CN113917547A - 一种基于融合定位的探地雷达地下隐患定位方法及系统 - Google Patents

一种基于融合定位的探地雷达地下隐患定位方法及系统 Download PDF

Info

Publication number
CN113917547A
CN113917547A CN202111170541.5A CN202111170541A CN113917547A CN 113917547 A CN113917547 A CN 113917547A CN 202111170541 A CN202111170541 A CN 202111170541A CN 113917547 A CN113917547 A CN 113917547A
Authority
CN
China
Prior art keywords
point cloud
gnss
coordinate
positioning
data
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
Application number
CN202111170541.5A
Other languages
English (en)
Inventor
严晶
秦鹏
黄钰琳
项芒
蒋晓钧
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.)
Shenzhen Ande Space Technology Co ltd
Original Assignee
Shenzhen Ande Space 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 Shenzhen Ande Space Technology Co ltd filed Critical Shenzhen Ande Space Technology Co ltd
Priority to CN202111170541.5A priority Critical patent/CN113917547A/zh
Publication of CN113917547A publication Critical patent/CN113917547A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于融合定位的探地雷达地下隐患定位方法及系统，所述探地雷达地下隐患定位方法包括以下步骤：步骤S1，同步采集和记录探地雷达数据、GNSS定位数据以及Lidar点云数据；步骤S2，利用点云配准算法逐帧配准Lidar点云数据，计算每帧点云在点云坐标系中的位姿，获取点云位姿数据；步骤S3，对GNSS定位数据和点云位姿数据进行融合，建立互相转换关系；步骤S4，对每帧点云根据融合后的位姿进行位姿转换，构建点云地图；步骤S5，根据地下隐患的GNSS坐标查找对应的点云，计算点云在点云地图中的相对坐标，并将所述相对坐标转换为全局坐标。本发明能够更加精准地实现地下隐患的探测和定位，抗干扰能力强。

Description

一种基于融合定位的探地雷达地下隐患定位方法及系统
技术领域
本发明涉及一种地下隐患定位方法，尤其涉及一种基于融合定位的探地雷达地下隐患定位方法，并涉及采用了该基于融合定位的探地雷达地下隐患定位方法的探地雷达地下隐患定位系统。
背景技术
探地雷达是一种电磁波无损探测技术，探地雷达通过天线向地下发射高频电磁波并接收地下目标的回波，来探测地下介质的物质特性和分布规律。探地雷达具有探测速度快、探测效率高、分辨率高和操作方便等优点，在地下隐患探测领域得到广泛应用。
探地雷达需要结合全球卫星导航系统(GNSS)来使用。探地雷达在对地下目标扫描的同时采集和记录GNSS数据，以获取地下目标的位置信息。常用的GNSS系统包括GPS全球定位系统和北斗卫星导航系统等，并常常结合RTK实时差分技术和INS惯性导航技术来提高卫星定位的精确度。
然而在城市道路环境里，由于存在很多的建筑物、高架桥和树木等，卫星信号被遮挡或反射，很多时候在采用RTK和INS的情况下也仍然无法获取准确的定位信息，定位偏差达到数米甚至数十米。由于探地雷达只扫描地下目标，缺乏地表上方的环境参照物，GNSS定位偏差导致在对地下隐患复测时难以准确确定隐患的具体位置，对地下隐患复测工作产生很大困扰。
发明内容
