CN112883134A - 数据融合建图方法、装置、电子设备及存储介质 - Google Patents
数据融合建图方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112883134A CN112883134A CN202110138236.1A CN202110138236A CN112883134A CN 112883134 A CN112883134 A CN 112883134A CN 202110138236 A CN202110138236 A CN 202110138236A CN 112883134 A CN112883134 A CN 112883134A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- current position
- pose
- working machine
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000004927 fusion Effects 0.000 title claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供一种数据融合建图方法、装置、电子设备及存储介质，其中方法包括：获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图。本发明提供的方法、装置、电子设备及存储介质，提高了点云地图的精度，适用于多个作业机械进行协作的场景。
Description
技术领域
本发明涉及机械工程技术领域，尤其涉及一种数据融合建图方法、装置、电子设备及存储介质。
背景技术
作业机械的智能化是当前的发展趋势，而同时定位与地图构建(simultaneouslocalization and mapping，SLAM)被认为是实现作业机械进行智能化施工作业的关键。
现有技术中，通常是根据安装在作业机械上的激光雷达对周围环境进行扫描得到三维点云数据，处理后得到周围环境的地图，所得到的地图数据精度低。
发明内容
本发明提供一种数据融合建图方法、装置、电子设备及存储介质，用于解决采用现有的建图方法所得到的地图数据精度低的技术问题。
本发明提供一种数据融合建图方法，包括：
获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；
基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据；
基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图。
根据本发明提供的一种数据融合建图方法，所述基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据，包括：
基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据建立状态方程，基于所述差分定位数据建立观测方程，基于所述状态方程和所述观测方程，采用卡尔曼滤波算法确定所述作业机械在当前位置的实际位姿数据。
根据本发明提供的一种数据融合建图方法，所述基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图，之前包括：
获取所述当前位置的作业环境的多个时刻的点云数据；
基于所述多个时刻的点云数据，对所述作业机械在当前位置的实际位姿数据进行校准。
根据本发明提供的一种数据融合建图方法，所述基于所述多个时刻的点云数据，对所述作业机械在当前位置的实际位姿数据进行校准，包括：
基于所述多个时刻的点云数据中最后时刻的点云数据，以及所述最后时刻的上一时刻的点云数据，确定第一位姿误差；
基于所述最后时刻的点云数据，以及其余多个时刻的点云数据的融合结果，确定第二位姿误差；
基于所述第一位姿误差和所述第二位姿误差，对所述作业机械在当前位置的实际位姿数据进行校准。
根据本发明提供的一种数据融合建图方法，所述基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图，之后包括：
基于所述当前位置的作业环境对应的点云地图，确定所述当前位置的作业环境对应的栅格地图。
根据本发明提供的一种数据融合建图方法，所述基于所述当前位置的作业环境对应的点云地图，确定所述当前位置的作业环境对应的栅格地图，包括：
若已经存在所述当前位置的作业环境对应的栅格地图，则基于所述当前位置的作业环境对应的点云地图，以及预设栅格高度调整阈值，对所述栅格地图中的栅格高度进行更新。
