)。本申请提高定位准确性。
Description
技术领域
本申请涉及高精度地图的技术领域，尤其涉及一种高精度地图定位方法、系统、平台及计算机可读存储介质。
背景技术
高精度地图也称为高分辨率地图(High Definition Map，HD Map)，是一可以为自动驾驶服务的地图。采集可移动平台行驶过的区域的原始点云数据，通过高精度惯导和点云配准技术对采集到的原始点云数据进行处理，配准优化位姿，得到高精度的三维点云数据，并依据配准好的三维点云数据生成对应的高精度地图。
目前，依据配准好的三维点云数据生成大范围的高精度地图，通常采用的是所有点云均依据重力方向的高度进行计算生成，并且后续使用高精度地图定位也依据重力方向进行；然而由于实际驾驶场景中经常会有上坡、下坡等，这种按照重力方向的方式生成高精度地图并使用高精度地图定位的方式，并不能很好地处理在非水平面上驾驶的场景，从而可能导致可移动平台在这种驾驶场景下的定位精度不好而影响后续可移动平台的决策。因此，如何提高可移动平台的定位准确性是目前亟待解决的问题。
发明内容
基于此，本申请提供了一种高精度地图定位方法、系统、平台及计算机可读存储介质，旨在提高可移动平台的定位准确性。
第一方面，本申请提供了一种高精度地图定位方法，包括：
获取离线高精度地图，并建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
第二方面，本申请还提供了一种驾驶系统，所述驾驶系统包括激光雷达、存储器和处理器；所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
获取离线高精度地图，并通过所述激光雷达采集到的三维点云数据建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
第三方面，本申请还提供了一种可移动平台，所述可移动平台包括激光雷达、存储器和处理器；所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
获取离线高精度地图，并通过所述激光雷达采集到的三维点云数据建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
第四方面，本申请还提供了一种计算机可读存储介质，其特征在于，所述计算机可读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使所述处理器实现：
获取离线高精度地图，并建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
本申请实施例提供了一种高精度地图定位方法、系统、平台及计算机可读存储介质，通过确定可移动平台所处的当前行驶环境，并获取当前行驶环境对应的点云匹配规则，然后基于该点云匹配规则，将在线点云地图与离线高精度地图进行匹配，得到地图匹配结果，最后基于地图匹配结果确定可移动平台的定位结果，基于可移动平台所处的当前行驶环境自适应点云匹配规则，可以提高可移动平台在各种行驶环境下的定位精度，有效的提高可移动平台的定位准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种高精度地图定位方法的步骤示意流程图；
图2是图1中的高精度地图定位方法的子步骤示意流程图；
图3是本申请一实施例提供的另一种高精度地图定位方法的步骤示意流程图；
图4是本申请一实施例提供的一种驾驶系统的结构示意性框图；
图5是本申请一实施例提供的一种可移动平台的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请一实施例提供的一种高精度地图定位方法的步骤示意流程图。该高精度地图定位方法可以应用在可移动平台或驾驶系统中。其中可移动平台包括车辆和飞行器，飞行器包括无人飞行器和有人飞行器，车辆包括有人驾驶车辆和无人驾驶车辆等，无人飞行器包括旋翼型无人飞行器，例如四旋翼无人飞行器、六旋翼无人飞行器、八旋翼无人飞行器，也可以是固定翼无人飞行器，还可以是旋翼型与固定翼无人飞行器的组合，在此不作限定。
具体地，如图1所示，该高精度地图定位方法包括步骤S101至步骤S104。
S101、获取离线高精度地图，并建立在线点云地图。
其中，可移动平台通过高精度的激光雷达对行驶过的区域采集三维点云数据，并通过高精度惯导系统和点云配准算法，对采集到的三维点云数据进行处理，生成离线高精度地图。或者，通过高精度的激光雷达对行驶过的区域采集三维点云数据，通过惯性测量单元(Inertial Measurement Unit，IMU)采集可移动平台的姿态数据，以及通过全球定位系统(Global PositioningSystem，GPS)采集可移动平台的位置数据，然后基于姿态数据和位置数据，对采集到的三维点云数据进行融合处理，并基于融合处理后的三维点云数据生成离线高精度地图。结合惯性测量单元、全球定位系统和三维点云数据可以生成准确的离线高精度地图。
可移动平台在移动过程中，获取离线高精度地图，并通过激光雷达实时采集可移动平台周围物体的三维点云数据，且基于实时采集到的三维点云数据建立在线点云地图。其中，激光雷达可以基于激光发射点与发射出的激光在物体上的反射点的距离，以及激光发射点的激光的发射方向，确定物体的三维点云数据。可移动平台周边物体的三维点云数据包括物体与可移动平台的距离，物体与可移动平台的角度，以及物体的三维坐标等数据。
在传统的三维点云投影方法中，对可移动平台所采集的三维点云均是以重力方向进行投影而形成二维点云地图，这种投影方式较为简便，但在一些非水平平面的点云的处理上可能存在误差。本申请所采用的投影方式可以解决这种问题。在本申请的一实施例中，首先，离线高精度地图的生成即可以不再采用重力方向投影方式来生成。具体的，可移动平台将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；基于路面法向量投影规则，将第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成第一预设行驶环境对应的高精度地图；基于路面法向量投影规则，将第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成第二预设行驶环境对应的高精度地图；对第一预设行驶环境对应的高精度地图和第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。路面法向量投影，能更好的保存局部位置的三维结果，能更准确的表达场景的几何特征，通过融合不同行驶环境下的高精度地图，可以得到准确的离线高精度地图，便于后续在不同行驶环境下进行定位，提高定位的准确性。其次，离线高精度地图的定位也可以不再采用重力方向投影方式来进行。具体的，对可移动平台实时采集的三维点云数据的处理，也可以根据可移动平台所处环境划分成第一预设行驶环境和第二预设行驶环境，并且均基于路面法向量投影规则来对实时采集的三维点云数据进行处理，从而实现后续的高精度地图的定位。
需要说明的是，第一预设行驶环境为非水平路面行驶环境，第二预设环境为水平路面行驶环境。其中，第一预设行驶环境对应的高精度地图的生成方式具体为：将第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；将全局地图坐标系下的第一三维点云数据转换为第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；按照局部地图坐标系的竖轴方向将第二三维点云数据正交投影至二维栅格，以生成第一预设行驶环境对应的高精度地图。
其中，第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与惯性坐标系的竖轴对齐，第二预设行驶环境对应的高精度地图的生成方式具体为：按照惯性坐标系的竖轴将第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成第二预设行驶环境对应的高精度地图。第一预设行驶环境与第二预设行驶环境下的三维点云数据与其具体行驶环境有关，在非水平路面行驶环境和非水平路面行驶环境下，三维点云数据投影方向不同。