本发明所要解决的技术问题是需要提供一种能够对地下隐患进行更精准定位的基于融合定位的探地雷达地下隐患定位方法，还进一步提供采用了该基于融合定位的探地雷达地下隐患定位方法的探地雷达地下隐患定位系统。
对此，本发明提供一种基于融合定位的探地雷达地下隐患定位方法，包括以下步骤：
步骤S1，同步采集和记录探地雷达数据、全球卫星导航系统的GNSS定位数据以及激光雷达的Lidar点云数据，在记录GNSS定位数据和Lidar点云数据时采用统一时钟源所产生的时间戳标记；
步骤S2，利用点云配准算法逐帧配准Lidar点云数据，计算每帧点云在点云坐标系中的位姿，获取点云位姿数据；
步骤S3，对GNSS定位数据和点云位姿数据进行融合，建立互相转换关系；
步骤S4，对每帧点云根据融合后的位姿进行位姿转换，构建点云地图；
步骤S5，对探地雷达数据解译输出的地下隐患，根据其GNSS坐标查找对应的点云，通过点云配准算法计算地下隐患对应的点云在点云地图中的相对坐标，并将所述相对坐标转换为全局坐标，实现对地下隐患的定位。
本发明的进一步改进在于，所述步骤S1中，采用所述GNSS定位数据的时钟作为统一时钟源产生时间戳标记，记录GNSS定位数据和Lidar点云数据，通过以下子步骤获取所述Lidar点云数据的时间戳：
步骤S101，获取第一条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T1，同时对应的本机时钟记为C1；
步骤S102，获取第二条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T2，同时对应的本机时钟记为C2；
步骤S103，获取当前帧的Lidar点云数据，对应的本机时钟记为C；
步骤S104，通过公式
Figure BDA0003292961590000021
记录当前帧的Lidar点云数据的时间戳T。
本发明的进一步改进在于，所述步骤S2包括以下子步骤：
步骤S201，对每一帧点云进行预处理，对距离小于第一阈值或大于第二阈值的点进行过滤，并进行体素下采样；
步骤S202，将第一帧点云作为初始的参考点云，以所述初始的参考点云作为点云坐标系原点；
步骤S203，将当前帧点云与参考点云采用正态分布变换算法或迭代最近点算法进行点云配准，获取当前帧点云相对于参考点云的位姿；
步骤S204，将配准成功且移动位姿大于第三阈值的点云，经位姿转换后加入参考点云，并标记为关键帧；
步骤S205，从参考点云中丢弃与当前点云位姿大于第四阈值的点云；
步骤S206，重复步骤S203至步骤S205，直到最后一帧。
本发明的进一步改进在于，所述步骤S3包括以下子步骤：
步骤S301，将第一条GNSS定位数据的UTM坐标作为GNSS坐标系原点，计算每一条GNSS定位数据的UTM坐标相对于原点UTM坐标的偏移；
步骤S302，对点云坐标轨迹进行采样，使得点云坐标数与GNSS坐标数一致，并对每一条GNSS定位数据，获取相同时间戳所对应的点云坐标轨迹及其坐标；
步骤S303，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析进行对齐，得到点云坐标系到GNSS坐标系的变换矩阵，建立GNSS定位数据和点云位姿数据的互相转换关系。
本发明的进一步改进在于，所述步骤S302中，对点云坐标轨迹进行采样的过程如下：对GNSS坐标轨迹中的每一个坐标点，从点云坐标轨迹中查找相邻的两个坐标点，该两个坐标点分别记为坐标P1(X1,Y1,Z1)和坐标P2(X2,Y2,Z2)，时刻分别为t1和t2，坐标Pi通过(Xi,Yi,Zi)来表示，i为代表循环序号的自然数，通过公式(Xt,Yt,Zt)＝(X1+Sx×Δt,Y1+Sy×Δt,Z1+Sz×Δt)计算t时刻的点云坐标Pt(Xt,Yt,Zt)，其中，Δt＝t-t1，表示t1时刻到t时刻的时长；t时刻的速度
Figure BDA0003292961590000031
本发明的进一步改进在于，所述步骤S303中，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析进行对齐的过程如下：通过G＝{G1,G2,…Gn}表示GNSS坐标轨迹，P＝{P1,P2,…Pn}表示点云坐标轨迹，变换的参数分别用R表示旋转矩阵、T′表示平移矩阵，通过公式
Figure BDA0003292961590000032
