CN112835064B - 一种建图定位方法、系统、终端及介质 - Google Patents

一种建图定位方法、系统、终端及介质 Download PDF

Info

Publication number
CN112835064B
CN112835064B CN202011627872.2A CN202011627872A CN112835064B CN 112835064 B CN112835064 B CN 112835064B CN 202011627872 A CN202011627872 A CN 202011627872A CN 112835064 B CN112835064 B CN 112835064B
Authority
CN
China
Prior art keywords
map
positioning
occupied
grid
bim
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011627872.2A
Other languages
English (en)
Other versions
CN112835064A (zh
Inventor
李正浩
梁衍学
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.)
Shanghai Weijian Technology Co ltd
Original Assignee
Shanghai Weijian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Weijian Technology Co ltd filed Critical Shanghai Weijian Technology Co ltd
Priority to CN202011627872.2A priority Critical patent/CN112835064B/zh
Publication of CN112835064A publication Critical patent/CN112835064A/zh
Application granted granted Critical
Publication of CN112835064B publication Critical patent/CN112835064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01C21/20—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Processing Or Creating Images (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种建图定位方法，包括：基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；提取BIM三维信息，形成3D点云地图；同时加载占用栅格地图和3D点云地图，作为导航地图；设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位；定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。本发明融合建筑物BIM信息和SLAM技术，提高了建筑环境中导航的精度和鲁棒性。

