CN112543859A - 定位方法、装置、电子设备和存储介质 - Google Patents

定位方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112543859A
CN112543859A CN202080004463.9A CN202080004463A CN112543859A CN 112543859 A CN112543859 A CN 112543859A CN 202080004463 A CN202080004463 A CN 202080004463A CN 112543859 A CN112543859 A CN 112543859A
Authority
CN
China
Prior art keywords
point cloud
point
current
pose
acquiring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202080004463.9A
Other languages
English (en)
Other versions
CN112543859B (zh
Inventor
赵小文
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202210726454.1A priority Critical patent/CN115143962A/zh
Publication of CN112543859A publication Critical patent/CN112543859A/zh
Application granted granted Critical
Publication of CN112543859B publication Critical patent/CN112543859B/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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • 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
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/383—Indoor data
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G01S13/426—Scanning radar, e.g. 3D radar
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S17/88—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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种定位方法、装置、电子设备和存储介质，该方法包括：采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云，提取当前点云的属性特征；根据当前点云的属性特征，以及待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。因为点云的属性特征为点云自身的特征，即使场景相似，但相似场景中点云的属性或属性特征也是不同的，因此本申请实施例的定位方法通过待定位对象周围的当前点云的属性特征和点云地图中的点云的属性特征的匹配进行定位，可以提高室内定位的准确性。