根据本发明提供的一种数据融合建图方法，所述位姿测量数据是基于安装在所述作业机械上的惯性测量单元采集得到的，所述差分定位数据是基于安装在所述作业机械上的载波相位差分定位装置采集得到的，所述点云数据是基于安装在所述作业机械上的激光雷达采集得到的。
本发明还提供一种数据融合建图装置，包括：
获取单元，用于获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；
定位单元，用于基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据；
建图单元，用于基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图。
本发明还提供一种电子设备，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实现如上述任一种所述数据融合建图方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述数据融合建图方法的步骤。
本发明提供的数据融合建图方法、装置、电子设备及存储介质，通过对位姿测量数据和差分定位数据进行融合，得到作业机械在当前位置的实际位姿数据，通过对实际位姿数据和点云数据的融合，得到作业机械在当前位置的作业环境对应的点云地图，提高了点云地图的精度，所得到的点云地图是基于世界坐标系构建的，不需要每次使用时都进行原点校准，并且可以进行拼接，适用于多个作业机械进行协作的场景。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的数据融合建图方法的流程示意图之一；
图2为本发明提供的数据融合建图方法的流程示意图之二；
图3为本发明提供的数据融合建图装置的结构示意图；
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
作业机械为进行工程作业的各类工程机械，例如起重机、挖掘机和推土机等。基于同时定位与地图构建得到的作业地图能够使得作业机械能够进行智能化施工作业。现有技术中通常是根据激光雷达建立的作业地图，所建立的作业地图精度差，无法满足现场施工要求。
针对现有技术的不足，图1为本发明提供的数据融合建图方法的流程示意图之一，如图1所示，该方法包括：
步骤110，获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据。
具体地，位姿测量数据包括位置测量数据和姿态测量数据，可以通过惯性测量单元(Inertial Measurement Unit，IMU)获得。位置测量数据为测量作业机械从起始位置移动到当前位置得到的位置平移量。可以以作业机械为坐标原点，经度方向为X轴方向，纬度方向为Y轴方向，海拔高度方向为Z轴方向，建立三维坐标系，则位置测量数据可以包括X轴平移量，Y轴平移量和Z轴平移量。
姿态测量数据为测量作业机械从起始位置移动到当前位置得到的姿态角旋转量。在以作业机械为坐标原点建立的三维坐标系中，姿态测量数据可以包括横滚角，俯仰角和航向角。其中，横滚角以Y轴和Z轴为平面围绕X轴旋转，俯仰角以X轴和Z轴为平面围绕Y轴旋转，航向角以X轴和Y轴为平面围绕Z轴旋转。
差分定位数据为根据载波相位差分定位方法得到的作业机械在世界坐标系中的坐标位置数据，可以通过载波相位差分定位装置(Real Time Kinematic，RTK)获得。相比于常规的定位方法得到的坐标位置数据，差分定位数据更加精准。
作业环境为作业机械所在的施工环境。当前位置的作业环境的点云数据为对作业机械所处的作业空间进行激光扫描后得到的点云数据，该点云数据所在的坐标系以作业机械为原点。
步骤120，基于作业机械在起始位置的实际位姿数据和位姿测量数据，以及差分定位数据，确定作业机械在当前位置的实际位姿数据。
具体地，作业机械的实际位姿数据为作业机械在世界坐标系中的位置和姿态。
作业机械在当前位置的实际位姿数据可以根据起始位置的实际位姿数据和位姿测量数据得到，也可以根据差分定位数据得到，也可以对位姿测量数据和差分定位数据进行融合后得到。
根据起始位置和位姿测量数据，可以计算得到作业机械的当前位置的坐标位置数据。例如，以世界坐标系为基准，可以确定作业机械的起始位置在世界坐标系中的坐标位置数据，将该作业机械的位姿测量数据从以作业机械为原点的坐标系中转换到世界坐标系中，得到该作业机械在世界坐标系中的位姿变换量，将起始位置的坐标位置数据与位姿变换量进行叠加后，可以得到该作业机械的当前位置在世界坐标系中的坐标位置数据。由于位姿测量数据是从作业机械从起始位置移动到当前位置的过程中测量得到的，存在累积误差问题。
