CN113674411A - 基于位姿图调整的建图方法及相关设备 - Google Patents

基于位姿图调整的建图方法及相关设备 Download PDF

Info

Publication number
CN113674411A
CN113674411A CN202110865352.3A CN202110865352A CN113674411A CN 113674411 A CN113674411 A CN 113674411A CN 202110865352 A CN202110865352 A CN 202110865352A CN 113674411 A CN113674411 A CN 113674411A
Authority
CN
China
Prior art keywords
pose
closed
loop
fitting
target
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
Application number
CN202110865352.3A
Other languages
English (en)
Other versions
CN113674411B (zh
Inventor
王坤
林辉
卢维
殷俊
涂曙光
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202110865352.3A priority Critical patent/CN113674411B/zh
Publication of CN113674411A publication Critical patent/CN113674411A/zh
Application granted granted Critical
Publication of CN113674411B publication Critical patent/CN113674411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请提供了一种基于位姿图调整的建图方法及相关设备。该方法包括：获取点云地图中错误点云数据的拟合线段以及目标线段，并确认拟合线段和目标线段之间的调整模式；确定拟合线段附近点云对应的拟合位姿序列，以及目标线段附近点云对应的目标位姿序列；基于调整模式、拟合位姿序列以及目标位姿序列，确定目标位姿序列所在的新闭环约束；利用新闭环约束对位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。本申请提高了建图一致性。