Description

定位方法、装置、电子设备和存储介质
技术领域
本申请涉及智能驾驶技术领域，尤其涉及一种定位方法、装置、电子设备和存储介质。
背景技术
定位技术是智能驾驶中的关键技术，目前的定位技术包括卫星定位技术、惯导定位技术、视觉定位技术和激光雷达定位技术等。视觉定位技术和激光雷达定位技术多用于室内定位。
目前的室内定位中，可以预先构建室内的点云地图，点云地图中可以包括多个关键帧的点云。车辆在室内移动时，可以实时采集车辆周围的点云，进而将采集的点云与点云地图中的每个关键帧的点云依据迭代最近点(iterative closest point，ICP)算法进行匹配，将匹配度最高的关键帧对应的位姿作为车辆的位姿。
但是室内场景，如地下车库，各位置处的场景很相似，进而各位置处的点云非常接近，因此采ICP匹配进行定位的准确度低。
发明内容
本申请实施例提供一种定位方法、装置、电子设备和存储介质，可以识别相似的场景，能够提高定位的准确性。
第一方面，本申请实施例提供一种定位方法，该方法可以应用于待定位对象，该待定位对象可以为车辆、机器人、终端设备等。该定位方法中，待定位对象可以集成有激光发射装置，该激光发射装置可以向待定位对象周围发射激光雷达或者毫米波雷达，以采集当前点云。应理解，当前点云可以包括待定位对象的点云以及待定位对象所处环境的点云。其中，待定位对象的点云是由待定位对象反射激光雷达或者毫米波雷达得到的点云，待定位对象所处环境的点云为所述待定位对象所处环境中的物体反射激光雷达或者毫米波雷达得到的点云。因为在室内定位的场景中，有很多位置处的场景很类似，但相似场景中的点云的属性特征并不相同，因此本申请实施例中可以提取所述当前点云的属性特征，进而根据所述当前点云的属性特征，以及所述待定位对象所处环境的点云地图中的点云的属性特征，获取所述待定位对象的位姿。因为点云的属性特征为点云自身的特征，即使场景相似，但相似场景中点云的属性或属性特征也是不同的，因此本申请实施例中采用点云的属性特征进行定位的方法的定位准确性高。
本申请实施例中的点云的属性特征可以包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征。下面依次对提取当前点云中的投影特征、法向量特征、曲率特征的过程进行说明。
第一种可能的实现方式：所述属性特征包括点云的投影特征。本申请实施例中提取当前点云中的投影特征的过程可以为：将所述当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云，且获取所述当前投影点云与所述o的距离，且将所述距离归类至预设的距离区间中；根据每个距离区间中的当前点云中的点的数量，获取所述当前点云的属性特征。其中，o为所述待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴。
在该种方法中，预设的距离区间与所述待定位对象采集到的点云中的点的最远距离和最近距离相关。如本申请实施例可以根据待定位对象采集到的点云中的点的最远距离和最近距离，将该最远距离和最近距离形成的区间进行划分，得到预设的距离区间。其中，本申请实施例中可以将每个距离区间中的当前点云中的点的数量组成一个一维向量，进而将该一维向量作为点云的投影特征。
在获取当前点云的投影特征的方式中，本申请实施例中可以将当前点云分别投影至xoy平面、yoz平面和xoz平面中，进而得到相较于将当前点云投影至一个或者两个坐标平面可以获取更为详细的投影特征，以提高定位准确性。如，本申请实施例中可以将所述当前点云分别投影至xoy平面、yoz平面和xoz平面，得到所述当前点云对应的三个当前投影点云，获取所述当前点云的每个所述当前投影点云与所述o的距离，且将所述距离归类至对应的坐标平面的预设的距离区间中，根据每个所述坐标平面的每个距离区间中的当前点云中的点的数量，得到所述当前点云的属性特征。应理解，每个坐标平面(xoy平面、yoz平面和xoz平面)可以分别对应有预设的距离区间。
第二种可能的实现方式：所述属性特征包括点云的法向量特征。本申请实施例中提取当前点云中的法向量特征的过程可以为：为了便于说明，此处以当前点云中的点均为第一点进行说明，对于所述当前点云中的每个第一点，本申请实施例中可以确定所述第一点所属的第一扫描线，在所述第一扫描线上，且在所述第一点的两侧分别获取距离所述第一点最近的第一临近点；在第二扫描线上获取距离所述第一点最近的第二临近点，所述第二扫描线与所述第一扫描线相邻；根据所述第一点、所述第一临近点和所述第二临近点，获取所述第一点的法向量；根据所述第一点的法向量，获取所述当前点云的属性特征。
本申请实施例中，可以获取所述第一点至所述第一临近点的第一向量，以及获取所述第一点至所述第二临近点的第二向量，进而在所述第一向量和所述第二向量中进行两两进行叉积计算，且将所述叉积计算的结果的均值作为所述第一点的法向量。其中，可以获取所述第一点的法向量在至少一个坐标轴的投影的长度，且将所述长度归类至预设的长度区间中，根据每个长度区间中的第一点的数量，获取所述当前点云的属性特征。
在该种方法中，预设的长度区间与第一点投影至坐标轴的投影的长度相关，该预设的长度区间可以根据经验预先设定，或者，本申请实施例中可以第一点投影至坐标轴的投影的最小长度和最大长度确定该长度区间。其中，本申请实施例中可以将每个长度区间中的当前点云中的点的数量组成一个一维向量，进而将该一维向量作为点云的法向量特征。
在一种可能的实现方式中，若本申请实施例中获取第一点的法向量在一个坐标轴的投影的长度，则可以获取第一点的法向量在z坐标轴的投影的长度，因为在当前点云中，点云的高度值(对应z轴)相较于在水平面的长度值(对应x轴和y轴)具有更为明显的长度特征。因此，当获取第一点的法向量在一个坐标轴的投影的长度时，获取第一点的法向量在z坐标轴的投影的长度更有利于特征的匹配准确性，以及定位的准确性。
第三种可能的实现方式：所述属性特征包括点云的曲率特征。本申请实施例中提取当前点云中的曲率特征的过程可以为：对于所述当前点云中的每个第一点，可以确定所述第一点所属的第一扫描线，进而根据所述第一点的位置、所述第一扫描线上所述第一点两侧的点的位置，获取所述第一点的曲率，将所述第一点的曲率归类至预设的曲率区间中；根据每个曲率区间中的第一点的数量，获取所述当前点云的属性特征。
与上述投影特征、法向量特征类似的，在该种方法中，预设的曲率区间与第一点的曲率相关，该预设的曲率区间可以根据经验预先设定，或者，本申请实施例中可以第一点的最小曲率和最大曲率确定该曲率区间。其中，本申请实施例中可以将每个曲率区间中的当前点云中的点的数量组成一个一维向量，进而将该一维向量作为点云的曲率特征。
应理解，本申请实施例中可以采用上述第一种方式至第三种方式，以提取当前点云的投影特征、法向量特征和曲率特征，使得当前点云的属性特征描述地更为准确和全面，以进一步提高待定位对象的定位准确性。
在一种可能的实现方式中，本申请实施例中在根据当前点云的属性特征获取待定位对象的位姿后，可以结合迭代最近点(iterative closest point，ICP)算法匹配进一步对待定位对象的位姿进行进一步精准确定，进而提高定位准确性。其中，所述点云地图可以包括多个关键帧的点云的属性特征。本申请实施例中，可以获取所述当前点云的属性特征和每个所述关键帧的点云的属性特征的相似度；按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧；将每个所述目标关键帧对应位姿作为候选位姿；在多个候选位姿中确定所述待定位对象的位姿。
其中，在多个候选位姿中确定所述待定位对象的位姿的过程可以结合ICP算法确定待定位对象的位姿。本申请实施例中可以根据每个候选位姿对应的转换关系，将所述当前点云转换至所述点云地图中，得到每个候选位姿对应的转换点云，在所述点云地图中，获取与每个候选位姿对应的转换点云距离最近的目标点云，将每个候选位姿对应的转换点云和对应的目标点云进行迭代最近点ICP匹配，得到匹配度最高的转换点云；根据所述匹配度最高的转换点云对应的位姿，以及ICP匹配的转换关系，获取所述待定位对象的位姿。
应注意的是，每个候选位姿对应有一个转换关系，该转换关系可以将实际空间中的点云转换至点云地图中。本申请实施例中获取与每个候选位姿对应的转换点云距离最近的目标点云指的是：对于每个候选位姿对应的转换点云来说，在点云地图中获取距离转换点云中每个点距离最近的点，形成每个候选位姿的目标点云。在获取每个位姿对应的转换点云的目标点云后，可以根据ICP算法将匹配度最高的候选位姿作为待定位对象的位姿。
待定位对象所处环境的点云地图可能是随时变化的。如在地下车库中，柱子、地面、灯等固定的对象是不变的，但地下车库中的车辆随时都可能进出，进而会影响点云地图，进而影响依据点云地图进行匹配的准确性。因此，本申请实施例中可以在构建点云地图时，可以将变化的点云(如地下车库中的车辆的点云)删除，进而采用删除后的点云构建的点云地图中的点云是不变的，有利于提高定位的准确性。相对应的，在提取当前点云的属性特征之前，可以删除当前点云中的变化的点云。
其中，本申请实施例中在获取当前点云后，可以对当前点云进行滤波处理。该滤波处理可以将庞杂的点云进行简化但保留点云的特征，以减少后续处理的计算量。在对当前点云进行滤波处理后，可以对当前点云进行聚类，得到环境中的各对象的点云簇。其中，聚类可以将当前点云中属于相同对象的点云聚成一类，形成一个对象的点云簇，如可以获取当前点云中属于地面的点云簇、属于车辆的点云簇、属于柱子的点云簇等。
本申请实施例中可以在各对象的点云簇中，删除点云的最大z值小于预设值的点云簇，即可以删除属于变化的对象的点云，进而提取删除处理后的当前点云的属性特征。但因为地下车库中点云的最大z值小于预设值的点云簇可能是地下车库中静止的对象的点云簇，如地面、地面上的隔离墩、防撞墩等的点云簇，若将这些对象的点云簇删除，则可能会缺失很多信息，因此本申请实施例中可以该地下车库中静止的对象作为预设对象，在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇。如在各对象中除了地面、地面上的隔离墩、防撞墩等的点云簇之外的点云簇中，删除点云的最大z值小于预设值的点云簇。这样可以保留地下车库详细又完整的点云，提高了点云地图的准确性。
上述实施例中讲述了依据点云地图中的各关键帧对应的点云的属性特征和当前点云的属性特征进行匹配进行定位的过程，此处对本申请实施例中构建点云地图的过程进行说明：
应理解，本申请实施例中构建点云地图的执行主体可以与执行上述定位方法的执行主体相同或不同。当构建点云地图的执行主体可以与执行上述定位装置的执行主体不同时，待定位对象可以预先获取点云地图。下述以待定位对象为例对构建点云地图的过程进行说明。本申请实施例中，所述待定位对象在所述环境的移动过程中，可以采集所述待定位对象的各位姿对应的点云，且提取各位姿对应的点云的属性特征；将所述各位姿对应的点云的属性特征、各位姿对应存储，构建所述点云地图。应理解，在构建点云地图的过程中，待定位对象提取各位姿对应的点云的属性特征的方式可以与上述待定位对象提取当前点云的属性特征的方式相同。
其中，待定位对象可以在所述环境的移动过程中，每隔预设距离，采集一个关键帧的点云，获取所述待定位对象在采集所述一个关键帧的点云的位姿，以得到所述各位姿对应的点云，进而将每个关键帧对应的位姿和点云进行映射，以得到点云地图。
在一种可能的实现方式中，对于每个位姿对应的点云来说，本申请实施例中在获取每个位姿对应的点云后，可以对每个位姿对应的点云进行滤波处理。该滤波处理可以将庞杂的点云进行简化但保留点云的特征，以减少后续处理的计算量。在对每个位姿对应的点云进行滤波处理后，可以对每个位姿对应的点云进行聚类，得到环境中的各对象的点云簇。与上述对当前点云的处理方式相同的，本申请实施例中可以在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇，以提取删除处理后的各位姿对应的点云的属性特征，进而得到完整且不包含变化的对象的点云，以提高定位的准确性。
第二方面，本申请实施例提供一种定位装置，该定位装置如上述第一方面的待定位对象，该定位装置包括：
第一处理模块，用于采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云。
第二处理模块，用于提取所述当前点云的属性特征，且根据所述当前点云的属性特征，以及所述待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。
在一种可能的实现方式中，所述属性特征包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征。