进行普氏分析，其中，D表示点云坐标轨迹和GNSS坐标轨迹之间的普氏距离，n表示坐标点数。
本发明的进一步改进在于，所述步骤S4包括以下子步骤：
步骤S401，对每一个关键帧点云，利用点云坐标系和GNSS坐标系之间的变换矩阵，将其点云坐标系位姿转换为GNSS坐标系位姿；
步骤S402，对每一个关键帧点云，经GNSS坐标系位姿转换后加入至点云地图；
步骤S403，对点云地图进行体素下采样，形成最终的GNSS坐标系点云地图。
本发明的进一步改进在于，所述步骤S5包括以下子步骤：
步骤S501，根据地下隐患的GNSS坐标，从GNSS定位数据中查找和计算对应的时间戳；
步骤S502，根据时间戳，从Lidar点云数据中查找时间戳最接近的点云；
步骤S503，通过正态分布变换算法或迭代最近点算法将地下隐患对应的点云与GNSS坐标系点云地图进行点云配准，获得地下隐患在GNSS坐标系点云地图中的位姿；
步骤S504，将地下隐患在所述GNSS坐标系点云地图中的相对坐标加上GNSS坐标系原点的UTM坐标，得到隐患的全局UTM坐标，并转换为经纬度坐标。
本发明的进一步改进在于，所述步骤S501中，从GNSS定位数据中查找和计算对应的时间戳的过程如下：查找离地下隐患最近的两个GNSS坐标，这两个GNSS坐标的时间戳分别为T1′和T2′，与地下隐患的距离分别为D1和D2，采用公式
Figure BDA0003292961590000041
Figure BDA0003292961590000042
计算地下隐患对应的时间戳T′。
本发明还提供一种基于融合定位的探地雷达地下隐患定位系统，采用了如上所述的基于融合定位的探地雷达地下隐患定位方法，并包括探地雷达、全球卫星导航系统、激光雷达和采集主机，所述探地雷达、全球卫星导航系统和激光雷达分别与所述采集主机直接相连或通过网络相连；所述探地雷达挂载在探地车辆的尾部，所述全球卫星导航系统和激光雷达安装在探地车辆的顶部。
与现有技术相比，本发明的有益效果在于：针对地下隐患这一特殊使用环境，融合了探地雷达数据、全球卫星导航系统的GNSS定位数据以及激光雷达的Lidar点云数据，形成地下隐患数据和地表环境数据的结合，能够更加精准地实现地下隐患的探测和定位，大幅度地提高了对地下隐患数据的定位可靠性和数据有效性，抗干扰能力强。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例的定位轨迹融合示意图；
图3是本发明另一种实施例的结构示意图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1所示，本例提供一种基于融合定位的探地雷达地下隐患定位方法，包括以下步骤：
步骤S1，同步采集和记录探地雷达数据、全球卫星导航系统的GNSS定位数据以及激光雷达的Lidar点云数据，在记录GNSS定位数据和Lidar点云数据时采用统一时钟源所产生的时间戳标记；其中，GNSS为全球卫星导航系统2的简称，Lidar为激光雷达3的简称；
步骤S2，利用点云配准算法逐帧配准Lidar点云数据，计算每帧点云在点云坐标系中的位姿，获取点云位姿数据；本例所述位姿表示位置+姿态(方向)，合成点云地图时也需要点云的姿态数据，因此，本例使用的是位姿数据，即位置和姿态数据；
步骤S3，对GNSS定位数据和点云位姿数据进行融合，建立互相转换关系；
步骤S4，对每帧点云根据融合后的位姿进行位姿转换，构建点云地图；
步骤S5，对探地雷达数据解译输出的地下隐患，根据其GNSS坐标查找对应的点云，通过点云配准算法计算地下隐患对应的点云在点云地图中的相对坐标，并将所述相对坐标转换为全局坐标，实现对地下隐患的定位。
本例所述步骤S1中，优选采用GNSS时钟作为统一时钟源产生时间戳标记，记录GNSS定位数据和Lidar点云数据。由于GNSS时钟数据和Lidar点云数据帧率不同，因此，本例采用以下子步骤获取所示Lidar点云数据的时间戳：
步骤S101，获取第一条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T1，同时对应的本机时钟记为C1；
步骤S102，获取第二条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T2，同时对应的本机时钟记为C2；
步骤S103，获取当前帧的Lidar点云数据，对应的本机时钟记为C；
