CN112229396A - 无人车重定位方法、装置、设备及存储介质 - Google Patents
无人车重定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112229396A CN112229396A CN202011433986.3A CN202011433986A CN112229396A CN 112229396 A CN112229396 A CN 112229396A CN 202011433986 A CN202011433986 A CN 202011433986A CN 112229396 A CN112229396 A CN 112229396A
- Authority
- CN
- China
- Prior art keywords
- map
- unmanned vehicle
- scale
- point cloud
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. 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
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种无人车重定位方法、装置、设备及存储介质,包括:获取无人车在行驶过程中采集到的当前点云数据;根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;将所述无人车由所述第一位置重定位至所述第二位置。本申请可以在无人车在发生位置偏移时,根据当前点云数据,按照多尺度地图对无人车可能的位置空间进行搜索,快速完成对无人车位置的重新确定,增强了无人车定位系统的稳定性并且提高了无人车的安全性。
Description
技术领域
本申请涉及无人驾驶技术领域,尤其涉及一种无人车重定位方法、装置、设备及存储介质。
背景技术
无人驾驶定位技术主要通过集成全球导航卫星系统(Global NavigationSatellite System,GNSS),惯性测量单元(Inertial Measurement Unit, IMU),车载摄像头(Camera),激光雷达(Light Detection and Ranging,Lidar)等传感器来获得无人驾驶车辆(以下简称无人车)的厘米级位置信息。
对于GNSS,Camera,Lidar等外部传感器来说,在类似于隧道的环境下,由于信号薄弱或缺乏足够的观测,无法获取准确的位置信息,可能会使无人车纵向发生比较大的偏移,影响无人车的性能与安全,这种环境即为欠约束环境。
在欠约束的环境下,当无人车的位置发生偏移时,往往会导致无人车的定位系统中断,现有的处理方式是将无人车开到良好的定位的环境下,然后重新启动整个定位系统,或者是利用当前点云数据和离线地图对可能的位置空间进行暴力搜索,直至搜索到正确的位置。
现有的重启系统的方案中间需要过多的人为干预,不利于无人驾驶的落地,利用当前点云数据和离线地图对可能的位置空间进行暴力搜索的方案虽然可以在一定程度内解决这个问题,但是计算速度慢,在实际处理的过程中由于过慢的计算速度会使无人车处于较为危险的情况,缺乏安全性。
发明内容
本申请实施例提供了一种无人车重定位方法、装置、设备及存储介质,以使无人车在发生位置偏移时快速完成对位置的重新确定。
为解决上述技术问题,本申请实施例提供以下技术方案:
一种无人车重定位方法,包括:
获取无人车在行驶过程中采集到的当前点云数据;
根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
将所述无人车由所述第一位置重定位至所述第二位置。
一种无人车重定位装置,包括:
第一获取模块,用于获取无人车在行驶过程中采集到的当前点云数据;
第二获取模块,用于根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
生成模块,用于根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的第二位置相关联的地图;
确定模块,用于根据所述当前点云数据和所述多尺度地图,确定所述第二位置;
定位模块,用于将所述无人车由所述第一位置重定位至所述第二位置。
一种电子设备,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例提供的任一项无人车重定位方法。
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多条指令,所述指令适于处理器进行加载,以执行本申请实施例提供的任一项无人车重定位方法。
有益效果:本申请实施例中,提供了一种无人车重定位方法,首先获取无人车在行驶过程中采集到的当前点云数据,根据当前点云数据确定无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度,根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图,然后根据当前点云数据和多尺度地图,确定无人车的第二位置,最后将无人车从第一位置重定位至第二位置。通过上述方式,在无人车处于位置偏移状态时,可以根据当前点云数据和多尺度地图,确定无人车的第二位置,以将无人车从第一位置重定位至第二位置,其中,在确定无人车的第二位置的过程中,可以按照多尺度地图对无人车可能的位置空间进行搜索,以逐步缩小位置搜索区域,直至确定无人车的第二位置,节省了对部分位置空间的搜索工作,能够快速实现对无人车位置的重新确定,增强了无人车定位系统的稳定性并且提高了无人车的安全性。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1是本申请实施例中提供的无人车重定位系统的架构示意图;
图2为本申请实施例中提供的无人车重定位方法的流程示意图;