Description

一种建图定位方法、系统、终端及介质
技术领域
本发明涉及导航定位技术领域，具体地，涉及一种建图定位方法、系统、终端及介质。
背景技术
AGV自主导航需要依赖前验地图信息，激光导航AGV在一个新场景使用之前需要围绕场地走一遍，通过激光slam(同步定位与建图技术)产生环境的地图，之后依赖此地图进行导航。
这种建图方式，在部署使用之前有大量的工作要做，需要浪费很多的人力。建图精度局限在2cm-5cm之间，因此很难进一步提高绝对定位精度，无法随时应对环境的各种变换，例如抹灰后墙体厚度增加等。如果通过单线激光雷达建图，则只能构建二维平面图，无法获取高度方向上的信息，这导致了在凹凸不平的路面上，即使机器人可以获得俯仰角度的情况下，也很难估计出现在的位置。
不同于工厂和物流产线，建筑工地中路况不好，环境变换大等因素极大的制约了导航定位的精度，降低了定位的鲁棒性和可靠性，这些因素制约了移动机器人在建筑施工中的应用，并且考虑到建筑工地工作环境恶劣，人员技术能力有待提高，尽量减少人力消耗，减少部署的工作量，也对建筑环境中推广使用移动机器人有积极的影响。
经过检索发现：
公开号为CN109883421A，公开日为2019.06.14的中国发明专利申请《一种融合建筑信息模型的智能小车导航方法及系统》，基于BIM信息模型，构建建筑物多维度的空间位置逻辑图；根据空间位置逻辑图，规划智能小车的行驶的最短路径；智能小车根据规划的最短路径行驶，行驶过程中实现智能小车的实时位置管理与校正。该技术仍然存在如下问题：
1.该技术定位使用的是空间内各结构的逻辑位置关系进行定位，在实际运行中感知这些结构需要花费相当大的算力，并且要损失很多精度。
2.该技术无法适应建筑环境中路面情况不良好的环境，在机器不能保证水平的情况下很难精确地估计到各建筑结构的精准距离。
3.该技术需要大量应用深度相机多线激光等昂贵传感器，成本高。
公开号为CN 109916393A，公开日为2019.06.21的中国发明专利申请《一种基于机器人位姿的多重栅格值导航方法及其应用》，在基于BIM信息的室内墙面施工自主移动机器人导航方法中，基于提取的BIM信息计算工作点，再根据工作点的位置信息和工作任务顺序，基于机器人位姿的多重栅格值导航方法，设置相邻工作点之间的局部导航路线；实时定位并检测室内墙面施工自主移动机器人周围的障碍物信息，更新栅格地图，并基于更新后的栅格地图重新设置相邻工作点之间的局部导航路线。该技术仍然存在如下问题：
1.该技术使用的多重栅格是一种单纯的2D方法，单纯使用2D方法很难利用到建筑物的三地信息，例如门窗都不是在所有高度都存在的，其在不同高度表现不一样。
2.该技术未考虑BIM和实际环境存在较大差别的问题，定位精度将受到影响。
3.该技术未考虑施工后墙体存在的变化，仅为静态的分析了已有地图，定位精度将受到影响。
综上所述，包括上述专利文献在内的现有技术，均无法保证恶劣工作环境中导航精度，目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
发明内容
本发明针对现有技术中存在的上述不足，提供了一种建图定位方法、系统、终端及介质，融合建筑物BIM(建筑信息模型)信息和SLAM(同步定位与建图)技术，提高了建筑环境中导航的精度和鲁棒性。
根据本发明的一个方面，提供了一种建图定位方法，包括：
基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
提取BIM三维信息，形成3D点云地图；
同时加载占用栅格地图和3D点云地图，作为导航地图；
设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位；
定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。
优选地，所述提取激光雷达高度栅格占用信息，包括：
对BIM的尺寸进行固定，按照一定比例尺对激光雷达高度的水平面进行切片，之后将每个像素灰度化，删除色彩信息；设定灰度阈值，小于等于阈值则认定为非占用栅格，大于阈值则认定为占用栅格，包括：
将BIM按照比例尺进行缩放，并且根据比例尺算出每个像素代表的长度；
将彩色图像按照一定参数转为灰度图像，得到：
Gray＝(R*param1+G*param2+B*param3+param4)/1000；
其中，Gray表示图像灰度，R、G、B表示构成原图像的红绿蓝三通道值，param表示这三通道的权重；
对得到的灰度图像进行归一化，确立灰度阈值threshold，当Gray＞threshold时，认为这是一个障碍物，标记为用于代表墙面的占用栅格，否则认为是非占用栅格；
对灰度图像中的像素进行合并，以1合n个像素为合并原则，对一个区域内的所有像素进行合并处理，使其变为一个像素；进行N次合并后，建立N+1层金字塔地图，即为具有多层结构的占用栅格地图；所述占用栅格地图中，未合并像素和/或每个像素代表的实际距离小于等于设定距离阈值的部分属于高精度地图部分，每个像素代表的实际距离大于设定距离阈值的部分属于低精度地图部分，其中，高精度地图部分用于定位，低精度地图部分用于路径规划。
优选地，采用高斯核函数平滑图像的方法，对区域内的所有像素进行合并处理。
优选地，所述提取BIM三维信息，包括：
对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云；
其中，所述对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云，包括：
获取BIM的STL格式文件；
提取STL格式文件中多边形的信息，获取各个多边形的顶点和边；
连接多边形的顶点，获取边的数学描述，即法线和截距；
等间距获取采样点，根据多边形的数学描述，判断这些点是否在各个面上，如果不在，则不属于墙面点，进行删除，反之则保留，至此得到3D点云，形成3D点云地图。
优选地，所述设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位，包括：
采用MEMS获取机体此刻的三轴加速度和三轴角速度；
根据重力轴z轴的姿态以及在x轴和y轴方向的角速度，估计机体的倾斜角度；
首先采用占用栅格地图进行定位，根据激光雷达打到的障碍物信息配合占用栅格地图中占用和非占用状态，估计目前位置概率，根据激光点在占用栅格上的数量，判断此时的定位是否准确；
在位置周围对状态变化量x、y、yaw进行非线性优化，其中，x、y、yaw分别代表平面上的x轴坐标、y轴坐标以及航向角；将更多的激光点打到占用栅格上，得到概率最大的状态变量state：
p(state|input，laser_observer，occupy_map，before_state)
其中，state表示状态变量(x，y，yaw)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，occupy_map表示占用栅格图输入，before_state表示上一时刻的状态变量；