虽然差分定位数据能够提供精准的坐标位置数据，但是差分定位数据的获得依赖于定位信号。当作业机械处于定位信号弱或者无定位信号的作业环境中时，差分定位数据将无法获取，使得作业机械无法进行智能化施工作业。
对位姿测量数据和差分定位数据进行融合，例如，可以采用差分定位数据对位姿测量数据进行校准，能够保证作业机械在当前位置的实际位姿数据一直保持高精度状态。
步骤130，基于作业机械在当前位置的实际位姿数据，以及点云数据，确定当前位置的作业环境对应的点云地图。
具体地，根据作业机械在当前位置的实际位姿数据，可以确定以作业机械为原点的坐标系中的点云数据中每一点云在世界坐标系统中的位置，从而构建当前位置的作业环境对应的点云地图。由于构建的点云地图对应的坐标系为世界坐标系，因此，该点云地图不需要在每次使用时都校准坐标原点。
当作业机械进行变更时，当前位置的作业环境对应的点云地图并不会随之发生改变，能够继续适用新的作业机械。并且多台作业机械所得到的点云地图还可以进行拼接，从而得到整个作业场景的点云地图。
本发明实施例提供的数据融合建图方法，通过对位姿测量数据和差分定位数据进行融合，得到作业机械在当前位置的实际位姿数据，通过对实际位姿数据和点云数据的融合，得到作业机械在当前位置的作业环境对应的点云地图，提高了点云地图的精度，所得到的点云地图是基于世界坐标系构建的，不需要每次使用时都进行原点校准，并且可以进行拼接，适用于多个作业机械进行协作的场景。
基于上述任一实施例，步骤120包括：
基于作业机械在起始位置的实际位姿数据和位姿测量数据建立状态方程，基于差分定位数据建立观测方程，基于状态方程和观测方程，采用卡尔曼滤波算法确定作业机械在当前位置的实际位姿数据。
具体地，卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波不要求信号和噪声都是平稳过程的假设条件。对于每个时刻的系统扰动和观测误差，只要对它们的统计性质作某些适当的假定，通过对含有噪声的观测信号进行处理，就能在平均的意义上，求得误差为最小的真实信号的估计值。
在本发明实施例中，可以采用卡尔曼滤波方法，对位姿测量数据和差分定位数据进行融合，得到作业机械在当前位置的实际位姿数据。其中，根据起始位置的实际位姿数据和位姿测量数据建立状态方程，对作业机械的实际位姿数据进行估计，根据差分定位数据建立观测方程，对作业机械的实际位姿数据进行观测。
受测量误差干扰的实际位姿数据是个随机量，不可能测得精确值，但是通过卡尔曼滤波算法，可以使得实际位姿数据的估计值尽可能准确地接近真实值，实现最优估计。
本发明实施例提供的数据融合建图方法，采用卡尔曼滤波算法提高了作业机械在当前位置的实际位姿数据的准确度。
基于上述任一实施例，步骤130之前包括：
获取当前位置的作业环境的多个时刻的点云数据；
基于多个时刻的点云数据，对作业机械在当前位置的实际位姿数据进行校准。
具体地，当作业机械处于定位信号弱或者无定位信号的作业环境中时，例如，当作业机械为挖掘机时，挖掘机在隧道、矿井和桥洞等，无法接受到定位信号，此时只有惯性测量单元和激光雷达可以正常工作，即此时可以获得的数据只有位姿测量数据和点云数据。由于惯性测量单元的工作原理，所得到的位姿测量数据存在累积误差，此时，可以采用激光雷达获取的点云数据对作业机械在当前位置的实际位姿数据进行校准。
可以在当前位置，获取作业环境的多个时刻的点云数据，对多个时刻的点云数据进行配准，从而得到作业机械在当前位置发生的实际位姿变化量。
本发明实施例提供的数据融合建图方法，获取当前位置的作业环境的多个时刻的点云数据，对实际位姿数据进行校准，能够在定位信号弱或者无定位信号的作业环境中得到准确的定位信息。
基于上述任一实施例，基于多个时刻的点云数据，对作业机械在当前位置的实际位姿数据进行校准，包括：
基于多个时刻的点云数据中最后时刻的点云数据，以及最后时刻的上一时刻的点云数据，确定第一位姿误差；
基于最后时刻的点云数据，以及其余多个时刻的点云数据的融合结果，确定第二位姿误差；
基于第一位姿误差和第二位姿误差，对作业机械在当前位置的实际位姿数据进行校准。
具体地，经实际位姿数据和点云数据的时间戳进行同步后，将通过卡尔曼滤波算法计算得到的作业机械在当前位置的实际位姿数据作为初始值，获取时间戳同步后的多个时刻的点云数据进行校准。
可以将多个时刻的点云数据中最后时刻的点云数据与最后时刻的上一时刻的点云数据进行配准，通过配准算法得到的第一旋转矩阵和第一平移向量，并将其作为第一位姿误差。第一位姿误差为增量误差，用于衡量最后时刻与相邻时刻之间的点云数据发生的增量误差。
还可以对除最后时刻之外的其余多个时刻的点云数据进行融合，将融合后得到的融合结果与最后时刻的点云数据进行配准，通过配准算法得到的第二旋转矩阵和第二平移向量，并将其作为第二位姿误差。第二位姿误差为累积误差，用于衡量最后时刻与之前所有时刻之间的点云数据发生的累积误差。