Description

基于位姿图调整的建图方法及相关设备
技术领域
本申请涉及移动机器人技术领域，特别是涉及一种基于位姿图调整的建图方法及相关设备。
背景技术
移动机器人是一种具有高度自规划、自组织、自适应能力的机器人。目前移动机器人已在各行业中显示了越来越广泛的应用前景。在移动机器人相关技术的研究中，导航定位技术是其研究的核心和关键，也是实现移动机器人智能化的关键，而建图则是机器人实现定位的重要基础。目前，通常采用基于2D激光的SLAM，例如，基于滤波的方法或者基于图优化的方法，存在建图效果差的问题。
发明内容
本申请提供了一种基于位姿图调整的建图方法及相关设备，以提高了建图的一致性。
为解决上述技术问题，本申请提供了一种基于位姿图调整的建图方法，所述方法包括：
获取所述点云地图中错误点云数据的拟合线段以及目标线段，并确定所述拟合线段和所述目标线段之间的调整模式；
确定所述拟合线段附近点云对应的拟合位姿序列，以及所述目标线段附近点云对应的目标位姿序列；
基于所述调整模式、所述拟合位姿序列以及所述目标位姿序列，确定所述目标位姿序列所在的新闭环约束；
利用所述新闭环约束对所述位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于所述优化后的多个闭环约束重构目标地图。
为解决上述技术问题，本申请提供了一种建图装置，所述建图装置包括：
获取单元，用于获取所述点云地图中错误点云数据的拟合线段以及目标线段，并确定所述拟合线段和所述目标线段之间的调整模式；
第一确定单元，用于确定所述拟合线段附近点云对应的拟合位姿序列，以及所述目标线段附近点云对应的目标位姿序列；
第二确定单元，用于基于所述调整模式、所述拟合位姿序列以及所述目标位姿序列，确定所述目标位姿序列所在的新闭环约束；
优化单元，用于利用所述新闭环约束对所述位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于所述优化后的多个闭环约束重构目标地图。
为解决上述技术问题，本申请提供了一种终端设备，所述设备包括存储器以及与所述存储器耦接的处理器；
所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的基于位姿图调整的建图方法。
为解决上述技术问题，本申请还提供了一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现如上述的基于位姿图调整的建图方法。
本申请提供的基于位姿图调整的建图方法在离线点云地图中基于人工调整添加正确闭环约束，避免对其他原本正确的位姿产生负面影响，具体为获取点云地图中错误点云数据的拟合线段以及目标线段，并利用拟合线段以及目标线段之间的调整模式、拟合线段附近点云对应的拟合位姿序列以及目标线段附近点云对应的目标位姿序列，获取新闭环约束，以利用新闭环约束优化位姿图中的所有闭环约束，从而提高了建图的成功率及建图一致性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅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。其中：
图1是本申请提供的基于位姿图调整的建图方法一实施例的流程示意图；
图2是本申请提供的基于位姿图调整的建图方法中调整后的拟合位姿序列的简易效果示意图；
图3是本申请提供的基于位姿图调整的建图方法中调整不连续位姿序列后的简易效果示意图；
图4是图1所示的基于位姿图调整的建图方法中S105一实施例的流程示意图；
图5是图4所示的基于位姿图调整的建图方法中S203一实施例的流程示意图；
图6是本申请提供的建图装置一实施例的结构示意图；
图7是本申请提供的终端设备一实施例的结构示意图；
图8是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请提出了一种基于位姿图调整的建图方法，具体请参阅图1，图1是本申请提供的基于位姿图调整的建图方法一实施例的流程示意图。本实施例中基于位姿图调整的建图方法可以应用于建图装置，本申请的建图装置可以为服务器，也可以为移动设备，还可以为由服务器和移动设备相互配合的系统。相应地，移动设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于移动设备中，还可以分别设置于服务器和移动设备中。
进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
本实施例的基于位姿图调整的建图方法具体包括以下步骤：
S101：获取点云地图中错误点云数据的拟合线段以及目标线段，并确定拟合线段和目标线段之间的调整模式。
本公开实施例中，考虑到目前利用算法检测位姿图中的错误闭环无法保证每次检测的准确性，并且错误的闭环会严重影响后端处理的正确结果。为此，本实施例的建图装置引入人工调整点云地图中的错误点云数据。具体为，技术人员手动在点云地图中错误点云数据处确定拟合线段和目标线段，并在拟合线段和目标线段上选中两段点云数据。建图装置接收技术人员的操作指令，获取拟合线段和目标线段，并确定拟合线段和目标线段之间的调整模式。
在具体实施例中，调整模式可以为重合、共线、平行或垂直等。需要说明的是，建图装置可根据技术人员在拟合线段和目标线段上选中的两段点云数据确定拟合线段和目标线段之间的调整模式。例如，建图装置根据操作指令获取到技术人员在拟合线段和目标线段上选中的两段点云数据为平行关系时，建图装置可设置拟合线段和目标线段之间的调整模式为平行。
