CN112923932A - 基于多传感融合定位的高精地图生成方法 - Google Patents
基于多传感融合定位的高精地图生成方法 Download PDFInfo
- Publication number
- CN112923932A CN112923932A CN201911238898.5A CN201911238898A CN112923932A CN 112923932 A CN112923932 A CN 112923932A CN 201911238898 A CN201911238898 A CN 201911238898A CN 112923932 A CN112923932 A CN 112923932A
- Authority
- CN
- China
- Prior art keywords
- positioning
- precision
- information
- point cloud
- map
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 2
- 230000004807 localization Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于多传感融合定位的高精地图生成方法,包括以下步骤:提供一设置有激光雷达、卫星定位接收机以及惯性传感器的移动平台;将所述卫星定位接收机采集到的卫星定位数据与所述惯性传感器采集到的惯性定位数据进行融合,生成融合定位信息;对所述激光雷达采集到的点云图进行预处理,并将预处理后的点云图与所述融合定位信息进行映射,生成高精度底图;提取所述高精度底图中的要素信息和尺寸信息,生成矢量图。
Description
技术领域
本发明涉及自动驾驶技术领域。
背景技术
高精地图是自动驾驶技术领域的核心技术之一。高精地图的发展直接影响自动驾驶的安全性和精准度,是自动驾驶技术在各种限定场景的落地应用的关键技术节点。目前,自动驾驶技术的发展受到高精定位技术以及高精地图生成技术的制约。高精地图是指高精度、精细化定义的地图,其精度需要达到厘米级才能够区分各个车道,而精细化定义,则是需要格式化存储交通场景中的各种交通要素,包括传统地图的道路网数据、车道网络数据、车道线和交通标志等数据。为了保证无人车自动驾驶的安全性,高精地图的要素以厘米级的精度来标识道路及其附属设施的全部要素,使之成为无人物流车运行的“眼睛”。由于高精度、高丰富度的要求,使得高精地图的制作成为了一大技术难题。
发明内容
一种基于多传感融合定位的高精地图生成方法,其特征在于,包括以下步骤:步骤S1,接收分别通过激光雷达、卫星定位接收机、惯性传感器采集到的同一移动平台的点云图、卫星定位数据、惯性定位数据;步骤S2,将所述卫星定位数据与所述惯性定位数据进行融合,生成融合定位信息;步骤S3,对所述点云图进行预处理,并将预处理后的点云图与所述融合定位信息进行映射,生成高精度底图;步骤S4,提取所述高精度底图中的要素信息和尺寸信息,生成矢量图。
相较于现有技术,本发明提供的基于多传感融合定位的高精地图生成方法可以实现复杂的传感/采集设备间的严格对准和成果融合,减小了不同传感器成果融合的误差。
附图说明
图1为本发明实施例提供的基于多传感融合定位的高精地图生成方法中移动平台与各个传感器示意图。
图2为本发明实施例提供的基于多传感融合定位的高精地图生成方法流程图。
图3为本发明实施例提供的基于多传感融合定位的高精地图生成方法原理示意图。
主要元件符号说明
移动平台 | 10 |
激光雷达 | 11 |
卫星定位接收机 | 13 |
惯性传感器 | 15 |
具体实施方式
下面将结合附图及具体实施例对本发明作进一步的详细说明。
请一并参见图1、图2、图3,本发明实施例提供一种基于多传感融合定位的高精地图生成方法,包括以下步骤:
S1,接收分别通过激光雷达11(LiDAR)、卫星定位接收机13、惯性传感器15采集的同一移动平台10的点云图、卫星定位数据、惯性定位数据;
S2,将所述卫星定位数据与所述惯性定位数据进行融合,生成融合定位信息;
S3,对所述点云图进行预处理,并将预处理后的点云图与所述融合定位信息进行映射,生成高精度底图;
S4,提取所述高精度底图中的要素信息和尺寸信息,生成矢量图。
步骤S1中,所述激光雷达11、卫星定位接收机13设置在一移动平台10的表面,所述惯性传感器15可以设置在所述移动平台10的内部。该移动平台10可以为轿车、越野汽车、小型货车等,所述激光雷达11、卫星定位接收机13设置在上述车辆的车顶部位,所述惯性传感器15设置在车辆内部。
所述激光雷达11用于采集路面点云信息,通常包括激光发射器、激光接收器及信息处理系统等组件。所述激光发射器工作时在电脉冲的激励下向空间发射预定周期的高频窄脉冲激光,并由旋转的反射镜反射,将各条激光光束按照不同的角度发射到外界环境,发射出去的激光遇到障碍物时发生反射,所述激光接收器接收障碍物反射回的激光信号,然后还原成电信号。
