CN113804192B - 地图构建方法、装置、电子设备和存储介质 - Google Patents
地图构建方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113804192B CN113804192B CN202111150856.3A CN202111150856A CN113804192B CN 113804192 B CN113804192 B CN 113804192B CN 202111150856 A CN202111150856 A CN 202111150856A CN 113804192 B CN113804192 B CN 113804192B
- Authority
- CN
- China
- Prior art keywords
- map
- pose
- sub
- subgraph
- points
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 78
- 238000006073 displacement reaction Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 8
- 230000001902 propagating effect Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Abstract
本申请的实施例提供了一种地图构建方法、装置、电子设备和存储介质,地图构建方法包括:根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。本申请可以有效减小地图畸变将尺度完全对齐到物理空间,使得地图重用的过程中物理传感器的轨迹推算与地图的表征完全一致,同时对地图进行分段表达,大大减小了地图的占用空间,并且降低了SLAM过程对硬件系统的性能需求。
Description
技术领域
本申请的实施例涉及计算机视觉技术领域,尤其涉及一种地图构建方法、装置、电子设备和存储介质。
背景技术
实时定位与地图构建技术目前在智能机器人领域应用广泛,SLAM构建出的地图大多要求能够满足后期重用,从而为精确定位做出贡献。常见的SLAM地图类型有点云地图,概率栅格地图,视觉特征地图,视觉/激光语义地图,高精矢量图等多种类型。其中,由于视觉地图具有采用传感器价格低廉,建立成本较低等一些优点,视觉地图和视觉定位方法在诸多应用场景当中更具有普适性。视觉SLAM从初始化成功到结束的过程,会形成一个具有诸多可描述性视觉特征的地图,地图可重用于视觉特征定位系统,但是,现有技术中,地图占用空间过大,视觉SLAM过程无法建立具有一定场景规模的完整地图,地图重用过程也无法载入如此庞大数据量的地图;计算机内存和算力平均开销过大,建图过程和后续地图重用的系统压力大;地图畸变和尺度失真,地图重用不鲁棒。
发明内容
为了解决上述至少一项技术问题,本申请的实施例提供了一种车辆定位方法、装置、设备和计算机可读存储介质。
第一方面,本申请的实施例提供了一种地图构建方法,包括:
根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。
在一种可能的实现方式中,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图包括:
根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
在一种可能的实现方式中,所述将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点包括:
将拼接完成的地图中所有帧的位姿更新到物理传感器所推导而出的对应位姿,将子图中的地图点坐标更新为新的位姿。
在一种可能的实现方式中,所述的方法还包括:
利用物理传感器直接恢复3D点的方法初始化地图。
在一种可能的实现方式中,所述利用物理传感器直接恢复3D点的方法初始化地图包括:
获取多个两两之间有足够位移量的连续帧作为初始化帧,其中每一次初始化的第一帧的位姿矩阵为单位阵,由后期拼接模块进行拼接;
将初始化帧两两顺序配对,并为每一对帧的特征点进行匹配关联,将相匹配的特征点集合进行三角测量;其中,特征点匹配的条件是特征点二进制描述子的汉明距离,距离越小匹配程度越高;
对每对特征点进行合法的三角测量生成地图点,继而将尺度对齐物理空间的地图。
在一种可能的实现方式中,所述的方法还包括:
构建子图并检测回环,初始化地图成功之后,移动过程中跟踪子图中的地图点并计算相机位姿,在能够跟踪到的地图点较少时,插入新的关键帧和地图点,增量式扩展子图。
在一种可能的实现方式中,构建子图并检测回环包括:
追踪上一帧的地图点并定位,对于每一个地图点关联图像中匹配的特征点,构建优化问题并进行相机的姿态求解得到最优相机姿态;
基于子图内的地图点优化位姿,通过子图中有共视关系的关键帧和地图点来进行配对,并同时优化共视位姿和地图点,逐帧追踪定位;
新增地图点并插入关键帧,进行回环检测,回环成功则消除累计误差并融合地图点。
在一种可能的实现方式中,消除累计误差并融合地图点包括:
通过回环关系进行位姿图优化,通过更新后的位姿将地图点进行位姿传播;其中位姿图优化包括对关键帧位姿和其对应的物理传感器位姿分别优化。
在一种可能的实现方式中,所述方法还包括:
每一个子图在构建完毕后更新其尺度到物理空间尺度,以及使得回环的相对位姿关系逼近真实物理空间。
在一种可能的实现方式中,每一个子图在构建完毕后更新其尺度到物理空间尺度包括:
计算尺度因子,用tf表示子图中关键帧相机位姿的平移量,to表示子图/>中物理传感器推导下对应tf的相机位移量,尺度因子s的计算公式如下:
更新子图,整个子图的关键帧个数为m,该子图的关键帧位姿起点为通过尺度因子将整个子图的位姿/>更新为/>表达方式如下公式:
其中表示位姿变换群取位移部分,/>表示位姿变换群取姿态部分;将子图中的地图点坐标/>更新为/>表达公式如下:
在一种可能的实现方式中,所述的方法还包括:
分段优化更新并保存地图,锁定子图中可作为轨迹控制点的关键帧位姿,分段捆集调整并保存地图;
基于每个子图的首帧/>和尾帧/>生成首尾帧的集合/>首尾帧集合表达式如下:
如果序号为i子图的长度较长,超过阈值则每隔/>产生一个控制帧/> 加入控制帧集合/>控制帧集合表达式如下:
将子图的首尾帧集合和控制帧集合/>归类于固定帧类型/> 对每一个子图分别进行优化,优化包含地图点和关键帧位姿,优化的过程当中不更新固定帧类型的关键帧位姿。
第二方面,本申请的实施例提供了一种地图构建装置,包括:
地图构建模块,用于根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
更新模块,用于将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。
在一种可能的实现方式中,所述的地图构建模块包括:
启动单元,用于根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
拼接单元,用于以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
第三方面,本申请的实施例提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如第一方面任一项所述的方法。
第四方面,本申请的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
在本申请实施例提供的地图构建方法、车辆定位方法、装置、设备和存储介质中,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点,可以有效减小地图畸变将尺度完全对齐到物理空间,使得地图重用的过程中物理传感器的轨迹推算与地图的表征完全一致,同时对地图进行分段表达,大大减小了地图的占用空间,并且降低了SLAM过程对硬件系统的性能需求。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素。
图1示出了本申请实施例的地图构建方法的流程图。
图2示出了本申请实施例的一种电子设备的结构图。
图3示出了本申请实施例的又一种地图构建方法的流程图。
图4示出了本申请实施例的地图构建装置的方框图。
图5示出了本申请实施例的又一种地图构建装置的方框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。
为了便于对本申请实施例的理解,首先对本申请实施例涉及的部分术语进行解释。
地图构建,视觉SLAM系统的工作方式多是通过连续的相机帧,跟踪设置关键点,以三角算法定位其3D位置,同时使用此信息来逼近推测相机自己的姿态。目标是绘制与自身位置相关的环境地图。
回环检测:又称闭环检测,指车辆识别在整个建图过程中曾经到达某个场景,进而使地图进行闭环的检测工作。
接下来对本申请实施例所涉及的应用场景进行介绍。本发明旨在提供一种视觉SLAM地图的分段构建方法及系统,采用了分段建图的方针减少硬件资源开销,能够在只使用图像传感器和机器人内部物理传感器,不使用如RTK/GPS,UWB,Lidar,Radar等外部传感器的情况下,最大程度的去除SLAM建图带来的形状畸变和尺度失真。最终输出一副轻量的、形状无畸变、尺度不失真的视觉特征地图,以便后期地图重用时进行融合定位。可应用于自动驾驶车辆,智能机器人slam和定位等。需要说明的是,本申请实施例描述的应用场景为基于单目视觉,编码器,惯性测量单元,以姿态的位移变化量作为子图构建和结束评判标准的一种实施方式。其中,像素坐标,点坐标,姿态位移量或者变换群本身所涉及的运算视计算法则和不同情况自动适配是否为齐次坐标表示,无歧义,仅仅是为了更加清楚的说明本申请实施例的技术方案,并不构成对本申请实施例提供的技术方案的限定。
图1示出了本申请实施例的一种地图构建方法的流程图。
参见图1,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。需要说明的是,地图的构建过程请参见下文的介绍,此处不再赘述。
图2示出了本申请实施例的一种电子设备的结构图。在一些可选的实施方式中,图2所示的电子设备可以布置在自动驾驶或者智能机器人上。
参见图2,电子设备200包括处理器201和存储器203。其中,处理器201和存储器203相连,如通过总线202相连。可选地,电子设备200还可以包括收发器204。需要说明的是,实际应用中收发器204不限于一个,该电子设备200的结构并不构成对本申请实施例的限定。
处理器201可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器201也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线202可包括一通路,在上述组件之间传送信息。总线202可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线202可以分为地址总线、数据总线、控制总线等。为便于表示,图2中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器203可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器203用于存储执行本申请方案的应用程序代码,并由处理器201来控制执行。处理器201用于执行存储器203中存储的应用程序代码,以实现地图的构建。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。需要说明的是,图2示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