在一种可能的实现方式中，所述属性特征包括点云的投影特征，第二处理模块，具体用于将所述当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云，o为所述待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴；获取所述当前投影点云与所述o的距离，且将所述距离归类至预设的距离区间中；根据每个距离区间中的当前点云中的点的数量，获取所述当前点云的属性特征。
在一种可能的实现方式中，第二处理模块，具体用于将所述当前点云分别投影至xoy平面、yoz平面和xoz平面，得到所述当前点云对应的三个当前投影点云；获取所述当前点云的每个所述当前投影点云与所述o的距离，且将所述距离归类至对应的坐标平面的预设的距离区间中；根据每个所述坐标平面的每个距离区间中的当前点云中的点的数量，得到所述当前点云的属性特征。
在一种可能的实现方式中，预设的距离区间与所述待定位对象采集到的点云中的点的最远距离和最近距离相关。
在一种可能的实现方式中，所述属性特征包括点云的法向量特征，所述当前点云中的点均为第一点；对于所述当前点云中的每个第一点，第二处理模块，具体用于确定所述第一点所属的第一扫描线，在所述第一扫描线上，且在所述第一点的两侧分别获取距离所述第一点最近的第一临近点，以及在第二扫描线上获取距离所述第一点最近的第二临近点，所述第二扫描线与所述第一扫描线相邻；根据所述第一点、所述第一临近点和所述第二临近点，获取所述第一点的法向量；根据所述第一点的法向量，获取所述当前点云的属性特征。
在一种可能的实现方式中，第二处理模块，具体用于获取所述第一点至所述第一临近点的第一向量；获取所述第一点至所述第二临近点的第二向量；在所述第一向量和所述第二向量中进行两两进行叉积计算，且将所述叉积计算的结果的均值作为所述第一点的法向量。
在一种可能的实现方式中，第二处理模块，具体用于获取所述第一点的法向量在至少一个坐标轴的投影的长度，且将所述长度归类至预设的长度区间中；根据每个长度区间中的第一点的数量，获取所述当前点云的属性特征。
在一种可能的实现方式中，第二处理模块，具体用于获取所述第一点的法向量在z坐标轴的投影的长度。
在一种可能的实现方式中，所述属性特征包括点云的曲率特征，所述当前点云中的点均为第一点；对于所述当前点云中的每个第一点，第二处理模块，具体用于确定所述第一点所属的第一扫描线；根据所述第一点的位置、所述第一扫描线上所述第一点两侧的点的位置，获取所述第一点的曲率；将所述第一点的曲率归类至预设的曲率区间中；根据每个曲率区间中的第一点的数量，获取所述当前点云的属性特征。
在一种可能的实现方式中，所述点云地图包括多个关键帧的点云的属性特征；第二处理模块，具体用于获取所述当前点云的属性特征和每个所述关键帧的点云的属性特征的相似度；按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧；将每个所述目标关键帧对应位姿作为候选位姿；在多个候选位姿中确定所述待定位对象的位姿。
在一种可能的实现方式中，第二处理模块，具体用于根据每个候选位姿对应的转换关系，将所述当前点云转换至所述点云地图中，得到每个候选位姿对应的转换点云；在所述点云地图中，获取与每个候选位姿对应的转换点云距离最近的目标点云；将每个候选位姿对应的转换点云和对应的目标点云进行迭代最近点ICP匹配，得到匹配度最高的转换点云；根据所述匹配度最高的转换点云对应的位姿，以及ICP匹配的转换关系，获取所述待定位对象的位姿。
在一种可能的实现方式中，第二处理模块，还用于对所述当前点云进行聚类，得到所述环境中的各对象的点云簇；在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇，以提取删除处理后的当前点云的属性特征。
在一种可能的实现方式中，待定位对象在所述环境的移动过程中，点云地图构建模块，用于采集所述待定位对象的各位姿对应的点云，提取各位姿对应的点云的属性特征，且将所述各位姿对应的点云的属性特征、各位姿对应存储，构建所述点云地图。
在一种可能的实现方式中，待定位对象在所述环境的移动过程中，点云地图构建模块，用于每隔预设距离，采集一个关键帧的点云，获取所述待定位对象在采集所述一个关键帧的点云的位姿，以得到所述各位姿对应的点云。
在一种可能的实现方式中，第二处理模块，还用于对所述各位姿对应的点云进行聚类，得到所述环境中的各对象的点云簇，在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇，以提取删除处理后的各位姿对应的点云的属性特征。
第三方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器、存储器和点云采集装置；
其中，所述点云采集装置，用于发射激光雷达或毫米波雷达，以采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云；
存储器用于存储计算机可执行程序代码，程序代码包括指令；当处理器执行指令时，指令使所述电子设备执行如第一方面或第一方面的各可能的实现方式所提供的方法。
第四方面，本申请实施例提供一种定位装置，包括用于执行以上第一方面或第一方面各可能的实现方式所提供的方法的单元、模块或电路。该定位装置可以为待定位对象，也可以为应用于待定位对象的一个模块，例如，可以为应用于待定位对象的芯片。
第五方面，本申请实施例提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面的各种可能的实现方式中的方法。
本申请实施例提供一种定位方法、装置、电子设备和存储介质，因为点云的属性特征为点云自身的特征，即使场景相似，但相似场景中点云的属性或属性特征也是不同的，因此本申请实施例的定位方法通过待定位对象周围的当前点云的属性特征和点云地图中的点云的属性特征的匹配进行定位，可以识别相似场景，进而提高室内定位的准确性。
附图说明
图1为目前一种室内定位的流程示意图；
图2为目前另一种室内定位的流程示意图；
图3为本申请实施例提供的定位方法的一实施例的流程示意图；
图4为本申请实施例提供的定位方法的另一实施例的流程示意图；
图5为本申请实施例中的当前点云投影至xoy平面的示意图；
图6为本申请实施例提供的定位方法的另一实施例的流程示意图；
图7为本申请实施例提供的扫描线上的点的示意图；
图8为本申请实施例提供的定位方法的另一实施例的流程示意图；
图9为本申请实施例提供的第一点和第一点两侧的点的示意图；
图10为本申请实施例提供的定位方法的另一实施例的流程示意图；
图11为本申请实施例提供的构建点云地图的一实施例的流程示意图；
图12为本申请实施例提供的构建点云地图的另一实施例的流程示意图；
图13为本申请实施例提供的获取投影点之间的角度的示意图；
图14为本申请实施例提供的定位方法的另一实施例的流程示意图；
图15为本申请实施例提供的定位装置的结构示意图；
图16为本申请实施例提供的电子设备的结构示意图。
具体实施方式
图1为目前一种室内定位的流程示意图。其中，车辆上可以设置有摄像头和激光雷达。车辆在室内移动的过程中，摄像头可以采集车辆周围的图像，激光雷达可以向车辆周围发射激光，以采集车辆周围的点云。车辆中可以预先存储有室内的图像特征地图，该图像特征地图中包括车辆的各位姿对应的图像特征。在进行定位时，如图1所示，车辆可以将采集到的图像中的图像特征与地图中的各位姿对应的图像特征进行匹配，确定初始位姿，如可以将匹配度最高的地图中的图像特征对应的位姿作为初始位姿。车辆还可以根据该初始位姿周围的点云，采用粒子滤波的方式确定车辆的位姿。图1所示的方法充分利用图像中的丰富的特征，且结合点云，能够在室内环境下对车辆准确定位。但在光照较弱时，图像中的特征容易丢失或不易获取，尤其在地下车库的环境中，不同位置的光照不一样，也会影响图像特征的提取，导致定位失败，该室内定位方法的鲁棒性不足。
图2为目前另一种室内定位的流程示意图。为了解决依据图像特征进行定位受光线影响的问题，目前还提供了一种室内定位的方法，在该方法中可以根据车辆周围的点云进行定位。其中，车辆可以预先存储有点云地图，该点云地图中可以包括车辆的各位姿对应的点云。车辆在室内移动的过程中，可以采集车辆周围的点云，进而将采集到的点云与点云地图中的各位姿对应的点云进行迭代最近点(iterative closest point，ICP)算法匹配，进而将匹配度最高的位姿作为车辆的位姿。这种方法虽然避免了外界光线的影响，但是因为室内环境(如地下车库)的各位置的场景很相似，导致各位置处的点云非常接近，匹配度最高的位姿可能是场景相似的其他位置，因此该室内定位方法的准确性低。
为了解决目前室内定位中的问题，本申请实施例提供了一种定位方法，该定位方法中可以通过点云的属性特征的匹配来进行定位。因为点云的属性特征为点云本身的特征，即使场景相似，该场景中点云的属性或属性特征也是不同的，因此根据点云的属性特征的匹配可以识别相似度高的场景，进而提高室内定位的准确性。
应理解，本申请实施例中的定位方法可以应用于车辆或者机器人等电子设备的定位场景中，也不限于应用于其他可以发射激光点云，通过点云进行定位的电子设备的场景中。本申请实施例中执行定位方法的执行主体可以为定位装置，该定位装置可以为车辆、车辆中的处理芯片、机器人、机器人中的芯片、终端设备等。应理解，该定位装置上可以集成或单独设置有发射装置，该发射装置可以向定位装置的周围发射激光，以采集定位装置周围的点云。本申请实施例中的发射装置可以但不限于为激光雷达、毫米波雷达等。下述实施例中以定位装置是机器人、以发射装置为激光雷达为例进行说明。
下面结合具体的实施例对本申请实施例提供的定位方法进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。图3为本申请实施例提供的定位方法的一实施例的流程示意图。如图3所示，本申请实施例提供的定位方法可以包括：
S301，采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云。
S302，提取当前点云的属性特征。
S303，根据当前点云的属性特征，以及待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。
上述S301中，激光雷达可以向待定位对象的周围发射激光，使得待定位对象可以获取激光反射的信息，进而采集当前点云。应理解，当前点云可以包括待定位对象的点云和待定位对象所处环境的点云。其中，待定位对象的点云是由待定位对象反射激光雷达或者毫米波雷达得到的点云，待定位对象所处环境的点云为所述待定位对象所处环境中的物体反射激光雷达或者毫米波雷达得到的点云。本申请实施例中对待定位对象如何控制激光雷达获取点云的过程不做详述，可以参照目前的技术方案。其中，待定位对象可以为车辆、机器人或终端设备等。
示例性的，如待定位对象为机器人，机器人在室内的位置A处获取的点云可以为当前点云。当前点云中可以包括多个点(如激光点，下述称为点)、以及每个点的信息。其中，点是发射的激光遇到障碍物反射回来的点，点的信息可以为点的空间三维坐标、激光反射强度等。本申请实施例中可以将机器人实时获取的点云作为当前点云，以根据各时刻的当前点云对机器人进行定位。
上述S302中，本申请实施例中，当前点云的属性可以为当前点云中包括的多个点的属性的集合。其中，每个点的属性可以为点的空间三维坐标、激光反射强度、点距离待定位对象的距离、点与周围点的距离、点与周围的点构成的线段的法向量等。应理解，每个点的属性为点自身的属性，因此当前点云的属性也为当前点云自身的属性。
本申请实施例中，可以根据当前点云的属性，提取当前点云的属性特征，当前点云的属性特征用于表征当前点云的属性。可选的，在一种可能的实现方式中，当前点云的属性特征可以为当前点云中的点与周围的点构成的线段的法向量对应的一维向量。可选的，在一种可能的实现方式中，当前点云的属性特征可以为点距离待定位对象的距离组成的一维向量。
上述S303中，待定位对象中可以预先存储有待定位对象所处环境的点云地图。示例性的，如待定位对象为车辆，车辆所处环境为地下停车场，则该点云地图为地下停车场的点云地图。可选的，车辆可以在进入地下停车场时获取地下停车场的点云地图，如访问地下停车场对应的服务器，在该服务器中下载地下停车场的点云地图。示例性的，如待定位对象为机器人，该机器人为室内的防卫卫士(用于在室内移动获取室内的信息)，机器人所处的环境可以为商场，则该点云地图可以为商场的点云地图。可选的，工作人员可以预先将商场的点云地图存储至机器人中，或者机器人可以自己采集商场的点云，生成该商场的点云地图。本申请实施例中对待定位对象如何获取待定位对象所处环境的点云地图的方式不做限制。
应理解，点云地图中可以包括各位姿对应的点云的属性特征。各位姿可以为生成点云地图的设备在待定位对象所处环境中每个位姿。其中，生成点云地图的设备可以为待定位对象或者其他设备。也就是说，点云地图可以包括多个位姿，以及每个位姿对应的点云的属性特征。