S102：确定拟合线段附近点云对应的拟合位姿序列，以及目标线段附近点云对应的目标位姿序列。
考虑到错误点云的改变将导致与错误点云对应的位姿变换。为了调整错误点云对应的位姿序列，本实施例的建图装置需确定拟合线段附近点云对应的拟合位姿序列，以及目标线段附近点云对应的目标位姿序列。具体地，建图装置可选取拟合线段预设距离范围内的点云对应的位姿序列作为拟合位姿序列，选取目标线段预设距离范围内的点云对应的位姿序列作为目标位姿序列。其中，拟合位姿序列及目标位姿序列即为人工添加约束的对象。
进一步地，为了提高拟合线段与其附近点云以及目标线段与其附近点云的贴合度，本实施例的建图装置可利用期望最大法(Expectation Maximum)调整拟合线段和目标线段的位置。
S103：根据调整模式、拟合位姿序列和目标位姿序列，确定拟合位姿序列和目标位姿序列之间的相对位姿变换关系。
其中，本实施例的建图装置根据调整模式、拟合位姿序列和目标位姿序列确定拟合位姿序列和目标位姿序列之间的相对位姿变换关系。
S104：利用相对位姿变换关系及目标位姿序列调整拟合位姿序列，得到调整后的拟合位姿序列，新闭环约束包括目标位姿序列和调整后的拟合位姿序列。
基于拟合位姿序列和目标位姿序列之间的相对位姿变换关系，建图装置利用相对位姿变换关系及目标位姿序列调整拟合位姿序列，得到调整后的拟合位姿序列，进而得到新闭环约束。新闭环约束包括目标位姿序列、调整后的拟合位姿序列以及调整后的其余位姿序列。详情可查阅图2，图2中的初始Xb即为拟合位姿序列，目标位姿序列图中未示。
进一步地，由于闭环约束包括目标位姿序列、拟合位姿序列以及其余位姿序列，建图装置对拟合位姿序列进行位姿调整后，调整后的拟合位姿序列与其余位姿序列之间无法形成连续的位姿序列。例如，图2中的位姿xt和位姿xt-1即为不连续位姿。若建图装置直接利用保留不连续位姿序列的闭环约束进行后续处理，将影响联合优化的效果。对此，本实施例的建图装置需对调整后的拟合位姿序列与其余位姿序列之间的不连续位姿进行消除处理，得到调整后的其余位姿序列。详情可参阅图3，图3中的实线圈即为消除不连续后的位姿序列。
在具体实施例中，本实施例的建图装置可采用封闭型在线位姿链SLAM技术消除不连续位姿序列。具体地，建图装置可获取调整后的拟合位姿序列Xb中的第一位姿xt与其余位姿序列中的第二位姿xt-1，以及第一位姿xt与第二位姿xt-1之间的变换关系A。进一步地，建图装置计算其余位姿中各位姿的协方差作为权重分配C，进而利用分配权重及变换关系对第二位姿及其余位姿进行处理，从而使第一位姿xt与第二位姿xt-1之间的变换关系恢复为连续状态，得到调整后的第二位姿及调整后的其余位姿。其中，调整后的其余位姿序列包括调整后的第二位姿和调整后的其余位姿。其余位姿序列中各位姿为第一位姿xt之前的各位姿。
S105：利用新闭环约束对位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。
可选地，本实施例可以采用图4实施例实现S105，具体包括S201至S203：
S201：利用新闭环约束获取新约束信息。
为了优化局部地图的一致性，本实施例的建图装置利用新闭环约束获取新约束信息，即建图装置在新闭环约束附近搜索新约束信息。具体地，建图装置选取新闭环约束中调整后的位姿序列的一位姿作为当前节点，并基于当前节点设置预设搜索范围，确定预设搜索范围内的多个关联节点，以基于多个关联节点和当前节点确定新约束信息。
在具体实施例中，多个关联节点形成不包括当前节点的数据链。建图装置利用当前节点与关联节点进行匹配，响应于匹配值大于等于预设匹配阈值，产生边，即新约束信息。其中，该边的一端为当前节点，另一端为数据链中质心距离当前节点质心最近的节点。
S202：利用新约束信息约束位姿图中的所有闭环约束，得到约束后的多个闭环约束。
其中，建图装置利用S201中获取的新约束信息约束位姿图中的所有闭环约束，得到约束后的多个闭环约束。
S203：对约束后的多个闭环约束进行分组优化处理，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。
为了剔除所有闭环约束中残差较大的闭环约束，本实施例的建图装置对约束后的多个闭环约束进行分组优化处理，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。
可选地，本实施例可以采用图5实施例实现S203，具体包括S301至S303：
S301：对约束后的多个闭环约束进行分组处理，得到多组闭环约束。
在具体实施例中，建图装置获取约束后的多个闭环约束中任两闭环约束的两端节点及两点节点对应的时间戳，并计算一闭环约束的一端节点与另一闭环约束对应端节点之间的时间戳差值的第一模，以及计算一闭环约束的另一端节点与另一闭环约束对应端节点之间的时间戳差值的第二模；判断第一模是否小于预设时间阈值以及第二模是否小于预设时间阈值；响应于第一模小于预设时间阈值且第二模小于预设时间阈值，判定两闭环约束为同组，以得到多组闭环约束。
具体地，约束后的多个闭环约束的分组满足下式：
Figure BDA0003187336680000071
且||tj-tq||＜tg