当机体和水平面的夹角θ大于设定的角度阈值angle_threshold时，采用3D点云地图进行定位，将激光点云数据在先验位置匹配3D点云地图中的点云，通过非线性优化，得到重投影误差最小的状态变量state′：
p′(state′|input，laser_observe，point_cloud，before_state′)
其中，state′表示状态变量(x，y，yaw，θ)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，point_cloud表示3D点云输入，before_state′表示上一时刻的状态变量；
当机体和水平面的夹角θ小于设定的角度阈值angle_threshold时，重新采用占用栅格地图定位；
其中：
在采用3D点云地图进行定位的过程中，所述非线性优化，采用固定z轴数值，对其他自由度上的状态进行优化的方式。
优选地，所述定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差，包括：
以固定频率通过迭代最近点算法对当前窗口下的激光雷达数据与占用栅格地图进行匹配，并根据匹配的准确度，进行如下操作：
如果匹配成功的比例大于等于设定匹配比例阈值，则认为当前定位准确，此时，将当前窗口下的激光雷达数据映射到空间中；对于当前窗口下的激光雷达数据与所述占用栅格地图中的占用栅格重合的数据点，不进行任何操作；对于激光雷达数据没有与所述占用栅格地图上的任何占用栅格重合的数据点，则直接将该激光雷达数据在占用栅格地图上的位置标记为占用栅格，激光雷达到该位置的连线上所有栅格标记为非占用栅格；
如果匹配成功的比例小于设定匹配比例阈值，则认为当前定位不准确，此时不进行操作；
上述操作均在占用栅格地图的最底层栅格中进行，并在每次任务结束后，合并栅格并更新占用栅格地图的所有上层栅格地图，在机体不断运作过程中，对占用栅格地图不断进行修正；
对于3D点云地图，直接把此时获取将当前窗口下的的所有激光雷达数据插入3D点云地图中，再通过体素滤波消除重复点；
至此，消除实际环境和理论BIM之间的误差，提高导航地图与环境的贴合程度。
优选地，所述方法，还包括：
根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图。
优选地，所述根据施工所处的不同阶段，适当膨胀墙体厚度，得到新的占用栅格地图，包括：
采用BIM和CAD，形成原始地图；
根据作业类型、作业区域以及作业内容，判断墙体需要增厚的区域和厚度；
在原始地图上定位该需要增厚的区域，结合占用栅格属性，即完全占用时值为0，非占用时值为255，根据墙体厚度腐蚀掉非占用区域；
对于腐蚀掉非占用区域后的墙体增厚，根据墙面信息，通过边缘提取策略，提取墙体边缘；
得到边缘后，确定墙面位置，将边缘点设为0，非边缘点设为255，得到新的占用栅格地图底层；
合并栅格得到占用栅格地图的上层，进而得到新的占用栅格地图。
优选地，所述方法，还包括：
根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中。
根据本发明的另一个方面，提供了一种建图定位系统，包括：
占用栅格地图构建模块：该模块基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
3D点云地图构建模块：该模块提取BIM三维信息，形成3D点云地图；
导航地图加载模块：该模块同时加载占用栅格地图和3D点云地图，作为导航地图；
定位模块，该模块根据设立事件触发机制，结合实际环境中的情况，选择定位策略，进行定位；
优化模块，该模块在定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。
优选地，所述系统还包括：
墙体厚度膨胀模块，该模块根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图。
优选地，所述系统还包括：
环境反馈模块，该模块根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中。
根据本发明的第三个方面，提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行上述任一项所述的方法。
根据本发明的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行上述任一项所述的方法。
由于采用了上述技术方案，本发明与现有技术相比，具有如下至少一项的有益效果：
1、本发明提供的建图定位方法、系统、终端及介质，是一种建筑环境中通过BIM地图建立导航地图的方法，针对建筑工地的复杂工作环境，解决工地导航中，因为路面凹凸不平，导致导航精度降低，导航定位丢失的问题，并且通过一种事件触发方式来节省计算资源。
2、本发明提供的建图定位方法、系统、终端及介质，通过动态插入数据的方式，解决实际施工过程中存在误差和BIM不匹配的问题。
3、本发明提供的建图定位方法、系统、终端及介质，解决施工不同阶段环境动态变化的问题。
4、本发明提供的建图定位方法、系统、终端及介质，通过CAD和BIM建图有效减少了现场通过SLAM建图的工作量，降低了部署难度，之后通过实时插入动态激光雷达数据，提高BIM地图和环境的契合程度。
5、本发明提供的建图定位方法、系统、终端及介质，金字塔结构的占用栅格地图，显著降低了未来导航过程中全局路径搜索等算法的计算量，提高了系统的实时性，并且在局部位置使用高分辨率的地图，对定位精度不造成太大的影响。
6、本发明提供的建图定位方法、系统、终端及介质，更适应凹凸不平和连续上坡的环境，在这种环境中取得更精确的定位效果，保证了施工工作的顺利开展。
7、本发明提供的建图定位方法、系统、终端及介质，考虑的建筑施工过程中环境的动态变换情况，通过图像处理的方式不断获取变换墙体的墙面信息，保证了不同施工阶段导航地图都可以使用。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一实施例提供的建图定位方法流程图；
图2为本发明一优选实施例中提供的建图定位方法流程图；
图3为构建占用栅格地图示意图，其中，(a)为导航栅格地图，(b)为抹灰刷粉之后墙体加厚栅格地图，(c)为建立导航坐标系之后的地图；
图4为组成占用栅格地图金字塔结构的不同解析度的地图，其中，(a)为5cm解析度的原始地图，(b)为10cm解析度的四合一地图，(c)为20cm解析度的十六合一地图；
图5为构建3D点云地图示意图，其中，(a)为总BIM图，(b)为激光雷达高度BIM剖面图；
图6为本发明一实施例提供的建图定位系统组成模块示意图。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
图1为本发明一实施例提供的建图定位方法流程图。