具体地,请参见图1,该方法包括如下步骤:
步骤S101,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图。
在本申请实施例中,可以通过布置在车辆上的图像采集装置来获取车辆周围环境图像,使用图像传感器和机器人内部物理传感器,不使用如RTK/GPS,UWB,Lidar,Radar等外部传感器的情况下,可采用利用物理传感器直接恢复3D点的方法初始化地图。需要说明的是,如果达到重新建立子图的条件则可以初始化子图,并与上一处子图进行连接,再顺序执行至本步骤,如此循环。
步骤S102,将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。
在本申请实施例中,将地图中所有帧的位姿更新到物理传感器所推导而出的对应位姿/>由于物理传感器位姿每次在出现回环的时候也会更新,因此可以直接使用。表达式如下公式所示:
将所有点传播到新的位姿/>表达式如下公式所示:
在本申请实施例提供的地图构建方法根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,来分段构建子地图,并最终将子图融合成整个场景的分段地图,大大减小了地图的占用空间,并且降低了SLAM过程对硬件系统的性能需求。
进一步地,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图包括:
步骤S1011、根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
步骤S1012、以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
在本申请实施例中,所述将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点包括:
将拼接完成的地图中所有帧的位姿更新到物理传感器所推导而出的对应位姿,将子图中的地图点坐标更新为新的位姿。
在本申请实施例中,地图构建的方法例如可以利用物理传感器直接恢复3D点的方法初始化地图。
具体地,利用物理传感器直接恢复3D点的方法初始化地图包括:
获取多个两两之间有足够位移量的连续帧作为初始化帧,其中每一次初始化的第一帧的位姿矩阵为单位阵,由后期拼接模块进行拼接;
将初始化帧两两顺序配对,并为每一对帧的特征点进行匹配关联,将相匹配的特征点集合进行三角测量;其中,特征点匹配的条件是特征点二进制描述子的汉明距离,距离越小匹配程度越高;
对每对特征点进行合法的三角测量生成地图点,继而将尺度对齐物理空间的地图。
在本申请实施例中,所述的方法还包括:
构建子图并检测回环;初始化地图成功之后,移动过程中跟踪子图中的地图点并计算相机位姿,在能够跟踪到的地图点较少时,插入新的关键帧和地图点,增量式扩展子图。
在本申请实施例中,构建子图并检测回环例如可以包括:
追踪上一帧的地图点并定位,对于每一个地图点关联图像中匹配的特征点,构建优化问题并进行相机的姿态求解得到最优相机姿态;
基于子图内的地图点优化位姿,通过子图中有共视关系的关键帧和地图点来进行配对,并同时优化共视位姿和地图点,逐帧追踪定位;
新增地图点并插入关键帧,进行回环检测,回环成功则消除累计误差并融合地图点。
具体地,消除累计误差并融合地图点包括:
通过回环关系进行位姿图优化,通过更新后的位姿将地图点进行位姿传播;其中位姿图优化包括对关键帧位姿和其对应的物理传感器位姿分别优化。
在本申请实施例中,地图构建方法还包括:
每一个子图在构建完毕后更新其尺度到物理空间尺度,以及使得回环的相对位姿关系逼近真实物理空间。在每个子图的建立过程当中,尺度会随着误差不断的累计而产生漂移,往往呈缩小趋势。为了保证地图更接近真实物理空间的尺度,以及使得回环的相对位姿关系逼近真实物理空间,每一个子图在构建完毕后更新其尺度到物理空间尺度。
具体地,每一个子图在构建完毕后更新其尺度到物理空间尺度包括:
计算尺度因子,用tf表示子图中关键帧相机位姿的平移量,to表示子图/>中物理传感器推导下对应tf的相机位移量,尺度因子s的计算公式如下:
更新子图,整个子图的关键帧个数为m,该子图的关键帧位姿起点为通过尺度因子将整个子图的位姿/>更新为/>表达方式如下公式:
其中表示位姿变换群取位移部分,/>表示位姿变换群取姿态部分;将子图中的地图点坐标/>更新为/>表达公式如下:
在一种可能的实现方式中,所述的地图构建方法还包括:
分段优化更新并保存地图,锁定子图中可作为轨迹控制点的关键帧位姿,分段捆集调整并保存地图;
基于每个子图的首帧/>和尾帧/>生成首尾帧的集合/>首尾帧集合表达式如下:
如果序号为i子图的长度较长,超过阈值则每隔/>产生一个控制帧/> 加入控制帧集合/>控制帧集合表达式如下:
将子图的首尾帧集合和控制帧集合/>归类于固定帧类型/> 对每一个子图分别进行优化,优化包含地图点和关键帧位姿,优化的过程当中不更新固定帧类型的关键帧位姿。
下面以一较优的实施例对本发明的有益效果进行说明。
需要说明的是,本实施例是一种基于单目视觉,编码器,惯性测量单元,以姿态的位移变化量作为子图构建和结束评判标准的一种实施方式。其中像素坐标,点坐标,姿态位移量或者变换群本身所涉及的运算视计算法则和不同情况自动适配是否为齐次坐标表示,无歧义,如图3所示,其主要步骤包括:
S1、初始化新的子图
利用单应性矩阵或者基础矩阵初始化地图,其是一种根据足够数量的匹配特征点来逆推相机位姿的过程,地图的尺度需要在特征点生成之后再进行恢复。本实施例采用利用物理传感器直接恢复3D点的方法初始化地图,则在初始化步骤不存在尺度恢复问题,且成功率极高。具体地,