S102、确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则。
具体地，可移动平台在建立在线点云地图之后，确定可移动平台所处的当前行驶环境，并获取当前行驶环境对应的点云匹配规则。其中，可移动平台的当前行驶环境包括路面方向，点云匹配规则包括路面法向量的投影方向，路面法向量的投影方向随着当前行驶环境中的路面方向变化而变化，且路面法向量的投影方向与路面方向垂直，或者路面法向量的投影方向与局部路面的平均方向垂直。路面法向量的投影方向随着当前行驶环境中的路面方向变化而变化，能更好的保存局部位置的三维结果，能更准确的表达场景的几何特征，可以提高局部位置的定位准确性。
需要说明的是，路面为通过当前行驶环境对应的三维点云数据拟合得到的，该路面包括单纯的水平路面、单纯的非水平路面以及由水平路面和非水平路面组成的复合路面，路面方向包括水平路面方向和非水平路面方向，单纯的水平路面的路面方向为水平路面方向，单纯的非水平路面的路面方向为非水平路面方向，水平路面方向与重力方向垂直，也与路面法向量的投影方向垂直，而非水平路面不与重力方向垂直，与路面法向量的投影方向垂直，在复合路面中，路面法向量的投影方向与局部路面(非水平路面)的平均方向垂直。
在一实施例中，如图2所示，步骤S102包括子步骤S1021至S1022。
S1021、获取可移动平台的当前地理位置。
具体地，获取可移动平台的当前地理位置，其中，当前地理位置为该可移动平台的定位系统在当前时刻输出的地理位置，定位系统可选为全球定位系统。
S1022、根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
其中，当前行驶环境包括水平路面行驶环境和非水平路面行驶环境，水平路面行驶环境包括完全水平路面的行驶环境，也包括不完全水平路面的行驶环境。
具体地，可移动平台根据当前地理位置，确定可移动平台在离线高精度地图中的位置坐标；获取非水平路面行驶环境对应的位置坐标集，并确定该位置坐标是否位于位置坐标集；若位置坐标位于位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。需要说明的是，上述位置坐标集基于实际情况进行设置，本申请对此不作具体限定。
其中，可移动平台在离线高精度地图中的位置坐标的确定方式具体为：从当前地理位置中获取可移动平台的地理位置坐标，并在该离线高精度地图中标记该地理位置坐标，然后获取该地理位置坐标周围物体在离线高精度地图中的位置坐标，并基于周围物体在离线高精度地图中的位置坐标，确定可移动平台在离线高精度地图中的位置坐标。通过可移动平台的当前地理位置和离线高精度地图，可以准确的确定可移动平台所处的当前行驶环境。
在一实施例中，当前行驶环境的确定方式还可以为：获取可移动平台的当前姿态数据，其中，当前姿态数据为可移动平台的惯性测量单元在当前时刻输出的姿态数据；根据当前姿态数据，确定可移动平台所处的当前行驶环境。
具体地，基于当前姿态数据，确定可移动平台的俯仰倾斜角或横滚倾斜角，并判断该俯仰倾斜角或横滚倾斜角是否满足预设的倾斜角范围，如果该俯仰倾斜角和横滚倾斜角满足预设的倾斜角范围，例如其倾斜程度小于某一阈值，则确定可移动平台处于水平路面行驶环境，如果该俯仰倾斜角或横滚倾斜角不满足预设的倾斜角范围，则确定可移动平台处于非水平路面行驶环境。需要说明的是，上述倾斜角范围可基于实际情况进行设置，本申请对此不作具体限定。可选地，该俯仰倾斜角或横滚倾斜角为搭载于可移动平台的惯性测量单元输出的俯仰角或横滚角。通过可移动平台的当前姿态数据可准确的确定可移动平台所处的当前行驶环境。
在一实施例中，当前行驶环境的确定方式还可以为：获取可移动平台所处的当前行驶环境的当前环境图像，并根据当前环境图像生成对应的深度图；根据生成的深度图，确定可移动平台所处的当前行驶环境。其中，该可移动平台设置有双目立体摄像机，通过该双目立体摄像机可以拍摄得到可移动平台所处的当前行驶环境的当前环境图像，该双目立体摄像机的光轴与可移动平台的底盘平行。通过双目立体摄像机结合深度图，可以准确的确定可移动平台所处的当前行驶环境。
具体地，可移动平台基于生成的深度图计算路面点距离双目立体摄像机的光轴的垂直距离，如果该垂直距离大于或小于预设的距离阈值，则确定可移动平台处于非水平路面行驶环境，如果该垂直距离等于预设的距离阈值，则确定可移动平台处于水平路面行驶环境。需要说明的是，上述距离阈值可基于实际情况进行设置，本申请对此不作具体限定。
需要说明的是，可移动平台还可以基于定位系统、双目立体摄像机和惯性测量单元中的至少两个，融合确定可移动平台所处的当前行驶环境，即可以基于定位系统和双目立体摄像机确定可移动平台所处的当前行驶环境，或者可以基于定位系统和惯性测量单元确定可移动平台所处的当前行驶环境，或者可以基于双目立体摄像机和惯性测量单元确定可移动平台所处的当前行驶环境，或者基于定位系统、双目立体摄像机和惯性测量单元确定可移动平台所处的当前行驶环境。通过结合多个传感器的数据确定可移动平台所处的当前行驶环境，可以进一步准确地确定可移动平台所处的当前行驶环境。
S103、根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果。
具体地，确定可移动平台的候选定位结果集，其中，候选定位结果集包括至少两个候选定位结果；基于点云匹配规则中路面法向量的投影方向，将每个候选定位结果投影至在线点云地图，得到每个候选定位结果各自对应的在线栅格地图；计算每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值；将每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值作为地图匹配结果。
其中，候选定位结果集的确定方式可以为：获取可移动平台的当前位置数据和当前姿态数据；根据当前位置数据和预设位置误差值确定候选位置集；根据当前姿态数据和预设姿态误差值确定候选姿态集；根据候选位置集和所述候选姿态集，确定候选定位结果集。其中，可移动平台的当前位置数据为可移动平台的定位系统在当前时刻输出的位置数据，可移动平台的当前姿态数据为可移动平台的惯性测量单元在当前时刻输出的姿态数据。该位置数据包括可移动平台的地理位置坐标，该姿态数据包括可移动平台的俯仰角、横滚角和偏航角。需要说明的是，上述预设位置误差值和预设姿态误差值可基于实际情况进行设置，本申请对此不作具体限定。通过可移动平台的当前位置数据和当前姿态数据，可以准确的确定候选定位结果集，从而间接的提高定位的准确性。
其中，损失代价值的计算方式具体为：对离线高精度地图进行栅格化处理，得到每个在线栅格地图各自对应的离线栅格地图，其中，互相对应的在线栅格地图和离线栅格地图的栅格数量相同；根据每个离线栅格地图中各栅格的高度和每个在线栅格地图中各栅格的高度，计算每个在线栅格地图与离线高精度地图之间的损失代价值。其中，在线栅格地图中各栅格的高度和离线栅格地图中各栅格的高度均为栅格内的点云的平均高度。
S104、根据所述地图匹配结果确定所述可移动平台的定位结果。
具体地，从该地图匹配结果中获取每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值；将最小的损失代价值对应的候选定位结果作为可移动平台的定位结果。
例如，候选定位结果集包括候选定位结果A、候选定位结果B和候选定位结果C，且按照损失代价值的大小顺序，得到的排列顺序为候选定位结果B、候选定位结果C、候选定位结果A，即最小的损失代价值对应的候选定位结果为候选定位结果A，则将候选定位结果A作为目标定位结果。
上述实施例提供的高精度地图定位方法，通过确定可移动平台所处的当前行驶环境，并获取当前行驶环境对应的点云匹配规则，然后基于该点云匹配规则，将在线点云地图与离线高精度地图进行匹配，得到地图匹配结果，最后基于地图匹配结果确定可移动平台的定位结果，基于可移动平台所处的当前行驶环境自适应点云匹配规则，可以提高可移动平台在各种行驶环境下的定位精度，有效的提高可移动平台的定位准确性。
请参阅图3，图3是本申请一实施例提供的另一种高精度地图定位方法的步骤示意流程图。
具体地，如图3所示，该高精度地图定位方法包括步骤S201至S209。
S201、获取离线高精度地图，并建立在线点云地图。