图3为本申请实施例中提供的二维多尺度地图的结构示意图;
图4为本申请实施例中提供的确定无人车的第二位置的流程示意图;
图5为本申请实施例中提供的确定第二目标位置节点的流程示意图;
图6为本申请实施例中提供的无人车重定位方法的应用场景示意图;
图7为本申请实施例中提供的无人车重定位装置的结构示意图;
图8为本申请实施例中提供的电子设备的结构示意图。
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,所描述的实施例仅仅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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请中使用了流程图用来说明根据本申请的实施例所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
无人驾驶车辆(以下简称无人车)是一种智能车辆,它可以基于车载导航系统感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶定位技术是车载导航系统的一个关键技术,只有精准地获取到无人车的定位信息,才能够进行无人车的驾驶控制,以保证无人车安全正确的驾驶。
图1示出了可以应用本申请实施例中提供的无人车重定位方法或无人车重定位装置的示例性无人车重定位系统的架构示意图。如图1所示,无人车重定位系统可以包括无人车101、网络102和服务器103。无人车101中可以安装有驾驶控制设备1011和传感器1012。
驾驶控制设备1011可以负责无人车101的智能控制。驾驶控制设备1011可以是单独设置的控制器,例如可以是可编程逻辑控制器(Programmable Logic Controller,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。
传感器1012可以是例如车载摄像头(Camera)、重力传感器、轮速传感器、激光雷达(Light Detection and Ranging,Lidar)等。
无人车101中还可以安装有全球导航卫星系统(Global Navigation SatelliteSystem,GNSS)和捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)等等。
无人车101可以通过网络102和服务器103进行交互,以接收或者发送消息等。
网络102可以包括各种连接类型,例如有线通信链路、无线通信链路或者光纤电缆等。
服务器103可以是一台服务器,也可以是多台服务器组成的服务器集群,或者是一个云计算平台。
需要说明的是,服务器103可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器是软件时,可以实现成多个软件或软件模块(例如可以用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
在一种实施例中,驾驶控制设备1011可以是对传感器1012采集到的点云数据提供分析处理并可以将处理结果进行输出的车载终端设备。
在一种实施例中,本申请提供的无人车重定位方法可以由服务器103执行,或者由无人车101执行,或者一部分步骤由无人车101执行且另一部分步骤由服务器103执行,相应的无人车重定位装置可以设置于服务器103中,或者设置在无人车101中,或者一部分单元模块设置在无人车101中且另一部分单元模块设置在服务器103中。
在一种实施例中,本申请提供的无人车重定位方法可以由无人车101中安装的驾驶控制设备1011执行,相应的无人车重定位装置可以集成在驾驶控制设备1011中。
应理解,图1中示出的无人车101、网络102、服务器103以及驾驶控制设备1011、传感器1012的数目仅仅是示意性的,根据实现需要,可以设置任意数目的无人车101、网络102、服务器103以及驾驶控制设备1011、传感器1012。
应理解,本申请提供的无人车重定位方法能够使无人车在发生位置偏移时,快速完成对位置的重新确定,可以广泛应用于各种使无人车发生位置偏移的场景下。例如在隧道场景中,由于卫星信号薄弱使得GNSS无法收集到准确的位置信息,而Lidar和Camera也因为缺乏足够的观测,无法获取无人车的位置信息时,导致无人车发生偏移;又例如在城市中,因为市内密集的建筑物对卫星信号的影响,或者无人车周边出现较长的卡车或者公交使得收到的卫星信号间断出现时,导致无人车发生偏移。
请参阅图2,图2示出了本申请实施例提供的无人车重定位方法的一种流程示意图。如图2所示,本申请提供的无人车重定位方法包括:
201:获取无人车在行驶过程中采集到的当前点云数据。
在一种实施例中,可以通过无人车中安装的传感器来采集无人车在行驶过程中的当前点云数据,其中,传感器可以是单个传感器或者多个传感器的组合,包括但不限于GNSS、Camera和Lidar等。
在一种实施例中,可以通过无人车中安装的Lidar实时获取无人车在行驶过程中的当前点云数据,其中,当前点云数据可以是Lidar中设置的激光发射器围绕Lidar的中心轴一周所采集的激光点云数据。激光点云数据可以包括至少一个激光点数据,激光点数据可以包括位置的三维坐标等信息,激光点数据中的位置的三维坐标信息可以是激光点所扫描的目标相对于无人车的车体坐标系的三维坐标。Lidar可以在激光发射器每绕中心轴扫描一周后,将所采集到的当前点云数据输出。
需要说明的是,无人车的车体坐标系可以是预定义的坐标系,例如,可以以Lidar的中心点为无人车的车体坐标系的坐标原点,以从坐标原点指向车头为X轴,以坐标原点指向车身右方为Y轴,以与X轴垂直并指向车辆上方为Z轴。