其中，li，j是两端节点分别为i和j的闭环约束。lp，q是两端节点分别为p和q的闭环约束。Lk是闭环约束集合，也即约束后的多个闭环约束形成的集合。||ti-tp||为闭环约束li，j的一端节点i与另一闭环约束lp，q对应端节点p之间的时间戳差值的第一模。||tj-tq||为闭环约束li，j的另一端节点j与另一闭环约束lp，q对应端节点q之间的时间戳差值的第二模。tg为判断两个闭环约束li，j和lp，q是否属于同组的预设时间阈值。在具体实施例中，tg可根据数据链中的节点的产生速率设置。
S302：对每组闭环约束进行组内优化，得到多组组内优化后的闭环约束。
为了剔除组内错误的闭环约束，建图装置对每组闭环约束进行组内优化，得到多组组内优化后的闭环约束。
具体地，建图装置将各组闭环约束与相邻帧约束集合进行联合优化处理，得到组内各闭环约束优化后的残差，并剔除其中残差最大的闭环约束，得到组内优化后的多组闭环约束
S303：对各组组内优化后的闭环约束进行组间优化，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。
其中，建图装置对各组组内优化后的闭环约束进行组间优化，得到优化后的多个闭环约束。
具体地，建图装置依次将各组组内优化后的闭环约束添加至相邻帧约束集合中进行优化处理，得到组间优化后各组闭环约束的残差，并剔除残差较大的组，得到优化后的多个闭环约束。
进一步地，建图装置利用非线性最小二乘法对位姿图中优化后的多个闭环约束进行优化，以基于优化后的位姿和点云数据重构新地图，即目标地图。
需要说明的是，对于点云地图中的多处错误点云数据，建图装置可多次执行上述步骤，从而消除地图中的误差，提高了建图的成功率及一致性。
上述方案中，建图装置在离线点云地图中基于人工调整添加正确闭环约束，避免对其他原本正确的位姿产生负面影响，具体为获取点云地图中错误点云数据的拟合线段以及目标线段，并利用拟合线段以及目标线段之间的调整模式、拟合线段附近点云对应的拟合位姿序列以及目标线段附近点云对应的目标位姿序列，获取拟合位姿序列和目标位姿序列之间的相对位姿变换关系，从而利用该相对位姿变换关系调整位姿序列，得到新闭环约束，以利用新闭环约束优化位姿图中的所有闭环约束，从而提高了建图的成功率及建图一致性；利用封闭型在线位姿链SLAM对不连续位姿进行处理，保证了联合优化前不存在不连续位姿，避免其对联合优化的影响；在手动添加的新闭环约束附近搜索新约束信息，优化了局部地图的一致性；对位姿图中的闭环约束进行组内和组间优化，剔除其中残差较大的闭环约束，提高了地图的一致性。
为实现上述实施例的基于位姿图调整的建图方法，本申请提出了一种建图装置，具体请参阅图6，图6是本申请提供的建图装置一实施例的结构示意图。
其中，建图装置600包括获取单元61、第一确定单元62、第二确定单元63和优化单元64。
具体地，建图装置600包括：获取单元61，用于获取点云地图中错误点云数据的拟合线段以及目标线段，并确定拟合线段和目标线段之间的调整模式。
第一确定单元62，用于确定拟合线段附近点云对应的拟合位姿序列，以及目标线段附近点云对应的目标位姿序列。
第二确定单元63，用于基于调整模式、拟合位姿序列以及目标位姿序列，确定目标位姿序列所在的新闭环约束。
优化单元64，用于利用新闭环约束对位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于优化后的多个闭环约束重构目标地图。
为实现上述实施例的基于位姿图调整的建图方法，本申请提出了一种终端设备，具体请参阅图7，图7是本申请提供的终端设备一实施例的结构示意图。
终端设备700包括存储器71和处理器72，其中，存储器71和处理器72耦接。
存储器71用于存储程序数据，处理器72用于执行程序数据以实现上述实施例的基于位姿图调整的建图方法。
在本实施例中，处理器72还可以称为CPU(Central Processing Unit，中央处理单元)。处理器72可能是一种集成电路芯片，具有信号的处理能力。处理器72还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。通用处理器可以是微处理器或者该处理器72也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质800，如图8所示，计算机存储介质800用于存储程序数据81，程序数据81在被处理器执行时，用以实现如本申请方法实施例中所述的基于位姿图调整的建图方法。
本申请基于位姿图调整的建图方法实施例中所涉及到的方法，在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时，可以存储在装置中，例如一个计算机可读取存储介质中。基于这样的理解，本申请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，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式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。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种基于位姿图调整的建图方法，其特征在于，所述方法包括：
获取点云地图中错误点云数据的拟合线段以及目标线段，并确定所述拟合线段和所述目标线段之间的调整模式；
确定所述拟合线段附近点云对应的拟合位姿序列，以及所述目标线段附近点云对应的目标位姿序列；