具体地，可移动平台在移动过程中，获取离线高精度地图，并通过激光雷达实时采集可移动平台周围物体的三维点云数据，且基于实时采集到的三维点云数据建立在线点云地图。
S202、确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则。
具体地，可移动平台在建立在线点云地图之后，确定可移动平台所处的当前行驶环境，并获取当前行驶环境对应的点云匹配规则。其中，可移动平台的当前行驶环境包括路面方向，点云匹配规则包括路面法向量的投影方向，路面法向量的投影方向随着当前行驶环境中的路面方向变化而变化，且路面法向量的投影方向与路面方向垂直，或者路面法向量的投影方向与局部路面的平均方向垂直。
S203、确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果。
具体地，在获取到当前行驶环境对应的点云匹配规则时，确定可移动平台的候选定位结果集，即获取可移动平台的当前位置数据和当前姿态数据；根据当前位置数据和预设位置误差值确定候选位置集；根据当前姿态数据和预设姿态误差值确定候选姿态集；根据候选位置集和所述候选姿态集，确定候选定位结果集。其中，可移动平台的当前位置数据为可移动平台的定位系统在当前时刻输出的位置数据，可移动平台的当前姿态数据为可移动平台的惯性测量单元在当前时刻输出的姿态数据。该位置数据包括可移动平台的地理位置坐标，该姿态数据包括可移动平台的俯仰角、横滚角和偏航角。需要说明的是，上述预设位置误差值和预设姿态误差值可基于实际情况进行设置，本申请对此不作具体限定。
S204、从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签。
具体地，可移动平台在根据点云匹配规则，将在线点云地图与离线高精度地图进行匹配的过程中，从该点云匹配规则中获取行驶环境标签，并确定该行驶环境标签是否为隧道行驶环境对应的标签，如果该行驶环境标签为隧道行驶环境对应的标签，则可以确定可移动平台的当前行驶环境为隧道行驶环境。
S205、若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图。
具体地，当行驶环境标签为隧道行驶环境对应的标签，则可移动平台基于该点云匹配规则中路面法向量的投影方向，将每个候选定位结果投影至在线点云地图，可以得到没有标记高度的在线栅格地图。
S206、根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
具体地，可移动平台根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个候选定位结果各自对应的标记有高度的在线栅格地图。需要说明的是，预设条件为栅格中的点的高度小于预设阈值，预设阈值可基于实际情况进行设置，本申请对此不作具体限定，可选地，预设阈值为3米。
S207、计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值。
具体地，对离线高精度地图进行栅格化处理，得到每个在线栅格地图各自对应的离线栅格地图，其中，互相对应的在线栅格地图和离线栅格地图的栅格数量相同；根据每个离线栅格地图中各栅格的高度和每个在线栅格地图中各栅格的高度，计算每个在线栅格地图与离线高精度地图之间的损失代价值。其中，在线栅格地图中各栅格的高度和离线栅格地图中各栅格的高度均为栅格内的点云的平均高度。
S208、将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
具体地，在计算得到每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值，将每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值作为地图匹配结果。
S209、根据所述地图匹配结果确定所述可移动平台的定位结果。
具体地，可移动平台从该地图匹配结果中获取每个候选定位结果各自对应的在线栅格地图与离线高精度地图之间的损失代价值；将最小的损失代价值对应的候选定位结果作为可移动平台的定位结果。
上述实施例提供的高精度地图定位方法，在隧道行驶场景下，通过过滤高度较高的点云，可以提高横向相邻栅格中的高度差异，减少横向定位产生的横向偏差，可以提高可移动平台在隧道场景下的定位精度和准确性。
请参阅图4，图4是本申请一实施例提供的驾驶系统的示意性框图。在一种实施方式中，该驾驶系统包括无人驾驶系统和有人驾驶系统。进一步地，该驾驶系统300包括处理器301、存储器302和激光雷达303，处理器301、存储器302和激光雷达303通过总线304连接，该总线304比如为I2C(Inter-integrated Circuit)总线。
具体地，处理器301可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。
具体地，存储器302可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
具体地，处理器301和存储器302为驾驶系统的计算平台，该激光雷达303可以为驾驶系统的外接设备，也可以为驾驶系统的内部组件，本申请对此不作具体限定。
其中，所述处理器301用于运行存储在存储器302中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取离线高精度地图，并通过所述激光雷达采集到的三维点云数据建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
可选地，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前地理位置；
根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
可选地，所述驾驶系统还包括定位系统，所述当前地理位置为所述定位系统在当前时刻输出的地理位置。
可选地，所述处理器在实现根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境时，用于实现：
根据所述当前地理位置，确定所述可移动平台在所述离线高精度地图中的位置坐标；
获取非水平路面行驶环境对应的位置坐标集，并确定所述位置坐标是否位于所述位置坐标集；
若所述位置坐标位于所述位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。
可选地，所述驾驶系统还包括惯性测量单元，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前姿态数据，其中，所述当前姿态数据为所述惯性测量单元在当前时刻输出的姿态数据；
根据所述当前姿态数据，确定可移动平台所处的当前行驶环境。
可选地，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台所处的当前行驶环境的当前环境图像，并根据所述当前环境图像生成对应的深度图；
根据生成的所述深度图，确定可移动平台所处的当前行驶环境。
可选地，所述处理器在实现根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果时，用于实现：
确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果；
基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图；
计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
可选地，所述处理器在实现根据所述地图匹配结果确定所述可移动平台的定位结果时，用于实现：
从所述地图匹配结果中获取每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将最小的所述损失代价值对应的候选定位结果作为所述可移动平台的定位结果。
可选地，所述处理器在实现计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值时，用于实现：
对所述离线高精度地图进行栅格化处理，得到每个所述在线栅格地图各自对应的离线栅格地图，其中，互相对应的所述在线栅格地图和所述离线栅格地图的栅格数量相同；