如图1所示，该实施例提供的建图定位方法，可以包括如下步骤：
S100，基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
S200，提取BIM三维信息，形成3D点云地图；
S300，同时加载占用栅格地图和3D点云地图，作为导航地图；
S400，设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位；
S500，定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。
在该实施例中，还可以包括如下步骤：
S600a，根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图，满足环境随时间的动态变换。
在该实施例中，还可以包括如下步骤：
S600b，根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中。
在该实施例的S100中，作为一优选实施例，提取激光雷达高度栅格占用信息，可以包括：
对BIM的尺寸进行固定，按照一定比例尺对激光雷达高度的水平面进行切片，之后将每个像素灰度化，删除色彩信息；设定灰度阈值，小于等于阈值则认定为非占用栅格，大于阈值则认定为占用栅格。
进一步地，对BIM的尺寸进行固定，按照一定比例尺对激光雷达高度的水平面进行切片，之后将每个像素灰度化，删除色彩信息；设定灰度阈值，小于等于阈值则认定为非占用栅格，大于阈值则认定为占用栅格，可以包括如下步骤：
S101，将BIM按照比例尺进行缩放，并且根据比例尺算出每个像素代表的长度；
S102，将彩色图像按照一定参数转为灰度图像，得到：
Gray＝(R*param1+G*param2+B*param3+param4)/1000；
其中，Gray表示图像灰度，R、G、B表示构成原图像的红绿蓝三通道值，param表示这三通道的权重；
S103，对得到的灰度图像进行归一化，确立灰度阈值threshold，当Gray＞threshold时，认为这是一个障碍物，标记为用于代表墙面的占用栅格，否则认为是非占用栅格；
S104，对灰度图像中的像素进行合并，以1合n个像素为合并原则，对一个区域内的所有像素进行合并处理，使其变为一个像素；进行N次合并后，建立N+1层金字塔地图，即为具有多层结构的占用栅格地图；占用栅格地图中，未合并像素和/或每个像素代表的实际距离小于等于设定距离阈值的部分属于高精度地图部分，每个像素代表的实际距离大于设定距离阈值的部分属于低精度地图部分，其中，高精度地图部分用于定位，低精度地图部分用于路径规划。
在该实施例的一具体应用实例中，采用高斯核函数平滑图像的方法，对区域内的所有像素进行合并处理。
在该实施例的一具体应用实例中，设定的距离阈值为：20mm。
在该实施例的S200中，作为一优选实施例，提取BIM三维信息，包括：
对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云。
进一步地，对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云，可以包括如下步骤：
S201，获取BIM的STL格式文件；
S202，提取STL格式文件中多边形的信息，获取各个多边形的顶点和边；
S203，连接多边形的顶点，获取边的数学描述，即法线和截距；
S204，等间距获取采样点，根据多边形的数学描述，判断这些点是否在各个面上，如果不在，则不属于墙面点，进行删除，反之则保留，至此得到3D点云，形成3D点云地图。
在该实施例的S400中，作为一优选实施例，设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位，可以包括如下步骤：
S401，采用MEMS获取机体此刻的三轴加速度和三轴角速度；
S402，根据重力轴z轴的姿态以及在x轴和y轴方向的角速度，估计机体的倾斜角度；
S403，首先采用占用栅格地图进行定位，根据激光雷达打到的障碍物信息配合占用栅格地图中占用和非占用状态，估计目前位置概率，根据激光点在占用栅格上的数量，判断此时的定位是否准确；
S404，在位置周围对状态变化量x、y、yaw进行非线性优化，其中，x、y、yaw分别代表平面上的x轴坐标、v轴坐标以及航向角，使得更多的激光点打到占用栅格上，得到概率最大的状态变量state：
p(state|input，laser_observer，occupy_map，before_state)
其中，state表示状态变量(x，y，yaw)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，occupy_map表示占用栅格图输入，before_state表示上一时刻的状态变量；
S405，当机体和水平面的夹角θ大于设定的角度阈值angle_threshold时，采用3D点云地图进行定位，将激光点云数据在先验位置匹配3D点云地图中的点云，通过非线性优化，得到重投影误差最小的状态变量state′：
p′(state小nput，laser_observe，point_cloud，before_state′)
其中，state′表示状态变量(x，y，yaw，θ)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，point_cloud表示3D点云输入，before_state′表示上一时刻的状态变量；
S406，当机体和水平面的夹角θ小于设定的角度阈值angle_threshold时，重新采用占用栅格地图定位；
进一步地，在采用3D点云地图进行定位的过程中，非线性优化，采用固定z轴数值，对其他自由度上的状态进行优化的方式。
在该实施例的S500中，作为一优选实施例，定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差，可以包括如下步骤：
S501，以固定频率通过迭代最近点算法对当前窗口下的激光雷达数据与占用栅格地图进行匹配，并根据匹配的准确度，进行如下操作：
如果匹配成功的比例大于等于设定匹配比例阈值，则认为当前定位准确，此时，将当前窗口下的激光雷达数据映射到空间中；对于当前窗口下的激光雷达数据与占用栅格地图中的占用栅格重合的数据点，不进行任何操作；对于激光雷达数据没有与占用栅格地图上的任何占用栅格重合的数据点，则直接将该激光雷达数据在占用栅格地图上的位置标记为占用栅格，激光雷达到该位置的连线上所有栅格标记为非占用栅格；
如果匹配成功的比例小于设定匹配比例阈值，则认为当前定位不准确，此时不进行操作；
在该实施例的一具体应用实例中，设定的匹配比例阈值为90％。
上述操作均在占用栅格地图的最底层栅格中进行，并在每次任务结束后，合并栅格并更新占用栅格地图的所有上层栅格地图，在机体不断运作过程中，对占用栅格地图不断进行修正；
S502，对于3D点云地图，直接把此时获取将当前窗口下的的所有激光雷达数据插入3D点云地图中，再通过体素滤波消除重复点；