本申请实施例中，待定位对象可以根据当前点云的属性特征，以及待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。其中，待定位对象可以将当前点云的属性特征、以及待定位对象所处环境的点云地图中的各位姿对应的点云的属性特征进行匹配，将匹配度最高的点云的属性特征对应的位姿作为待定位对象的位姿。示例性的，待定位设备可以获取当前点云的属性特征和点云地图中的每个位姿对应的点云的属性特征的欧式距离(或者其他表征属性特征的相似度的距离)，且将欧式距离最小的点云的属性特征对应的位姿作为待定位对象的位姿。
本申请实施例提供的定位方法包括：采集当前点云，当前点云可以包括待定位对象的点云和待定位对象所处环境的点云，提取当前点云的属性特征；根据当前点云的属性特征，以及待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。因为点云的属性特征为点云自身的特征，即使场景相似，但相似场景中点云的属性或属性特征也是不同的，因此本申请实施例的定位方法通过待定位对象周围的当前点云的属性特征和点云地图中的点云的属性特征的匹配进行定位，可以提高室内定位的准确性。
本申请实施例中，点云的属性特征可以包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征。下面依次对在当前点云中提取投影特征、法向量特征、曲率特征的过程进行说明。首先结合图4对在当前点云中提取投影特征进行说明，图4为本申请实施例提供的定位方法的另一实施例的流程示意图。如图4所示，上述S302可以替换为：
S401，将当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云，o为待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴。
S402，获取当前投影点云与o的距离，且将距离归类至预设的距离区间中。
S403，根据每个距离区间中的当前点云中的点的数量，获取当前点云的属性特征。
上述S401中，本申请实施例中可以将当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云。其中，将当前点云投影可以为将当前点云中包括的每个点进行投影，以得到每个点对应的投影点，当前投影点云中可以包括每个点对应的投影点。本申请实施例中的o为待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴。其中，待定位对象的中心位置可以为激光雷达所在的位置，具体为激光雷达发射激光的位置。坐标平面可以为以待定位对象的中心位置为坐标原点，在平行于水平面的面上设置相互垂直的x轴和y轴，在垂直于水平面的竖直面上设置过坐标原点的z轴。应理解，本申请实施例中也可以按照其他方式设置坐标平面。
上述S402中，图5为本申请实施例中的当前点云投影至xoy平面的示意图。下述以将当前点云投影至xoy平面为例进行说明，在将当前点云头投影至xoy平面后，可以在xoy平面上得到当前投影点云，如图5所示，该xoy平面可以包括当前投影点云中的多个点。点以黑色圆点表示，三个连续的点表示为距离区间的省略表示。
本申请实施例中，可以获取当前投影点云与o的距离，且将距离归类至预设的距离区间中。其中，可以获取当前投影点云中每个点与o的距离，即每个点与坐标原点的距离。且根据每个点与坐标原点的距离，将距离划分至预设的距离区间中。预设的距离区间为预定义的，该预设的距离区间与待定位对象采集到的点云中的点的最远距离和最近距离相关。
示例性的，待定位对象采集到的点云中的点的最远距离为80m，最近距离为0m，则预设的距离可以为0-80m，则本申请实施例中可以将该预设距离划分为预设数量的距离区间。如该预设数量为20，则可以将0-4m划分为一个距离区间，将4m-8m划分为一个距离区间……，以此类推，将76m-80m划分为一个距离区间，进而得到20个距离区间。应理解，在划分距离区间时，每个距离区间对应的距离可以不同，如一个距离区间可以为0-4m，该距离区间对应的距离为4m，另一距离区间可以为4m-6m，该距离区间对应的距离为2m，本申请实施例对划分距离区间的方式不做限制，只要距离区间的个数满足预设数量即可。图中以r表示距离区间对应的距离。
上述S403中，本申请实施例中可以获取每个距离区间中的当前点云中的点的数量，以根据该每个距离区间中的当前点云中的点的数量，获取当前点云的属性特征(投影特征)。示例性的，如落入距离区间0-4m中的点的数量为6个，落入距离区间4m-8m中的点的数量为6个……，落入距离区间76m-80m中的点的数量为2个，则可以得到20个数量，因此可以将该20个数量按照区间顺序排列，得到一个一维向量。如该向量可以为(6，6……，2)，本申请实施例中可以将一维向量作为当前点云的属性特征。
在一种可能的实现方式中，本申请实施例还可以将每个距离区间中的当前点云中的点的数量进行归一化处理，如同时缩小相同的倍数，使得数量均处于0-1的范围内。如可以将每个距离区间中的当前点云中的点的数量除以数量中的最大数量，得到归一化处理后的结果，进而根据该归一化处理后的结果生成一个一维向量。示例性的，如各距离区间中的当前点云中的点的数量中的最大数量为6，则可以将每个距离区间中的当前点云中的点的数量除以6，进而得到一维向量(1，1……，1/3)。
在获取当前点云的投影特征的方式中，本申请实施例中可以将当前点云分别投影至xoy平面、yoz平面和xoz平面中，进而得到相较于上述将当前点云分别投影至xoy平面更为详细的投影特征，因此在与点云地图中的属性特征进行匹配时可以得到更为准确的结果。其中，上述S401可以替换为S401'：将当前点云分别投影至xoy平面、yoz平面和xoz平面，得到当前点云对应的三个当前投影点云。对应的，上述S402可以替换为S402'：获取当前点云的每个当前投影点云与o的距离，且将距离归类至对应的坐标平面的预设的距离区间中。上述S403可以替换为S403'：根据每个坐标平面的每个距离区间中的当前点云中的点的数量，得到当前点云的属性特征。
S401'中的投影方式可以参照上述相关描述，不同的是，此处将当前点云投影至三个坐标平面，进而可以得到当前点云的三个当前投影点云。
在S402'中，因为此处有三个当前投影点云，因此可以按照与上述S402相同的方式，获取每个当前投影点云与o的距离，且将每个当前投影点云与o的距离分别归类至对应的坐标平面的预设的距离区间中。其中，获取每个当前投影点云与o的距离可以为获取每个当前投影点云中的每个点与o的距离，进而得到三个当前投影点云中每个点与o的距离。
与上述的描述不同的，本申请实施例中每个坐标平面(xoy平面、yoz平面和xoz平面)分别对应有预设的距离区间。示例性的，xoy平面的距离区间为：0-4m、4m-8m……，76m-80m，yoz平面的距离区间为：0-4m、4m-6m……，76m-80m、xoz平面的距离区间为：0-1m、1m-2m……，7m-8m。应注意，每个坐标平面对应的距离区间的预设数量可以不同或相同。
在S403'中，本申请实施例中获取每个坐标平面的每个距离区间中的当前点云中的点的数量，进而根据每个坐标平面的每个距离区间中的当前点云中的点的数量，得到当前点云的属性特征。其中，可以将每个坐标平面的每个距离区间中的当前点云中的点的数量按照坐标平面的顺序(如从xoy平面至yoz平面，再至xoz平面，可以预先约定)，以及每个坐标平面的距离区间的顺序，得到一个一维向量，且将该一维向量作为当前点云的属性特征。如每个坐标平面对应的距离区间的预设数量均为20，xoy平面中落入距离区间的点的数量分别为6、6……，2，yoz平面中落入距离区间的点的数量分别为1、2……，3，xoz平面中落入距离区间的点的数量分别为2、4……，8，则该一维向量可以为(6，6……，2，1，2……，3，2，4……，8)。
其次结合图6对在当前点云中提取法向量特征进行说明，图6为本申请实施例提供的定位方法的另一实施例的流程示意图。如图6所示，上述S302可以替换为：
S601，确定第一点所属的第一扫描线，当前点云中的点均为第一点。
S602，在第一扫描线上，且在第一点的两侧分别获取距离第一点最近的第一临近点。
S603，在第二扫描线上获取距离第一点最近的第二临近点，第二扫描线与第一扫描线相邻。
S604，根据第一点、第一临近点和第二临近点，获取第一点的法向量。
S605，根据第一点的法向量，获取当前点云的属性特征。
上述S601中，本申请实施例中为了便于说明，将当前点云中包括的点均称为第一点，也就是说，本申请实施例中对第一点均执行S601-S604中的步骤。因为激光雷达在发射激光时，可以同时发射多个激光扫描线，每个激光扫描线可以触碰到室内的各对象而反射。示例性的，16线激光雷达可以同时发射16个激光扫描线。待定位对象在获取当前点云时，即可确定该当前点云中的点是哪个扫描线中的点，据此，本申请实施例中可以确定第一点所属的第一扫描线。
上述S602中，同一扫描线上可以包括多个点，对于第一点来说，本申请实施例中可以获取在第一扫描线上，且在第一点的两侧分别获取距离第一点最近的第一临近点。图7为本申请实施例提供的扫描线上的点的示意图。如图7所示，对于第一扫描线上的第一点a来说，该扫描线上第一点a的两侧分别获取距离第一点最近的第一临近点分别为点b和点c。应理解，若第一点a在第一扫描线上相邻的点只有一个，则可以将该一个点作为点a的第一临近点。
上述S603中，本申请实施例中还可以在与第一扫描线相邻的第二扫描线上获取距离第一点最近的第二临近点。如图7所示，第二扫描线上的第二临近点分别为点d和点e。应理解，当第一扫描线只有一个相邻的第二扫描线时，可以在该第二扫描线上获取一个第二临近点。
上述S604中，本申请实施例中可以根据第一点、第一临近点和第二临近点，获取第一点的法向量。本申请实施例中可以获取第一点至第一临近点的第一向量，且获取第一点至第二临近点的第二向量，根据该第一向量和第二向量获取第一点的法向量。
在一种可能的实现方式中，如点a至点b、点c的第一向量分别为向量v1和向量v2，点a至点d、点e的第二向量分别为向量v3和向量v4，本申请实施例中将任一垂直于向量v1、向量v2、向量v3和向量v4的向量作为点a的法向量。
在一种可能的实现方式中，并不一定存在均垂直于向量v1、向量v2、向量v3和向量v4的向量，因此本申请实施例可以将在第一向量和第二向量中进行两两进行叉积计算，进而将叉积结果近似表征均垂直于向量v1、向量v2、向量v3和向量v4的向量。本申请实施例中可以将叉积计算的结果的均值作为第一点的法向量。示例性的，对向量v1和向量v2进行叉积计算，对向量v1和向量v3进行叉积计算……，对向量v3和向量v4进行叉积计算，进而得到多个叉积结果，本申请实施例中可以将该多个叉积计算的结果的均值作为第一点的法向量。
如第一点的法向量ni可以如下公式一进行计算：
Figure BDA0002935283580000111
其中，i为当前点云中的任意一个第一点，m为第一点对应的第一向量和第二向量的个数的加和，vi为第一向量或第二向量，vi％4+1为与第一向量或第二向量进行叉积的向量。
应注意，点a可能不具有第一向量，或者具有一个第一向量，且点a可能具有一个第二向量，可以按照与上述相同的方式获取第一点a的法向量。示例性的，本申请实施例中的激光雷达可以为16线的激光雷达，可以同时发射16条激光(如16条激光的发射点可以为同一点，该16条激光组成扇形平面，相邻两条激光之间的角度可以相同)。本申请实施例中为了使得第一点均具有两个第一向量和两个第二向量，可以不计算16条激光中位于边缘位置的两条激光上的第一点，如16条激光是依次从上至下排列的，则可以不计算最上面和最下面的两条激光上的第一点的法向量。
上述S605中，可以根据第一点的法向量，获取当前点云的属性特征。在一种可能的实现方式中，本申请实施例中可以将第一点的法向量的集合作为当前点云的法向量特征。
在一种可能的实现方式中，本申请实施例可以获取第一点的法向量在至少一个坐标轴的投影的长度，且将长度归类至预设的长度区间中。此处以获取第一点的法向量在x轴的投影的长度为例进行说明，将第一点的法向量投影至x轴，则可以获取第一点的法向量在x轴的投影的长度，该长度等于第一点的法向量在x轴上的分量的数值。其中，若本申请实施例中获取第一点的法向量在一个坐标轴的投影的长度，则可以获取第一点的法向量在z坐标轴的投影的长度，因为在当前点云中，点云的高度值(对应z轴)相较于在水平面的长度值(对应x轴和y轴)具有更为明显的长度特征。因此，当获取第一点的法向量在一个坐标轴的投影的长度时，获取第一点的法向量在z坐标轴的投影的长度更有利于特征的匹配准确性，以及定位的准确性。