根据每个所述离线栅格地图中各栅格的高度和每个所述在线栅格地图中各栅格的高度，计算每个所述在线栅格地图与所述离线高精度地图之间的损失代价值。
可选地，所述处理器在实现基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图时，用于实现：
从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签；
若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图；
根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
可选地，所述处理器实现获取离线高精度地图之前，还用于实现：
将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；
基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图；
基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图；
对所述第一预设行驶环境对应的高精度地图和所述第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。
可选地，所述处理器实现基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图时，用于实现：
将所述第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；
将所述全局地图坐标系下的第一三维点云数据转换为所述第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；
按照所述局部地图坐标系的竖轴方向将所述第二三维点云数据正交投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图。
可选地，所述第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与所述惯性坐标系的竖轴对齐；所述处理器实现基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图时，用于实现：
按照所述惯性坐标系的竖轴将所述第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的驾驶系统的工作过程，可以参考前述高精度地图定位方法实施例中的对应过程，在此不再赘述。
请参阅图5，图5是本申请一实施例提供的可移动平台的示意性框图。该可移动平台400包括处理器401、存储器402和激光雷达403，处理器401、存储器402和激光雷达403通过总线404连接，该总线404比如为I2C(Inter-integrated Circuit)总线。其中，可移动平台包括车辆和飞行器，飞行器包括无人飞行器和有人飞行器，车辆包括有人驾驶车辆和无人驾驶车辆等，无人飞行器包括旋翼型无人飞行器，例如四旋翼无人飞行器、六旋翼无人飞行器、八旋翼无人飞行器，也可以是固定翼无人飞行器，还可以是旋翼型与固定翼无人飞行器的组合，在此不作限定。
具体地，处理器401可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。
具体地，存储器402可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
具体地，处理器401和存储器402为驾驶系统的计算平台，该激光雷达403可以为驾驶系统的外接设备，也可以为驾驶系统的内部组件，本申请对此不作具体限定。
其中，所述处理器401用于运行存储在存储器402中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取离线高精度地图，并通过所述激光雷达采集到的三维点云数据建立在线点云地图；
确定可移动平台所处的当前行驶环境，并获取所述当前行驶环境对应的点云匹配规则，其中，所述当前行驶环境包括路面方向，所述点云匹配规则包括路面法向量的投影方向，所述投影方向随着所述路面方向变化而变化；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
可选地，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前地理位置；
根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
可选地，所述可移动平台还包括定位系统，所述当前地理位置为所述定位系统在当前时刻输出的地理位置。
可选地，所述处理器在实现根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境时，用于实现：
根据所述当前地理位置，确定所述可移动平台在所述离线高精度地图中的位置坐标；
获取非水平路面行驶环境对应的位置坐标集，并确定所述位置坐标是否位于所述位置坐标集；
若所述位置坐标位于所述位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。
可选地，所述可移动平台还包括惯性测量单元，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前姿态数据，其中，所述当前姿态数据为所述惯性测量单元在当前时刻输出的姿态数据；
根据所述当前姿态数据，确定可移动平台所处的当前行驶环境。
可选地，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台所处的当前行驶环境的当前环境图像，并根据所述当前环境图像生成对应的深度图；
根据生成的所述深度图，确定可移动平台所处的当前行驶环境。
可选地，所述处理器在实现根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果时，用于实现：
确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果；
基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图；
计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
可选地，所述处理器在实现根据所述地图匹配结果确定所述可移动平台的定位结果时，用于实现：
从所述地图匹配结果中获取每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将最小的所述损失代价值对应的候选定位结果作为所述可移动平台的定位结果。
可选地，所述处理器在实现计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值时，用于实现：
对所述离线高精度地图进行栅格化处理，得到每个所述在线栅格地图各自对应的离线栅格地图，其中，互相对应的所述在线栅格地图和所述离线栅格地图的栅格数量相同；
根据每个所述离线栅格地图中各栅格的高度和每个所述在线栅格地图中各栅格的高度，计算每个所述在线栅格地图与所述离线高精度地图之间的损失代价值。
可选地，所述处理器在实现基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图时，用于实现：
从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签；
若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图；
根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
可选地，所述处理器实现获取离线高精度地图之前，还用于实现：
将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；
基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图；
