CN113344995A - 基于直线特征的数据配准方法、装置、设备及存储介质 - Google Patents
基于直线特征的数据配准方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113344995A CN113344995A CN202110690537.5A CN202110690537A CN113344995A CN 113344995 A CN113344995 A CN 113344995A CN 202110690537 A CN202110690537 A CN 202110690537A CN 113344995 A CN113344995 A CN 113344995A
- Authority
- CN
- China
- Prior art keywords
- frame
- polar coordinate
- data
- sampling data
- registration
- 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
Images
Classifications
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种基于直线特征的数据配准方法、装置、设备及存储介质。该方法属于数据处理技术领域,其包括:首先分别对获取到的第一帧采样数据及第二帧采样数据进行直线特征提取及坐标映射得到第一极坐标直线特征及第二极坐标直线特征,再根据定义的平面位置变换关系构建第一帧采样数据和第二帧采样数据之间的极坐标位置变换关系;然后根据极坐标位置变换关系、第一极坐标直线特征以及第二极坐标直线特征构建配准误差函数;最后根据配准误差函数通过预设算法求解平面位置变换关系以实现第一帧采样数据及第二帧采样数据之间的数据配准。本申请实施例可提高数据配准的精度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于直线特征的数据配准方法、装置、设备及存储介质。
背景技术
数据配准是将两个或两个以上坐标系中的大容量三维空间数据点集转换到统一坐标系中的数学计算过程,实际上就是要找出两个坐标系之间的变换关系。其应用于无人驾驶的感知系统,三维重建的图片对齐以及移动机器人的导航与定位等热门领域,目前现有的数据配准方法均基于点特征,例如点集对点集的配准方法,当数据采集装置(摄像头、激光雷达等)被遮挡或大运动时,数据配准的精度较低。
发明内容
本发明实施例提供了一种基于直线特征的数据配准方法、装置、设备及存储介质,旨在解决现有数据配准的精度较低的问题。
第一方面,本发明实施例提供了一种基于直线特征的数据配准方法,其包括:
获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;
分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;
根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;
根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;
根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
第二方面,本发明实施例还提供了一种基于直线特征的数据配准装置,其包括:
获取单元,用于获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;
提取映射单元,用于分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;
第一构建单元,用于根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;
第二构建单元,用于根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;
计算单元,用于根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明实施例提供了一种基于直线特征的数据配准方法、装置、设备及存储介质。其中,所述方法包括:首先分别对获取到的第一帧采样数据及第二帧采样数据进行直线特征提取及坐标映射得到第一极坐标直线特征及第二极坐标直线特征,再根据定义的平面位置变换关系构建第一帧采样数据和第二帧采样数据之间的极坐标位置变换关系;然后根据极坐标位置变换关系、第一极坐标直线特征以及第二极坐标直线特征构建配准误差函数;最后根据配准误差函数通过预设算法求解平面位置变换关系以实现第一帧采样数据及第二帧采样数据之间的数据配准。本发明实施例的技术方案,基于直线特征求解平面位置变换关系而非点特征,当数据采集装置被遮挡或大运动时,可提高数据配准的精度。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明实施例提供的一种基于直线特征的数据配准方法的流程示意图;
图2为本发明实施例提供的一种基于直线特征的数据配准方法的子流程示意图;
图3为本发明实施例提供的一种基于直线特征的数据配准方法的子流程示意图;
图4为本发明实施例提供的一种基于直线特征的数据配准方法的子流程示意图;
图5为本发明实施例提供的一种基于直线特征的数据配准方法的子流程示意图;
图6为本发明实施例提供的一种基于直线特征的数据配准装置的示意性框图;
图7为本发明实施例提供的基于直线特征的数据配准装置的提取映射单元的示意性框图;
图8为本发明实施例提供的基于直线特征的数据配准装置的第一构建单元的示意性框图;
图9为本发明实施例提供的基于直线特征的数据配准装置的第二构建单元的示意性框图;
图10为本发明实施例提供的基于直线特征的数据配准装置的第六构建子单元的示意性框图;
图11为本发明实施例提供的基于直线特征的数据配准装置的计算单元的示意性框图;
图12为本发明实施例提供的基于直线特征的数据配准装置的第二计算子单元的示意性框图;以及
图13为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1是本发明实施例提供的一种基于直线特征的数据配准方法的流程示意图。本发明实施例的基于直线特征的数据配准方法可应用于移动机器人终端上,例如可通过配置于移动机器人终端上的软件程序来实现该基于直线特征的数据配准方法,从而提高数据配准的精度。如图1所示,该方法包括以下步骤S100-S140。
S100、获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据。
在本发明实施例中,移动机器人终端在自行移动过程中,其上的数据采集装置(摄像头、激光雷达)会自动采集第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据,采集到所述第一帧采样数据及所述第二帧采样数据之后,移动机器人终端会获取所述第一帧采样数据及所述第二帧采样数据并对其进行一系列处理之后实现数据配准。
S110、分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征。
在本发明实施例中,移动机器人终端获取到第一帧采样数据和第二帧采样数据之后,会分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征,得到所述第一直线特征及所述第二直线特征之后,再将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
请参阅图2,在一实施例中,例如在本发明实施例中,所述步骤S110包括如下步骤S111-S112。
S111、通过预设直线特征提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征;
S112、将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
在本发明实施例中,分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征。具体地,通过预设直线提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征,其中,预设直线特征提取方法可以使用霍夫变换法、Split-and-Merge法、Line-Regression法、Line-Tracking法以及RANSAC法中的任意一种;得到所述第一直线特征及所述第二直线特征之后,将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。在实际应用中,假设提取的第一直线特征和第二直线特征分别表示为:
Li={Li,k|k=1,2,3…} (1)
Li+1={Li+1,k|k=1,2,3…} (2)
其中,Li,k表示第i帧采样数据中提取得到的第k条直线,Li+1,k表示第i+1帧采样数据中提取得到的第k条直线。Li表示第i帧采样数据中提取得到全部直线特征的集合,即为第一直线特征,Li+1表示第i+1帧采样数据中提取得到全部直线特征的集合,即为第二直线特征。
将提取的第一直线特征和第二直线特征从平面坐标系映射到极坐标系中分别表示为:
S120、根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系。
在本发明实施例中,分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征之后,根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系,其中,平面位置变换关系包括旋转角度和平移矩阵;极坐标位置变换关系包括角度变换关系及距离变换关系。
请参阅图3,在一实施例中,例如在本发明实施例中,所述步骤S120包括如下步骤S121-S122。
S121、根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;
S122、根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。
在本发明实施例中,分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征之后,根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。在实际应用中,角度变换关系及距离变换关系表示如下:
αi+1,k=αi,k+θ (6)
li+1,k=li,k+txcos(αi,k+θ)+tysin(αi,k+θ) (7)
其中,θ为旋转角度,t=(tx,ty)为平移矩阵,l为直线(第一直线及第二直线)到原点的距离,α为直线法向量和x轴的夹角。
S130、根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数。
在本发明实施例中,构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系之后,根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数。
请参阅图4,在一实施例中,例如在本发明实施例中,所述步骤S130包括如下步骤S131-S135。
S131、在预设角度范围内构建所述数据采集装置的采集区域面积公式;
S132、根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式;
S133、根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式;
S134、将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式;
S135、根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在本发明实施例中,根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数。具体地,在预设角度范围内构建所述数据采集装置的采集区域面积公式,其中,预设角度范围为(0,2π),采集区域面积公式为公式(8);根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式,其中,预设距离函数为平面配准误差公式为公式(9);根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式,其中,极坐标局部误差公式为公式(10),公式(10)中ai为第一直线和第二直线下界中最大的下界,bi为第一直线和第二直线上界中最大的上界;将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式,即将公式(6)和公式(7)代入公式(10)可得到目标局部误差公式公式(11),其中,Pi定义为公式(12);根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。其中,极坐标全局配准误差公式为公式(13),覆盖系数为公式(14)。
S140、根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在本发明实施例中,构建所述配准误差函数之后,会根据构建的所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。其中,预设算法为Adam算法,在本发明实施例中,Adam算法利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率,可理解地,参数即为平面位置变换关系所对应的位置参数,在经过偏置校正后,每一次迭代后的学习率都有确定的范围,使得参数较为平稳,即可以平稳求出所述平面位置变换关系。
请参阅图5,在一实施例中,例如在本发明实施例中,所述步骤S140包括如下步骤S141-S145。
S141、对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置;
S142、计算所述偏导位置当前时刻的梯度值以得到梯度位置参数;
S143、通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量;
S144、根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值;
S145、根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在本发明实施例中,为方便理解,先介绍Adam算法的步骤,假设待优化参数为ω,目标函数为f(ω),学习率为σ,初始值为0.01,Adam算法在每次迭代中执行如下步骤:
步骤二:计算一阶动量和二阶动量:mt=φ(g1,g2,…,gt),Vt=ψ(g1,g2,…,gt);
mt=β1·mt-1+(1-β1)·gt (15)
其中,在公式(15)至公式(16)中,β1=0.9、β2=0.999和ε=0.00000001。
步骤四:更新下一时刻参数值ωt+1=ωt-ηt,直至t为预设更新次数。
在理解Adam算法求解参数过程之后,先对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置,在实际应用中,是分别对旋转角度、平移矩阵中的x方向上的平移量以及y方向的平移量求偏导,具体地,如公式(19)至公式(21)所示,求得到偏导位置之后,计算所述偏导位置当前时刻的梯度值以得到梯度位置参数,对应于Adam算法的步骤一;通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量,对应于Adam算法的步骤二;根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值,对应于Adam算法的步骤三;根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准,对应于Adam算法的步骤四。
图6是本发明实施例提供的一种基于直线特征的数据配准装置200的示意性框图。如图6所示,对应于以上基于直线特征的数据配准方法,本发明还提供一种基于直线特征的数据配准装置200。该基于直线特征的数据配准装置200包括用于执行上述基于直线特征的数据配准方法的单元,该装置可以被配置于设置有数据采集装置的终端中,例如配置于移动机器人终端。具体地,请参阅图6,该基于直线特征的数据配准装置200包括获取单元201、提取映射单元202、第一构建203、第二构建单元204以及计算单元205。
其中,所述获取单元201用于获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;所述提取映射单元202用于分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;所述第一构建单元203用于根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;所述第二构建单元204用于根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;所述计算单元205用于根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,如图7所示,所述提取映射单元202包括提取单元2021及映射单元2022。
其中,所述提取单元2021用于通过预设直线特征提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征;所述映射单元2022用于将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
在某些实施例,例如本实施例中,如图8所示,所述第一构建单元203包括第一构建子单元2031及第二构建子单元2032。
其中,所述第一构建子单元2031用于根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;所述第二构建子单元2032用于根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。
在某些实施例,例如本实施例中,如图9所示,所述第二构建单元204包括第三构建子单元2041、第四构建子单元2042、第五构建子单元2043以及第六构建子单元2044。
其中,所述第三构建子单元2041用于在预设角度范围内构建所述数据采集装置的采集区域面积公式;所述第四构建子单元2042用于根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式;所述第五构建子单元2043用于根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式;所述第六构建子单元2044用于根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,如图10所示,所述第六构建子单元2044包括代入单元20441及第七构建子单元20442。
其中,所述代入单元20441用于将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式;所述第七构建子单元20442用于根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,如图11所示,所述计算单元205包括第一计算子单元2051及第二计算子单元2052。
其中,所述第一计算子单元2051用于对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置;所述第二计算子单元2052用于根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,如图12所示,所述第二计算子单元2052包括第三计算子单元20521、第四计算子单元20522、第五计算子单元20523以及更新单元20524。
其中,所述第三计算子单元20521用于计算所述偏导位置当前时刻的梯度值以得到梯度位置参数;所述第四计算子单元20522用于通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量;所述第五计算子单元20523用于根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值;所述更新单元20524用于根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
请参阅图13,图13是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备300为终端,终端可以是设置有数据采集装置的移动机器人终端。
参阅图13,该计算机设备300包括通过系统总线301连接的处理器302、存储器和网络接口305,其中,存储器可以包括存储介质303和内存储器304。
该存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时,可使得处理器302执行一种基于直线特征的数据配准方法。
该处理器302用于提供计算和控制能力,以支撑整个计算机设备300的运行。
该内存储器304为存储介质303中的计算机程序3032的运行提供环境,该计算机程序3032被处理器302执行时,可使得处理器302执行一种基于直线特征的数据配准方法。
该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备300的限定,具体的计算机设备300可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器302用于运行存储在存储器中的计算机程序3032,以实现如下步骤:获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,处理器302在实现所述分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征步骤时,具体实现如下步骤:通过预设直线特征提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征;将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
在某些实施例,例如本实施例中,处理器302在实现所述根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系步骤时,具体实现如下步骤:根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。
在某些实施例,例如本实施例中,处理器302在实现所述根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数步骤时,具体实现如下步骤:在预设角度范围内构建所述数据采集装置的采集区域面积公式;根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式;根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式;根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,处理器302在实现所述根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数步骤时,具体实现如下步骤:将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式;根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,处理器302在实现所述根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准步骤时,具体实现如下步骤:对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置;根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,处理器302在实现所述根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准步骤时,具体实现如下步骤:计算所述偏导位置当前时刻的梯度值以得到梯度位置参数;通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量;根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值;根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
应当理解,在本申请实施例中,处理器302可以是中央处理单元(CentralProcessing Unit,CPU),该处理器302还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤:获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征步骤时,具体实现如下步骤:通过预设直线特征提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征;将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系步骤时,具体实现如下步骤:根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数步骤时,具体实现如下步骤:在预设角度范围内构建所述数据采集装置的采集区域面积公式;根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式;根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式;根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数步骤时,具体实现如下步骤:将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式;根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准步骤时,具体实现如下步骤:对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置;根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
在某些实施例,例如本实施例中,所述处理器在执行所述计算机程序而实现所述根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准步骤时,具体实现如下步骤:计算所述偏导位置当前时刻的梯度值以得到梯度位置参数;通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量;根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值;根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以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,或者该技术方案的全部或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,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于直线特征的数据配准方法,其特征在于,包括:
获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;
分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;
根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;
根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;
根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征,包括:
通过预设直线特征提取方法分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取以得到第一直线特征及第二直线特征;
将所述第一直线特征及所述第二直线特征从平面坐标系映射到极坐标系以得到第一极坐标直线特征及第二极坐标直线特征。
3.根据权利要求1所述的方法,其特征在于,所述根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系,包括:
根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的旋转角度构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的角度变换关系;
根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的所述旋转角度及平移矩阵构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的距离变换关系。
4.根据权利要求1所述的方法,其特征在于,所述根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数,包括:
在预设角度范围内构建所述数据采集装置的采集区域面积公式;
根据所述采集区域面积公式中的预设距离函数构建平面配准误差公式;
根据所述第一极坐标直线特征、所述第二极坐标直线特征以及所述平面配准误差公式构建极坐标局部误差公式;
根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述极坐标位置变换关系及所述极坐标局部误差公式构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数,包括:
将所述极坐标位置变换关系代入所述极坐标局部误差公式以得到极坐标目标局部误差公式;
根据所述极坐标目标局部误差公式及预设覆盖系数构建极坐标全局配准误差公式,并将所述极坐标全局配准误差公式作为所述配准误差函数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准,包括:
对所述配准误差函数中所述平面位置变换关系所对应的位置参数求偏导以得到偏导位置;
根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
7.根据权利要求6所述的方法,其特征在于,所述根据所述偏导位置通过Adam算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准,包括:
计算所述偏导位置当前时刻的梯度值以得到梯度位置参数;
通过第一预设动量公式及第二预设动量公式分别计算所述梯度位置参数所对应的位置一阶动量及位置二阶动量;
根据所述位置一阶动量及所述位置二阶动量通过预设下降梯度公式计算当前时刻的位置下降梯度值;
根据所述位置下降梯度值更新下一时刻的梯度位置参数直至达到预设更新次数为止,以得到所述平面位置变换关系,实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
8.一种基于直线特征的数据配准装置,其特征在于,包括:
获取单元,用于获取数据采集装置采集到的第一帧采样数据和第二帧采样数据,其中,所述第一帧采样数据和所述第二帧采样数据为两相邻时刻的采样数据;
提取映射单元,用于分别对所述第一帧采样数据及所述第二帧采样数据进行直线特征提取及坐标映射以得到第一极坐标直线特征及第二极坐标直线特征;
第一构建单元,用于根据平面坐标系下定义的所述第一帧采样数据和所述第二帧采样数据之间的平面位置变换关系构建极坐标系下所述第一帧采样数据和所述第二帧采样数据之间的极坐标位置变换关系;
第二构建单元,用于根据所述极坐标位置变换关系、所述第一极坐标直线特征以及所述第二极坐标直线特征构建配准误差函数;
计算单元,用于根据所述配准误差函数通过预设算法求解所述平面位置变换关系以实现所述第一帧采样数据及所述第二帧采样数据之间的数据配准。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110690537.5A CN113344995A (zh) | 2021-06-22 | 2021-06-22 | 基于直线特征的数据配准方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110690537.5A CN113344995A (zh) | 2021-06-22 | 2021-06-22 | 基于直线特征的数据配准方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344995A true CN113344995A (zh) | 2021-09-03 |
Family
ID=77477486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110690537.5A Pending CN113344995A (zh) | 2021-06-22 | 2021-06-22 | 基于直线特征的数据配准方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344995A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
CN107179086A (zh) * | 2017-05-24 | 2017-09-19 | 北京数字绿土科技有限公司 | 一种基于激光雷达的制图方法、装置及系统 |
US20200334861A1 (en) * | 2019-04-22 | 2020-10-22 | Great Wall Motor Company Limited | Methods and Systems to Compensate for Vehicle Calibration Errors |
CN112381890A (zh) * | 2020-11-27 | 2021-02-19 | 上海工程技术大学 | 一种基于点线特征的rgb-d视觉slam方法 |
-
2021
- 2021-06-22 CN CN202110690537.5A patent/CN113344995A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778688A (zh) * | 2015-03-27 | 2015-07-15 | 华为技术有限公司 | 点云数据的配准方法及装置 |
CN107179086A (zh) * | 2017-05-24 | 2017-09-19 | 北京数字绿土科技有限公司 | 一种基于激光雷达的制图方法、装置及系统 |
US20200334861A1 (en) * | 2019-04-22 | 2020-10-22 | Great Wall Motor Company Limited | Methods and Systems to Compensate for Vehicle Calibration Errors |
CN112381890A (zh) * | 2020-11-27 | 2021-02-19 | 上海工程技术大学 | 一种基于点线特征的rgb-d视觉slam方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109959381B (zh) | 一种定位方法、装置、机器人及计算机可读存储介质 | |
CN111812658B (zh) | 位置确定方法、装置、系统和计算机可读存储介质 | |
CN101464134B (zh) | 一种空间目标三维位姿视觉测量方法 | |
CN112230242A (zh) | 位姿估计系统和方法 | |
CN113792411B (zh) | 一种基于中心误差熵准则无迹卡尔曼滤波的航天器姿态确定方法 | |
CN112444246B (zh) | 高精度的数字孪生场景中的激光融合定位方法 | |
CN111366156A (zh) | 基于神经网络辅助的变电站巡检机器人导航方法及系统 | |
CN112798021A (zh) | 基于激光多普勒测速仪的惯导系统行进间初始对准方法 | |
CN115033844A (zh) | 一种无人机状态估计方法、系统、设备及可读存储介质 | |
CN113310505A (zh) | 传感器系统的外参标定方法、装置及电子设备 | |
CN113344995A (zh) | 基于直线特征的数据配准方法、装置、设备及存储介质 | |
CN114858166B (zh) | 基于最大相关熵卡尔曼滤波器的imu姿态解算方法 | |
CN114897942B (zh) | 点云地图的生成方法、设备及相关存储介质 | |
CN111123323B (zh) | 一种提高便携设备定位精度的方法 | |
CN113189541B (zh) | 一种定位方法、装置及设备 | |
CN114993317A (zh) | 一种基于多源融合的室内外无缝定位方法 | |
CN112633043B (zh) | 一种车道线确定方法、装置、电子设备及存储介质 | |
CN114323007A (zh) | 一种载体运动状态估计方法及装置 | |
CN109343013B (zh) | 一种基于重启机制的空间配准方法和系统 | |
CN109059915B (zh) | 重力补偿方法、系统和装置 | |
CN111862163B (zh) | 一种轨迹优化方法及装置 | |
CN108332751B (zh) | 一种多源融合定位方法、装置、电子设备及存储介质 | |
Zhou et al. | Robust Multi-sensor Fusion via Factor Graph and Variational Bayesian Inference | |
ul Hassan et al. | GPS aided in motion coarse alignment using fast optimal attitude matrix (FOAM) and wavelet filter | |
Iyer et al. | Localization of self-driving car using particle filter |
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 |