基于所述调整模式、所述拟合位姿序列以及所述目标位姿序列，确定所述目标位姿序列所在的新闭环约束；
利用所述新闭环约束对所述位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于所述优化后的多个闭环约束重构目标地图。
2.根据权利要求1所述的建图方法，其特征在于，所述基于所述调整模式、所述拟合位姿序列以及所述目标位姿序列，确定所述目标位姿序列所在的新闭环约束的步骤，包括：
根据所述调整模式、所述拟合位姿序列和所述目标位姿序列，确定所述拟合位姿序列和所述目标位姿序列之间的相对位姿变换关系；
利用所述相对位姿变换关系及所述目标位姿序列调整所述拟合位姿序列，得到调整后的拟合位姿序列；
基于所述调整后的拟合位姿序列和所述目标位姿序列确定新闭环约束。
3.根据权利要求2所述的建图方法，其特征在于，所述利用所述相对位姿变换关系及所述目标位姿序列调整所述拟合位姿序列，得到调整后的拟合位姿序列的步骤之后，包括：
利用封闭型在线位姿链SLAM技术对所述调整后的拟合位姿序列和其余位姿序列之间的不连续位姿进行处理，得到调整后的其余位姿序列。
4.根据权利要求3所述的建图方法，其特征在于，所述利用封闭型在线位姿链SLAM技术对所述调整后的拟合位姿序列和其余位姿序列之间的不连续位姿进行处理，得到调整后的其余位姿序列的步骤，包括：
获取所述调整后的拟合位姿序列中的第一位姿与所述其余位姿序列中的第二位姿以及所述第一位姿和所述第二位姿之间的变换关系，所述第一位姿与所述第二位姿相邻，所述其余位姿序列包括第二位姿和其余位姿；
计算所述其余位姿中各位姿的协方差作为分配权重；
利用所述分配权重及所述变换关系对所述第二位姿及所述其余位姿进行处理，得到调整后的第二位姿及调整后的其余位姿，调整后的其余位姿序列包括所述调整后的第二位姿和所述调整后的其余位姿。
5.根据权利要求1所述的建图方法，其特征在于，所述利用所述新闭环约束对所述位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束的步骤，包括：
利用所述新闭环约束获取新约束信息；
利用所述新约束信息约束所述位姿图中的所有闭环约束，得到约束后的多个闭环约束；
对所述约束后的多个闭环约束进行分组优化处理，得到优化后的多个闭环约束。
6.根据权利要求5所述的建图方法，其特征在于，所述利用所述新闭环约束获取新约束信息的步骤，包括：
选取所述新闭环约束中调整后的位姿序列的一位姿作为当前节点；
基于所述当前节点设置预设搜索范围；
获取所述预设搜索范围内的多个关联节点，以基于所述多个关联节点和所述当前节点确定新约束信息。
7.根据权利要求5所述的建图方法，其特征在于，所述对所述约束后的多个闭环约束进行分组优化处理，得到优化后的多个闭环约束的步骤，包括：
对所述约束后的多个闭环约束进行分组处理，得到多组闭环约束；
对每组闭环约束进行组内优化，得到多组组内优化后的闭环约束；
对各组所述组内优化后的闭环约束进行组间优化，得到优化后的多个闭环约束。
8.根据权利要求7所述的建图方法，其特征在于，所述对所述约束后的多个闭环约束进行分组处理，得到多组闭环约束的步骤，包括：
获取所述约束后的多个闭环约束中任两闭环约束的两端节点及两端节点对应的时间戳；
计算一闭环约束的一端节点与另一闭环约束对应端节点之间的时间戳差值的第一模，以及计算所述一闭环约束的另一端节点与所述另一闭环约束对应端节点之间的时间戳差值的第二模；
判断所述第一模是否小于预设时间阈值以及所述第二模是否小于所述预设时间阈值；
响应于所述第一模小于所述预设时间阈值且所述第二模小于所述预设时间阈值，判定所述两闭环约束为同组，以得到多组闭环约束。
9.一种建图装置，其特征在于，所述建图装置包括：
获取单元，用于获取所述点云地图中错误点云数据的拟合线段以及目标线段，并确定所述拟合线段和所述目标线段之间的调整模式；
第一确定单元，用于确定所述拟合线段附近点云对应的拟合位姿序列，以及所述目标线段附近点云对应的目标位姿序列；
第二确定单元，用于基于所述调整模式、所述拟合位姿序列以及所述目标位姿序列，确定所述目标位姿序列所在的新闭环约束；
优化单元，用于利用所述新闭环约束对所述位姿图中的所有闭环约束进行优化处理，得到优化后的多个闭环约束，以基于所述优化后的多个闭环约束重构目标地图。
10.一种终端设备，其特征在于，所述设备包括存储器以及与所述存储器耦接的处理器；
其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1～8任一项所述的基于位姿图调整的建图方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现如权利要求1～8任一项所述的基于位姿图调整的建图方法。
CN202110865352.3A 2021-07-29 2021-07-29 基于位姿图调整的建图方法及相关设备 Active CN113674411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110865352.3A CN113674411B (zh) 2021-07-29 2021-07-29 基于位姿图调整的建图方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110865352.3A CN113674411B (zh) 2021-07-29 2021-07-29 基于位姿图调整的建图方法及相关设备

Publications (2)

Publication Number Publication Date
CN113674411A true CN113674411A (zh) 2021-11-19
CN113674411B CN113674411B (zh) 2024-06-07

Family

ID=78540747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110865352.3A Active CN113674411B (zh) 2021-07-29 2021-07-29 基于位姿图调整的建图方法及相关设备

Country Status (1)

Country Link
CN (1) CN113674411B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689622A (zh) * 2019-07-05 2020-01-14 电子科技大学 一种基于点云分割匹配闭环校正的同步定位与构图算法
CN111795704A (zh) * 2020-06-30 2020-10-20 杭州海康机器人技术有限公司 一种视觉点云地图的构建方法、装置
CN112052300A (zh) * 2020-08-05 2020-12-08 浙江大华技术股份有限公司 一种slam后端处理方法、装置和计算机可读存储介质
CN112197770A (zh) * 2020-12-02 2021-01-08 北京欣奕华数字科技有限公司 一种机器人的定位方法及其定位装置
WO2021065196A1 (en) * 2019-10-03 2021-04-08 Mitsubishi Electric Corporation Method and system for trajectory optimization for nonlinear robotic systems with geometric constraints
CN112697158A (zh) * 2020-12-03 2021-04-23 南京工业大学 一种用于室内外场景的人为回环即时定位和建图方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689622A (zh) * 2019-07-05 2020-01-14 电子科技大学 一种基于点云分割匹配闭环校正的同步定位与构图算法
WO2021065196A1 (en) * 2019-10-03 2021-04-08 Mitsubishi Electric Corporation Method and system for trajectory optimization for nonlinear robotic systems with geometric constraints
CN111795704A (zh) * 2020-06-30 2020-10-20 杭州海康机器人技术有限公司 一种视觉点云地图的构建方法、装置
CN112052300A (zh) * 2020-08-05 2020-12-08 浙江大华技术股份有限公司 一种slam后端处理方法、装置和计算机可读存储介质
CN112197770A (zh) * 2020-12-02 2021-01-08 北京欣奕华数字科技有限公司 一种机器人的定位方法及其定位装置
CN112697158A (zh) * 2020-12-03 2021-04-23 南京工业大学 一种用于室内外场景的人为回环即时定位和建图方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUAN ZH ET.AL.: "A Kinect-Based Front-End for Graph-SLAM Using Plane Matching in Planar Indoor Environments", ADVANCES IN INTELLIGENT SYSTEMS AND COMPUTING, vol. 302 *
林辉: "基于序列匹配的视觉SLAM闭环检测研究", 中国优秀硕士论文信息科技, no. 2 *

Also Published As

Publication number Publication date
CN113674411B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
CN109493375B (zh) 三维点云的数据匹配及合并方法、装置、可读介质
WO2022121018A1 (zh) 机器人及其建图方法和装置
CN109478330B (zh) 基于rgb-d照相机的跟踪系统及其方法
CN109991591B (zh) 基于深度学习的定位方法、装置、计算机设备及存储介质
CN112215298A (zh) 模型训练方法、装置、设备及可读存储介质
CN115660115A (zh) 一种联邦学习模型训练方法、装置、设备及存储介质
CN109510681B (zh) 一种通信网络时间同步级数最小的基准节点选择方法
CN111122222A (zh) 一种样本点位置确定方法及系统
CN114186518A (zh) 一种集成电路良率估算方法及存储器
CN113674411A (zh) 基于位姿图调整的建图方法及相关设备
CN113504796A (zh) 无人机轨迹处理方法、装置、电子设备和存储介质
CN116911403B (zh) 联邦学习的服务器和客户端的一体化训练方法及相关设备
CN115599526B (zh) 五轴数控机床智能编辑方法、装置、电子设备和存储介质
CN112052300A (zh) 一种slam后端处理方法、装置和计算机可读存储介质
CN117123922A (zh) 一种椭圆管寻中方法、系统、电子设备、存储介质
CN109308360A (zh) 信道参数寻找方法、装置、存储介质和计算机设备
CN113887290A (zh) 单目3d检测方法、装置、电子设备及存储介质
CN113065535B (zh) 关键点检测及检测网络训练的方法、电子设备和存储介质
Adimari et al. Quasi-profile log likelihoods for unbiased estimating functions
CN112749403B (zh) 一种适用于边缘物联代理装置的边缘数据加密方法
CN113395762A (zh) 超宽带定位网络中位置校正方法及装置
CN107292220B (zh) 一种眉毛位置的初始化方法及电子设备
CN110988787A (zh) 无线信号测向监测中基于聚类分析实现最优测向角测量的方法
CN112462765B (zh) 机器人及其控制方法、装置以及计算机可读存储介质
CN110572875A (zh) 一种基于改进的机器学习算法的无线定位方法

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