配准算法可以为ICP(Iterative Closest Point，迭代最近点)算法、NIDP算法等。
可以通过第一位姿误差对作业机械在当前位置的实际位姿数据进行校准，也可以通过第二位姿误差对作业机械在当前位置的实际位姿数据进行校准，还可以通过第一位姿误差和第二位姿误差，例如，两种误差的和，对作业机械在当前位置的实际位姿数据进行校准。
本发明实施例提供的数据融合建图方法，通过第一位姿误差和第二位姿误差，对作业机械在当前位置的实际位姿数据进行校准，消除了增量误差和累积误差，提高了实际位姿数据的准确度。
基于上述任一实施例，步骤130之后包括：
基于当前位置的作业环境对应的点云地图，确定作业机械的工作面。
具体地，可以采用点云分割算法，对当前位置的作业环境对应的点云地图进行分割，识别作业机械的工作面，从而得到工作面的海拔高度。通过与工作面的海拔高度进行比较，确定作业环境中的基本状况。例如，海拔高度大于工作面的物体，可以初步确定为工作面上的土堆或者沙堆等，海拔高度低于工作面的物体，可以初步确定工作面下的坑、槽或者沟等。
点云分割算法可以为随机采样一致算法、基于临近信息的点云分割算法、欧几里得算法和超体聚类分割方法等。
基于上述任一实施例，步骤130之后包括：
基于当前位置的作业环境对应的点云地图，确定当前位置的作业环境对应的栅格地图。
具体地，可以预先设定栅格的边长。栅格的边长可以根据实际情况进行设置。对每一栅格内的点云进行几何中心和点云平均高度的计算。将栅格内点云的平均高度作为栅格高度。
通过对当前位置的作业环境对应的点云地图进行栅格化，得到可以直观展示的栅格地图，大大方便了施工人员进行作业机械的路径规划和作业量计算，有利于实现作业机械的智能化施工作业。
基于上述任一实施例，基于当前位置的作业环境对应的点云地图，确定当前位置的作业环境对应的栅格地图，包括：
若已经存在当前位置的作业环境对应的栅格地图，则基于当前位置的作业环境对应的点云地图，以及预设栅格高度调整阈值，对栅格地图中的栅格高度进行更新。
具体地，本发明实施例提供的方法不仅可以建立栅格地图，还可以利用点云地图对栅格地图中的信息进行更新，当作业环境改变时，栅格地图中的信息也随之改变，时刻保持更新状态。
可以设定更新频率对栅格地图中的栅格高度进行更新。更新频率可以根据惯性测量单元、载波相位差分定位装置和激光雷达的工作频率进行综合确定，本发明实施例对此不作具体限定。例如，可以以激光雷达的频率来更新地图，更新频率可以设置为10Hz。
可以根据作业情况，设定预设栅格高度调整阈值。当生成新的点云地图后，对新的点云地图进行栅格化并计算每一栅格的栅格高度，将每一栅格高度与已有的栅格地图中对应栅格的栅格高度进行比较，如果栅格高度差大于预设栅格高度调整阈值，则认为作业环境中发生了变化，例如，挖掘机完成了此栅格对应的作业任务，将新的点云地图的栅格高度取代已有的栅格地图中对应栅格的栅格高度。如果栅格高度差小于等于预设栅格高度调整阈值，则认为作业环境并未发生变化，而是作业机械发生了位置变化，此时可以将新的点云地图的栅格高度的变化值累加到已有的栅格地图中对应栅格的栅格高度中。
本发明实施例提供的数据融合建图方法，根据当前位置的作业环境对应的点云地图，对栅格地图中的栅格高度进行更新，使得栅格地图实时保持更新状态，有利于施工人员进行作业机械的路径规划和作业量计算。
基于上述任一实施例，位姿测量数据是基于安装在作业机械上的惯性测量单元采集得到的，差分定位数据是基于安装在作业机械上的载波相位差分定位装置采集得到的，点云数据是基于安装在作业机械上的激光雷达采集得到的。
具体地，惯性测量单元通常指由3个加速度计和3个陀螺仪组成的组合单元，加速度计和陀螺仪安装在互相垂直的测量轴上。载波相位差分定位装置采用载波相位差分技术，实时处理两个测量站载波相位观测量，将基准站采集的载波相位发给用户接收机，进行求差解算坐标，它能够实时地提供测站点在指定坐标系中的三维定位结果，并达到厘米级精度。激光雷达可以采用多线激光雷达，感知作业机械360度范围内的环境信息。
例如，当作业机械为挖掘机时，惯性测量单元、载波相位差分定位装置和激光雷达可以安装在挖掘机的回转平台上。
基于上述任一实施例，图2为本发明提供的数据融合建图方法的流程示意图之二，如图2所示，该方法通过融合IMU、RTK及激光雷达的数据，确定每个有效点云在世界坐标系下的位置，生成栅格地图。在栅格地图中，通过比较高度差来更新地图。