至此，消除实际环境和理论BIM之间的误差，提高导航地图与环境的贴合程度。
在该实施例的S600中，作为一优选实施例，根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图，可以包括如下步骤：
S601，采用BIM和CAD，形成原始地图；；
S602，根据作业类型、作业区域以及作业内容，判断墙体需要增厚的区域和厚度；
S603，在原始地图上定位该需要增厚的区域，结合占用栅格属性，即完全占用时值为0，非占用时值为255，根据墙体厚度腐蚀掉非占用区域；
S604，对于腐蚀掉非占用区域后的墙体增厚，根据墙面信息，通过边缘提取策略，提取墙体边缘；
S605，得到边缘后，确定墙面位置，将边缘点设为0，非边缘点设为255，得到新的占用栅格地图的底层；
S606，合并栅格得到占用栅格地图的上层，进而得到新的占用栅格地图。
得到的新的占用栅格地图，可以用于全局导航和其他用途(例如判断所处施工阶段，展示施工效果等等)。
图2为本发明一优选实施例中提供的建图定位方法流程图。
如图2所示，该优选实施例提供的建图定位方法，可以包括如下步骤：
步骤S1，提取激光雷达高度栅格占用信息，构建占用栅格地图。
步骤S2，提取BIM三维信息，构建3D点云地图。
步骤S3，导航时同时加载占用栅格地图和3D点云地图。
步骤S4，设立事件触发机制，在不同的情况下选择不同的定位策略。
步骤S5，定位成功后，根据地图的匹配情况，适时插入新增的激光雷达数据进入地图，从而消除实际环境和理论BIM之间的误差。
步骤S6，根据施工的所处的不同阶段，适当膨胀墙体厚度，来满足环境随时间的动态变换。
作为一优选实施例，步骤S1中，将BIM固定尺寸，按照一定比例尺对固定高度的水平面进行切片，之后把每个像素灰度化，删除色彩信息，根据灰度浅色变为非占用栅格，深色变为占用栅格。
作为一优选实施例，步骤S1中，提取激光雷达高度栅格占用信息，构建占用栅格地图的方法，如图3所示，包括：
步骤S11，将BIM按照比例尺进行缩放，并且根据比例尺算出每个像素代表的长度；
步骤S12，灰度化图像，BIM是三通道RGB图像，但是导航只需要占用和不占用两个信息，把彩色图像按一定参数转为灰度Gray＝(R*param1+G*param2+B*param3+param4)/1000；
其中，Gray表示图像灰度，R、G、B表示构成原图像的红绿蓝三通道值，param表示这三通道的权重；
步骤S13，之后对其进行归一化，确立阈值Gray＞threshold认为这是一个障碍物，标记为占用栅格，否自认为是非占用栅格；
步骤S14，对像素进行合并，按照1合4个像素为原则，进行两次合并，建立三层金字塔地图，即为占用栅格地图，如图4所示。占用栅格地图中，未合并像素和/或每个像素代表的实际距离小于等于设定距离阈值(例如20mm)的部分属于高精度地图，每个像素代表的实际距离大于设定距离阈值(例如20mm)的部分属于低精度地图，其中，高精度部分用于定位，低精度部分用于路径规划。
图3中，建筑施工地图生成的导航地图，白色代表可以通过，黑色代表障碍物，一个像素代表(x)cm实际大小，多张不同粒度的图片组成金字塔结构的占用栅格地图。
图4中，不同解析度的地图组成金字塔结构的占用栅格地图，分别根据需求在节省CPU和定位精度之间进行切换。
作为一优选实施例，步骤S2中，BIM可以直接提取所有边的顶点以及边线的信息，之后通过采样方式在空间内进行大范围采样，看采样点有没有落在顶点围成的面内，如果落在面上代表为墙面，保留。如果没落在面内，删除，这样就可以得到3D点云，这些点代表了墙面，对导航来就就是障碍物和特征点。
作为一优选实施例，步骤S2中，提取BIM三维信息的方法，构建3D点云地图，如图5所示，包括：
步骤S21，绘制BIM软件中输出STL格式文件，此种格式被各种BIM软件广泛支持。
步骤S22，提取STL中多边形的信息，获取各个多边形的顶点和边。
步骤S23，连接多边形的顶点，获取边的数学描述，即法线和截距。
步骤S24，等间距获取采样点，根据多边形的数学描述，判断这些点是否在各个面上，不在的话就不是墙面点，删除。反之保留，至此得到3D点云地图，如图5所示。
至此，离线式的获得了定位导航所需要的占用栅格地图和3D点云地图。
图5中，一张BIM可以通过一定方式将其转化为3D点云地图，单线激光在其中定位时相当于给三维点云做剖面。
作为一优选实施例，步骤S4中，事件触发机制选择的定位策略，包括：
步骤S41，通过MEMS元器件得到此刻的三轴加速度和三轴角速度；
步骤S42，根据重力轴z轴的姿态以及在以及x轴方向的角速度、y轴方向的角速度可以大致推测出机体的倾斜角度；
步骤S43，大部分情况，采取二维占用栅格地图定位，激光雷达打到的障碍物信息配合占用栅格里面的占用和非占用状态使估计目前位置概率的充分必要条件，根据激光点是在占用栅格上(即墙体上)的数量，判断此时的定位是否准确；
步骤S44，在位置周围进行非线性优化，优化x，y和航向角yaw。目的是使更多的激光点打到墙体上，得到概率最大的状态变量state：
p(state|input，laser_observer，occupy_map，before_state)
其中，state表示状态变量(x，y，yaw)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，occupy_map表示占用栅格图输入，before_state表示上一时刻的状态变量；
步骤S45，但是当碰到台阶和坑洼路面，倾斜角度会存在较大的情况，此时二维平面内的是定位接近失效的，通过实时判断的倾角状态，当机体和水平面的夹角θ大于设置的的阈值angle_threshold时，脱离占用栅格地图采取3D点云定位；
将激光点云数据直接在先验位置匹配BIM生成的3D点云地图中的点云，通过非线性优化，得到使重投影误差最小的状态变量state′；
p′(state′|input，laser_observe，point_cloud，before_state′)
其中，state′表示状态变量(x，y，yaw，θ)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，point_cloud表示3D点云输入，before_state′表示上一时刻的状态变量；
步骤S46，机体和水平面的夹角θ小于设定的角度阈值angle_threshold时，切换回省计算量的二维占用栅格定位。
作为一优选实施例，步骤S45中，点云匹配因为有6个自由度，匹配要素过多，不对6个自由度上的所有状态进行全部优化，考虑到同层室内高度方向变换小，后端优化时固定z轴数值，减少优化计算量。
作为一优选实施例，步骤S5中，实时插入新增的激光雷达数据，包括：
步骤S51，固定频率的处理一次当前窗口下的激光数据(即通过迭代最近点算法对当前窗口下的激光雷达数据与占用栅格地图进行匹配)，并根据匹配的准确度，进行如下操作：