需要说明的是,在无人车行驶过程中,Lidar可以向无人车周边环境中的障碍物发送探测信号(如激光束),然后将接收到的从障碍物反射回来的信号与探测信号进行比较,从而获取障碍物的距离、方位、高度、速度和形状等参数,以生成障碍物的点云数据,点云数据可以以点的形式记录表征物体的各个点的三维坐标或者颜色信息或者反射强度信息等。
202:根据当前点云数据确定无人车的第一位置处于位置偏移状态时,获取无人车的位置偏移尺度。
在一种实施例中,可以采用无人车中安装的传感器来采集当前点云数据,并判断无人车的第一位置是否处于位置偏移状态,其中,无人车的第一位置可以是无人车在行驶过程中任一时刻的当前位置。例如无人车中可以安装有一个或多个传感器,包括但不限于陀螺仪和加速度传感器等,通过传感器采集到的当前点云数据可以包括加速度数据、角速度数据和和航向角数据等,传感器可以从无人车的第一位置开始根据连续测得的无人车航向角和速度等数据推算出无人车下一时刻的位置信息,从而可连续测出无人车在每一时刻的位置信息,以与原行驶路径中的位置信息对比,判断无人车是否发生了偏移。
在一种实施例中,可以将无人车在行驶过程中采集到的点云数据上传至无人车中的驾驶控制设备中,通过驾驶控制设备来判断无人车的第一位置是否处于位置偏移状态。
在一种实施例中,无人车的位置偏移尺度可以是在无人车发生偏移后,采用无人车中安装的传感器测出的相对于目标位置的偏移距离。
203:根据所述位置偏移尺度和点云地图,生成多尺度地图。
在一种实施例中,点云地图可以为与无人车的行驶路径相关联的地图,无人车可以按照点云地图中包含的行驶路径进行行驶,例如,点云地图中可以包含无人车从第一位置行驶到第二位置的行驶路径,其中,无人车的第二位置可以是对无人车进行重定位后的正确位置,点云地图可以是由地图提供商提供的离线地图,或者可以是无人车在行驶过程中实时构建的在线地图。
在一种实施例中,可以根据无人车接收到的卫星信号的好坏和位置偏移尺度的大小切换使用不同类型的点云地图,例如,当无人车接收到的卫星信号良好且位置偏移尺度较小时,点云地图可以是根据实时采集的点云数据构建的在线地图,或者,当无人车接收到的卫星信号较差且位置偏移尺度较大时,根据实时采集的点云数据构建的在线地图无法准确确定无人车的位置信息时,点云地图可以是预先存储在无人车的车载电子设备中的磁盘中的离线地图,并在无人车发生位置偏移时,由车载电子设备预先加载至缓存中。
在一种实施例中,可以根据预设的调整参数,对位置偏移尺度进行调整,得到调整后的位置偏移尺度,根据调整后的位置偏移尺度和预设的位置偏移尺度,可以确定多尺度地图中的地图数量,其中,调整后的位置偏移尺度可以用于确定无人车待搜索的位置空间的范围,如可以将以无人车为圆心且以调整后的位置偏移尺度为搜索半径所覆盖的范围作为待搜索的位置空间的范围,预设的调整参数可以根据传感器的性能高低来设置,以使得根据调整后的位置偏移尺度所确定的待搜索的位置空间能够包含无人车的第二位置,预设的位置偏移尺度可以是人为设置的任意值,以用于确定多尺度地图中的各个尺度地图的搜索尺度范围。
在一种实施例中,可以根据位置偏移尺度,确定多尺度地图中的各个尺度地图的搜索尺度范围以及在点云地图中确定无人车的目标位置区域;在点云地图中提取所述目标位置区域对应的道路数据;基于所述搜索尺度范围和所述道路数据,可以生成多尺度地图,其中,多尺度地图中的各个尺度地图的搜索尺度范围可以各不相同,目标位置区域可以是包含对无人车进行重定位后的正确位置的区域。
在一种实施例中,假设预设的调整参数为α,获取的位置偏移尺度为evaluationRadius,预设的位置偏移尺度为minDetectionRadius,那么调整后的位置偏移尺度maxDetectionRadius可以通过如下公式(1)来确定:
maxDetectionRadius=α∙evaluationRadius (1)
多尺度地图中的地图数量m可以通过如下公式(2)来确定:
m=log(maxDetectionRadius/minDetectionRadius) (2)
在一种实施例中,根据位置偏移尺度,得到的多尺度地图中第i个尺度地图的搜索尺度范围[Radius]i可以通过如下公式(3)来确定:
[Radius]i =minDetectionRadius∙2i-1 (3)
其中,参数2只是一种示例性表示,可以用于确定每个尺度地图的搜索尺度范围之间的比例关系。应理解,此参数可以根据需要任意设置,如还可以设置该参数为3或4等。
在一种实施例中,多尺度地图可以是二维地图,也可以是三维地图,可以是点云地图,也可以是占据栅格地图,在此不做限定。
请参阅图3,图3示出了二维多尺度地图的结构示意图。
如图3所示,以二维多尺度地图300为例来说明多尺度地图的构建过程:根据获取的位置偏移尺度和预设的调整参数,依据公式(1)可以得到调整后的位置偏移尺度为8m,根据调整后的位置偏移尺度可以确定无人车待搜索的位置空间的范围为8mⅹ8m,而预设的位置偏移尺度可以是1m,那么采用公式(2)可以确定多尺度地图中的地图数量为m=log(16/1)=3,同时根据公式(3)可以确定第一尺度地图301的搜索尺度范围为4m,第二尺度地图302的搜索尺度范围为2m,第三尺度地图303的搜索尺度范围为4m,根据各个尺度地图的搜索尺度范围可以将各个尺度地图划分为多个区域,每个区域都可以作为一个位置节点,如第一尺度地图301的每个位置节点为4mⅹ4m的地图区域306,第二尺度地图302的每个位置节点为2mⅹ2m的地图区域305,第三尺度地图303的每个位置节点为1mⅹ1m的地图区域304,各个尺度地图都可以以该地图中的位置节点作为存储单元来存储从点云地图中提取的相应区域的道路数据,从而可以生成二维多尺度地图300,其中,各个尺度地图都可以存储从点云地图中提取的同一目标位置区域的道路数据,但各个尺度地图的位置节点大小不同,即存储单元大小不同。
204:根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置。
请参阅图4,图4示出了确定无人车的第二位置的一种流程示意图。
如图4所示,以多尺度地图包括第一尺度地图和第二尺度地图为例,说明确定无人车的第二位置的过程具体可以包括以下步骤:
401:将当前点云数据映射至第一尺度地图中,得到第一映射点云。
在一种实施例中,将当前点云数据对应的点云映射至第一尺度地图,得到第一映射点云的过程可以是对当前点云数据对应的点云进行坐标变换,以将当前点云数据对应的点云变换到与第一尺度地图相同的坐标系下,得到变换后的点云,所述变换后的点云即为第一映射点云。
402:根据第一映射点云中的映射点和第一尺度地图中的各个位置节点,得到第一尺度地图中的各个位置节点的位置匹配值。
在一种实施例中,根据第一映射点云中的映射点和第一尺度地图中的各个位置节点,得到第一尺度地图中的各个位置节点的位置匹配值的步骤,可以包括:获取第一尺度地图中的各个位置节点;计算各个位置节点对应的映射点云中的映射点数量,其中,映射点数量可以用于表征位置匹配值;根据映射点数量可以得到第一尺度地图的各个位置节点的位置匹配值。例如,第一尺度地图中某个位置节点对应的映射点云中映射点数量为100,则可以得到该位置节点的位置匹配值为100。
403:根据第一尺度地图中的各个位置节点的位置匹配值,从第一尺度地图中的各个位置节点中确定第一目标位置节点。
在一种实施例中,第一目标位置节点可以是第一尺度地图中位置匹配值最大的位置节点。例如第一尺度地图中可以包含4个位置节点,得到的这4个位置节点的位置匹配值可以为100、500、700、1000,那么可以将位置匹配值最大的位置节点确定为第一目标位置节点,即可以将位置匹配值为1000的位置节点确定为第一目标位置节点。
404:将第一目标位置节点映射至第二尺度地图中,得到第二目标位置节点。
在一种实施例中,将第一目标位置节点映射至第二尺度地图中,得到第二目标位置节点的步骤,可以包括:获取所述第一尺度地图的搜索尺度范围;根据所述搜索尺度范围,确定所述第一目标位置节点在所述第二尺度地图中的候选地图区域;获取所述候选地图区域中包含的候选位置节点;根据所述候选位置节点的位置匹配值,得到所述第二尺度地图中第二目标位置节点,其中,第二目标位置节点可以是候选位置节点中位置匹配值最大的位置节点。
在一种实施例中,根据所述搜索尺度范围,确定第一目标位置节点在第二尺度地图中的候选地图区域的步骤,可以包括:按照所述搜索尺度范围划分所述第一尺度地图,得到多个第一地图区域;从所述多个第一地图区域中确定所述第一目标位置节点所在的第一目标地图区域;将所述第一目标地图区域映射至所述第二尺度地图中,得到第二目标地图区域;将所述第二目标地图区域确定为所述第一目标位置节点在所述第二尺度地图中的候选地图区域。
在一种实施例中,将所述第一目标地图区域映射至所述第二尺度地图中,得到第二目标地图区域的过程可以是按照第一尺度地图和第二尺度地图的搜索尺度范围的比例关系,在第二尺度地图中确定与第一目标地图区域对应的第二目标地图区域,其中,第一目标地图区域与第二目标地图区域存储的是同一区域的道路数据,但由于第一尺度地图与第二尺度地图的搜索尺度范围不同,从而根据各个尺度地图的搜索尺度范围所划分的地图区域大小不同。
请参阅图5,图5示出了确定第二目标位置节点的流程示意图,
如图5所示,第一尺度地图301的搜索尺度范围可以是2m,第二尺度地图302的搜索尺度范围可以是1m,按照第一尺度地图301的搜索尺度范围对第一尺度地图301进行划分,可以得到4个第一地图区域,按照第二尺度地图302的搜索尺度范围对第二尺度地图302进行划分,可以得到16个第二地图区域,每一个地图区域都可以作为一个位置节点,每个尺度地图都可以以该尺度地图中的位置节点作为存储单元来存储从点云地图中提取的相应区域的道路数据,那么按照第一尺度地图301的搜索尺度范围和第二尺度地图302的搜索尺度范围的比例关系或各个尺度地图的位置节点的比例关系,将第一目标地图区域501映射至第二尺度地图302中,可以得到第二目标地图区域502,其中,第一目标地图区域501为第一目标位置节点所在的第一地图区域,第一目标地图区域501和第二目标地图区域502中存储的是同一2mⅹ2m区域的道路数据,那么第二目标地图区域502即为第一目标位置节点在第二尺度地图302中的候选地图区域,获取第二目标地图区域502中包含的所有候选位置节点,可以将这些候选位置节点中位置匹配值最大的位置节点作为第二目标位置节点,例如第二目标地图区域502中包含的候选位置节点的位置匹配值可以分别为500、70、100、50等,其中候选位置节点503的位置匹配值最大,那么可以将候选位置节点503作为第二目标位置节点。
405:根据第二目标位置节点确定无人车的第二位置。
在一种实施例中,多尺度地图中可以包含N个尺度地图,其中,N为正整数且N≥2,第二目标位置节点可以是搜索尺度范围最小的尺度地图中与无人车的第二位置相关联的位置节点,其中,搜索尺度范围可以用于表征尺度地图的精度,例如,搜索尺度范围最小的尺度地图可以是精度最高的地图,具体地,如多尺度地图中可以包含3个尺度地图,其中,第一尺度地图的搜索尺度范围最大,第三尺度地图的搜索尺度范围最小,相应地,第一尺度地图的精度最低,第三尺度地图的精度最高,那么具体地,根据第二目标位置节点确定无人车的第二位置的过程可以是:按照每个尺度地图的搜索尺度范围对该尺度地图进行划分,确定每个尺度地图的位置节点,遍历第一尺度地图中所有的位置节点,将第一尺度地图中位置匹配值最大的位置节点确定为第一目标位置节点,然后遍历第一目标位置节点在第二尺度地图中对应的第一候选地图区域中的所有位置节点,将第一候选地图区域中位置匹配值最大的位置节点作为中间目标位置节点,接着遍历中间目标位置节点在第三尺度地图中对应的第二候选地图区域中的所有位置节点,将第二候选地图区域中位置匹配值最大的位置节点作为第二目标位置节点,此时根据第二目标位置节点中存储的道路数据,可以确定无人车的第二位置,其中,道路数据可以包括无人车的第二位置的坐标信息等,在此不作限定。