S11、获取多个(假如k个)两两之间有足够位移量(如0.2m)的连续帧作为初始化帧,其中每一次初始化的第一帧的位姿矩阵为单位阵I4×4,由后期拼接模块进行拼接。从物理传感器的轨迹中读取对应时刻的车辆姿态通过外参矩阵/>将其变换为相机姿态,如公式(1)。
S12、将初始化帧两两顺序配对,并为每一对帧的特征点进行匹配关联,然后将匹配上的特征点集合进行三角测量。特征点匹配的关键条件是特征点二进制描述子的汉明(Hamming)距离,距离越小匹配程度越高。假设两帧序号为m和m+1,对应的相机姿态为Tm,Tn,n=m+1,一一对应的匹配像素点表示为将每一个像素点p反投影到归一化平面,并用坐标为/>均形式,那么可以通过对公式(2)中的矩阵进行svd分解,求其最小特征值对应的特征向量即为对应点的三角测量。其中公式(3)表示通过(针孔)相机内参的逆(或虚拟内参等逆投影方法)K-1对像素进行反投影,如果不是针孔模型则需要非线性的逆投影方法π-1(·),其中/>以及/>分别表示对应矩阵的第1,2,3行。对每对点进行合法的三角测量生成地图点,继而将尺度对齐物理空间的地图成功初始化。
S13、由于连续帧两两将特征点三角测量,存在着多个物理空间中的地图点被三角测量多次的情况。为了减少地图体积大小,将所有的地图点pw投影到不被它观测到的关键帧中,如公式(4)所示,其中为pw在观测到它的相机坐标系下的深度,同上,K为针孔相机模型的内参表示。
以图像中该小片像素区域内相近图像金字塔层提取的描述子距离最小的特征点作为融合点。计算距离所有可融合点描述子的距离,取其中位数对应的描述子来更新地图点描述子。如果该点附近区域内没有点,则将该地图点作为该帧的新增观测。
S2、构建子图并检测回环
初始化地图成功之后,移动过程中开始跟踪子图中的地图点并计算相机位姿,在能够跟踪到的地图点较少时,插入新的关键帧和地图点,增量式扩展子图。具体地,
S21、追踪上一帧的地图点并定位。首先可以利用轮速计和陀螺仪两时刻的姿态变化量和上一时刻相机位姿/>来预测当前相机的大概位姿/>如公式(5)。并将上一帧观测到的地图点pw,投影到新的相机位置,在投影的小块区域内进行特征匹配。对于每一个地图点/>关联图像/>中匹配的特征点ui,vi,构建优化问题并进行相机的姿态求解,如公式(6),其中/>为某地图点/>在当前相机c2中的深度。
S22、用子图内的地图点优化位姿。得到最优相机姿态后,扩大投影匹配范围。将关联图像扩展为局部子图/>利用子图中有共视关系的关键帧和地图点来进行配对,并同时优化共视位姿和地图点,如公式(7)所示,其中/>表示地图点/>在相机cj中的逆深度。以此类推逐帧追踪定位。
S23、新增地图点并插入关键帧。在上述逐帧定位的过程中,如果在子图中的地图点匹配数量较为稀少,并且长期没有建立新的地图点和关键帧的情况下。则将当前图像帧作为新的关键帧加地图的帧序列当中,结合与其他关键帧的共视关系生成新的地图点,生成方法同上述三角测量。
S24、新增关键帧后进行回环检测。每当插入新的关键帧,通过BoW算法来计算该帧与其他帧的相似度。找出最相似的帧,且距离当前帧比较远的情况下,视为存在回环可能。通过当前帧c(current)和回环帧I(loop)能够配对的点通过空间点云ICP[10]算法计算出的两帧相对位姿和回环帧的全局位姿/>可以计算出一个更为合理的当前帧全局位姿利用/>和/>对配对地图点进行双边检测,如果得到足够多的内点,同时优化了当前帧的位姿,则回环成功。其中,假设有n个匹配对,则双边内点优化的表达如公式(8),其中/>为地图点/>在回环帧l坐标系下的深度;
S25、如果回环成功则消除累计误差并融合地图点。融合地图点方法如初始化新的子图中最后的融合方法。消除累计误差首先利用回环关系进行位姿图优化,然后利用更新后的位姿将地图点进行位姿传播。其中位姿图优化包括对关键帧位姿和其对应的物理传感器位姿分别优化。假设优化前,地图中总共有m个关键帧位姿以及其两两顺序配对的相对关系/>和物理传感器位姿推导出的关键帧位姿/>以及其两两顺序配对的相对关系还有传播前的n个地图点/>以及其与优化前观测帧/>若优化后对应的位姿表示为/>传播后的点为/>用/>表示当前帧和回环帧,/>表示其回环两帧的相对位姿,则位姿图优化和地图点位姿传播的表达如公式(9),其中ln(·)表示变换群的对数映射,t为残差权重。由于每次子图的完成都会更新尺度,因此/>可近似作为物理空间中两帧的相对位姿关系。/>
S26、判断结束。本方案展示的是根据由物理传感器推导的相机位移量是否达到结束阈值/>而结束子图的构建,结束条件为每一个子图的起始位置到当前帧的位移量。用to表示子图/>中物理传感器的平移量,则结束条件的表达式如公式(10)。经过实验,其中的取值范围为10米到20米之间。
S3、更新已完成子图的尺度
在每个子图的建立过程当中,尺度会随着误差不断的累计而产生漂移,往往呈缩小趋势。为了保证地图更接近真实物理空间的尺度,以及使得回环的相对位姿关系逼近真实物理空间,每一个子图在构建完毕后更新其尺度到物理空间尺度。具体地,
S31、计算尺度因子。用tf表示子图中关键帧相机位姿的平移量,to表示子图/>中物理传感器推导下对应tf的相机位移量,尺度因子s的计算如公式(11)。
S32、更新子图。整个子图的关键帧个数为m,该子图的关键帧位姿起点为通过尺度因子将整个子图的位姿/>更新为/>表达方式如公式(12),其中/>表示位姿变换群取位移部分,/>表示位姿变换群取姿态部分。将子图中的地图点坐标更新为/>表达方式如公式(13),其中/>的形式不是直接增广,而是表示由旋转和平移两部分表示的一个维度为4×4的变换矩阵。
S4、多子图分段构建
如果达到重新建立子图的条件则初始化子图,并与上一处子图进行连接,再顺序执行至本步骤,如此循环。