如果匹配成功的比例大于等于设定匹配比例阈值(例如90％)，则认为当前定位准确，此时，将当前窗口下的激光雷达数据映射到空间中；对于当前窗口下的激光雷达数据与占用栅格地图中的占用栅格重合的数据点，不进行任何操作；对于激光雷达数据没有与占用栅格地图上的任何占用栅格重合的数据点，则直接将该激光雷达数据在占用栅格地图上的位置标记为占用栅格，激光雷达到该位置的连线上所有栅格标记为非占用栅格；
如果匹配成功的比例小于设定匹配比例阈值(例如90％)，则认为当前定位不准确，此时不进行操作；
上述操作均在占用栅格地图的最底层栅格中进行，并在每次任务结束后，合并栅格并更新占用栅格地图的所有上层栅格地图，在机体不断运作过程中，对占用栅格地图不断进行修正；
S52，对于3D点云地图，直接把此时获取将当前窗口下的的所有激光雷达数据插入3D点云地图中，再通过体素滤波消除重复点；
至此，消除实际环境和理论BIM之间的误差，提高导航地图与环境的贴合程度。
作为一优选实施例，步骤S6中，根据施工的所处的不同阶段，适当膨胀墙体厚度，来满足环境随时间的动态变换：
步骤S61，初期使用BIM和CAD产生的原始地图；
步骤S62，根据作业类型，作业区域，作业内容判断墙体应该增厚的区域和厚度；
步骤S63，在地图上定位该区域，考虑到占用栅格属性，完全占用时值为0，非占用时值为255，根据墙体厚度腐蚀掉非占用区域；
步骤S64，对于腐蚀区域后墙体增厚，只需墙面信息，通过边缘提取策略，提取墙体边缘；
步骤S65，得到边缘后，就知道了墙面位置，将边缘点设为0，也就是占用栅格图里面的占用点，非边缘点设为255即非占用点，至此得到了新的占用栅格地图；
步骤S66，合并栅格得到了上层金字塔地图，用于全局导航和其他用途。该步骤与步骤S53相似，此处不再赘述。
本发明另一实施例提供了一种建图定位系统，如图6所示，包括：占用栅格地图构建模块、3D点云地图构建模块、导航地图加载模块、定位模块、优化模块。
其中：
占用栅格地图构建模块：该模块基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
3D点云地图构建模块：该模块提取BIM三维信息，形成3D点云地图；
导航地图加载模块：该模块同时加载占用栅格地图和3D点云地图，作为导航地图；
定位模块，该模块根据设立事件触发机制，结合实际环境中的情况，选择定位策略，进行定位；
优化模块，该模块在定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。
作为一优选实施例，该系统还包括：墙体厚度膨胀模块；其中：
墙体厚度膨胀模块，该模块根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图。
作为一优选实施例，该系统还包括：
环境反馈模块，该模块根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中。
本发明第三个实施例提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时可用于执行本发明上述实施例中任一项的方法。
可选地，存储器，用于存储程序；存储器，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-accessmemory，缩写：RAM)，如静态随机存取存储器(英文：staticrandom-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random Access Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
处理器，用于执行存储器存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
处理器和存储器可以是独立结构，也可以是集成在一起的集成结构。当处理器和存储器是独立结构时，存储器、处理器可以通过总线耦合连接。
本发明第四个方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行本发明上述实施例中任一项的方法。
本发明上述实施例提供的建图定位方法、系统、终端及介质，设计了一种全新事件触发的机制，能够在点云定位和栅格点位之间进行切换。
本发明上述实施例提供的建图定位方法、系统、终端及介质，设计了一种根据定位状态更新地图的方式，该方式对建筑物尺寸进行更新，并提出了金字塔结构的占用栅格地图。
本发明上述实施例提供的建图定位方法、系统、终端及介质，还考虑了因为工程作业导致的墙体增厚问题。
需要说明的是，本发明提供的方法中的步骤，可以利用系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照方法的技术方案实现系统的组成，即，方法中的实施例可理解为构建系统的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种建图定位方法，其特征在于，包括：
基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
提取BIM三维信息，形成3D点云地图；
同时加载占用栅格地图和3D点云地图，作为导航地图；
设立事件触发机制，根据实际环境中的情况，选择基于导航地图的定位策略，进行定位；
定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差；
其中：
所述根据实际环境中的情况，选择基于导航地图的定位策略，进行定位，包括：
首先采用占用栅格地图进行定位，根据激光雷达打到的障碍物信息配合占用栅格地图中占用和非占用状态，估计目前位置概率，根据激光点在占用栅格上的数量，判断此时的定位是否准确；
在位置周围对状态变化量x、y、yaw进行非线性优化，其中，x、y、yaw分别代表平面上的x轴坐标、y轴坐标以及航向角；将更多的激光点打到占用栅格上，得到概率最大的状态变量state：
p(state|input，laser_observer，occupy_map，before_state)
其中，state表示状态变量(x，y，yaw)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，occupy_map表示占用栅格图输入，before_state表示上一时刻的状态变量；
当机体和水平面的夹角θ大于设定的角度阈值angle_threshold时，采用3D点云地图进行定位，将激光点云数据在先验位置匹配3D点云地图中的点云，通过非线性优化，得到重投影误差最小的状态变量state′：
p′(state′|input，laser_observe，point_cloud，before_state′)
其中，state′表示状态变量(x，y，yaw，θ)，input代表控制输入即轮式里程计信息，laser_observer表示激光雷达的观测值，point_cloud表示3D点云输入，before_state′表示上一时刻的状态变量；