IMU有三个陀螺仪和三个加速度计，分别测量三个轴上的角速度和线加速度。对角速度进行时间上积分得到姿态，对线加速度进行时间上积分得到线速度，再积分得到位置。这些姿态和位置都是相对上一个时刻的信息，如果将这些姿态和相对位置累加，得到挖掘机相对起始点的姿态和位置。RTK包括基站、天线及接收机，基站接受卫星信号后，计算基站与卫星之间的误差，并对外传输，接收机利用天线接受卫星和基站信息，利用卫星信息和误差解算出挖掘机在世界坐标系下的位置。在卡尔曼滤波中，IMU输出作为状态方程，用于预测，RTK输出作为观测方程，用于更新，得到挖掘机在世界坐标系下的位姿。
当挖掘机在隧道、矿井、桥洞等地方工作时，RTK信号微弱甚至没有，此时只有IMU工作，但IMU存在累积误差，这种误差由仪器本身造成的，可以用激光雷达纠正IMU的累积误差。经时间戳同步后，卡尔曼滤波的结果作为激光雷达的初始位置，当前帧与上一帧进行匹配，优化初始位置。随后，当前帧与以往所有帧做匹配，再次优化挖掘机的位姿，从而确定点云在世界坐标系下的位置，形成点云图。利用点云分割技术，识别出挖掘机的工作面，确定工作面的海拔高度h。通过与工作面的海拔高进行比较，确定工作面上和工作面下两部分，其中海拔高大于h的部分为工作面上的物体，小于h的为工作面下的坑、槽、沟等。
利用点云图生成栅格地图，栅格的边长结合实际情况设定，栅格高度为栅格内点云的平均高度，同时要设置高度差的阈值△h。当有新点云产生时，计算栅格高度与新点云高度差的绝对值，如果绝对值大于△h，意味着环境发生变化，新点云的高度取代栅格高度，否则环境没有变化，将新点云高度累加到栅格高度中。
基于上述任一实施例，图3为本发明提供的数据融合建图装置的结构示意图，如图3所示，该装置包括：
获取单元310，用于获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；
定位单元320，用于基于作业机械在起始位置的实际位姿数据和位姿测量数据，以及差分定位数据，确定作业机械在当前位置的实际位姿数据；
建图单元330，用于基于作业机械在当前位置的实际位姿数据，以及点云数据，确定当前位置的作业环境对应的点云地图。
具体地，获取单元310用于获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据。定位单元320用于确定作业机械在当前位置的实际位姿数据。建图单元330用于确定当前位置的作业环境对应的点云地图。
本发明实施例提供的数据融合建图装置，通过对位姿测量数据和差分定位数据进行融合，得到作业机械在当前位置的实际位姿数据，通过对实际位姿数据和点云数据的融合，得到作业机械在当前位置的作业环境对应的点云地图，提高了点云地图的精度，所得到的点云地图是基于世界坐标系构建的，不需要每次使用时都进行原点校准，并且可以进行拼接，适用于多个作业机械进行协作的场景。
基于上述任一实施例，定位单元320具体用于：
基于作业机械在起始位置的实际位姿数据和位姿测量数据建立状态方程，基于差分定位数据建立观测方程，基于状态方程和所述观测方程，采用卡尔曼滤波算法确定作业机械在当前位置的实际位姿数据。
基于上述任一实施例，该装置还包括校准单元，校准单元包括：
点云获取子单元，用于获取当前位置的作业环境的多个时刻的点云数据；
位姿校准子单元，用于基于多个时刻的点云数据，对作业机械在当前位置的实际位姿数据进行校准。
基于上述任一实施例，位姿校准子单元包括：
第一误差确定模块，用于基于多个时刻的点云数据中最后时刻的点云数据，以及最后时刻的上一时刻的点云数据，确定第一位姿误差；
第二误差确定模块，用于基于最后时刻的点云数据，以及其余多个时刻的点云数据的融合结果，确定第二位姿误差；
位姿校准模块，用于基于第一位姿误差和第二位姿误差，对作业机械在当前位置的实际位姿数据进行校准。
基于上述任一实施例，该装置还包括：
栅格单元，用于基于当前位置的作业环境对应的点云地图，确定当前位置的作业环境对应的栅格地图。
基于上述任一实施例，栅格单元具体用于：
若已经存在当前位置的作业环境对应的栅格地图，则基于当前位置的作业环境对应的点云地图，以及预设栅格高度调整阈值，对栅格地图中的栅格高度进行更新。
基于上述任一实施例，位姿测量数据是基于安装在作业机械上的惯性测量单元采集得到的，差分定位数据是基于安装在作业机械上的载波相位差分定位装置采集得到的，点云数据是基于安装在作业机械上的激光雷达采集得到的。
基于上述任一实施例，图4为本发明提供的电子设备的结构示意图，如图4所示，该电子设备可以包括：处理器(Processor)410、通信接口(Communications Interface)420、存储器(Memory)430和通信总线(Communications Bus)440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑命令，以执行如下方法：