所述卫星定位接收机13接收卫星定位信号并经过信号放大、变频、锁相等处理,测定卫星定位信号从卫星到卫星定位接收机天线间的传播时间,解释定位电文,实时计算卫星定位接收机天线所在位置。卫星定位系统可以为全球定位系统(Global PositioningSystem,GPS)、北斗卫星定位系统(COMPASS Navigation Satellite System,CNSS)、欧盟“伽利略”系统(Galileo European Global Navigation Satellite System,GNSS)等的一种或多种。相对应的,所述卫星定位接收机13可以为GPS接收机、北斗接收机、伽利略接收机等中的一种或多种。本实施例中,选用的卫星定位系统是全球定位系统,卫星定位接收机13为GPS接收机。
所述惯性传感器15(IMU)用于感知加速度、角速度及地磁等信息,包括三轴加速度计、三轴陀螺仪和三轴磁力计,所述加速度计用于检测物体的加速度信号,所述陀螺仪用于检测角速度信号,所述磁力计用于检测磁场信号。
步骤S2中,将卫星定位数据与惯性定位数据进行融合,以减少定位数据的误差。定位系统分为绝对定位与相对定位两种方式。绝对定位主要是指利用卫星定位系统(例如GPS系统)获得位置信息。GPS系统是陆用定位系统的基本组成部分,具有较好的稳定性,但其缺点是常因多径效应和遮蔽影响会引起GPS信号可信度下降。相对定位是指利用惯性传感器15获取位置信息,其优点是能获取持续定位信息而且独立于外部环境短时间内测量精度较高,但长时间工作容易造成累计误差。惯性传感器15的高频特性较好,低频特性较差,GPS系统则与之相反,综合利用两者的优点构成组合定位系统,可以提高整个系统的精度、性能和可靠性。
本实施例中,对GPS定位数据与惯性定位数据进行融合以生成更加精准的位姿。具体地,采用扩展卡尔曼滤波(Extended Kalman Filter)对GPS定位数据与惯性定位数据进行融合。融合的过程中需要首先将卫星定位数据所采用的WGS-84坐标系转为横轴墨卡托投影(Universal Transverse Mercator,UTM)坐标系。
步骤S3中,所述激光雷达11采集到的点云图在进行映射之前需要进行预处理,所述预处理可以包括点云滤波、配准、拼接等步骤。
所述激光雷达11在获取点云数据时,由于设备精度、操作者经验、环境因素等的影响,所采集到的点云数据有可能会出现一些噪声点,以及由于受到外界干扰,如视线遮挡、障碍物等因素的影响,点云数据中往往存在着一些距离主题点云较远的离散点,即离群点。通过滤波处理可以将噪声点、离群点等按照后续处理定制,以便更好地进行配准、特征提取、拼接等。
本实施例中,采用体素法滤波对点云数据进行滤波。一般体素越密集的地方信息越多,噪音点及离群点可通过体素网格去除。如果使用高分辨率设备对点云进行采集,往往点云会较为密集。过多的点云数量会对后续分割工作带来困难。体素法滤波可以达到向下采样同时不破坏点云本身几何结构的功能。
经过滤波后的点云数据还需要进行配准,即将从各个视角得到的点集合并到一个统一的坐标系下,形成一个完整的点云数据。本实施例采用自动配准的方式对各个视角得到的点集进行配准,把在不同的坐标系中测量得到的点云数据进行坐标变换,以得到整体的点云数据。
经过滤波、配准等预处理的点云数据最终变换到平面坐标系中,而由卫星定位数据与惯性定位数据融合生成的融合定位信息则是处于球面坐标系,通过经度、纬度以及高程来表征地球表面的任一位置。对于高精地图的高精度底图来说,无法直接使用球面坐标,需要将融合后精准的位置转为高斯坐标系,然后将点云文件中各点与高斯坐标系下的坐标原点进行一一映射或将每帧点云数据生成后通过时间戳匹配最近时间内的融合后精准的位置进行一一映射来生成高精地图的高精度底图。
步骤S4中,矢量是指既有大小又有方向的量。矢量地图使用直线和曲线来描述图形,这些图形的元素由点、线、矩形、多边形、圆和弧线等组成,可以通过数学公式计算获得。因此,矢量图形文件体积一般较小,且无论放大、缩小或旋转等不会失真,具有数据结构紧凑、冗余度低、表达精度高、图形显示质量好、有利于网络和检索分析等优点。步骤S3中生成的高精度底图经过提取可以得到特征值,并进一步对其进行抽象、处理和标注,得到矢量图。矢量图主要包括路网信息、道路属性信息、道路几何信息,以及路上主要标识的抽象信息等。在自动驾驶过程中,将步骤S4生成的矢量图与步骤S3生成的高精度底图结合,可以达到理想的应用效果。
本发明提供的基于多传感融合定位的高精地图生成方法可以实现复杂的传感/采集设备间的严格对准和成果融合,减小了不同传感器成果融合的误差。
另外,本领域技术人员还可以在本发明精神内做其它变化,这些依据本发明精神所做的变化,都应包含在本发明所要求保护的范围内。
Claims (10)
1.一种基于多传感融合定位的高精地图生成方法,其特征在于,包括以下步骤:
步骤S1,接收分别通过激光雷达、卫星定位接收机、惯性传感器采集到的同一移动平台的点云图、卫星定位数据、惯性定位数据;
步骤S2,将所述卫星定位数据与所述惯性定位数据进行融合,生成融合定位信息;
步骤S3,对所述点云图进行预处理,并将预处理后的点云图与所述融合定位信息进行映射,生成高精度底图;
步骤S4,提取所述高精度底图中的要素信息和尺寸信息,生成矢量图。
2.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述卫星定位接收机为GPS接收机、北斗接收机以及伽利略接收机中的一种或多种。
3.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述惯性传感器包括三轴加速度计、三轴陀螺仪以及三轴磁力计。
4.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述步骤S2中所述卫星定位数据与所述惯性定位数据通过扩展卡尔曼滤波进行融合。
5.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述步骤S2中将所述卫星定位数据与所述惯性定位数据进行融合包括将卫星定位数据所采用的WGS-84坐标系转为横轴墨卡托投影坐标系。
6.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述步骤S3中对所述点云图进行预处理包括点云滤波、配准等步骤。
7.如权利要求6所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述点云滤波通过体素法滤波实现。
8.如权利要求6所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述配准通过把在不同的坐标系中测量得到的点云数据进行坐标变换实现。
9.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述步骤S3中,所述融合定位信息在进行映射前,先将所述融合定位信息转换为高斯坐标系。
10.如权利要求1所述的基于多传感融合定位的高精地图生成方法,其特征在于,所述矢量图包括路网信息、道路属性信息、道路几何信息以及路上主要标识的抽象信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911238898.5A CN112923932A (zh) | 2019-12-06 | 2019-12-06 | 基于多传感融合定位的高精地图生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911238898.5A CN112923932A (zh) | 2019-12-06 | 2019-12-06 | 基于多传感融合定位的高精地图生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112923932A true CN112923932A (zh) | 2021-06-08 |
Family
ID=76161512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911238898.5A Pending CN112923932A (zh) | 2019-12-06 | 2019-12-06 | 基于多传感融合定位的高精地图生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112923932A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167858A (zh) * | 2021-11-12 | 2022-03-11 | 广州文远知行科技有限公司 | 车辆的导航控制方法、装置、导航控制器和车辆控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650890A (zh) * | 2009-09-18 | 2010-02-17 | 西安煤航信息产业有限公司 | 一种道路在地图上的处理表示方法 |
CN103187002A (zh) * | 2011-12-29 | 2013-07-03 | 北京移动坚石信息技术有限公司 | 生成电子地图的方法 |
CN106895841A (zh) * | 2017-04-13 | 2017-06-27 | 杭州申昊科技股份有限公司 | 一种应用于变电站的矢量电子地图创建方法 |
CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
-
2019
- 2019-12-06 CN CN201911238898.5A patent/CN112923932A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650890A (zh) * | 2009-09-18 | 2010-02-17 | 西安煤航信息产业有限公司 | 一种道路在地图上的处理表示方法 |
CN103187002A (zh) * | 2011-12-29 | 2013-07-03 | 北京移动坚石信息技术有限公司 | 生成电子地图的方法 |
CN106895841A (zh) * | 2017-04-13 | 2017-06-27 | 杭州申昊科技股份有限公司 | 一种应用于变电站的矢量电子地图创建方法 |
CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167858A (zh) * | 2021-11-12 | 2022-03-11 | 广州文远知行科技有限公司 | 车辆的导航控制方法、装置、导航控制器和车辆控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
EP2133662B1 (en) | Methods and system of navigation using terrain features | |
Tao | Mobile mapping technology for road network data acquisition | |
CN102506868B (zh) | 基于联邦滤波的sins/smans/trns组合导航方法及系统 | |
KR101886932B1 (ko) | 지리정보시스템과 노면영상정보의 동시간 활용을 통한 지표레이더탐사 위치확인 시스템 | |
KR20180101717A (ko) | 맵들을 사용하는 차량 컴포넌트 제어 | |
CN111833717A (zh) | 用于定位交通工具的方法、装置、设备和存储介质 | |
JP6380936B2 (ja) | 移動体及びシステム | |
EP3617749A1 (en) | Method and arrangement for sourcing of location information, generating and updating maps representing the location | |
CN111426320B (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
EP3671278B1 (en) | Road surface detection | |
CN110737009A (zh) | 用于地理空间定位的方法及其便携式定位设备 | |
Andert et al. | Optical-aided aircraft navigation using decoupled visual SLAM with range sensor augmentation | |
EP1395845A2 (en) | A gps based terrain referenced navigation system | |
Grejner-Brzezinska et al. | From Mobile Mapping to Telegeoinformatics | |
Senapati et al. | Geo-referencing system for locating objects globally in LiDAR point cloud | |
CN112923932A (zh) | 基于多传感融合定位的高精地图生成方法 | |
CN108710145A (zh) | 一种无人机定位系统及方法 | |
JP2018017652A (ja) | 測量情報管理装置および測量情報管理方法 | |
WO2020041668A1 (en) | Signals of opportunity aided inertial navigation | |
Kennedy et al. | GPS/INS Integration in Real-time and Post-processing with NovAtel’s SPAN System | |
KR20220083195A (ko) | 지하시설물에 대한 3차원 현장 정보 취득이 가능한 지하시설물 현장 탐사장치 및 이를 이용한 지하시설물 현장 탐사방법 | |
Tamimi et al. | Performance Assessment of a Mini Mobile Mapping System: Iphone 14 pro Installed on a e-Scooter |
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 |