基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图；
对所述第一预设行驶环境对应的高精度地图和所述第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。
可选地，所述处理器实现基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图时，用于实现：
将所述第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；
将所述全局地图坐标系下的第一三维点云数据转换为所述第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；
按照所述局部地图坐标系的竖轴方向将所述第二三维点云数据正交投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图。
可选地，所述第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与所述惯性坐标系的竖轴对齐；所述处理器实现基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图时，用于实现：
按照所述惯性坐标系的竖轴将所述第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的驾驶系统的工作过程，可以参考前述高精度地图定位方法实施例中的对应过程，在此不再赘述。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现上述实施例提供的高精度地图定位方法的步骤。
其中，所述计算机可读存储介质可以是前述任一实施例所述的驾驶系统或可移动平台的内部存储单元，例如所述驾驶系统或可移动平台的硬盘或内存。所述计算机可读存储介质也可以是所述驾驶系统或可移动平台的外部存储设备，例如所述驾驶系统或可移动平台上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (40)
1.一种可移动平台的定位方法，其特征在于，包括：
确定可移动平台所处的当前行驶环境，其中，所述当前行驶环境包括非水平的路面；
获取离线高精度地图，其中，所述离线高精度地图是将预先采集到的三维点云数据以所述路面的路面法向量作为投影方向进行投影而生成的；
建立在线点云地图；
获取所述当前行驶环境对应的点云匹配规则，其中，所述点云匹配规则包括以所述路面法向量作为投影方向的投影方式；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
2.根据权利要求1所述的可移动平台的定位方法，其特征在于，所述确定可移动平台所处的当前行驶环境，包括：
获取可移动平台的当前地理位置；
根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
3.根据权利要求2所述的可移动平台的定位方法，其特征在于，所述当前地理位置为所述可移动平台的定位系统在当前时刻输出的地理位置。
4.根据权利要求2所述的可移动平台的定位方法，其特征在于，所述根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境，包括：
根据所述当前地理位置，确定所述可移动平台在所述离线高精度地图中的位置坐标；
获取非水平路面行驶环境对应的位置坐标集，并确定所述位置坐标是否位于所述位置坐标集；
若所述位置坐标位于所述位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。
5.根据权利要求1所述的可移动平台的定位方法，其特征在于，所述确定可移动平台所处的当前行驶环境，包括：
获取可移动平台的当前姿态数据，其中，所述当前姿态数据为所述可移动平台的惯性测量单元在当前时刻输出的姿态数据；
根据所述当前姿态数据，确定可移动平台所处的当前行驶环境。
6.根据权利要求1所述的可移动平台的定位方法，其特征在于，所述确定可移动平台所处的当前行驶环境，包括：
获取可移动平台所处的当前行驶环境的当前环境图像，并根据所述当前环境图像生成对应的深度图；
根据生成的所述深度图，确定可移动平台所处的当前行驶环境。
7.根据权利要求1-6中任一项所述的可移动平台的定位方法，其特征在于，所述根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果，包括：
确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果；
基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图；
计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
8.根据权利要求7所述的可移动平台的定位方法，其特征在于，所述根据所述地图匹配结果确定所述可移动平台的定位结果，包括：
从所述地图匹配结果中获取每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将最小的所述损失代价值对应的候选定位结果作为所述可移动平台的定位结果。
9.根据权利要求8所述的可移动平台的定位方法，其特征在于，所述计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值，包括：
对所述离线高精度地图进行栅格化处理，得到每个所述在线栅格地图各自对应的离线栅格地图，其中，互相对应的所述在线栅格地图和所述离线栅格地图的栅格数量相同；
根据每个所述离线栅格地图中各栅格的高度和每个所述在线栅格地图中各栅格的高度，计算每个所述在线栅格地图与所述离线高精度地图之间的损失代价值。
10.根据权利要求7所述的可移动平台的定位方法，其特征在于，所述基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图，包括：
从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签；
若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图；
根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
11.根据权利要求1-6中任一项所述的可移动平台的定位方法，其特征在于，所述获取离线高精度地图之前，还包括：
将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；
基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图；
基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图；
对所述第一预设行驶环境对应的高精度地图和所述第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。
12.根据权利要求11所述的可移动平台的定位方法，其特征在于，所述基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图，包括：
将所述第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；
将所述全局地图坐标系下的第一三维点云数据转换为所述第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；
按照所述局部地图坐标系的竖轴方向将所述第二三维点云数据正交投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图。
13.根据权利要求11所述的可移动平台的定位方法，其特征在于，所述第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与所述惯性坐标系的竖轴对齐；所述基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图，包括：