需要说明的是,上述实施例中,以3个尺度地图为例来说明确定无人车的第二位置的过程,只是一个示例性的过程,实际实现时,多尺度地图中的地图数量可以根据需要确定。上述实施例中,第二目标位置节点可以是多尺度地图中的搜索尺度范围最小的尺度地图中的位置节点,实际实现时,第二目标位置节点也可以是多尺度地图中非最小搜索尺度范围的尺度地图中的位置节点,只要根据该目标位置节点中存储的道路数据,能够准确的确定无人车的第二位置即可,在此不做限定。
205:将所述无人车由所述第一位置重定位至所述第二位置。
在一种实施例中,可以通过无人车中安装的驾驶控制设备控制无人车从第一位置移动到第二位置。
本申请实施例提供的无人车重定位方法,通过在无人车的第一位置处于位置偏移状态时,获取无人车的位置偏移尺度,根据点云地图和位置偏移尺度可以生成多尺度地图,其中,所述点云地图为与无人车的行驶路径相关联的地图,根据当前点云数据和多尺度地图,可以确定无人车的第二位置,以将无人车从第一位置重定位至第二位置,其中,在确定无人车的第二位置的过程中,可以按照多尺度地图对无人车可能的位置空间进行搜索,以逐步缩小位置搜索区域,直至确定无人车的第二位置,节省了对部分位置空间的搜索工作,能够快速实现对无人车位置的重新确定,增强了无人车定位系统的稳定性并且提高了无人车的安全性。
请参阅图6,图6示出了无人车重定位方法的应用场景的一个示意图。
如图6所示,在一种实施例中,无人车101中可以安装有驾驶控制设备1011、网络102和传感器1012,传感器1012持续采集无人车101行驶过程中的当前点云数据,并通过网络102将采集到的当前点云数据上传至驾驶控制设备1011中,响应于接收到传感器1012采集的当前点云数据,驾驶控制设备1011可以获取无人车101的当前位置信息,并根据无人车101的当前位置信息判断无人车101的当前位置是否处于位置偏移状态,无人车101可以按照预先存储在驾驶控制设备1011中的离线地图进行行驶,假设无人车101按照该离线地图中的行驶路径进行行驶的目标位置为第二位置601,而无人车101在当前时刻发生了偏移并处于第一位置602,驾驶控制设备1011根据当前点云数据判断无人车101在第一位置602处于位置偏移状态时,向传感器1012发送位置偏移尺度获取请求,驾驶控制设备1011接收传感器1012发送的携带有位置偏移尺度的位置偏移尺度获取响应,并解析该位置偏移尺度获取响应,得到位置偏移尺度,其中,得到的位置偏移尺度可以是第一位置602与第二位置601之间的直线距离,驾驶控制设备1011可以将预先存储的离线地图加载至缓存中,并根据该离线地图和位置偏移尺度可以生成多尺度地图,处于第一位置602的无人车101中的驾驶控制设备1011可以根据当前点云数据和生成的多尺度地图,确定无人车101的目标位置,并控制无人车101从第一位置602移动到该目标位置,即控制无人车101从第一位置602移动到第二位置601。
在一种实施例中,驾驶控制设备1011根据该离线地图和位置偏移尺度,生成多尺度地图的过程可以是:驾驶控制设备1011可以调用预设的调整参数,根据得到的位置偏移尺度和公式(1)可以得到调整后的位置偏移尺度为8m,以二维空间为例,根据调整后的位置偏移尺度可以确定无人车101待搜索的位置空间的范围,例如待搜索的位置空间的范围可以是以处于第一位置602的无人车101为中心的8mⅹ8m的位置区域603,而预设的位置偏移尺度可以是1m,那么可以根据公式(2)确定多尺度地图中的地图数量为m=log(16/1)=3,同时可以根据公式(3)确定第一尺度地图的搜索尺度范围为4m,第二尺度地图的搜索尺度范围为2m,第三尺度地图的搜索尺度范围为1m,根据各个尺度地图的搜索尺度范围可以将各个尺度地图划分为多个区域,每个区域都可以作为一个位置节点,如第一尺度地图的每个位置节点为4mⅹ4m的地图区域,第二尺度地图的每个位置节点为2mⅹ2m的地图区域,第三尺度地图的每个位置节点为1mⅹ1m的地图区域,各个尺度地图都可以以该地图中的位置节点作为存储单元来存储从点云地图中提取的相应区域的道路数据,从而可以生成多尺度地图。
在一种实施例中,驾驶控制设备1011可以根据当前点云数据和生成的多尺度地图,确定无人车101的目标位置,其过程可以是:以生成的多尺度地图包括第一尺度地图、第二尺度地图和第三尺度地图为例,其中,第一尺度地图的搜索尺度范围为4m,第二尺度地图的搜索尺度范围为2m,第三尺度地图的搜索尺度范围为1m,将当前点云数据对应的点云映射至第一尺度地图中,得到第一映射点云,根据第一尺度地图中的各个位置节点对应的映射点云中的映射点数量,得到第一尺度地图的各个位置节点的位置匹配值,可以将第一尺度地图中的各个位置节点中位置匹配值最大的位置节点确定为第一目标位置节点,将第一目标位置节点所在的第一目标地图区域映射至第二尺度地图中,得到第一目标位置节点在第二尺度地图中的第二目标地图区域,可以将第二目标地图区域中位置匹配值最大的位置节点确定为第二目标位置节点,接着,将第二目标位置节点所在的第二目标地图区域映射至第三尺度地图中,得到第二目标位置节点在第三尺度地图中的第三目标地图区域,可以将第三目标地图区域中位置匹配值最大的位置节点确定为第三目标位置节点,此时可以根据第三目标位置节点中存储的道路数据准确的确定无人车101的目标位置为第二位置601,那么驾驶控制设备1011可以控制无人车101从第一位置602移动到第二位置601。
本申请实施例还提供了一种无人车重定位装置,该无人车重定位装置可以集成在电子设备中,该电子设备可以是服务器,也可以是终端等设备。
下面对本申请中提供的无人车重定位装置进行描述,请参阅图7,图7为本申请实施例中提供的无人车重定位装置的一个结构示意图,如图7所示,无人车重定位装置700可以包括:
第一获取模块701,用于获取无人车在行驶过程中采集到的当前点云数据;
第二获取模块702,用于根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
生成模块703,用于根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
确定模块704,用于根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
定位模块705,用于将所述无人车由所述第一位置重定位至所述第二位置。
在一种实施例中,无人车重定位装置700还可以包括:
第三获取模块,用于根据预设的调整参数,对所述位置偏移尺度进行调整,得到调整后的位置偏移尺度;
第四获取模块,用于根据所述调整后的位置偏移尺度和预设的位置偏移尺度,确定所述多尺度地图中的地图数量。
在一种实施例中,生成模块703可以用于:根据所述位置偏移尺度,确定所述多尺度地图中的各个尺度地图的搜索尺度范围以及在所述点云地图中确定所述无人车的目标位置区域;在所述点云地图中提取所述目标位置区域对应的道路数据;基于所述搜索尺度范围和所述道路数据,生成多尺度地图。
在一种实施例中,确定模块704可以用于:将所述当前点云数据对应的点云映射至所述第一尺度地图中,得到第一映射点云;根据所述第一映射点云中的映射点和所述第一尺度地图中的各个位置节点,得到所述第一尺度地图中的各个位置节点的位置匹配值;根据所述第一尺度地图中的各个位置节点的位置匹配值,从所述第一尺度地图中的各个位置节点中确定第一目标位置节点;将所述第一目标位置节点映射至所述第二尺度地图中,得到第二目标位置节点;根据所述第二目标位置节点确定所述无人车的第二位置。
在一种实施例中,确定模块704可以用于:获取所述第一尺度地图的搜索尺度范围;根据所述搜索尺度范围,确定所述第一目标位置节点在所述第二尺度地图中的候选地图区域;获取所述候选地图区域中包含的候选位置节点;根据所述候选位置节点的位置匹配值,得到所述第二尺度地图中的第二目标位置节点。
在一种实施例中,确定模块704可以用于:按照所述搜索尺度范围划分所述第一尺度地图,得到多个第一地图区域;从所述多个第一地图区域中确定所述第一目标位置节点所在的第一目标地图区域;将所述第一目标地图区域映射至所述第二尺度地图中,得到第二目标地图区域;将所述第二目标地图区域确定为所述第一目标位置节点在所述第二尺度地图中的候选地图区域。
在一种实施例中,确定模块704还可以用于:获取所述第一尺度地图中的各个位置节点;计算所述各个位置节点对应的映射点云中的映射点数量,所述映射点数量用于表征位置匹配值;根据所述映射点数量得到所述各个位置节点的位置匹配值。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
此外,本申请实施例还提供了一种电子设备,请参阅图8,图8示出了本申请实施例所涉及的电子设备的结构示意图。
如图8所示,该电子设备可以包括该一个或者一个以上处理核心的处理器801、一个或一个以上计算机可读存储介质的存储器802、电源803和输入单元804等部件。
本领域技术人员可以理解,图8中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
在一种实施例中,处理器801是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器802内的软件程序和/或模块,以及调用存储在存储器802内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
在一种实施例中,处理器801可包括一个或多个处理核心。
在一种实施例中,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。
在一种实施例中,存储器802可用于存储软件程序以及模块,处理器801通过运行存储在存储器802的软件程序以及模块,从而执行各种功能应用以及数据处理。
在一种实施例中,存储器802可以主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器802还可以包括存储器控制器,以提供处理器801对存储器802的访问。
在一种实施例中,电源803可以通过电源管理系统与处理器801逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在一种实施例中,电源803还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
在一种实施例中,该电子设备还可包括输入单元804,该输入单元804可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。
在一种实施例中,电子设备中的处理器801会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中,并由处理器801来运行存储在存储器802中的应用程序,从而实现无人车重定位功能:
获取无人车在行驶过程中采集到的当前点云数据;
根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
将所述无人车由所述第一位置重定位至所述第二位置。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例还提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种无人车重定位方法中的步骤。
例如,该指令可以执行如下步骤:
获取无人车在行驶过程中采集到的当前点云数据;
根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
将所述无人车由所述第一位置重定位至所述第二位置。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(Read Only Memory, ROM)、随机存取记忆体(Random Access Memory, RAM)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请实施例所提供的任一种无人车重定位方法中的步骤,因此,可以实现本申请实施例所提供的任一种无人车重定位方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的无人车重定位方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请中提供的技术方案的限制。
Claims (10)
1.一种无人车重定位方法,其特征在于,包括:
获取无人车在行驶过程中采集到的当前点云数据;
根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
将所述无人车由所述第一位置重定位至所述第二位置。
2.如权利要求1所述的无人车重定位方法,其特征在于,所述多尺度地图包括第一尺度地图和第二尺度地图,所述根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置的步骤,包括:
将所述当前点云数据对应的点云映射至所述第一尺度地图中,得到第一映射点云;
根据所述第一映射点云中的映射点和所述第一尺度地图中的各个位置节点,得到所述第一尺度地图中的各个位置节点的位置匹配值;
根据所述第一尺度地图中的各个位置节点的位置匹配值,从所述第一尺度地图中的各个位置节点中确定第一目标位置节点;
将所述第一目标位置节点映射至所述第二尺度地图中,得到第二目标位置节点;
根据所述第二目标位置节点确定所述无人车的第二位置。
3.如权利要求2所述的无人车重定位方法,其特征在于,所述根据所述第一映射点云中的映射点和所述第一尺度地图中的各个位置节点,得到所述第一尺度地图中的各个位置节点的位置匹配值的步骤,包括:
获取所述第一尺度地图中的各个位置节点;
计算所述各个位置节点对应的映射点云中的映射点数量,所述映射点数量用于表征位置匹配值;
根据所述映射点数量得到所述各个位置节点的位置匹配值。
4.如权利要求2所述的无人车重定位方法,其特征在于,所述将所述第一目标位置节点映射至所述第二尺度地图中,得到第二目标位置节点的步骤,包括:
获取所述第一尺度地图的搜索尺度范围;
根据所述搜索尺度范围,确定所述第一目标位置节点在所述第二尺度地图中的候选地图区域;
获取所述候选地图区域中包含的候选位置节点;
根据所述候选位置节点的位置匹配值,得到所述第二尺度地图中的第二目标位置节点。
5.如权利要求4所述的无人车重定位方法,其特征在于,所述根据所述搜索尺度范围,确定所述第一目标位置节点在所述第二尺度地图中的候选地图区域的步骤,包括:
按照所述搜索尺度范围划分所述第一尺度地图,得到多个第一地图区域;
从所述多个第一地图区域中确定所述第一目标位置节点所在的第一目标地图区域;
将所述第一目标地图区域映射至所述第二尺度地图中,得到第二目标地图区域;
将所述第二目标地图区域确定为所述第一目标位置节点在所述第二尺度地图中的候选地图区域。
6.如权利要求1至5中任一项所述的无人车重定位方法,其特征在于,所述根据所述位置偏移尺度和点云地图,生成多尺度地图的步骤,包括:
根据所述位置偏移尺度,确定所述多尺度地图中的各个尺度地图的搜索尺度范围以及在所述点云地图中确定所述无人车的目标位置区域;
在所述点云地图中提取所述目标位置区域对应的道路数据;
基于所述搜索尺度范围和所述道路数据,生成多尺度地图。
7.如权利要求1至5中任一项所述的无人车重定位方法,其特征在于,所述方法还包括:
根据预设的调整参数,对所述位置偏移尺度进行调整,得到调整后的位置偏移尺度;
根据所述调整后的位置偏移尺度和预设的位置偏移尺度,确定所述多尺度地图中的地图数量。
8.一种无人车重定位装置,其特征在于,包括:
第一获取模块,用于获取无人车在行驶过程中采集到的当前点云数据;
第二获取模块,用于根据所述当前点云数据确定所述无人车的第一位置处于位置偏移状态时,获取所述无人车的位置偏移尺度;
生成模块,用于根据所述位置偏移尺度和点云地图,生成多尺度地图,所述点云地图为与所述无人车的行驶路径相关联的地图;
确定模块,用于根据所述当前点云数据和所述多尺度地图,确定所述无人车的第二位置;
定位模块,用于将所述无人车由所述第一位置重定位至所述第二位置。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。
10.一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多条指令,所述指令适于处理器进行加载,以执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011433986.3A CN112229396B (zh) | 2020-12-10 | 2020-12-10 | 无人车重定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011433986.3A CN112229396B (zh) | 2020-12-10 | 2020-12-10 | 无人车重定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112229396A true CN112229396A (zh) | 2021-01-15 |
CN112229396B CN112229396B (zh) | 2021-03-16 |
Family
ID=74124093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011433986.3A Active CN112229396B (zh) | 2020-12-10 | 2020-12-10 | 无人车重定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112229396B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797422A (zh) * | 2022-12-01 | 2023-03-14 | 西南交通大学 | 基于语义地图的地面到无人机激光点云跨视角重定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897161A (zh) * | 2015-06-02 | 2015-09-09 | 武汉大学 | 基于激光测距的室内平面地图制图方法 |
CN108225341A (zh) * | 2016-12-14 | 2018-06-29 | 乐视汽车(北京)有限公司 | 车辆定位方法 |
CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
-
2020
- 2020-12-10 CN CN202011433986.3A patent/CN112229396B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897161A (zh) * | 2015-06-02 | 2015-09-09 | 武汉大学 | 基于激光测距的室内平面地图制图方法 |
CN108225341A (zh) * | 2016-12-14 | 2018-06-29 | 乐视汽车(北京)有限公司 | 车辆定位方法 |
CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
Non-Patent Citations (1)
Title |
---|
吕华新等: "多尺度地图数据在多媒体电子地图集中的组织和显示 ", 《北京测绘》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797422A (zh) * | 2022-12-01 | 2023-03-14 | 西南交通大学 | 基于语义地图的地面到无人机激光点云跨视角重定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112229396B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
US11030803B2 (en) | Method and apparatus for generating raster map | |
CN107340522B (zh) | 一种激光雷达定位的方法、装置及系统 | |
CN109443351B (zh) | 一种稀疏环境下的机器人三维激光定位方法 | |
CN111290385A (zh) | 一种机器人路径规划方法、机器人、电子设备及存储介质 | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN109857111B (zh) | 基于共享slam地图的高精度定位方法及系统 | |
CN110673115A (zh) | 雷达与组合导航系统的联合标定方法、装置、设备及介质 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN113147738A (zh) | 一种自动泊车定位方法和装置 | |
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 | |
CN111161353A (zh) | 车辆定位方法、装置、可读存储介质和计算机设备 | |
CN111856499B (zh) | 基于激光雷达的地图构建方法和装置 | |
CN112229396B (zh) | 无人车重定位方法、装置、设备及存储介质 | |
CN113822944B (zh) | 一种外参标定方法、装置、电子设备及存储介质 | |
WO2022116831A1 (zh) | 定位方法、装置、电子设备及可读存储介质 | |
CN113932790A (zh) | 一种地图更新方法、装置、系统、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 | |
CN116086429A (zh) | 地图更新方法、装置、设备及计算机可读存储介质 | |
CN107092253B (zh) | 用于控制无人车的方法、装置及服务器 | |
CN114325662A (zh) | 一种车载雷达的外参标定方法、装置、设备及存储介质 | |
CN114677284A (zh) | 地图构建方法、装置、电子设备及存储介质 | |
CN113777615B (zh) | 室内机器人的定位方法、系统及清洁机器人 | |
KR102094773B1 (ko) | 이동체의 관찰 맵을 이용한 맵 매칭 방법 및 이를 이용한 컴퓨팅 장치 | |
KR20230081099A (ko) | 측량용 드론과 이를 이용한 3차원 지형 데이터 생성 방법 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210115 Assignee: Tianyi Transportation Technology Co.,Ltd. Assignor: CIIC Technology Co.,Ltd.|Zhongzhixing (Shanghai) Transportation Technology Co.,Ltd. Contract record no.: X2022980001515 Denomination of invention: Unmanned vehicle re positioning method, device, equipment and storage medium Granted publication date: 20210316 License type: Common License Record date: 20220214 |