当机体和水平面的夹角θ小于设定的角度阈值angle_threshold时，重新采用占用栅格地图定位；
其中：在采用3D点云地图进行定位的过程中，所述非线性优化，采用固定z轴数值，对其他自由度上的状态进行优化的方式。
2.根据权利要求1所述的建图定位方法，其特征在于，所述提取激光雷达高度栅格占用信息，包括：
对BIM的尺寸进行固定，按照一定比例尺对激光雷达高度的水平面进行切片，之后将每个像素灰度化，删除色彩信息；设定灰度阈值，小于等于阈值则认定为非占用栅格，大于阈值则认定为占用栅格，包括：
将BIM按照比例尺进行缩放，并且根据比例尺算出每个像素代表的长度；
将彩色图像按照一定参数转为灰度图像，得到：
Gray＝(R*param1+G*param2+B*param3+param4)/1000；
其中，Gray表示图像灰度，R、G、B表示构成原图像的红绿蓝三通道值，param表示这三通道的权重；
对得到的灰度图像进行归一化，确立灰度阈值threshold，当Gray＞threshold时，认为这是一个障碍物，标记为用于代表墙面的占用栅格，否则认为是非占用栅格；
对灰度图像中的像素进行合并，以1合n个像素为合并原则，对一个区域内的所有像素进行合并处理，使其变为一个像素；进行N次合并后，建立N+1层金字塔地图，即为具有多层结构的占用栅格地图；所述占用栅格地图中，未合并像素和/或每个像素代表的实际距离小于等于设定距离阈值的部分属于高精度地图部分，每个像素代表的实际距离大于设定距离阈值的部分属于低精度地图部分，其中，高精度地图部分用于定位，低精度地图部分用于路径规划。
3.根据权利要求1所述的建图定位方法，其特征在于，所述提取BIM三维信息，包括：
对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云；
其中，所述对BIM提取所有边的顶点以及边线的信息，通过采样方式在空间内进行采样，如果采样点落在顶点围成的面内，则代表为墙面，进行保留；如果采样点没有落在顶点围城的面内，则删除，得到代表了墙面信息的3D点云，包括：
获取BIM的STL格式文件；
提取STL格式文件中多边形的信息，获取各个多边形的顶点和边；
连接多边形的顶点，获取边的数学描述，即法线和截距；
等间距获取采样点，根据多边形的数学描述，判断这些点是否在各个面上，如果不在，则不属于墙面点，进行删除，反之则保留，至此得到3D点云，形成3D点云地图。
4.根据权利要求1所述的建图定位方法，其特征在于，所述设立事件触发机制，其中触发机制包括：
采用MEMS获取机体此刻的三轴加速度和三轴角速度；
根据重力轴z轴的姿态以及在x轴和y轴方向的角速度，估计机体的倾斜角度。
5.根据权利要求1所述的建图定位方法，其特征在于，所述定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差，包括：
以固定频率通过迭代最近点算法对当前窗口下的激光雷达数据与占用栅格地图进行匹配，并根据匹配的准确度，进行如下操作：
如果匹配成功的比例大于等于设定匹配比例阈值，则认为当前定位准确，此时，将当前窗口下的激光雷达数据映射到空间中；对于当前窗口下的激光雷达数据与所述占用栅格地图中的占用栅格重合的数据点，不进行任何操作；对于激光雷达数据没有与所述占用栅格地图上的任何占用栅格重合的数据点，则直接将该激光雷达数据在占用栅格地图上的位置标记为占用栅格，激光雷达到该位置的连线上所有栅格标记为非占用栅格；
如果匹配成功的比例小于设定匹配比例阈值，则认为当前定位不准确，此时不进行操作；
上述操作均在占用栅格地图的最底层栅格中进行，并在每次任务结束后，合并栅格并更新占用栅格地图的所有上层栅格地图，在机体不断运作过程中，对占用栅格地图不断进行修正；
对于3D点云地图，直接把此时获取将当前窗口下的的所有激光雷达数据插入3D点云地图中，再通过体素滤波消除重复点；
至此，消除实际环境和理论BIM之间的误差，提高导航地图与环境的贴合程度。
6.根据权利要求1-5中任一项所述的建图定位方法，其特征在于，所述方法，还包括如下任意一项或任意多项：
-根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图；
-根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中；
其中，所述根据施工所处的不同阶段，适当膨胀墙体厚度，得到新的占用栅格地图，包括：
采用BIM和CAD，形成原始地图；
根据作业类型、作业区域以及作业内容，判断墙体需要增厚的区域和厚度；
在原始地图上定位该需要增厚的区域，结合占用栅格属性，即完全占用时值为0，非占用时值为255，根据墙体厚度腐蚀掉非占用区域；
对于腐蚀掉非占用区域后的墙体增厚，根据墙面信息，通过边缘提取策略，提取墙体边缘；
得到边缘后，确定墙面位置，将边缘点设为0，非边缘点设为255，得到新的占用栅格地图底层；
合并栅格得到占用栅格地图的上层，进而得到新的占用栅格地图。
7.一种采用权利要求1-6任一项所述建图定位方法的建图定位系统，其特征在于，包括：
占用栅格地图构建模块：该模块基于BIM和CAD地图，提取激光雷达高度栅格占用信息，形成占用栅格地图；
3D点云地图构建模块：该模块提取BIM三维信息，形成3D点云地图；
导航地图加载模块：该模块同时加载占用栅格地图和3D点云地图，作为导航地图；
定位模块，该模块根据设立事件触发机制，结合实际环境中的情况，选择定位策略，进行定位；
优化模块，该模块在定位成功后，根据导航地图与实际环境的匹配情况，实时插入新增的激光雷达数据进入导航地图，消除实际环境和理论BIM之间的误差。
8.根据权利要求7所述的建图定位系统，其特征在于，所述系统还包括如下任意一项或任意多项：
-墙体厚度膨胀模块，该模块根据施工所处的不同阶段，对墙体厚度进行膨胀，得到新的占用栅格地图；
-环境反馈模块，该模块根据施工工艺，实时将施工对环境的影响反馈到定位导航地图中。
9.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-6中任一项所述的方法。
CN202011627872.2A 2020-12-31 2020-12-31 一种建图定位方法、系统、终端及介质 Active CN112835064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011627872.2A CN112835064B (zh) 2020-12-31 2020-12-31 一种建图定位方法、系统、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011627872.2A CN112835064B (zh) 2020-12-31 2020-12-31 一种建图定位方法、系统、终端及介质