获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；基于作业机械在起始位置的实际位姿数据和位姿测量数据，以及差分定位数据，确定作业机械在当前位置的实际位姿数据；基于作业机械在当前位置的实际位姿数据，以及点云数据，确定当前位置的作业环境对应的点云地图。
此外，上述的存储器430中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；基于作业机械在起始位置的实际位姿数据和位姿测量数据，以及差分定位数据，确定作业机械在当前位置的实际位姿数据；基于作业机械在当前位置的实际位姿数据，以及点云数据，确定当前位置的作业环境对应的点云地图。
本发明实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数据融合建图方法，其特征在于，包括：
获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；
基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据；
基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图。
2.根据权利要求1所述的数据融合建图方法，其特征在于，所述基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据，包括：
基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据建立状态方程，基于所述差分定位数据建立观测方程，基于所述状态方程和所述观测方程，采用卡尔曼滤波算法确定所述作业机械在当前位置的实际位姿数据。
3.根据权利要求1所述的数据融合建图方法，其特征在于，所述基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图，之前包括：
获取所述当前位置的作业环境的多个时刻的点云数据；
基于所述多个时刻的点云数据，对所述作业机械在当前位置的实际位姿数据进行校准。
4.根据权利要求3所述的数据融合建图方法，其特征在于，所述基于所述多个时刻的点云数据，对所述作业机械在当前位置的实际位姿数据进行校准，包括：
基于所述多个时刻的点云数据中最后时刻的点云数据，以及所述最后时刻的上一时刻的点云数据，确定第一位姿误差；
基于所述最后时刻的点云数据，以及其余多个时刻的点云数据的融合结果，确定第二位姿误差；
基于所述第一位姿误差和所述第二位姿误差，对所述作业机械在当前位置的实际位姿数据进行校准。
5.根据权利要求1所述的数据融合建图方法，其特征在于，所述基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图，之后包括：
基于所述当前位置的作业环境对应的点云地图，确定所述当前位置的作业环境对应的栅格地图。
6.根据权利要求5所述的数据融合建图方法，其特征在于，所述基于所述当前位置的作业环境对应的点云地图，确定所述当前位置的作业环境对应的栅格地图，包括：
若已经存在所述当前位置的作业环境对应的栅格地图，则基于所述当前位置的作业环境对应的点云地图，以及预设栅格高度调整阈值，对所述栅格地图中的栅格高度进行更新。
7.根据权利要求1至6任一项所述的数据融合建图方法，其特征在于，所述位姿测量数据是基于安装在所述作业机械上的惯性测量单元采集得到的，所述差分定位数据是基于安装在所述作业机械上的载波相位差分定位装置采集得到的，所述点云数据是基于安装在所述作业机械上的激光雷达采集得到的。
8.一种数据融合建图装置，其特征在于，包括：
获取单元，用于获取作业机械在当前位置相对于起始位置的位姿测量数据和差分定位数据，以及当前位置的作业环境的点云数据；
定位单元，用于基于所述作业机械在起始位置的实际位姿数据和所述位姿测量数据，以及所述差分定位数据，确定所述作业机械在当前位置的实际位姿数据；
建图单元，用于基于所述作业机械在当前位置的实际位姿数据，以及所述点云数据，确定所述当前位置的作业环境对应的点云地图。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述数据融合建图方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述数据融合建图方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110138236.1A CN112883134A (zh) | 2021-02-01 | 2021-02-01 | 数据融合建图方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110138236.1A CN112883134A (zh) | 2021-02-01 | 2021-02-01 | 数据融合建图方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112883134A true CN112883134A (zh) | 2021-06-01 |