S41、新建子图。本方案展示的是根据由物理传感器推导的相机位移量是否达到开始阈值/>而重新开启子图的新建过程,其中/>表示的上一个子图构建结束后的移动过程,/>为子图/>结束后移动过程的位移量,/>表示/>中物理传感器所推导而出的相机位移量。初始化方法如本方案第一步骤初始化地图,其中新建子图的判断方法如公式(14),经过实验,其中/>的取值范围为30-60米之间,视里程计精度而定,精度较高的里程计可以做到60米。
S42、连接至上一幅子图。由于子图的构建过程当中存在累计误差,随着时间的推移,累计误差将越来越严重。为了更好的契合物理传感器的真实地图轨迹,每次地图的拼接都以上一子图的起始帧和当前子图的起始帧/>作为两个子图的连接纽带来产生相对关系。由于已知/>和/>再获取到对应物理传感器姿态推导而出的姿态关系Tro,将当前子图初始化的m个关键帧/>和n个地图点/>与上一子图拼接并更新为/>和/>的表示方法,如公式(15)所示,其中,为完整表达而并未省略/>
S43、继续构建子图。新的子图初始化之后,继续构建子图,直至达到停止条件,继而再次重达本步骤,或者直到建图终止,其中方法可参考前已述及的步骤。
S5、绝对位姿对齐并更新地图点
地图构建完毕后,将地图形状和尺度根据时间戳完全对齐到物理传感器所产生的轨迹,并传播更新所有地图点。
S51、将地图中所有帧的位姿更新到物理传感器所推导而出的对应位姿/>由于物理传感器位姿每次在出现回环的时候也会更新,因此可以直接使用。表达式如公式(16)所示。
S52、将所有点传播到新的位姿/>表达式如公式(17)所示。
S6、分段优化更新并保存地图
由之前的步骤,地图完全对齐至物理传感器所产生的地图轨迹,形状相同且无尺度失真,包含子图数量假设为t。
前已述及,地图点是由位姿对齐到物理传感器轨迹后,通过直接传播而获得。由于地图中存在物理传感器的时间戳对齐误差,还存在物理传感器的局部角度精度误差,等等的原因,地图点的空间坐标经过推导传播后,各项误差均被放大。为使定位的效果更加鲁棒,在位姿更新和地图点传播过后,本方案采用优化的方法使地图点的坐标更适配于传播后的地图。具体地,
S61、为了保证子图在优化过程中尺度不会发生变化,本方案找出每个子图的首帧/>和尾帧/>生成首尾帧的集合/>首尾帧集合如表达式(18)。
S62、如果序号为i子图的长度较长,超过阈值则每隔/>产生一个控制帧加入控制帧集合/>控制帧集合如表达式(19)。
S63、将子图的首尾帧集合和控制帧集合/>归类于固定帧类型/> 对每一个子图分别进行优化,优化包含地图点和关键帧位姿,优化的过程当中不更新固定帧类型的关键帧位姿。这样处理大大减小了优化所构建的矩阵维度,能够大大节约优化时间,且能够达到全局优化的同样效果。假设地图中包含子图数量为t,即子图/> i∈t。子图/>中包含的地图点数量为n,即地图点/>若该地图点m个观测帧集合的位姿索引序列为/>其索引jk对应位姿为/>分段优化每个子图的表达式如公式(20),其中/>表示子图/>中的某个地图点/>在子图中的某个观测到它的相机jk的坐标系下的深度值,而fix(·)表示固定该优化变量值,该优化变量只参与构建残差进行约束,而不更新。
S64、完成优化后,保存地图以便定位系统加载使用。
本实施例在SLAM过程中,根据机器人物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,来分段构建子地图,并最终将子图融合成整个场景的分段地图,大大减小了地图的占用空间,并且降低了SLAM过程对硬件系统的性能需求。实时建图过程中,利用物理传感器所得到的位移量,对每一个分段建立的子图进行尺度因子的计算,从而将视觉地图中每个子图的尺度恢复到物理空间,同时大大降低由尺度不统一而引入的回环误差。利用经过尺度修正后的视觉回环关系,作为物理空间的回环关系,对物理传感器地图轨迹进行闭环,消除物理传感器的累计误差。将视觉地图直接与物理地图的轨迹位姿按时间戳进行对齐,优化视觉地图中的空间地图点,使地图重用时的视觉地图绝对位姿定位和真实物理空间的绝对位姿定位完全统一。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图4示出了本申请实施例的地图构建装置的方块图。参见图4,该装置包括:
地图构建模块101,用于根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
更新模块102,用于将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点。
在一些实施例中,如图5所示,所述的地图构建模块101包括:
启动单元1011,用于根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
拼接单元1012,用于以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
需要说明的是:上述实施例提供的地图构建装置,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的地图构建装置与地图构建方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络或其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如:同轴电缆、光纤、数据用户线(digital subscriber line,DSL))或无线(例如:红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质,或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如:软盘、硬盘、磁带)、光介质(例如:数字通用光盘(digital versatile disc,DVD))或半导体介质(例如:固态硬盘(solid state disk,SSD))等。值得注意的是,本申请实施例提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,本文提及的“至少一个”是指一个或多个,“多个”是指两个或两个以上。在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
以上所述为本申请提供的示例性实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种地图构建方法,其特征在于,包括:
根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点;
所述的方法还包括:
构建子图并检测回环,初始化地图成功之后,移动过程中跟踪子图中的地图点并计算相机位姿,在能够跟踪到的地图点较少时,插入新的关键帧和地图点,增量式扩展子图;
构建子图并检测回环包括:
追踪上一帧的地图点并定位,对于每一个地图点关联图像中匹配的特征点,构建优化问题并进行相机的姿态求解得到最优相机姿态;
基于子图内的地图点优化位姿,通过子图中有共视关系的关键帧和地图点来进行配对,并同时优化共视位姿和地图点,逐帧追踪定位;
新增地图点并插入关键帧,进行回环检测,回环成功则消除累计误差并融合地图点;
消除累计误差并融合地图点包括:
通过回环关系进行位姿图优化,通过更新后的位姿将地图点进行位姿传播;其中位姿图优化包括对关键帧位姿和其对应的物理传感器位姿分别优化;
所述方法还包括:
每一个子图在构建完毕后更新其尺度到物理空间尺度,以及使得回环的相对位姿关系逼近真实物理空间;
每一个子图在构建完毕后更新其尺度到物理空间尺度包括:
计算尺度因子,用tf表示子图中关键帧相机位姿的平移量,to表示子图/>中物理传感器推导下对应tf的相机位移量,尺度因子s的计算公式如下:
更新子图,整个子图的关键帧个数为m,该子图的关键帧位姿起点为通过尺度因子将整个子图的位姿/>更新为/>表达方式如下公式:
其中表示位姿变换群取位移部分,/>表示位姿变换群取姿态部分;将子图中的地图点坐标/>更新为/>表达公式如下:
2.根据权利要求1所述的方法,其特征在于,根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图包括:
根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
3.根据权利要求1所述的方法,其特征在于,所述将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点包括:
将拼接完成的地图中所有帧的位姿更新到物理传感器所推导而出的对应位姿,将子图中的地图点坐标更新为新的位姿。
4.根据权利要求1或2所述的方法,其特征在于,所述的方法还包括:
利用物理传感器直接恢复3D点的方法初始化地图。
5.根据权利要求4所述的方法,其特征在于,所述利用物理传感器直接恢复3D点的方法初始化地图包括:
获取多个两两之间有足够位移量的连续帧作为初始化帧,其中每一次初始化的第一帧的位姿矩阵为单位阵,由后期拼接模块进行拼接;
将初始化帧两两顺序配对,并为每一对帧的特征点进行匹配关联,将相匹配的特征点集合进行三角测量;其中,特征点匹配的条件是特征点二进制描述子的汉明距离,距离越小匹配程度越高;
对每对特征点进行合法的三角测量生成地图点,继而将尺度对齐物理空间的地图。
6.根据权利要求1所述的方法,其特征在于,所述的方法还包括:
分段优化更新并保存地图,锁定子图中可作为轨迹控制点的关键帧位姿,分段捆集调整并保存地图;
基于每个子图的首帧/>和尾帧/>生成首尾帧的集合/>首尾帧集合表达式如下:
如果序号为i子图的长度较长,超过阈值则每隔/>产生一个控制帧/>加入控制帧集合/>控制帧集合表达式如下:
将子图的首尾帧集合和控制帧集合/>归类于固定帧类型对每一个子图分别进行优化,优化包含地图点和关键帧位姿,优化的过程当中不更新固定帧类型的关键帧位姿。
7.一种地图构建装置,其特征在于,包括:
地图构建模块,用于根据物理传感器检测到的相对位移长度的大小作为开启和关闭建图的阈值,分段构建子地图;
更新模块,用于将子地图形状和尺度根据时间戳对齐到物理传感器所产生的地图轨迹,并更新所有地图点;
构建子图并检测回环,初始化地图成功之后,移动过程中跟踪子图中的地图点并计算相机位姿,在能够跟踪到的地图点较少时,插入新的关键帧和地图点,增量式扩展子图;
构建子图并检测回环包括:
追踪上一帧的地图点并定位,对于每一个地图点关联图像中匹配的特征点,构建优化问题并进行相机的姿态求解得到最优相机姿态;
基于子图内的地图点优化位姿,通过子图中有共视关系的关键帧和地图点来进行配对,并同时优化共视位姿和地图点,逐帧追踪定位;
新增地图点并插入关键帧,进行回环检测,回环成功则消除累计误差并融合地图点;
消除累计误差并融合地图点包括:
通过回环关系进行位姿图优化,通过更新后的位姿将地图点进行位姿传播;其中位姿图优化包括对关键帧位姿和其对应的物理传感器位姿分别优化;
每一个子图在构建完毕后更新其尺度到物理空间尺度,以及使得回环的相对位姿关系逼近真实物理空间;
每一个子图在构建完毕后更新其尺度到物理空间尺度包括:
计算尺度因子,用tf表示子图中关键帧相机位姿的平移量,to表示子图/>中物理传感器推导下对应tf的相机位移量,尺度因子s的计算公式如下:
更新子图,整个子图的关键帧个数为m,该子图的关键帧位姿起点为通过尺度因子将整个子图的位姿/>更新为/>表达方式如下公式:
其中表示位姿变换群取位移部分,/>表示位姿变换群取姿态部分;将子图中的地图点坐标/>更新为/>表达公式如下:
8.根据权利要求7所述的装置,其特征在于,所述的地图构建模块包括:
启动单元,用于根据物理传感器推导的相机位移量是否达到开始阈值而重新开启子图的新建;
拼接单元,用于以上一子图的起始帧和当前子图的起始帧作为两个子图的连接纽带,基于获取到的对应物理传感器姿态推导而出的姿态关系,将当前子图初始化的多个关键帧和地图点与上一子图拼接并更新。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
10.一种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6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150856.3A CN113804192B (zh) | 2021-09-29 | 2021-09-29 | 地图构建方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150856.3A CN113804192B (zh) | 2021-09-29 | 2021-09-29 | 地图构建方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113804192A CN113804192A (zh) | 2021-12-17 |
CN113804192B true CN113804192B (zh) | 2024-02-02 |
Family
ID=78897088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111150856.3A Active CN113804192B (zh) | 2021-09-29 | 2021-09-29 | 地图构建方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804192B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6230098B1 (en) * | 1997-09-17 | 2001-05-08 | Toyota Jidosha Kabushiki Kaisha | Map data processing apparatus and method, and map data processing system |
JP2001296132A (ja) * | 2000-04-13 | 2001-10-26 | Alpine Electronics Inc | ナビゲーション装置 |
CN104422439A (zh) * | 2013-08-21 | 2015-03-18 | 希姆通信息技术(上海)有限公司 | 导航方法、装置、服务器、导航系统及其使用方法 |
EP2908471A1 (en) * | 2014-02-12 | 2015-08-19 | Alcatel Lucent | Method for data graph navigation in a big traffic dataset of a network |
CN110533587A (zh) * | 2019-07-03 | 2019-12-03 | 浙江工业大学 | 一种基于视觉先验信息和地图恢复的slam方法 |
CN110555901A (zh) * | 2019-09-05 | 2019-12-10 | 亮风台(上海)信息科技有限公司 | 动静态场景的定位和建图方法、装置、设备和存储介质 |
CN111060113A (zh) * | 2019-12-31 | 2020-04-24 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
CN112068154A (zh) * | 2020-09-14 | 2020-12-11 | 中科院软件研究所南京软件技术研究院 | 一种激光建图定位方法、装置、存储介质及电子设备 |
CN112105893A (zh) * | 2019-01-30 | 2020-12-18 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的实时地图生成系统 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
CN113409368A (zh) * | 2020-03-16 | 2021-09-17 | 北京京东乾石科技有限公司 | 建图方法及装置、计算机可读存储介质、电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9269178B2 (en) * | 2012-06-05 | 2016-02-23 | Apple Inc. | Virtual camera for 3D maps |
-
2021
- 2021-09-29 CN CN202111150856.3A patent/CN113804192B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6230098B1 (en) * | 1997-09-17 | 2001-05-08 | Toyota Jidosha Kabushiki Kaisha | Map data processing apparatus and method, and map data processing system |
JP2001296132A (ja) * | 2000-04-13 | 2001-10-26 | Alpine Electronics Inc | ナビゲーション装置 |
CN104422439A (zh) * | 2013-08-21 | 2015-03-18 | 希姆通信息技术(上海)有限公司 | 导航方法、装置、服务器、导航系统及其使用方法 |
EP2908471A1 (en) * | 2014-02-12 | 2015-08-19 | Alcatel Lucent | Method for data graph navigation in a big traffic dataset of a network |
CN112105893A (zh) * | 2019-01-30 | 2020-12-18 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的实时地图生成系统 |
CN110533587A (zh) * | 2019-07-03 | 2019-12-03 | 浙江工业大学 | 一种基于视觉先验信息和地图恢复的slam方法 |
CN110555901A (zh) * | 2019-09-05 | 2019-12-10 | 亮风台(上海)信息科技有限公司 | 动静态场景的定位和建图方法、装置、设备和存储介质 |
CN111060113A (zh) * | 2019-12-31 | 2020-04-24 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
CN113409368A (zh) * | 2020-03-16 | 2021-09-17 | 北京京东乾石科技有限公司 | 建图方法及装置、计算机可读存储介质、电子设备 |
CN112068154A (zh) * | 2020-09-14 | 2020-12-11 | 中科院软件研究所南京软件技术研究院 | 一种激光建图定位方法、装置、存储介质及电子设备 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
Non-Patent Citations (2)
Title |
---|
CFD-SLAM:融合特征法与直接法的快速鲁棒SLAM系统;王化友;代波;何玉庆;;高技术通讯(第12期) * |
基于多相机的视觉里程计方法研究;杨理欣;曹其新;张昊若;;机械设计与研究(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113804192A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
Li et al. | Optimization-based estimator design for vision-aided inertial navigation | |
CN107677279B (zh) | 一种定位建图的方法及系统 | |
CN107888828B (zh) | 空间定位方法及装置、电子设备、以及存储介质 | |
US20170061195A1 (en) | Real-time pose estimation system using inertial and feature measurements | |
US9243916B2 (en) | Observability-constrained vision-aided inertial navigation | |
US20200300637A1 (en) | Collaborative navigation and mapping | |
CN109671105B (zh) | 一种视觉导航系统的跟踪恢复方法和装置 | |
US20150371385A1 (en) | Method and system for calibrating surveillance cameras | |
CN107784671B (zh) | 一种用于视觉即时定位与建图的方法与系统 | |
CN112219087A (zh) | 位姿预测方法、地图构建方法、可移动平台及存储介质 | |
CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
CN105009120A (zh) | 基于客户端-服务器的动态搜索 | |
CN111986261B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
Li et al. | Review of vision-based Simultaneous Localization and Mapping | |
CN113256719A (zh) | 停车导航定位方法、装置、电子设备及存储介质 | |
US11069071B1 (en) | System and method for egomotion estimation | |
CN114063098A (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
WO2023016182A1 (zh) | 位姿确定方法、装置、电子设备和可读存储介质 | |
CN111950370A (zh) | 动态环境下线拓展视觉里程计方法 | |
CN111829522B (zh) | 即时定位与地图构建方法、计算机设备以及装置 | |
CN113804192B (zh) | 地图构建方法、装置、电子设备和存储介质 | |
Jo et al. | Mixture density-PoseNet and its application to monocular camera-based global localization | |
CN115984417A (zh) | 一种语义建图方法、装置及存储介质 | |
US8872832B2 (en) | System and method for mesh stabilization of facial motion capture data |
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 |