Publications (2)

Publication Number Publication Date
CN112835064A CN112835064A (zh) 2021-05-25
CN112835064B true CN112835064B (zh) 2022-11-01

Family

ID=75924627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011627872.2A Active CN112835064B (zh) 2020-12-31 2020-12-31 一种建图定位方法、系统、终端及介质

Country Status (1)

Country Link
CN (1) CN112835064B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113500600B (zh) * 2021-07-16 2023-08-29 上海高仙自动化科技发展有限公司 一种智能机器人
CN116069010A (zh) * 2021-11-04 2023-05-05 珠海一微半导体股份有限公司 基于激光点的机器人悬空判断方法、地图更新方法及芯片
CN115290097B (zh) * 2022-09-30 2022-12-30 安徽建筑大学 基于bim的实时精确地图构建方法、终端及存储介质
CN115949210A (zh) * 2023-01-06 2023-04-11 杭州丰坦机器人有限公司 基于bim技术的腻子涂料喷涂机器人

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940187A (zh) * 2017-05-02 2017-07-11 中国神华能源股份有限公司 用于矿井地面快速巡查的导航方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8538687B2 (en) * 2010-05-04 2013-09-17 Honeywell International Inc. System for guidance and navigation in a building
US10347008B2 (en) * 2017-08-14 2019-07-09 Trimble Inc. Self positioning camera system to 3D CAD/BIM model
CN109916393B (zh) * 2019-03-29 2023-03-31 电子科技大学 一种基于机器人位姿的多重栅格值导航方法及其应用
US11506512B2 (en) * 2019-05-22 2022-11-22 TDK Japan Method and system using tightly coupled radar positioning to improve map performance
CN111127652A (zh) * 2019-11-18 2020-05-08 广东博智林机器人有限公司 机器人的室内地图构建方法、装置及电子设备
CN111024089B (zh) * 2019-12-27 2023-05-23 华南理工大学 一种基于bim与计算机视觉技术的室内定位导航方法
CN111258320B (zh) * 2020-02-14 2023-06-06 广东博智林机器人有限公司 一种机器人避障的方法及装置、机器人、可读存储介质
CN111693050B (zh) * 2020-05-25 2023-04-18 电子科技大学 基于建筑信息模型的室内中大型机器人导航方法
CN112014857B (zh) * 2020-08-31 2023-04-07 上海宇航系统工程研究所 用于智能巡检的三维激光雷达定位导航方法及巡检机器人

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106940187A (zh) * 2017-05-02 2017-07-11 中国神华能源股份有限公司 用于矿井地面快速巡查的导航方法及系统

Also Published As

Publication number Publication date
CN112835064A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112835064B (zh) 一种建图定位方法、系统、终端及介质
CN112859859B (zh) 一种基于三维障碍物体素对象映射的动态栅格地图更新方法
CN111402339B (zh) 一种实时定位方法、装置、系统及存储介质
Weng et al. Pole-based real-time localization for autonomous driving in congested urban scenarios
Lenac et al. Fast planar surface 3D SLAM using LIDAR
CN111429574A (zh) 基于三维点云和视觉融合的移动机器人定位方法和系统
CN114930401A (zh) 基于点云的三维重建方法、装置和计算机设备
CN113110455B (zh) 一种未知初始状态的多机器人协同探索方法、装置及系统
CN112734765A (zh) 基于实例分割与多传感器融合的移动机器人定位方法、系统及介质
CN111862214B (zh) 计算机设备定位方法、装置、计算机设备和存储介质
CN113720324A (zh) 一种八叉树地图构建方法及系统
CN115639823A (zh) 崎岖起伏地形下机器人地形感知与移动控制方法及系统
CN112785708A (zh) 一种建筑物模型单体化的方法、设备和存储介质
CN116380039A (zh) 一种基于固态激光雷达和点云地图的移动机器人导航系统
CN114255323A (zh) 机器人、地图构建方法、装置和可读存储介质
Garrote et al. 3D point cloud downsampling for 2D indoor scene modelling in mobile robotics
CN114488185A (zh) 基于多线激光雷达的机器人导航系统方法及系统
CN113282088A (zh) 工程车的无人驾驶方法、装置、设备、存储介质及工程车
CN117419738A (zh) 基于可视图与D*Lite算法的路径规划方法及系统
CN117490683A (zh) 一种井下隧道多传感器融合算法的定位建图方法
CN115423958A (zh) 一种基于视觉三维重建的矿区可行驶区域边界更新方法
CN116977628A (zh) 一种应用于动态环境的基于多模态语义框架的slam方法及系统
CN113761647B (zh) 一种无人集群系统的仿真方法及系统
CN111683203B (zh) 栅格地图生成方法、装置及计算机可读存储介质
CN114459483B (zh) 基于机器人导航用地标导航地图构建与应用方法、系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant