CN113192197A - 一种全局点云地图的构建方法、装置、设备及存储介质 - Google Patents
一种全局点云地图的构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113192197A CN113192197A CN202110565591.7A CN202110565591A CN113192197A CN 113192197 A CN113192197 A CN 113192197A CN 202110565591 A CN202110565591 A CN 202110565591A CN 113192197 A CN113192197 A CN 113192197A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- frame
- determining
- global
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000009466 transformation Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000005315 distribution function Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 18
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明实施例公开了一种全局点云地图的构建方法、装置、设备及存储介质。该方法包括:获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;基于所述局部点云地图和目标配准参数,确定全局点云地图。本发明实施例通过基于至少两帧点云数据和与各帧点云数据对应的全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,并基于各帧点云数据确定的局部点云地图和目标配准参数,确定全局点云地图,解决了现有点云配准方法作业效率低的问题,降低了点云配准的硬件成本和配准算法的复杂度。
Description
技术领域
本发明实施例涉及点云数据处理技术领域,尤其涉及一种全局点云地图的构建方法、装置、设备及存储介质。
背景技术
激光SLAM(simultaneous localization and mapping,同步定位与地图构建)建图主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题,在行业应用中需要将点云采集设备构建的局部地图匹配到全局坐标系下。
目前主要的配准方法是人工在局部地图中选择表达真实控制点的局部特征点,根据真实控制点和局部特征点构建的映射方程,将局部特征点配准到世界坐标系下。还有人提出在点云采集设备中加入高精组合惯导及实时差分模块等传感器,通过多传感器融合技术构建世界坐标系下的点云地图。
在实现本发明的过程中,发现现有技术中至少存在以下技术问题:
人工标注的方法需要人工测量真实控制点和选择局部特征点,作业效率低。多传感器融合的方法增加了点云配准的硬件成本以及提高了配准算法的复杂度。
发明内容
本发明实施例提供了一种全局点云地图的构建方法、装置、设备及存储介质,以提高点云配准的效率,降低点云配准的硬件成本和配准算法的复杂度。
第一方面,本发明实施例提供了一种全局点云地图的构建方法,该方法包括:
获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
基于所述局部点云地图和目标配准参数,确定全局点云地图。
第二方面,本发明实施例还提供了一种全局点云地图的构建装置,该装置包括:
点云数据获取模块,用于获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
目标配准参数确定模块,用于基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
全局点云地图确定模块,用于基于所述局部点云地图和目标配准参数,确定全局点云地图。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述所涉及的任一所述的全局点云地图的构建方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的全局点云地图的构建方法。
上述发明中的实施例具有如下优点或有益效果:
本发明实施例通过基于至少两帧点云数据和与各帧点云数据对应的全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,并基于各帧点云数据确定的局部点云地图和目标配准参数,确定全局点云地图,解决了现有点云配准方法作业效率低的问题,降低了点云配准的硬件成本和配准算法的复杂度。
附图说明
图1是本发明实施例一提供的一种全局点云地图的构建方法的流程图;
图2是本发明实施例二提供的一种全局点云地图的构建方法的流程图;
图3是本发明实施例二提供的一种全局点云地图的构建方法的具体实例的流程图;
图4是本发明实施例三提供的一种全局点云地图的构建装置的示意图;
图5是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种全局点云地图的构建方法的流程图,本实施例可适用于构建全局点云地图的情况,该方法可以由全局点云地图的构建装置来执行,该装置可采用软件和/或硬件的方式实现,具体包括如下步骤:
S110、获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图。
其中,具体的,点云数据可用于表征物体的空间分布或表面特征的点数据集合。示例性的,当点云采集设备采用激光测量原理时,采集到的每个点云数据点包含点云位置信息和激光反射强度。当点云采集设备采用摄影测量原理时,采集到的每个点云数据点包含点云位置信息和颜色信息。当点云采集设备采用激光测量原理和摄影测量原理时,采集到的每个点云数据点包含点云位置信息、激光反射强度和颜色信息。其中,示例性的,点云位置信息包括X坐标、Y坐标和Z坐标。此处对获取点云数据的点云采集设备的采集原理不作限定。
其中,具体的,全局位置数据可用于表征全局坐标系下的位置数据。示例性的,全局位置数据可以是采用全球定位系统(Global Positioning System,GPS)采集到的,全局位置数据包括经度数据、纬度数据和高度数据。
其中,具体的,当点云采集设备采集一帧点云数据的同时,位置采集设备采集一组全局位置数据。
其中,具体的,局部点云地图是基于局部坐标系构建的点云地图,点云地图由至少两帧处于同一局部坐标系中的点云数据构成。其中,局部坐标系的坐标原点为点云采集设备的中心点。在点云采集设备运动过程中,采集到的不同帧点云数据分别对应的局部坐标系可能不同。局部点云地图可以是以任一帧点云数据对应的局部坐标系构建的,如该局部坐标系对应的点云数据可以是第一帧点云数据、最后一帧点云数据或中间任一帧点云数据。此处对局部点云地图对应的局部坐标系不作限定。
S120、基于各帧点云数据和各全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数。
其中,具体的,目标配准参数用于表征局部坐标系与全局坐标系之间的转换关系,目标配准参数包括三个旋转参数和三个平移参数。具体的,三个旋转参数分别为X轴旋转参数、Y轴旋转参数和Z轴旋转参数,三个平移参数分别为X轴平移参数、Y轴平移参数和Z轴平移参数。
在一个实施例中,可选的,基于各帧点云数据和各全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,包括:基于各帧点云数据,确定点云轨迹参数;其中,点云轨迹参数包括各相邻帧点云数据之间的变换矩阵;基于各全局位置数据,确定位置轨迹参数;基于点云轨迹参数和位置轨迹参数,确定局部坐标系与全局坐标系之间的目标配准参数。
其中,具体的,变换矩阵可用于描述相邻帧点云数据对应的局部坐标系之间的转换关系。示例性的,第N帧点云数据与第N+1帧点云数据对应的变换矩阵为W,则基于W可将第N+1帧点云数据从其所在的局部坐标系转换到第N帧点云数据所在的局部坐标系中。其中,具体的,点云轨迹参数可用于描述点云采集设备在局部坐标系下的运动轨迹。
其中,具体的,位置轨迹参数用于表征相邻全局位置数据之间的变化关系。示例性的,第N个全局位置数据为(xn,yn,zn),第N+1个全局位置数据为(xn+1,yn+1,zn+1),则位置轨迹参数为(xn+1-xn,yn+1-yn,zn+1-zn)。其中,具体的,位置轨迹参数可用于描述位置采集设备在全局坐标系下的运动轨迹。
在一个实施例中,可选的,基于点云轨迹参数和位置轨迹参数,确定局部坐标系与全局坐标系之间的目标配准参数,包括:基于点云轨迹参数和位置轨迹参数,确定回归方程,并基于回归方程和各全局位置数据,确定残差方程组;基于残差方程组,确定局部坐标系与全局坐标系之间的目标配准参数。
其中,具体的,基于时间戳、点云轨迹参数和位置轨迹参数,确定回归方程。其中,回归方程是根据样本资料通过回归分析所得到的反映一个变量对另一个变量的回归关系的数学表达式,回归关系包括但不限于线性回归、指数回归、岭回归、套索回归和逻辑回归等等。
其中,具体的,第N帧点云数据和第N个全局位置数据是基于同一时间戳采集的,因此,第N帧点云数据与第N+1帧点云数据对应的第N个点云轨迹参数以及第N个全局位置数据与第N+1个全局位置数据对应的第N个位置轨迹参数对应。假设回归方程为线性回归方程,即y=ax+b,其中,y表示位置轨迹参数,x表示点云轨迹参数,a和b用于描述x和y之间的线性回归关系。
残差在数理统计中是指实际观察值与估计值之间的差。其中,残差方程可以用于描述第N个时间戳对应的测量得到的第N个位置轨迹参数与基于回归方程计算得到的第N个位置轨迹参数之间的差值。其中,具体的,当点云数据的数量为N个时,残差方程组中的残差方程的个数为N-1个。
其中,示例性的,基于最小二乘算法对残差方程组进行非线性优化求解,得到目标配准参数。
S130、基于局部点云地图和目标配准参数,确定全局点云地图。
其中,具体的,基于目标配准参数将局部点云地图从局部坐标系中转换到全局坐标系中,得到全局点云地图。
本实施例的技术方案,通过基于至少两帧点云数据和与各帧点云数据对应的全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,并基于各帧点云数据确定的局部点云地图和目标配准参数,确定全局点云地图,解决了现有点云配准方法作业效率低的问题,降低了点云配准的硬件成本和配准算法的复杂度。
实施例二
图2是本发明实施例二提供的一种全局点云地图的构建方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化。可选的,所述基于各帧点云数据,确定局部点云地图,包括:确定各相邻帧点云数据之间的变换矩阵,并基于所述变换矩阵,将各帧点云数据变换到局部坐标系中,得到局部点云地图。
本实施例的具体实施步骤包括:
S210、获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据。
S220、确定各相邻帧点云数据之间的变换矩阵,并基于变换矩阵,将各帧点云数据变换到局部坐标系中,得到局部点云地图。
在本实施例中,局部点云地图为基于第1帧点云数据对应的局部坐标系构建的。其中,示例性的,当采集到3帧点云数据时,基于第2帧点云数据与第3帧点云数据之间的变换矩阵A,将第3帧点云数据转换到第2帧点云数据所在的局部坐标系中,基于第1帧点云数据与第2帧点云数据之间的变换矩阵B,将第2帧点云数据转换到第1帧点云数据所在的局部坐标系中,其中,第2帧点云数据包含第3帧点云数据。
其中,示例性的,确定变换矩阵的方法包括但不限于迭代最近点算法(IterativeClosest Point,ICP)和正态分布变换(Normal Distribution Transform,NDT)。
在一个实施例中,可选的,确定各相邻帧点云数据之间的变换矩阵,包括:针对每帧点云数据,将当前帧点云数据进行网格划分,确定至少一个网格内的网格点云数据分别对应的正态分布函数;根据各正态分布函数和下一帧点云数据,确定下一帧点云数据在当前帧点云数据中的概率分布函数;基于概率分布函数,确定当前帧点云数据与下一帧点云数据之间的变换矩阵。
其中,正态分布函数是具有均值和方差两个参数的连续型随机变量的分布函数,概率分布函数是用于描述随机变量取值分布规律的数学表示。
其中,具体的,基于初始变换矩阵将下一帧点云数据转换到当前帧点云数据所在的局部坐标系中。其中,初始变换矩阵可以是任意变换矩阵。针对每个网格,基于该网格对应的正态分布函数以及下一帧点云数据在当前帧点云数据对应的该网格内的网格点云数据,确定下一帧点云数据与当前网格对应的子概率分布函数。将至少一个网格分别对应的子概率分布函数相加,得到下一帧点云数据在当前帧点云数据中的概率分布函数。
其中,示例性的,基于牛顿优化算法对概率分布函数进行优化,将概率分布函数的波峰对应的变换矩阵作为当前帧点云数据与下一帧点云数据之间的变换矩阵。
在上述实施例的基础上,可选的,在基于各帧点云数据,确定局部点云地图之前,该方法还包括:针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据;或者,针对每帧点云数据,对当前帧点云数据进行滤波处理,得到滤波后的点云数据;或者,针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据,并对采样后的点云数据进行滤波处理,得到滤波后的点云数据。
其中,示例性的,采样处理的方法包括但不限于均匀采样、集合采样、随机采样和格点采样中至少一项。
其中,示例性的,滤波处理的方法包括但不限于直通滤波、体素滤波、统计滤波、双边滤波、频率滤波、条件滤波和半径滤波中至少一项。
在一个实施例中,可选的,对当前帧点云数据进行采样处理,得到采样后的点云数据,包括:基于预设网格阈值,对当前帧点云数据进行网格划分;针对每个网格,基于网格内的网格点云数据,确定中心点坐标,并将距离中心点坐标最近的网格点云数据点作为目标网格点云数据点;基于各网格分别对应的目标网格点云数据点,确定采样后的点云数据。
其中,具体的,预设网格阈值用于表征划分网格的大小对应的阈值。示例性的,预设网格阈值可以为0.1。
其中,具体的,基于网格内的至少两个网格点云数据点分别对应的点云位置数据,确定中心点坐标。保留网格内距离中心点坐标最近的网格点云数据点,删除网格内除目标网格点云数据点以外的其他网格点云数据点,得到该网格对应的采样后的网格点云数据。
在一个实施例中,可选的,对当前帧点云数据进行滤波处理,得到滤波后的点云数据,包括:针对当前帧点云数据中的每个点云数据点,获取预设距离范围内与点云数据点相邻的至少一个相邻点云数据点,并基于点云数据点与各相邻点云数据点之间的距离,确定高斯分布的标准差;如果预设距离范围内的任一相邻点云数据点与点云数据点之间的距离大于标准差,则将任一相邻点云数据点从当前帧点云数据中删除。
其中,具体的,将与点云数据点之间的距离大于标准差的相邻点云数据删除,或者,将与点云数据点之间的距离大于预设倍数的标准差的相邻点云数据删除。
S230、基于各帧点云数据和各全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数。
S240、基于局部点云地图和目标配准参数,确定全局点云地图。
图3是本发明实施例二提供的一种全局点云地图的构建方法的具体实例的流程图。具体的,采用激光雷达采集点云数据,采用单点GPS采集全局位置数据。基于点云数据确定点云轨迹参数,并基于点云轨迹参数确定局部点云地图。基于全局位置数据确定位置轨迹参数,基于时间戳、点云轨迹参数和位置轨迹参数确定残差方程组,对该残差方程组进行求解得到局部坐标系与全局坐标系之间的目标配准参数,基于目标配准参数将局部点云地图从局部坐标系中转换到全局坐标系中,得到全局点云地图。
本实施例的技术方案,确定各相邻帧点云数据之间的变换矩阵,基于变换矩阵,将各帧点云数据变换到局部坐标系中,得到局部点云地图,以及在确定变换矩阵之前,对点云数据进行采样和/或滤波处理,解决了点云数据冗余的问题,降低了点云数据的数据量,进而提高了全局点云地图的构建效率。
实施例三
图4是本发明实施例三提供的一种全局点云地图的构建装置的示意图。本实施例可适用于构建全局点云地图的情况,该装置可采用软件和/或硬件的方式实现。该全局点云地图的构建装置包括:点云数据获取模块310、目标配准参数确定模块320和全局点云地图确定模块330。
其中,点云数据获取模块310,用于获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
目标配准参数确定模块320,用于基于各帧点云数据和各全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
全局点云地图确定模块330,用于基于局部点云地图和目标配准参数,确定全局点云地图。
本实施例的技术方案,通过基于至少两帧点云数据和与各帧点云数据对应的全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,并基于各帧点云数据确定的局部点云地图和目标配准参数,确定全局点云地图,解决了现有点云配准方法作业效率低的问题,降低了点云配准的硬件成本和配准算法的复杂度。
在上述技术方案的基础上,可选的,目标配准参数确定模块320,包括:
点云轨迹参数确定单元,用于基于各帧点云数据,确定点云轨迹参数;其中,点云轨迹参数包括各相邻帧点云数据之间的变换矩阵;
位置轨迹参数确定单元,用于基于各全局位置数据,确定位置轨迹参数;
目标配置参数确定单元,用于基于点云轨迹参数和位置轨迹参数,确定局部坐标系与全局坐标系之间的目标配准参数。
在上述技术方案的基础上,可选的,目标配准参数确定单元,具体用于:
基于点云轨迹参数和位置轨迹参数,确定回归方程,并基于回归方程和各全局位置数据,确定残差方程组;
基于残差方程组,确定局部坐标系与全局坐标系之间的目标配准参数。
在上述技术方案的基础上,可选的,点云数据获取模块310,包括:
局部点云地图确定单元,用于确定各相邻帧点云数据之间的变换矩阵,并基于变换矩阵,将各帧点云数据变换到局部坐标系中,得到局部点云地图。
在上述技术方案的基础上,可选的,局部点云地图确定单元,具体用于:
针对每帧点云数据,将当前帧点云数据进行网格划分,确定至少一个网格内的网格点云数据分别对应的正态分布函数;
根据各正态分布函数和下一帧点云数据,确定下一帧点云数据在当前帧点云数据中的概率分布函数;
基于概率分布函数,确定当前帧点云数据与下一帧点云数据之间的变换矩阵。
在上述技术方案的基础上,可选的,该装置还包括:
点云数据采样模块,用于在基于各帧点云数据,确定局部点云地图之前,针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据;或者,
第一点云数据滤波模块,用于在基于各帧点云数据,确定局部点云地图之前,针对每帧点云数据,对当前帧点云数据进行滤波处理,得到滤波后的点云数据;或者,
第二点云数据滤波模块,用于在基于各帧点云数据,确定局部点云地图之前,针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据,并对采样后的点云数据进行滤波处理,得到滤波后的点云数据。
在上述技术方案的基础上,可选的,点云数据采样模块,具体用于:
基于预设网格阈值,对当前帧点云数据进行网格划分;
针对每个网格,基于网格内的网格点云数据,确定中心点坐标,并将距离中心点坐标最近的网格点云数据点作为目标网格点云数据点;
基于各网格分别对应的目标网格点云数据点,确定采样后的点云数据。
在上述技术方案的基础上,可选的,第一点云数据滤波模块,具体用于:
针对当前帧点云数据中的每个点云数据点,获取预设距离范围内与点云数据点相邻的至少一个相邻点云数据点,并基于点云数据点与各相邻点云数据点之间的距离,确定高斯分布的标准差;
如果预设距离范围内的任一相邻点云数据点与点云数据点之间的距离大于标准差,则将任一相邻点云数据点从当前帧点云数据中删除。
本发明实施例所提供的全局点云地图的构建装置可以用于执行本发明实施例所提供的全局点云地图的构建方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述全局点云地图的构建装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图5是本发明实施例四提供的一种电子设备的结构示意图,本发明实施例四为本发明上述实施例任一的全局点云地图的构建方法的实现提供服务,可配置本发明实施例三中的全局点云地图的构建装置。
该电子设备的组件包括点云采集设备40,用于采集至少两帧点云数据;位置采集设备41,用于采集与各帧点云数据分别对应的全局位置数据;一个或多个处理器42;存储器43,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器42执行,使得一个或多个处理器42实现本发明上述实施例任一的全局点云地图的构建方法。
图5中以一个处理器42为例;电子设备中的点云采集设备40、位置采集设备41、处理器42和存储器43可以通过总线或其他方式连接,图5中以通过总线连接为例。
其中,示例性的,点云采集设备40包括但不限于激光雷达或深度相机,位置采集设备41为GPS设备。
其中,存储器43作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的全局点云地图的构建方法对应的程序指令/模块(例如,点云数据获取模块310、目标配准参数确定模块320和全局点云地图确定模块330)。处理器42通过运行存储在存储器43中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的全局点云地图的构建方法。
存储器43可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器43可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器43可进一步包括相对于处理器42远程设置的存储器,这些远程存储器可以通过网络连接至该电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在上述实施例的基础上,可选的,该电子设备还包括输入装置和输出装置。输入装置可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
通过上述电子设备,解决了现有点云配准方法作业效率低的问题,降低了点云配准的硬件成本和配准算法的复杂度。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种全局点云地图的构建方法,该方法包括:
获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
基于各帧点云数据和各全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
基于局部点云地图和目标配准参数,确定全局点云地图。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的全局点云地图的构建方法中的相关操作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种全局点云地图的构建方法,其特征在于,包括:
获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
基于所述局部点云地图和目标配准参数,确定全局点云地图。
2.根据权利要求1所述的方法,其特征在于,所述基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数,包括:
基于各帧点云数据,确定点云轨迹参数;其中,所述点云轨迹参数包括各相邻帧点云数据之间的变换矩阵;
基于各所述全局位置数据,确定位置轨迹参数;
基于所述点云轨迹参数和位置轨迹参数,确定局部坐标系与全局坐标系之间的目标配准参数。
3.根据权利要求2所述的方法,其特征在于,所述基于所述点云轨迹参数和位置轨迹参数,确定局部坐标系与全局坐标系之间的目标配准参数,包括:
基于所述点云轨迹参数和位置轨迹参数,确定回归方程,并基于所述回归方程和各所述全局位置数据,确定残差方程组;
基于所述残差方程组,确定局部坐标系与全局坐标系之间的目标配准参数。
4.根据权利要求1所述的方法,其特征在于,所述基于各帧点云数据,确定局部点云地图,包括:
确定各相邻帧点云数据之间的变换矩阵,并基于所述变换矩阵,将各帧点云数据变换到局部坐标系中,得到局部点云地图。
5.根据权利要求4所述的方法,其特征在于,所述确定各相邻帧点云数据之间的变换矩阵,包括:
针对每帧点云数据,将当前帧点云数据进行网格划分,确定至少一个网格内的网格点云数据分别对应的正态分布函数;
根据各所述正态分布函数和下一帧点云数据,确定所述下一帧点云数据在所述当前帧点云数据中的概率分布函数;
基于所述概率分布函数,确定所述当前帧点云数据与所述下一帧点云数据之间的变换矩阵。
6.根据权利要求1所述的方法,其特征在于,在基于各帧点云数据,确定局部点云地图之前,所述方法还包括:
针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据;或者,
针对每帧点云数据,对当前帧点云数据进行滤波处理,得到滤波后的点云数据;或者,
针对每帧点云数据,对当前帧点云数据进行采样处理,得到采样后的点云数据,并对采样后的点云数据进行滤波处理,得到滤波后的点云数据。
7.根据权利要求6所述的方法,其特征在于,所述对当前帧点云数据进行采样处理,得到采样后的点云数据,包括:
基于预设网格阈值,对当前帧点云数据进行网格划分;
针对每个网格,基于所述网格内的网格点云数据,确定中心点坐标,并将距离所述中心点坐标最近的网格点云数据点作为目标网格点云数据点;
基于各网格分别对应的目标网格点云数据点,确定采样后的点云数据。
8.根据权利要求6所述的方法,其特征在于,所述对当前帧点云数据进行滤波处理,得到滤波后的点云数据,包括:
针对所述当前帧点云数据中的每个点云数据点,获取预设距离范围内与所述点云数据点相邻的至少一个相邻点云数据点,并基于所述点云数据点与各相邻点云数据点之间的距离,确定高斯分布的标准差;
如果所述预设距离范围内的任一相邻点云数据点与所述点云数据点之间的距离大于所述标准差,则将所述任一相邻点云数据点从所述当前帧点云数据中删除。
9.一种全局点云地图的构建装置,其特征在于,包括:
点云数据获取模块,用于获取至少两帧点云数据以及与各帧点云数据分别对应的全局位置数据,并基于各帧点云数据,确定局部点云地图;
目标配准参数确定模块,用于基于各帧点云数据和各所述全局位置数据,确定局部坐标系与全局坐标系之间的目标配准参数;
全局点云地图确定模块,用于基于所述局部点云地图和目标配准参数,确定全局点云地图。
10.一种电子设备,其特征在于,所述电子设备包括:
点云采集设备,用于采集至少两帧点云数据;
位置采集设备,用于采集与各帧点云数据分别对应的全局位置数据;
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的全局点云地图的构建方法。
11.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的全局点云地图的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565591.7A CN113192197B (zh) | 2021-05-24 | 2021-05-24 | 一种全局点云地图的构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565591.7A CN113192197B (zh) | 2021-05-24 | 2021-05-24 | 一种全局点云地图的构建方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192197A true CN113192197A (zh) | 2021-07-30 |
CN113192197B CN113192197B (zh) | 2024-04-05 |
Family
ID=76984895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110565591.7A Active CN113192197B (zh) | 2021-05-24 | 2021-05-24 | 一种全局点云地图的构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192197B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884067A (zh) * | 2021-09-30 | 2022-01-04 | 浙江数智交院科技股份有限公司 | 一种隧道定位方法、装置、电子设备及可读存储介质 |
CN117739954A (zh) * | 2024-02-07 | 2024-03-22 | 未来机器人(深圳)有限公司 | 地图局部更新方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447708A (zh) * | 2016-10-10 | 2017-02-22 | 吉林大学 | 一种oct眼底图像数据配准方法 |
US9858640B1 (en) * | 2015-07-15 | 2018-01-02 | Hrl Laboratories, Llc | Device and method for merging 3D point clouds from sparsely distributed viewpoints |
US20180075643A1 (en) * | 2015-04-10 | 2018-03-15 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
CN109100730A (zh) * | 2018-05-18 | 2018-12-28 | 北京师范大学-香港浸会大学联合国际学院 | 一种多车协同快速建图方法 |
CN109887028A (zh) * | 2019-01-09 | 2019-06-14 | 天津大学 | 一种基于点云数据配准的无人车辅助定位方法 |
US20200074729A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for generating three-dimensional scene map |
CN111080682A (zh) * | 2019-12-05 | 2020-04-28 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
CN112799096A (zh) * | 2021-04-08 | 2021-05-14 | 西南交通大学 | 基于低成本车载二维激光雷达的地图构建方法 |
-
2021
- 2021-05-24 CN CN202110565591.7A patent/CN113192197B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075643A1 (en) * | 2015-04-10 | 2018-03-15 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
US9858640B1 (en) * | 2015-07-15 | 2018-01-02 | Hrl Laboratories, Llc | Device and method for merging 3D point clouds from sparsely distributed viewpoints |
CN106447708A (zh) * | 2016-10-10 | 2017-02-22 | 吉林大学 | 一种oct眼底图像数据配准方法 |
CN109100730A (zh) * | 2018-05-18 | 2018-12-28 | 北京师范大学-香港浸会大学联合国际学院 | 一种多车协同快速建图方法 |
US20200074729A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for generating three-dimensional scene map |
CN109887028A (zh) * | 2019-01-09 | 2019-06-14 | 天津大学 | 一种基于点云数据配准的无人车辅助定位方法 |
CN111080682A (zh) * | 2019-12-05 | 2020-04-28 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
CN112799096A (zh) * | 2021-04-08 | 2021-05-14 | 西南交通大学 | 基于低成本车载二维激光雷达的地图构建方法 |
Non-Patent Citations (1)
Title |
---|
沈江华;孙殿柱;李延瑞;梁增凯: "点云初始配准的优化求解算法", 西安交通大学学报, no. 008 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884067A (zh) * | 2021-09-30 | 2022-01-04 | 浙江数智交院科技股份有限公司 | 一种隧道定位方法、装置、电子设备及可读存储介质 |
CN117739954A (zh) * | 2024-02-07 | 2024-03-22 | 未来机器人(深圳)有限公司 | 地图局部更新方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113192197B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951397B (zh) | 一种多机协同构建三维点云地图的方法、装置和存储介质 | |
CN109410735B (zh) | 反射值地图构建方法和装置 | |
CN113192197B (zh) | 一种全局点云地图的构建方法、装置、设备及存储介质 | |
CN111033318A (zh) | 当地气象预测 | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
CN112001287A (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
CN111784835A (zh) | 制图方法、装置、电子设备及可读存储介质 | |
CN114187412B (zh) | 高精地图生成方法、装置、电子设备及存储介质 | |
CN111815098A (zh) | 基于极端天气的交通信息处理方法、装置、存储介质和电子设备 | |
KR20220001274A (ko) | 3d 맵의 변경 구역 업데이트 시스템 및 그 방법 | |
CN116106870A (zh) | 车辆激光雷达外参的标定方法和装置 | |
CN115391545A (zh) | 一种面向多平台协同观测任务的知识图谱构建方法和装置 | |
CN112000893A (zh) | 常驻区域预测方法、装置、设备及存储介质 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
US10318558B2 (en) | Automating weather model configurations | |
CN111538918B (zh) | 一种推荐方法、装置、电子设备及存储介质 | |
CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN111047107A (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN111624635A (zh) | 一种移动终端的定位方法、系统、服务器和存储介质 | |
CN116561240A (zh) | 电子地图处理方法、相关装置和介质 | |
CN116225877A (zh) | 一种性能测试方法、装置、电子设备和存储介质 | |
CN114852096A (zh) | 域控制器变量的管理方法、装置、电子设备及存储介质 |
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 |