Family
ID=76052356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110138236.1A Pending CN112883134A (zh) | 2021-02-01 | 2021-02-01 | 数据融合建图方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883134A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115297361A (zh) * | 2022-07-29 | 2022-11-04 | 北京字跳网络技术有限公司 | 转码任务的处理方法、装置、转码系统、电子设备及介质 |
| CN115509216A (zh) * | 2021-06-21 | 2022-12-23 | 广州视源电子科技股份有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
| CN109059906A (zh) * | 2018-06-26 | 2018-12-21 | 上海西井信息科技有限公司 | 车辆定位方法、装置、电子设备、存储介质 |
| CN109099912A (zh) * | 2017-08-11 | 2018-12-28 | 黄润芳 | 室外精确定位导航方法、装置、电子设备及存储介质 |
| CN109959381A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种定位方法、装置、机器人及计算机可读存储介质 |
| CN110276834A (zh) * | 2019-06-25 | 2019-09-24 | 达闼科技（北京）有限公司 | 一种激光点云地图的构建方法、终端和可读存储介质 |
| CN110849374A (zh) * | 2019-12-03 | 2020-02-28 | 中南大学 | 地下环境定位方法、装置、设备及存储介质 |
| CN110889808A (zh) * | 2019-11-21 | 2020-03-17 | 广州文远知行科技有限公司 | 一种定位的方法、装置、设备及存储介质 |
| WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
| CN111366139A (zh) * | 2020-04-03 | 2020-07-03 | 深圳市赛为智能股份有限公司 | 室内测绘点定位方法、装置、计算机设备及存储介质 |
| CN111461981A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
| CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
-
2021
- 2021-02-01 CN CN202110138236.1A patent/CN112883134A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109099912A (zh) * | 2017-08-11 | 2018-12-28 | 黄润芳 | 室外精确定位导航方法、装置、电子设备及存储介质 |
| CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
| CN109959381A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种定位方法、装置、机器人及计算机可读存储介质 |
| CN109059906A (zh) * | 2018-06-26 | 2018-12-21 | 上海西井信息科技有限公司 | 车辆定位方法、装置、电子设备、存储介质 |
| WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
| CN110276834A (zh) * | 2019-06-25 | 2019-09-24 | 达闼科技（北京）有限公司 | 一种激光点云地图的构建方法、终端和可读存储介质 |
| CN110889808A (zh) * | 2019-11-21 | 2020-03-17 | 广州文远知行科技有限公司 | 一种定位的方法、装置、设备及存储介质 |
| CN110849374A (zh) * | 2019-12-03 | 2020-02-28 | 中南大学 | 地下环境定位方法、装置、设备及存储介质 |
| CN111461981A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
| CN111366139A (zh) * | 2020-04-03 | 2020-07-03 | 深圳市赛为智能股份有限公司 | 室内测绘点定位方法、装置、计算机设备及存储介质 |
| CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115509216A (zh) * | 2021-06-21 | 2022-12-23 | 广州视源电子科技股份有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
| CN115297361A (zh) * | 2022-07-29 | 2022-11-04 | 北京字跳网络技术有限公司 | 转码任务的处理方法、装置、转码系统、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110017849B (zh) | 一种基于gnss接收机和imu传感器的测绘一体机的倾斜测量方法 | |
| CN109506642B (zh) | 一种机器人多相机视觉惯性实时定位方法及装置 | |
| CN104635251B (zh) | 一种ins/gps组合定位定姿新方法 | |
| CN108549771A (zh) | 一种挖掘机辅助施工系统及方法 | |
| CN111102978A (zh) | 一种车辆运动状态确定的方法、装置及电子设备 | |
| KR20210084622A (ko) | 시간 동기화 처리 방법, 전자 기기 및 저장 매체 | |
| CN114325667A (zh) | 组合导航设备与激光雷达的外参标定方法及装置 | |
| Ibrahim et al. | Inertial measurement unit based indoor localization for construction applications | |
| CN114166221B (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及系统 | |
| CN112883134A (zh) | 数据融合建图方法、装置、电子设备及存储介质 | |
| CN109059907A (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
| CN112946681B (zh) | 融合组合导航信息的激光雷达定位方法 | |
| CN115468563A (zh) | 轨迹处理方法及计算机程序产品 | |
| CN115728753A (zh) | 激光雷达与组合导航的外参标定方法、装置及智能车辆 | |
| CN117490683A (zh) | 一种井下隧道多传感器融合算法的定位建图方法 | |
| CN115218906A (zh) | 面向室内slam的视觉惯性融合定位方法及系统 | |
| CN114915913A (zh) | 一种基于滑窗因子图的uwb-imu组合室内定位方法 | |
| CN114660641B (zh) | 一种自适应gps融合定位系统、方法及介质 | |
| CN112859139A (zh) | 一种姿态测量方法、装置及电子设备 | |
| CN116482735A (zh) | 一种受限空间内外高精度定位方法 | |
| CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
| CN116380119A (zh) | 组合导航的校准方法、装置和系统 | |
| CN115344033A (zh) | 一种基于单目相机/imu/dvl紧耦合的无人船导航与定位方法 | |
| CN114280656A (zh) | 一种gnss系统的测姿方法和系统 | |
| Chen et al. | Modeling and Assessment on The Tightly Coupled Integration of TWTOA-Based UWB and INS |
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 |