本申请实施例中在获取第一点的法向量在至少一个坐标轴的投影的长度后，可以将长度归类至预设的长度区间中。应理解，不同的坐标轴可以对应不同的预设的长度区间(与上述预设的距离区间类似)。因此，可以得到至少一个坐标轴对应的每个长度区间中的第一点的数量。与上述获取当前点云的投影特征类似的，本申请实施例中也可以根据每个长度区间中的第一点的数量，获取当前点云的属性特征(法向量特征)。应理解，本申请实施例中的预设的长度区间可以为经验值，其中，预设的长度区间与第一点的法向量的投影至坐标轴的长度相关。本申请实施例中还可以根据第一点的法向量的投影至坐标轴的长度确定预设的长度区间。示例性的，第一点投影至坐标轴的最大长度是10m，最小长度是0m，则可以确定将0-10m划分为预设的长度区间。如将0-10m划分成长度相同的20个长度区间，则每个预设的长度区间的长度均为0.5m。
示例性的，以每个坐标轴对应的长度区间的数量为20为例，x轴的每个长度区间的第一点的数量为3、4……，8，y轴的每个长度区间的第一点的数量为1、2……，4，z轴的每个长度区间的第一点的数量为3、4……，6，则该当前点云的属性特征可以为由每个周的每个长度区间的第一点的数量构成的一维向量(3，4……，8，1，2……，4，3，4……，6)。可选的，当本申请实施例中只获取了第一点的法向量在z坐标轴的投影的长度时，该当前点云的属性特征可以为(3，4……，6)。应理解，本申请实施例中在获取每个长度区间中的第一点的数量后，也可以进行归一化处理，得到当前点云的属性特征，具体方式可以参照上述对每个距离区间中的点的数量进行归一化处理的相关描述。
再次结合图8对在当前点云中提取曲率特征进行说明，图8为本申请实施例提供的定位方法的另一实施例的流程示意图。如图8所示，上述S302可以替换为：
S801，确定第一点所属的第一扫描线。
S802，根据第一点的位置、第一扫描线上第一点两侧的点的位置，获取第一点的曲率。
S803，将第一点的曲率归类至预设的曲率区间中。
S804，根据每个曲率区间中的第一点的数量，获取当前点云的属性特征。
应理解，本申请实施例中的S801的实施方式可以参照上述S601中的相关描述，再次不做赘述。
上述S802中，第一点两侧的点可以为第一点两侧的预设数量的点。如预设数量为3，则第一点两侧的点可以为第一点两侧分别3个点，加上第一点总共7个点。图9为本申请实施例提供的第一点和第一点两侧的点的示意图。如图9所示，在第一扫描线上，第一点为点a，点a两侧的点分别为点b、点c、点f、点g、点h、点k。本申请实施例中，可以根据第一点的位置、以及第一扫描线上第一点两侧的点的位置，获取第一点的曲率。其中，第一点的位置可以为第一点的空间三维坐标，第一点两侧的点的位置可以为第一点两侧的点的空间三维坐标。第一点的曲率ci可以按照如下公式二计算：
Figure BDA0002935283580000121
其中，pi为第一点的位置，pj为第一点两侧的点中的任意一个点的位置，S为第一点两侧的点的预设数量。
上述S803中，在获取当前点云中第一点的曲率后，可以将第一点的曲率归类至预设的曲率区间中。应理解，该预设的曲率区间也是预先定义的。预设的曲率区间的个数可以与上述距离区间、长度区间的个数相同，如均为20个。
上述S804中，在将第一点的曲率归类至预设的曲率区间中后，可以获取每个曲率区间中的第一点的数量，进而根据每个曲率区间中的第一点的数量，获取当前点云的属性特征(曲率特征)。应理解，根据每个曲率区间中的第一点的数量，获取当前点云的属性特征的过程与获取投影特征、法向量特征的过程类似，可以参照上述实施例中的相关描述。如曲率特征可以为向量(1，1……，1)。应理解，本申请实施例中在获取每个曲率区间中的第一点的数量后，也可以进行归一化处理，得到当前点云的属性特征，具体方式可以参照上述对每个距离区间中的点的数量进行归一化处理的相关描述。
应理解，上述分别介绍了提取当前点云中的投影特征、法向量特征和曲率特征过程。本申请实施例中的点云的属性特征可以包括投影特征、法向量特征和曲率特征中的至少一个。为了更为准确地获取当前点云的属性特征，可以在当前点云中提取投影特征、法向量特征和曲率特征，属性特征越准确，则待定位对象的定位也就越准确。
当点云的属性特征可以包括投影特征、法向量特征和曲率特征时，上述S302可以替换为S401-S403、S601-S605、S801-S804，对应的，当前点云的属性特征可以为投影特征、法向量特征和曲率特征对应的一维向量的重组，如当前点云的属性特征对应的向量可以为(6，6……，2，1，2……，3，2，4……，8，3，4……，6，1，1……，1)，该当前点云的属性特征是一个长度为100的一维向量，其中，投影特征对应的向量的长度为60，法向量特征和曲率特征分别对应的向量的长度为20。
本申请实施例中，当前点云的属性特征可以包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征，采用任意一个属性特征均可以有效区分相似场景，因此可以实现准确定位。在当前点云的属性特征包括投影特征、法向量特征和曲率特征，当前点云的属性特征描述地更为准确和全面，因此可以进一步提高待定位对象的定位准确性。
在上述实施例的基础上，本申请实施例中在根据当前点云的属性特征获取待定位对象的位姿后，可以结合ICP匹配进一步对待定位对象的位姿进行进一步精准确定，进而提高定位准确性。图10为本申请实施例提供的定位方法的另一实施例的流程示意图。如图10所示，本申请实施例中的定位方法可以包括：
S1001，采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云。
S1002，提取当前点云的属性特征。
S1003，获取当前点云的属性特征和每个关键帧的点云的属性特征的相似度。
S1004，按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧。
S1005，将每个目标关键帧对应位姿作为候选位姿。
S1006，在多个候选位姿中确定待定位对象的位姿。
应理解，本申请实施例中的S1001-S1002中的实施方式可以参照上述实施例S301-S302的相关描述，在此不做赘述。
上述S1003中，本申请实施例中，点云地图可以包括多个关键帧的点云的属性特征。其中，关键帧可以为在采集点云时的帧，如采集的一帧点云就是关键帧的点云。也就是说，点云地图中包括多帧点云的属性特征，应理解，不同帧点云是待定位对象在不同位姿时采集的。本申请实施例中获取点云地图的过程可以参照下述图11、图12中的相关描述。
待定位对象在将当前点云的属性特征和点云地图中的点云的属性特征，获取待定位对象的位姿时，可以获取当前点云的属性特征和每个关键帧的点云的属性特征的相似度，也就是当前点云对应的一维向量和每个关键帧的点云对应的一维向量的相似度(如欧式距离)。
上述S1004中，本申请实施例在获取当前点云的属性特征和每个关键帧的点云的属性特征的相似度后，可以按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧。如预设数量为10，则可以将相似度排名前10的点云地图中的关键帧作为目标关键帧。也就是说，本申请实施例中根据点云的属性的特征的匹配，先确定几个候选的关键帧。
上述S1005中，点云地图中的关键帧的点云是在不同的位姿时采集的，因此点云地图中的每个关键帧点云对应有一个位姿，相应的，目标关键帧也对应有位姿。本申请实施例中，待定位对象在确定与当前点云的属性特征相似度较高的目标关键帧，可以将每个目标关键帧对应位姿作为候选位姿。
上述S1006中，本申请实施例可以在多个候选位姿中确定待定位对象的位姿。在一种可能的实现方式中，本申请实施例中可以将该多个候选位姿的均值作为待定位对象的位姿。示例性的，如将位姿中的位置(空间三维坐标)的均值作为待定位对象的位置，将位姿中的姿态(朝向等)的均值作为待定位对象的姿态，进而得到待定位对象的位姿。
为了更为准确地确定待定位对象的位姿，在一种可能的实现方式中，本申请实施例还可以结合ICP算法，在多个候选位姿中确定待定位对象的位姿。其中，对于每个候选位姿都对应有转换关系(R，T)，R为旋转矩阵，T为平移矩阵，即通过该转换关系可以将实际空间中的点云转换至点云地图坐中，也就是说，该转换关系可以理解为实际空间坐标系和点云地图中的坐标系的转换关系。
本申请实施例中，可以根据每个候选位姿对应的转换关系，将当前点云转换至点云地图中，得到每个候选位姿对应的转换点云。对于每个候选位姿来讲，可以在点云地图中，获取与每个候选位姿对应的转换点云距离最近的目标点云。示例性的，以候选位姿1对应的转换点云来说，该候选位姿1对应的转换点云中包括多个点，可以在点云地图中获取与该每个点最近的点，由与该每个点最近的点组成的点云即为目标点云。其中，目标点云中每个点与候选位姿对应的转换点云中的对应的点距离最近。
待定位对象在确定每个位姿对应的转换点云的目标点云后，可以将每个候选位姿对应的转换点云和对应的目标点云进行ICP匹配，得到匹配度最高的转换点云。其中，每个候选位姿对应的转换点云和对应的目标点云进行迭代最近点ICP匹配均可以得到一个匹配度，本申请实施例中可以确定匹配度最高的转换点云。进而，待定位对象可以根据匹配度最高的转换点云对应的位姿，以及ICP匹配的转换关系，获取待定位对象的位姿。其中，匹配度最高的转换点云对应的位姿可以为该转换点云对应的转换关系对应的位姿。应理解，ICP匹配的结果既可以包括上述的匹配度，还可以包括匹配的转换关系(即每个点和距离其最近的点得到的转换关系)。因此，本申请实施例中可以根据匹配度最高的转换点云对应的位姿和ICP匹配的转换关系，得到待定位对象的位姿。应理解，本申请实施例中对ICP匹配算法不做赘述，可以参照目前的技术方案中的相关描述。
示例性的，匹配度最高的转换点云对应的位姿为Pi，ICP匹配的转换关系为T。则待定位对象的位姿P可以由如下公式三计算：
P＝T·Pi公式三
本申请实施例中，可以先根据点云的属性特征的匹配初步确定待定位对象的候选位姿，进而结合ICP算法，在候选位姿中确定待定位对象的位姿，相较于上述实施例，可以进一步提高待定位对象的位姿的准确性。
下表一是采用图10所示的定位方法、图1和图2所示的定位方法定位的准确率。
表一
方法 位置1 位置2 位置3 位置4
图10对应的方法 91.1％ 93.2％ 90.3％ 95.2％
图1对应的方法 60.2％ 83.7％ 66.5％ 50.1％
图2对应的方法 48.5％ 77.2％ 46.3％ 78％
因为在上述实施例中未讲述点云地图的构建过程，此处结合图11先对点云地图的构建过程进行说明。图11为本申请实施例提供的构建点云地图的一实施例的流程示意图。如图11所示，本申请实施例提供的构建点云地图可以包括：
S1101，待定位对象在环境的移动过程中，采集待定位对象的各位姿对应的点云。
S1102，提取各位姿对应的点云的属性特征。
S1103，将各位姿对应的点云的属性特征、各位姿对应存储，构建点云地图。
应理解，本申请实施例中的S1102可以参照上述实施例S302的相关描述。应注意，点云地图中点云的属性特征与当前点云中提取的属性特征一致，如地图中点云的属性特征为投影特征，则在当前点云中提取的属性特征也为投影特征，具体提取哪些属性特征可以预先约定。
上述S1101中，待定位对象可以在所处环境中移动，在移动过程中可以采集待定位对象的各位姿对应的点云。其中，各位姿对应的点云可以为一个关键帧的点云。可选的，本申请实施例中，待定位对象可以在每移动预设距离，采集一个关键帧的点云。可选的，待定位对象也可以每个预设时长，采集一个关键帧的点云。
应理解，在待定位对象采集一个关键帧的点云时，可以将待定位对象的位姿与该关键帧相对应，进而确定一个位姿对应的关键帧的点云。本申请实施例中，待定位对象可以根据开源的同时定位与地图构建(simultaneous localization and mapping，SLAM)算法获取待定位对象的位姿，该过程可以参照目前的技术方案中的相关描述，在此不做赘述。
上述S1103中，在获取待定位对象的各位姿，以及各位姿对应的点云的属性特征，可以将各位姿对应的点云的属性特征、各位姿对应存储，进而构建点云地图。其中，点云地图中可以包括各位姿对应的点云的属性特征(各关键帧对应的点云的属性特征)、以及点云。
在一种可能的情况中，待定位对象所处环境的点云地图可能是随时变化的。示例性的，如在地下车库中，柱子、地面、灯等固定的对象是不变的，但地下车库中的车辆随时都可能进出，进而会影响点云地图，进而影响依据点云地图进行匹配的准确性。因此，本申请实施例中可以在构建点云地图时，可以将变化的点云(如地下车库中的车辆的点云)删除，进而采用删除后的点云构建的点云地图中的点云是不变的，有利于提高定位的准确性。图12为本申请实施例提供的构建点云地图的另一实施例的流程示意图。如图12所示，在上述S1102之前还可以包括：
S1104，对各位姿对应的点云进行滤波处理。
S1105，对各位姿对应的点云进行聚类，得到环境中的各对象的点云簇。
S1106，在各对象的点云簇中，删除点云的最大z值小于预设值的点云簇。
相对应的，上述S1102可以替换为S1102'：提取删除处理后的各位姿对应的点云的属性特征。
应理解，S1102'中提取删除处理后的各位姿对应的点云的属性特征可以参照上述S302的相关描述。
上述S1104中，本申请实施例中可以基于点云库(point cloud library，PCL)中的体素栅格滤波器对各位姿的点云进行滤波处理，将庞杂的点云进行简化但保留点云的特征，以减少后续处理的计算量。滤波处理的方式可以参照目前技术方案中的相关描述。
上述S1105中，在对各位姿对应的点云进行滤波处理后，为了删除待定位对象所处环境中变化的对象造成的可变化的点云，因此可以对各位姿对应的点云进行聚类，进而得到该环境中的各对象的点云簇。其中，本申请实施例中的聚类是将各位姿对应的点云中属于相同对象的点云聚成一类，形成一个点云簇。示例性的，待定位对象所处的环境为地下车库，对各位姿对应的点云进行聚类，可以得到各位姿对应的属于地面的点云簇、属于车辆的点云簇、属于柱子的点云簇等。
应理解，本申请实施例中对各位姿对应的点云进行聚类的方式可以为(以任一位姿对应的点云进行说明)：将点云中的每个点投影至任一个坐标平面，以计算该坐标平面上的每个点的投影点与周围的投影点之间的角度，进而以该角度对点云中的点进行聚类。示例性的，如xoy坐标平面预先划分有矩阵，如对于16线的激光雷达，可以预先对xoy坐标平面划分的矩阵大小可以为16×1800，其中，1800与激光雷达的水平分辨率旋转角度相关。本申请实施例中，在将点云中的每个点投影至xoy坐标平面，即将每个点投影在xoy坐标平面的矩阵中后，可以获取xoy坐标平面上的每个点的投影点与距离该投影点最近的三个投影点之间的角度。图13为本申请实施例提供的获取投影点之间的角度的示意图。如图13所示，xoy坐标平面上包括投影点p和投影点b，本申请实施例中可以分别获取投影点p至坐标原点o的距离d1，以及投影点b至坐标原点o的距离d2，进而采用如下公式四获取投影点p和投影点b之间的角度angle。
Figure BDA0002935283580000161
其中，α表示激光雷达的水平角分辨率或垂直角分辨率。
本申请实施例中在获取每个点的投影点与周围的三个投影点之间的角度后，若存在角度大于预设角度(如30度)，则认为该周围的投影点对应的点与该投影点对应的点属于不同对象的点云簇。按照如上方式，遍历点云中所有的点，按照是否属于同一对象的点云簇进行划分，以得到不同对象的点云簇。
上述S1106中，因为地下车库中的车辆在地面上停放，地下车库中停放的车辆在空间坐标系中有一个最大高度，且聚类获取各对象的点云簇能够获取多个点云簇，但并不能确定每个点云簇对应的对象。因此本申请实施例中在得到各位姿对应的点云簇后，可以根据各点云簇中包括的点的z值，删除车辆对应的点云簇，如本申请实施例中可以删除点云的最大z值小于预设值的点云簇(即车辆对应的点云簇)。示例性的，预设值可以为2.5m，本申请实施例中在各点云簇中，可以删除点云的最大高度小于2.5m的点云簇，进而得到除了车辆之外的其他对象的点云簇，进而能够获取待定位对象所处环境中的静态对象的点云，提高点云地图的准确性。
应注意的是，因为地下车库中点云的最大高度小于2.5m的点云簇可能是地下车库中静止的对象的点云簇，如地面、地面上的隔离墩、防撞墩等的点云簇。因此，本申请实施例中可以将该地下车库中静止的对象作为预设对象，在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇。如在各对象中除了地面、地面上的隔离墩、防撞墩等的点云簇之外的点云簇中，删除点云的最大z值小于预设值的点云簇。这样可以保留地下车库详细又完整的点云，提高了点云地图的准确性。
相对应的，在该种情况下，图14为本申请实施例提供的定位方法的另一实施例的流程示意图。如图14所示，在上述S1002之前还可以包括：
S1007，对当前点云进行滤波处理。
S1008，对当前点云进行聚类，得到环境中的各对象的点云簇。
S1009，在各对象的点云簇中，删除点云的最大z值小于预设值的点云簇。
相应的，S1002可以替换为S1002'：提取删除处理后的当前点云的属性特征。
应理解，本申请实施例中的S1007-S1009中的实施方式可以参照上述S1104-S1106的相关描述。不同的是，上述S1104-S1106处理的是多个关键帧对应的点云，S1007-S1009中处理的是当前点云。
下表二是采用图14所示的定位方法、图1和图2所示的定位方法定位的准确率。
表二
方法 车辆数目0 车辆数目15 车辆数目30 车辆数目45
图14对应的方法 94.7％ 95.6％ 96.3％ 94.9％
图1对应的方法 70.2％ 83.4％ 86.6％ 77.9％
图2对应的方法 44.6％ 58.2％ 60.4％ 66.7％
本申请实施例中，一方面将点云的属性特征的匹配和ICP算法相结合，可以提高在相似场景中的定位准确性，另一方面，在构建点云地图时可删除场景中位置变化的对象的点云，进而提高点云地图的准确性，能够提高定位准确性，且在提取当前点云中的属性特征之前，也删除场景中位置变化的对象的点云，能够进一步提高待定位对象的定位准确性。
图15为本申请实施例提供的定位装置的结构示意图。图15所示的定位装置可以为上述实施例中的待定位对象，可以执行上述图3、图4、图6、图8、图10-图12、图14中的定位方法。该定位装置1500可以包括：第一处理模块1501、第二处理模块1502和点云地图构建模块1503。
第一处理模块1501，用于采集当前点云，当前点云包括待定位对象的点云和待定位对象所处环境的点云。
第二处理模块1502，用于提取当前点云的属性特征，且根据当前点云的属性特征，以及待定位对象所处环境的点云地图中的点云的属性特征，获取待定位对象的位姿。
在一种可能的实现方式中，属性特征包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征。
在一种可能的实现方式中，属性特征包括点云的投影特征，第二处理模块1502，具体用于将当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云，o为待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴；获取当前投影点云与o的距离，且将距离归类至预设的距离区间中；根据每个距离区间中的当前点云中的点的数量，获取当前点云的属性特征。
在一种可能的实现方式中，第二处理模块1502，具体用于将当前点云分别投影至xoy平面、yoz平面和xoz平面，得到当前点云对应的三个当前投影点云；获取当前点云的每个当前投影点云与o的距离，且将距离归类至对应的坐标平面的预设的距离区间中；根据每个坐标平面的每个距离区间中的当前点云中的点的数量，得到当前点云的属性特征。
在一种可能的实现方式中，预设的距离区间与待定位对象采集到的点云中的点的最远距离和最近距离相关。
在一种可能的实现方式中，属性特征包括点云的法向量特征，当前点云中的点均为第一点；对于当前点云中的每个第一点，第二处理模块1502，具体用于确定第一点所属的第一扫描线，在第一扫描线上，且在第一点的两侧分别获取距离第一点最近的第一临近点，以及在第二扫描线上获取距离第一点最近的第二临近点，第二扫描线与第一扫描线相邻；根据第一点、第一临近点和第二临近点，获取第一点的法向量；根据第一点的法向量，获取当前点云的属性特征。
在一种可能的实现方式中，第二处理模块1502，具体用于获取第一点至第一临近点的第一向量；获取第一点至第二临近点的第二向量；在第一向量和第二向量中进行两两进行叉积计算，且将叉积计算的结果的均值作为第一点的法向量。
在一种可能的实现方式中，第二处理模块1502，具体用于获取第一点的法向量在至少一个坐标轴的投影的长度，且将长度归类至预设的长度区间中；根据每个长度区间中的第一点的数量，获取当前点云的属性特征。
在一种可能的实现方式中，第二处理模块1502，具体用于获取第一点的法向量在z坐标轴的投影的长度。
在一种可能的实现方式中，属性特征包括点云的曲率特征，当前点云中的点均为第一点；对于当前点云中的每个第一点，第二处理模块1502，具体用于确定第一点所属的第一扫描线；根据第一点的位置、第一扫描线上第一点两侧的点的位置，获取第一点的曲率；将第一点的曲率归类至预设的曲率区间中；根据每个曲率区间中的第一点的数量，获取当前点云的属性特征。
在一种可能的实现方式中，点云地图包括多个关键帧的点云的属性特征；第二处理模块1502，具体用于获取当前点云的属性特征和每个关键帧的点云的属性特征的相似度；按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧；将每个目标关键帧对应位姿作为候选位姿；在多个候选位姿中确定待定位对象的位姿。
在一种可能的实现方式中，第二处理模块1502，具体用于根据每个候选位姿对应的转换关系，将当前点云转换至点云地图中，得到每个候选位姿对应的转换点云；在点云地图中，获取与每个候选位姿对应的转换点云距离最近的目标点云；将每个候选位姿对应的转换点云和对应的目标点云进行迭代最近点ICP匹配，得到匹配度最高的转换点云；根据匹配度最高的转换点云对应的位姿，以及ICP匹配的转换关系，获取待定位对象的位姿。
在一种可能的实现方式中，第二处理模块1502，还用于对当前点云进行聚类，得到环境中的各对象的点云簇；在各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇，以提取删除处理后的当前点云的属性特征。
在一种可能的实现方式中，待定位对象在环境的移动过程中，点云地图构建模块1503，用于采集待定位对象的各位姿对应的点云，提取各位姿对应的点云的属性特征，且将各位姿对应的点云的属性特征、各位姿对应存储，构建点云地图。
在一种可能的实现方式中，待定位对象在环境的移动过程中，点云地图构建模块1503，用于每隔预设距离，采集一个关键帧的点云，获取待定位对象在采集一个关键帧的点云的位姿，以得到各位姿对应的点云。
在一种可能的实现方式中，第二处理模块1502，还用于对各位姿对应的点云进行聚类，得到环境中的各对象的点云簇，在各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇，以提取删除处理后的各位姿对应的点云的属性特征。
本申请实施例提供的定位装置，可以执行上述方法实施例中待定位对象的动作，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上处理模块可以以软件通过处理元件调用的形式实现；也可以以硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
图16为本申请实施例提供的电子设备的结构示意图。该电子设备如上述所示的机器人、车辆等。如图16所示，该电子设备1600可以包括：处理器1601(例如CPU)、存储器1602和点云采集装置1603。点云采集装置1603可以耦合至处理器1601，处理器1601控制点云采集装置1603执行发射激光雷达或毫米波雷达的动作，以采集电子设备周围的点云，以使电子设备获取周围的点云。存储器1602可能包含高速随机存取存储器(random-accessmemory，RAM)，也可能还包括非易失性存储器(non-volatile memory，NVM)，例如至少一个磁盘存储器，存储器1602中可以存储各种指令，以用于完成各种处理功能以及实现本申请的方法步骤。可选的，本申请涉及的电子设备1600还可以包括：电源1604、通信总线1605以及通信端口1606。上述通信端口1606用于实现电子设备与其他外设之间进行连接通信。
在本申请实施例中，上述存储器1602用于存储计算机可执行程序代码，程序代码包括指令；当处理器1601执行指令时，指令使电子设备的处理器1601执行上述方法实施例中的动作，其实现原理和技术效果类似，在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本文中的术语“多个”是指两个或两个以上。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。
可以理解的是，在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。可以理解的是，在本申请的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

Claims (19)

1.一种定位方法，其特征在于，包括：
采集当前点云，所述当前点云包括待定位对象的点云和所述待定位对象所处环境的点云；
提取所述当前点云的属性特征；
根据所述当前点云的属性特征，以及所述待定位对象所处环境的点云地图中的点云的属性特征，获取所述待定位对象的位姿。
2.根据权利要求1所述的方法，其特征在于，所述属性特征包括如下至少一项：点云的投影特征、点云的法向量特征、点云的曲率特征。
3.根据权利要求2所述的方法，其特征在于，所述属性特征包括点云的投影特征，所述提取所述当前点云的属性特征，包括：
将所述当前点云投影至如下至少一个坐标平面：xoy平面、yoz平面、xoz平面，得到当前投影点云，o为所述待定位对象的中心位置，x、y和z分别为以o为坐标原点构建的坐标轴；
获取所述当前投影点云与所述o的距离，且将所述距离归类至预设的距离区间中；
根据每个距离区间中的当前点云中的点的数量，获取所述当前点云的属性特征。
4.根据权利要求3所述的方法，其特征在于，所述将所述当前点云投影至如下至少一个坐标平面，包括：
将所述当前点云分别投影至xoy平面、yoz平面和xoz平面，得到所述当前点云对应的三个当前投影点云；
所述获取所述当前投影点云与所述o的距离，且将所述距离归类至预设的距离区间中，包括：
获取所述当前点云的每个所述当前投影点云与所述o的距离，且将所述距离归类至对应的坐标平面的预设的距离区间中；
所述根据每个距离区间中的当前点云中的点的数量，获取所述当前点云的属性特征，包括：
根据每个所述坐标平面的每个距离区间中的当前点云中的点的数量，得到所述当前点云的属性特征。
5.根据权利要求3或4所述的方法，其特征在于，预设的距离区间与所述待定位对象采集到的点云中的点的最远距离和最近距离相关。
6.根据权利要求2-5中任一项所述的方法，其特征在于，所述属性特征包括点云的法向量特征，所述当前点云中的点均为第一点；
对于所述当前点云中的每个第一点，所述提取所述当前点云的属性特征，包括：
确定所述第一点所属的第一扫描线；
在所述第一扫描线上，且在所述第一点的两侧分别获取距离所述第一点最近的第一临近点；
在第二扫描线上获取距离所述第一点最近的第二临近点，所述第二扫描线与所述第一扫描线相邻；
根据所述第一点、所述第一临近点和所述第二临近点，获取所述第一点的法向量；
根据所述第一点的法向量，获取所述当前点云的属性特征。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一点、所述第一临近点和所述第二临近点，获取所述第一点的法向量，包括：
获取所述第一点至所述第一临近点的第一向量；
获取所述第一点至所述第二临近点的第二向量；
在所述第一向量和所述第二向量中进行两两进行叉积计算，且将所述叉积计算的结果的均值作为所述第一点的法向量。
8.根据权利要求6或7所述的方法，其特征在于，所述根据所述第一点的法向量，获取所述当前点云的属性特征，包括：
获取所述第一点的法向量在至少一个坐标轴的投影的长度，且将所述长度归类至预设的长度区间中；
根据每个长度区间中的第一点的数量，获取所述当前点云的属性特征。
9.根据权利要求8所述的方法，其特征在于，所述获取所述第一点的法向量在至少一个坐标轴的投影的长度，包括：
获取所述第一点的法向量在z坐标轴的投影的长度。
10.根据权利要求2-9中任一项所述的方法，其特征在于，所述属性特征包括点云的曲率特征，所述当前点云中的点均为第一点；
对于所述当前点云中的每个第一点，所述提取所述当前点云的属性特征，包括：
确定所述第一点所属的第一扫描线；
根据所述第一点的位置、所述第一扫描线上所述第一点两侧的点的位置，获取所述第一点的曲率；
将所述第一点的曲率归类至预设的曲率区间中；
根据每个曲率区间中的第一点的数量，获取所述当前点云的属性特征。
11.根据权利要求1-10中任一项所述的方法，其特征在于，所述点云地图包括多个关键帧的点云的属性特征；所述根据所述当前点云的属性特征，以及所述待定位对象所处环境的点云地图中的点云的属性特征，获取所述待定位对象的位姿，包括：
获取所述当前点云的属性特征和每个所述关键帧的点云的属性特征的相似度；
按照相似度从大到小的顺序，获取排名前预设数量个相似度对应的目标关键帧；
将每个所述目标关键帧对应位姿作为候选位姿；
在多个候选位姿中确定所述待定位对象的位姿。
12.根据权利要求11所述的方法，其特征在于，所述在多个候选位姿中确定所述待定位对象的位姿，包括：
根据每个候选位姿对应的转换关系，将所述当前点云转换至所述点云地图中，得到每个候选位姿对应的转换点云；
在所述点云地图中，获取与每个候选位姿对应的转换点云距离最近的目标点云；
将每个候选位姿对应的转换点云和对应的目标点云进行迭代最近点ICP匹配，得到匹配度最高的转换点云；
根据所述匹配度最高的转换点云对应的位姿，以及ICP匹配的转换关系，获取所述待定位对象的位姿。
13.根据权利要求1-12中任一项所述的方法，其特征在于，所述提取所述当前点云的属性特征之前，还包括：
对所述当前点云进行聚类，得到所述环境中的各对象的点云簇；
在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇；
所述提取所述当前点云的属性特征，包括：
提取删除处理后的当前点云的属性特征。
14.根据权利要求1-13中任一项所述的方法，其特征在于，所述采集当前点云之前，还包括：
所述待定位对象在所述环境的移动过程中，采集所述待定位对象的各位姿对应的点云；
提取各位姿对应的点云的属性特征；
将所述各位姿对应的点云的属性特征、各位姿对应存储，构建所述点云地图。
15.根据权利要求14所述的方法，其特征在于，所述待定位对象在所述环境的移动过程中，采集各位姿对应的点云，包括：
所述待定位对象在所述环境的移动过程中，每隔预设距离，采集一个关键帧的点云；
获取所述待定位对象在采集所述一个关键帧的点云的位姿，以得到所述各位姿对应的点云。
16.根据权利要求14所述的方法，其特征在于，所述提取各位姿对应的点云的属性特征之前，还包括：
对所述各位姿对应的点云进行聚类，得到所述环境中的各对象的点云簇；
在所述各对象除了预设对象的点云簇中，删除点云的最大z值小于预设值的点云簇；
所述提取各位姿对应的点云的属性特征，包括：
提取删除处理后的各位姿对应的点云的属性特征。
17.一种定位装置，其特征在于，包括：
第一处理模块，用于采集当前点云，所述当前点云包括待定位对象的点云和所述待定位对象所处环境的点云；
第二处理模块，用于提取所述当前点云的属性特征，且根据所述当前点云的属性特征，以及所述待定位对象所处环境的点云地图中的点云的属性特征，获取所述待定位对象的位姿。
18.一种电子设备，其特征在于，包括：存储器、处理器和点云采集装置；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现权利要求1-16中任一项所述的方法；
所述点云采集装置，用于采集待定位对象周围的点云。
19.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行权利要求1-16中任一项所述的方法。
CN202080004463.9A 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质 Active CN112543859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210726454.1A CN115143962A (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/124519 WO2022087916A1 (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210726454.1A Division CN115143962A (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112543859A true CN112543859A (zh) 2021-03-23
CN112543859B CN112543859B (zh) 2022-07-15

Family

ID=75017370

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202080004463.9A Active CN112543859B (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质
CN202210726454.1A Pending CN115143962A (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210726454.1A Pending CN115143962A (zh) 2020-10-28 2020-10-28 定位方法、装置、电子设备和存储介质

Country Status (3)

Country Link
EP (1) EP4215874A4 (zh)
CN (2) CN112543859B (zh)
WO (1) WO2022087916A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990235A (zh) * 2021-05-06 2021-06-18 北京云圣智能科技有限责任公司 点云数据的处理方法、装置及电子设备
CN113343840A (zh) * 2021-06-02 2021-09-03 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN115082662A (zh) * 2022-07-15 2022-09-20 深圳市速腾聚创科技有限公司 目标区域的定位方法和目标区域的定位装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856931B (zh) * 2023-03-01 2023-06-02 陕西欧卡电子智能科技有限公司 基于激光雷达的无人船停泊库位重定位方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法
CN109974742A (zh) * 2017-12-28 2019-07-05 沈阳新松机器人自动化股份有限公司 一种激光里程计算方法和地图构建方法
CN110084840A (zh) * 2019-04-24 2019-08-02 百度在线网络技术（北京）有限公司 点云配准方法、装置、服务器和计算机可读介质
US20190340447A1 (en) * 2018-05-02 2019-11-07 Tusimple, Inc. Curb detection by analysis of reflection images
CN110705574A (zh) * 2019-09-27 2020-01-17 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
CN111161347A (zh) * 2020-04-01 2020-05-15 亮风台（上海）信息科技有限公司 一种进行slam初始化的方法与设备
CN111311684A (zh) * 2020-04-01 2020-06-19 亮风台（上海）信息科技有限公司 一种进行slam初始化的方法与设备
CN111429574A (zh) * 2020-03-06 2020-07-17 上海交通大学 基于三维点云和视觉融合的移动机器人定位方法和系统
CN111505662A (zh) * 2020-04-29 2020-08-07 北京理工大学 一种无人驾驶车辆定位方法及系统
CN111583369A (zh) * 2020-04-21 2020-08-25 天津大学 一种基于面线角点特征提取的激光slam方法
CN111596298A (zh) * 2020-05-13 2020-08-28 北京百度网讯科技有限公司 目标对象的定位方法、装置、设备及存储介质
CN111638528A (zh) * 2020-05-26 2020-09-08 北京百度网讯科技有限公司 定位方法、装置、电子设备和存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180247122A1 (en) * 2017-02-28 2018-08-30 VimAl Oy Method and system of providing information pertaining to objects within premises
US10895971B2 (en) * 2017-05-12 2021-01-19 Irobot Corporation Methods, systems, and devices for mapping, controlling, and displaying device status
CN108917761B (zh) * 2018-05-07 2021-01-19 西安交通大学 一种无人车在地下车库中的精确定位方法
CN111860295B (zh) * 2018-09-07 2023-08-25 百度在线网络技术（北京）有限公司 基于无人车的障碍物检测方法、装置、设备以及存储介质
CN109709801B (zh) * 2018-12-11 2024-02-02 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109785389A (zh) * 2019-01-18 2019-05-21 四川长虹电器股份有限公司 一种基于哈希描述与迭代最近点的三维物体检测方法
CN109974707B (zh) * 2019-03-19 2022-09-23 重庆邮电大学 一种基于改进点云匹配算法的室内移动机器人视觉导航方法
CN110223379A (zh) * 2019-06-10 2019-09-10 于兴虎 基于激光雷达的三维点云重建方法
CN111627114A (zh) * 2020-04-14 2020-09-04 北京迈格威科技有限公司 室内视觉导航方法、装置、系统及电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法
CN109974742A (zh) * 2017-12-28 2019-07-05 沈阳新松机器人自动化股份有限公司 一种激光里程计算方法和地图构建方法
US20190340447A1 (en) * 2018-05-02 2019-11-07 Tusimple, Inc. Curb detection by analysis of reflection images
CN110084840A (zh) * 2019-04-24 2019-08-02 百度在线网络技术（北京）有限公司 点云配准方法、装置、服务器和计算机可读介质
CN110705574A (zh) * 2019-09-27 2020-01-17 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
CN111429574A (zh) * 2020-03-06 2020-07-17 上海交通大学 基于三维点云和视觉融合的移动机器人定位方法和系统
CN111161347A (zh) * 2020-04-01 2020-05-15 亮风台（上海）信息科技有限公司 一种进行slam初始化的方法与设备
CN111311684A (zh) * 2020-04-01 2020-06-19 亮风台（上海）信息科技有限公司 一种进行slam初始化的方法与设备
CN111583369A (zh) * 2020-04-21 2020-08-25 天津大学 一种基于面线角点特征提取的激光slam方法
CN111505662A (zh) * 2020-04-29 2020-08-07 北京理工大学 一种无人驾驶车辆定位方法及系统
CN111596298A (zh) * 2020-05-13 2020-08-28 北京百度网讯科技有限公司 目标对象的定位方法、装置、设备及存储介质
CN111638528A (zh) * 2020-05-26 2020-09-08 北京百度网讯科技有限公司 定位方法、装置、电子设备和存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990235A (zh) * 2021-05-06 2021-06-18 北京云圣智能科技有限责任公司 点云数据的处理方法、装置及电子设备
CN113343840A (zh) * 2021-06-02 2021-09-03 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN113343840B (zh) * 2021-06-02 2022-03-08 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN115082662A (zh) * 2022-07-15 2022-09-20 深圳市速腾聚创科技有限公司 目标区域的定位方法和目标区域的定位装置
CN115082662B (zh) * 2022-07-15 2023-02-03 深圳市速腾聚创科技有限公司 目标区域的定位方法和目标区域的定位装置

Also Published As

Publication number Publication date
WO2022087916A1 (zh) 2022-05-05
CN112543859B (zh) 2022-07-15
EP4215874A4 (en) 2023-11-29
CN115143962A (zh) 2022-10-04
EP4215874A1 (en) 2023-07-26

Similar Documents

Publication Publication Date Title
CN112543859B (zh) 定位方法、装置、电子设备和存储介质
US11244189B2 (en) Systems and methods for extracting information about objects from scene information
Xu et al. Toward building and civil infrastructure reconstruction from point clouds: A review on data and key techniques
CN106599108B (zh) 一种三维环境中多模态环境地图构建方法
Liang et al. Image based localization in indoor environments
CN110163930A (zh) 车道线生成方法、装置、设备、系统及可读存储介质
US20150063683A1 (en) Building datum extraction from laser scanning data
Boniardi et al. Robot localization in floor plans using a room layout edge extraction network
KR102526542B1 (ko) 지오아크를 이용한 2차원 운송수단 국소화
US11119498B2 (en) Systems and methods for simulation utilizing a segmentable monolithic mesh
CN112444821B (zh) 远距离非视域成像方法、装置、设备及介质
CN111380510B (zh) 重定位方法及装置、机器人
Li et al. Automatic targetless LiDAR–camera calibration: a survey
Bassier et al. Comparison of Wall Reconstruction algorithms from Point Cloud Data for as-built BIM
Choe et al. Fast point cloud segmentation for an intelligent vehicle using sweeping 2D laser scanners
CN114549738A (zh) 无人车室内实时稠密点云重建方法、系统、设备及介质
WO2024087962A1 (zh) 车厢姿态识别系统、方法、电子设备及存储介质
JP2018072316A (ja) ジオアーク（ｇｅｏａｒｃ）を使用したビークルの二次元位置の特定
US20200064481A1 (en) Autonomous mobile device, control method and storage medium
Brightman et al. Point cloud registration: A mini-review of current state, challenging issues and future directions
CN116520302A (zh) 应用于自动驾驶系统的定位方法和构建三维地图的方法
CN114384486A (zh) 一种数据处理方法及装置
Forsman Three-dimensional localization and mapping of static environments by means of mobile perception
Dong et al. Semantic Lidar Odometry and Mapping for Mobile Robots Using RangeNet++
CN117537803B (zh) 机器人巡检语义-拓扑地图构建方法、系统、设备及介质

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