按照所述惯性坐标系的竖轴将所述第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图。
14.一种驾驶系统，其特征在于，所述驾驶系统包括激光雷达、存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
确定可移动平台所处的当前行驶环境，其中，所述当前行驶环境包括非水平的路面；
获取离线高精度地图，其中，所述离线高精度地图是将预先采集到的三维点云数据以所述路面的路面法向量作为投影方向进行投影而生成的；
通过所述激光雷达采集到的三维点云数据建立在线点云地图；
获取所述当前行驶环境对应的点云匹配规则，其中，所述点云匹配规则包括以所述路面法向量作为投影方向的投影方式；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
15.根据权利要求14所述的驾驶系统，其特征在于，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前地理位置；
根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
16.根据权利要求15所述的驾驶系统，其特征在于，所述驾驶系统还包括定位系统，所述当前地理位置为所述定位系统在当前时刻输出的地理位置。
17.根据权利要求15所述的驾驶系统，其特征在于，所述处理器在实现根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境时，用于实现：
根据所述当前地理位置，确定所述可移动平台在所述离线高精度地图中的位置坐标；
获取非水平路面行驶环境对应的位置坐标集，并确定所述位置坐标是否位于所述位置坐标集；
若所述位置坐标位于所述位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。
18.根据权利要求14所述的驾驶系统，其特征在于，所述驾驶系统还包括惯性测量单元，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前姿态数据，其中，所述当前姿态数据为所述惯性测量单元在当前时刻输出的姿态数据；
根据所述当前姿态数据，确定可移动平台所处的当前行驶环境。
19.根据权利要求14所述的驾驶系统，其特征在于，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台所处的当前行驶环境的当前环境图像，并根据所述当前环境图像生成对应的深度图；
根据生成的所述深度图，确定可移动平台所处的当前行驶环境。
20.根据权利要求14-19中任一项所述的驾驶系统，其特征在于，所述处理器在实现根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果时，用于实现：
确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果；
基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图；
计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
21.根据权利要求20所述的驾驶系统，其特征在于，所述处理器在实现根据所述地图匹配结果确定所述可移动平台的定位结果时，用于实现：
从所述地图匹配结果中获取每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将最小的所述损失代价值对应的候选定位结果作为所述可移动平台的定位结果。
22.根据权利要求21所述的驾驶系统，其特征在于，所述处理器在实现计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值时，用于实现：
对所述离线高精度地图进行栅格化处理，得到每个所述在线栅格地图各自对应的离线栅格地图，其中，互相对应的所述在线栅格地图和所述离线栅格地图的栅格数量相同；
根据每个所述离线栅格地图中各栅格的高度和每个所述在线栅格地图中各栅格的高度，计算每个所述在线栅格地图与所述离线高精度地图之间的损失代价值。
23.根据权利要求20所述的驾驶系统，其特征在于，所述处理器在实现基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图时，用于实现：
从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签；
若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图；
根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
24.根据权利要求14-19中任一项所述的驾驶系统，其特征在于，所述处理器实现获取离线高精度地图之前，还用于实现：
将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；
基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图；
基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图；
对所述第一预设行驶环境对应的高精度地图和所述第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。
25.根据权利要求24所述的驾驶系统，其特征在于，所述处理器实现基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图时，用于实现：
将所述第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；
将所述全局地图坐标系下的第一三维点云数据转换为所述第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；
按照所述局部地图坐标系的竖轴方向将所述第二三维点云数据正交投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图。
26.根据权利要求24所述的驾驶系统，其特征在于，所述第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与所述惯性坐标系的竖轴对齐；所述处理器实现基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图时，用于实现：
按照所述惯性坐标系的竖轴将所述第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图。
27.一种可移动平台，其特征在于，所述可移动平台包括激光雷达、存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
确定可移动平台所处的当前行驶环境，其中，所述当前行驶环境包括非水平的路面；
获取离线高精度地图，其中，所述离线高精度地图是将预先采集到的三维点云数据以所述路面的路面法向量作为投影方向进行投影而生成的；
通过所述激光雷达采集到的三维点云数据建立在线点云地图；
获取所述当前行驶环境对应的点云匹配规则，其中，所述点云匹配规则包括以所述路面法向量作为投影方向的投影方式；
根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果；
根据所述地图匹配结果确定所述可移动平台的定位结果。
28.根据权利要求27所述的可移动平台，其特征在于，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前地理位置；
根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境。
29.根据权利要求28所述的可移动平台，其特征在于，所述可移动平台还包括定位系统，所述当前地理位置为所述定位系统在当前时刻输出的地理位置。
30.根据权利要求28所述的可移动平台，其特征在于，所述处理器在实现根据所述当前地理位置和所述离线高精度地图，确定可移动平台所处的当前行驶环境时，用于实现：
根据所述当前地理位置，确定所述可移动平台在所述离线高精度地图中的位置坐标；
获取非水平路面行驶环境对应的位置坐标集，并确定所述位置坐标是否位于所述位置坐标集；
若所述位置坐标位于所述位置坐标集，则确定可移动平台所处的当前行驶环境为非水平路面行驶环境。
31.根据权利要求27所述的可移动平台，其特征在于，所述可移动平台还包括惯性测量单元，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台的当前姿态数据，其中，所述当前姿态数据为所述惯性测量单元在当前时刻输出的姿态数据；
根据所述当前姿态数据，确定可移动平台所处的当前行驶环境。
32.根据权利要求27所述的可移动平台，其特征在于，所述处理器在实现确定可移动平台所处的当前行驶环境时，用于实现：
获取可移动平台所处的当前行驶环境的当前环境图像，并根据所述当前环境图像生成对应的深度图；
根据生成的所述深度图，确定可移动平台所处的当前行驶环境。
33.根据权利要求27-32中任一项所述的可移动平台，其特征在于，所述处理器在实现根据所述点云匹配规则，将所述在线点云地图与所述离线高精度地图进行匹配，得到地图匹配结果时，用于实现：
确定所述可移动平台的候选定位结果集，其中所述候选定位结果集包括至少两个候选定位结果；
基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图；
计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值作为地图匹配结果。
34.根据权利要求33所述的可移动平台，其特征在于，所述处理器在实现根据所述地图匹配结果确定所述可移动平台的定位结果时，用于实现：
从所述地图匹配结果中获取每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值；
将最小的所述损失代价值对应的候选定位结果作为所述可移动平台的定位结果。
35.根据权利要求34所述的可移动平台，其特征在于，所述处理器在实现计算每个所述候选定位结果各自对应的在线栅格地图与所述离线高精度地图之间的损失代价值时，用于实现：
对所述离线高精度地图进行栅格化处理，得到每个所述在线栅格地图各自对应的离线栅格地图，其中，互相对应的所述在线栅格地图和所述离线栅格地图的栅格数量相同；
根据每个所述离线栅格地图中各栅格的高度和每个所述在线栅格地图中各栅格的高度，计算每个所述在线栅格地图与所述离线高精度地图之间的损失代价值。
36.根据权利要求33所述的可移动平台，其特征在于，所述处理器在实现基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图，得到每个所述候选定位结果各自对应的在线栅格地图时，用于实现：
从所述点云匹配规则中获取行驶环境标签，并确定所述行驶环境标签是否为隧道行驶环境对应的标签；
若所述行驶环境标签为隧道行驶环境对应的标签，则基于所述点云匹配规则中路面法向量的投影方向，将每个所述候选定位结果投影至所述在线点云地图；
根据投影到的每个栅格中满足预设条件的各点的高度，计算每个栅格的平均高度并标记，以得到每个所述候选定位结果各自对应的标记有高度的在线栅格地图，其中，所述预设条件为栅格中的点的高度小于预设阈值。
37.根据权利要求27-32中任一项所述的可移动平台，其特征在于，所述处理器实现获取离线高精度地图之前，还用于实现：
将预先采集到的三维点云数据划分为第一预设行驶环境对应的三维点云数据和第二预设行驶环境对应的三维点云数据；
基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图；
基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图；
对所述第一预设行驶环境对应的高精度地图和所述第二预设行驶环境对应的高精度地图进行融合，得到离线高精度地图。
38.根据权利要求37所述的可移动平台，其特征在于，所述处理器实现基于路面法向量投影规则，将所述第一预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图时，用于实现：
将所述第一预设行驶环境对应的三维点云数据转换为全局地图坐标系下的第一三维点云数据；
将所述全局地图坐标系下的第一三维点云数据转换为所述第一预设行驶环境对应的局部地图坐标系下的第二三维点云数据；
按照所述局部地图坐标系的竖轴方向将所述第二三维点云数据正交投影至二维栅格，以生成所述第一预设行驶环境对应的高精度地图。
39.根据权利要求37所述的可移动平台，其特征在于，所述第二预设行驶环境对应的三维点云数据为惯性坐标系下的数据，路面法向量的投影方向与所述惯性坐标系的竖轴对齐；所述处理器实现基于路面法向量投影规则，将所述第二预设行驶环境对应的三维点云数据投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图时，用于实现：
按照所述惯性坐标系的竖轴将所述第二预设行驶环境对应的三维点云数据正交投影至二维栅格，以生成所述第二预设行驶环境对应的高精度地图。
40.一种计算机可读存储介质，其特征在于，所述计算机可读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使所述处理器实现如权利要求1至13中任一项所述的可移动平台的定位方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2019/098172 WO2021016803A1 (zh) | 2019-07-29 | 2019-07-29 | 高精度地图定位方法、系统、平台及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112154303A CN112154303A (zh) | 2020-12-29 |
| CN112154303B true CN112154303B (zh) | 2024-04-05 |
Family
ID=73891471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980033698.8A Active CN112154303B (zh) | 2019-07-29 | 2019-07-29 | 高精度地图定位方法、系统、平台及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112154303B (zh) |
| WO (1) | WO2021016803A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112835370B (zh) * | 2021-01-19 | 2023-07-14 | 北京小马智行科技有限公司 | 车辆的定位方法、装置、计算机可读存储介质及处理器 |
| CN112950708B (zh) * | 2021-02-05 | 2023-12-15 | 深圳市优必选科技股份有限公司 | 一种定位方法、定位装置及机器人 |
| CN113607166B (zh) * | 2021-10-08 | 2022-01-07 | 广东省科学院智能制造研究所 | 基于多传感融合的自主移动机器人室内外定位方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| CN108007453A (zh) * | 2017-12-11 | 2018-05-08 | 北京奇虎科技有限公司 | 基于点云的地图更新方法、装置及电子设备 |
| CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
| CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
| CN108682029A (zh) * | 2018-03-22 | 2018-10-19 | 深圳飞马机器人科技有限公司 | 多尺度密集匹配方法和系统 |
| CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 用于定位车辆的方法和装置 |
| CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术（北京）有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
| CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
| CN109308737A (zh) * | 2018-07-11 | 2019-02-05 | 重庆邮电大学 | 一种三阶段式点云配准方法的移动机器人v-slam方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10309778B2 (en) * | 2016-12-30 | 2019-06-04 | DeepMap Inc. | Visual odometry and pairwise alignment for determining a position of an autonomous vehicle |
| CN108228798B (zh) * | 2017-12-29 | 2021-09-17 | 百度在线网络技术（北京）有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
| CN109443369A (zh) * | 2018-08-20 | 2019-03-08 | 北京主线科技有限公司 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
| CN109814572B (zh) * | 2019-02-20 | 2022-02-01 | 广州市山丘智能科技有限公司 | 移动机器人定位建图方法、装置、移动机器人和存储介质 |
-
2019
- 2019-07-29 CN CN201980033698.8A patent/CN112154303B/zh active Active
- 2019-07-29 WO PCT/CN2019/098172 patent/WO2021016803A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345008A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种目标物检测方法、点云数据提取方法及装置 |
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| CN108732603A (zh) * | 2017-04-17 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 用于定位车辆的方法和装置 |
| CN108007453A (zh) * | 2017-12-11 | 2018-05-08 | 北京奇虎科技有限公司 | 基于点云的地图更新方法、装置及电子设备 |
| CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
| CN108682029A (zh) * | 2018-03-22 | 2018-10-19 | 深圳飞马机器人科技有限公司 | 多尺度密集匹配方法和系统 |
| CN109308737A (zh) * | 2018-07-11 | 2019-02-05 | 重庆邮电大学 | 一种三阶段式点云配准方法的移动机器人v-slam方法 |
| CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
| CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术（北京）有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 一种城市环境三维点云配准的预处理方法;赵凯;徐友春;王任栋;;光电工程(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112154303A (zh) | 2020-12-29 |
| WO2021016803A1 (zh) | 2021-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
| EP3407294B1 (en) | Information processing method, device, and terminal | |
| CN110146909B (zh) | 一种定位数据处理方法 | |
| US9625908B2 (en) | Methods and systems for mobile-agent navigation | |
| Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
| CN112154303B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
| CN111417871A (zh) | 基于激光雷达利用高清晰度地图的集成运动估计的迭代最近点处理 | |
| KR20190082070A (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
| WO2021046716A1 (zh) | 目标对象的检测方法、系统、设备及存储介质 | |
| CN107527382B (zh) | 数据处理方法以及装置 | |
| WO2018133727A1 (zh) | 一种正射影像图的生成方法及装置 | |
| CN111829532B (zh) | 一种飞行器重定位系统和重定位方法 | |
| EP3716210B1 (en) | Three-dimensional point group data generation method, position estimation method, three-dimensional point group data generation device, and position estimation device | |
| CN111915675B (zh) | 基于粒子漂移的粒子滤波点云定位方法及其装置和系统 | |
| CN112154429B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
| CN114111775A (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
| CN112068152A (zh) | 使用3d扫描仪同时进行2d定位和2d地图创建的方法和系统 | |
| CN113177974A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
| CN112154355B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
| CN114323050A (zh) | 车辆定位方法、装置和电子设备 | |
| CN109003295B (zh) | 一种无人机航空影像快速匹配方法 | |
| CN113256574B (zh) | 一种三维目标检测方法 | |
| CN115016545A (zh) | 无人机着陆的着陆点自主选择方法、设备及介质 | |
| US11514588B1 (en) | Object localization for mapping applications using geometric computer vision techniques | |
| CN111784798B (zh) | 地图生成方法、装置、电子设备和存储介质 |
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 |