步骤S104，通过公式
Figure BDA0003292961590000051
记录当前帧的Lidar点云数据的时间戳T。
本例所述步骤S2利用点云配准算法逐帧配准点云数据，计算每帧点云在点云坐标系中的位姿；在实际应用中，优选通过子步骤S201至子步骤S206进行计算得到。
本例所述步骤S201，对每一帧点云进行预处理，过滤掉太近和太远的点，对距离小于第一阈值或大于第二阈值的点进行过滤，并进行体素下采样；所述第一阈值为自定义设置的预处理低阈值，本例所述第一阈值优选为1米；所述第二阈值为自定义设置的预处理高阈值，本例所述第二阈值优选为200米；进行体素下采样过程中，体素大小优选采用1×1×1米；当然，在实际应用中，该第一阈值、第二阈值以及体素大小可以根据实际情况和需要进行自定义修改和调整。
点的距离D采用公式
Figure BDA0003292961590000052
计算，当点的距离D满足条件min_d<D<max_d时保留这个点，否则将其去掉：min_d为第一阈值，max_d为第二阈值，X、Y和Z表示的是点云坐标；体素下采样是指将三维点云空间划分为一个个长宽高固定的小格子(即体素)，点云中的每个点被包含在其中一个单元格(体素)里，然后对每个体素进行采样，比如用体素的质心作为采样点代替整个体素中的所有点，即实现了体素下采样。
体素的长宽高分别表示为L、W、H，点的体素坐标采用如下方法计算：
Figure BDA0003292961590000053
体素质心采样点采用如下方法计算：
Figure BDA0003292961590000054
Figure BDA0003292961590000061
本例所述步骤S202，将第一帧点云作为初始的参考点云，以所述初始的参考点云作为点云坐标系原点(0,0,0)(0,0,0)。
本例所述步骤S203，将当前帧点云与参考点云采用正态分布变换算法(NormalDistribution Transform，简称NDT算法)或迭代最近点算法(Iterative Closest Point，简称ICP算法)进行点云配准，优选体素大小采用1×1×1米，收敛值选择0.01，步长选择0.1，最大迭代次数选择32，获取当前帧点云相对于参考点云的位姿。
其中，NDT算法首先将扫描空间划分为单元格(体素)，将采样的点云划分到不同的单元格(体素)中。假设点云表面符合正态分布，因此计算出每个方格的正态分布PDF(probability density function，概率密度函数)参数，利用PDF参数来作为局部点云表面的近似表达；局部表面的方向和光滑性则可以通过协方差矩阵的特征值和特征向量反映出来。
对于每一个单元格(体素)，用样本集合为{Vi＝[Vi1,Vi2,Vim]T|1≤i≤n}表示其中的点，n为样本数量，通过下列计算单元格(体素)的PDF参数，包括均值
Figure BDA0003292961590000062
和协方差矩阵C，均值
Figure BDA0003292961590000063
协方差矩阵
Figure BDA0003292961590000064
当使用NDT配准时，算法目标是找到当前扫描帧的姿态，使其位于参考点云表面上的可能性最大化，需要优化的参数就是对当前扫描点云的变换，包括旋转和平移。NDT算法使用牛顿迭代法进行参数优化，找出最大似然的姿态变换，从而进行点云定位。
用P＝{P1,P2,…Pn}表示当前扫描帧的待配准点集，变换参数用R表示旋转矩阵、T′表示平移矩阵，对于当前扫描帧中的每一个点Pi，通过公式Xi＝R×Pi+T′进行姿态变换：对姿态变换后的点Xi，通过公式
Figure BDA0003292961590000065
计算其对应单元格(体素)的概率分布函数f(Xi)。
NDT算法使目标函数
Figure BDA0003292961590000066
来计算，θ表示似然函数；由于NDT算法在配准过程中不是使用点的特征进行计算和匹配，因此计算速度快，耗时稳定，并且对小部分差别具有一定的容忍性。
本例还可以采用ICP算法来实现，ICP算法本质上是基于最小二乘法的最优配准方法。ICP算法重复选择对应的最近点对并计算最优刚体变换，直到满足配准的收敛条件。用R′＝{R′1,R′2,…R′n}表示参考点云，P＝{P1,P2,…Pn}表示待配准点集，ICP算法使下列目标函数
Figure BDA0003292961590000071
T′表示平移矩阵。
ICP算法首先对于待配准点云中的每个点，寻找参考点云中对应的最近点，构成匹配点对。然后将全部匹配点对的欧氏距离之和作为误差目标函数，利用SVD(SingularValue Decomposition，奇异值分解)求出旋转矩阵R和平移矩阵T′，使得误差最小。将待配准点云根据旋转矩阵R和平移矩阵T′做位姿转换后，再次重新寻找匹配点对并求解新的旋转矩阵R和平移矩阵T′。不断重复这一过程，直到达成收敛条件或达到最大迭代次数。
ICP算法具有配准精度高的优点，但由于每次迭代都需要重新寻找匹配点对，因此运行效率比NDT算法低。因此，本例优选将所述NDT算法和ICP算法相结合，根据实际应用需求，自动切换这两种算法，比如默认采用NDT算法，当遇到特殊情况或极限使用环境时，所述步骤S204配准不成功，则返回通过所述ICP算法进行重新配准。
本例所述步骤S204，将配准成功(收敛标志为1、配准得分小于50表示配准成功)且移动位姿大于第三阈值的点云，以便丢弃与当前点云位姿相差过大的点云，限制参考点云的大小以减小内存消耗和提高配准效率；经位姿转换后加入参考点云，并标记为关键帧。所述第三阈值为预先设置的移动位姿阈值，可以根据实际需求进行自定义调整和修改，所述第三阈值优选默认为5米。
本例所述步骤S205，从参考点云中丢弃与当前点云位姿大于第四阈值的点云，所述第四阈值为预先设置的点云位姿阈值，可以根据实际需求进行自定义调整和修改，用于丢弃与当前点云位姿相差过大的点云，限制参考点云的大小以减小内存消耗和提高配准效率。
步骤S206，重复步骤S203至步骤S205，直到最后一帧。
本例所述步骤S3优选包括子步骤S301至子步骤S303，其中，所述步骤S301，将第一条GNSS定位数据的UTM坐标作为GNSS坐标系原点，计算每一条GNSS定位数据的UTM坐标相对于原点UTM坐标的偏移，即为其在GNSS坐标系中的坐标。所述UTM坐标为UniversalTransverse Mercator Grid System，通用横墨卡托网格系统，属于常用的平面直角地理坐标系。原点UTM坐标表示为(Eo,No,Ho)，当前GNSS的UTM坐标表示为(Ni,Ei,Hi)，则在GNSS坐标系中的坐标为：(Xi,Yi,Zi)＝(Ei-Eo,Ni-No,Hi)，值得说明的是，这里的Hi所需要用到的是离地绝对高度，不是离原点的相对高度，因此，不需要与Ho进行做差处理。
本例所述步骤S302，对点云坐标轨迹进行采样，使得点云坐标数与GNSS坐标数一致，并对每一条GNSS定位数据，获取相同时间戳所对应的点云坐标轨迹及其坐标；本例对GNSS坐标轨迹中的每一个坐标点(时间戳T所在时刻t)，从点云坐标轨迹中查找相邻的两个坐标点，这两个坐标点分别记为坐标P1(X1,Y1,Z1)和坐标P2(X2,Y2,Z2)，时刻分别为t1和t2，坐标Pi通过(Xi,Yi,Zi)来表示，i为代表循环序号的自然数，通过公式(Xt,Yt,Zt)＝(X1+Sx×Δt,Y1+Sy×Δt,Z1+Sz×Δt)计算t时刻的点云坐标Pt(Xt,Yt,Zt)，其中，Δt＝t-t1，表示t1时刻到t时刻的时长；t时刻的速度
Figure BDA0003292961590000081
本例所述步骤S303，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析(ProcrustesAnalysis)进行对齐，得到点云坐标系到GNSS坐标系的变换矩阵，建立GNSS定位数据和点云位姿数据的互相转换关系。所述步骤S303中，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析进行对齐的过程如下：通过G＝{G1,G2,…Gn}表示GNSS坐标轨迹，P＝{P1,P2,…Pn}表示点云坐标轨迹，变换的参数分别用R表示旋转矩阵、T′表示平移矩阵，通过公式
Figure BDA0003292961590000082
进行普氏分析，其中，D表示点云坐标轨迹和GNSS坐标轨迹之间的普氏距离，n表示坐标点数。
本例所述步骤S303采用普氏分析(Procrustes Analysis)用最小二乘法寻找点云定位轨迹到GNSS定位轨迹的变换，使得变换后的点云定位轨迹与GNSS定位轨迹的普氏距离最小；普氏分析的结果即点云坐标系到GNSS坐标系的变换矩阵，利用变换矩阵，可实现GNSS位姿数据和点云位姿数据的互相转换。
本例所述步骤S4优选包括子步骤S401至步骤S403。具体的，本例所述步骤S401，对每一个关键帧点云，利用点云坐标系和GNSS坐标系之间的变换矩阵(简称点云-GNSS变换矩阵)，将其点云坐标系位姿转换为GNSS坐标系位姿；本例优选通过旋转矩阵R和平移矩阵T′表示点云-GNSS变换矩阵，通过旋转矩阵Rp和平移矩阵Tp表示点云在点云坐标系中的位姿，在实际应用中，完整的变换一般包括旋转、平移和缩放。本例无需缩放，只需旋转和平移。可以合起来作为一个4阶矩阵，也可以分开成一个3阶矩阵和一个3维向量。本例优选采用分开的方式，计算会更加方便。本例优选通过公式(Rg,Tg)＝(R×Rp,T′+Tp)计算其在GNSS坐标系中的位姿(Rg,Tg)：
本例所述步骤S402，对每一个关键帧点云P，体素大小优选采用1×1×1米，经GNSS坐标系位姿转换后加入至点云地图；对于当前帧中的每一个点Pi，采用公式Xi＝Rg×Pi+Tg进行变换。
步骤S403，对点云地图进行体素下采样，形成最终的GNSS坐标系点云地图。
本例所述步骤S5优选包括子步骤S501至步骤S504。具体的，所述步骤S501，根据地下隐患的GNSS坐标，从GNSS定位数据中查找和计算对应的时间戳；
本例所述步骤S501中，由于地下隐患的GNSS坐标一定位于GNSS坐标轨迹上，因此，查找离地下隐患坐标最近的两个GNSS坐标，则地下隐患的GNSS坐标位于这两个GNSS坐标之间，地下隐患对应的时间戳也位于这两个GNSS坐标的时间戳之间。隐患的UTM坐标表示为(E,N,H)，GNSS的UTM坐标表示为(Ei,Ni,Hi)，采用公式
Figure BDA0003292961590000091
计算地下隐患坐标与GNSS坐标间的距离D。然后，从GNSS定位数据中查找和计算对应的时间戳的过程如下：查找离地下隐患最近的两个GNSS坐标，这两个GNSS坐标的时间戳分别为T1′和T2′，与地下隐患的距离分别为D1和D2，采用公式
Figure BDA0003292961590000092
计算地下隐患对应的时间戳T′。
本例所述步骤S502，根据时间戳，从Lidar点云数据中查找时间戳最接近的点云；步骤S503，通过正态分布变换算法或迭代最近点算法将地下隐患对应的点云与GNSS坐标系点云地图进行点云配准，体素大小优选采用1×1×1米，收敛值选择0.01，步长选择0.1，最大迭代次数选择32，获得地下隐患在GNSS坐标系点云地图中的位姿；点云配准算法包括采用NDT(Normal Distribution Transform，正态分布变换)算法或ICP(Iterative ClosestPoint，迭代最近点)算法。
本例所述步骤S504，将地下隐患在所述GNSS坐标系点云地图中的相对坐标加上GNSS坐标系原点的UTM坐标，得到隐患的全局UTM坐标，并转换为经纬度坐标。
如图3所示，本例还提供一种基于融合定位的探地雷达地下隐患定位系统，采用了如上所述的基于融合定位的探地雷达地下隐患定位方法，并包括探地雷达1、全球卫星导航系统2、激光雷达3和采集主机4，所述探地雷达1包括探地雷达主机和与探地雷达的采集主机4相连的探地雷达天线，所述全球卫星导航系统2(GNSS)包括GPS全球卫星导航定位系统或北斗卫星导航定位系统，一般包含GNSS主机和GNSS天线，GNSS主机3内置可选RTK实时差分功能和INS惯性导航功能。激光雷达3(Lidar)可选16线、32线、64线和128线等多线激光雷达。所述探地雷达1、全球卫星导航系统2和激光雷达3分别与所述采集主机4直接相连或通过网络相连；所述探地雷达1挂载在探地车辆5的尾部，所述全球卫星导航系统2和激光雷达3安装在探地车辆5的顶部。
综上所述，如图2所示，本例针对地下隐患这一特殊使用环境，融合了探地雷达数据、全球卫星导航系统的GNSS定位数据以及激光雷达的Lidar点云数据，形成地下隐患数据和地表环境数据的结合，能够更加精准地实现地下隐患的探测和定位，大幅度地提高了对地下隐患数据的定位可靠性和有效性，抗干扰能力强。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于融合定位的探地雷达地下隐患定位方法，其特征在于，包括以下步骤：
步骤S1，同步采集和记录探地雷达数据、全球卫星导航系统的GNSS定位数据以及激光雷达的Lidar点云数据，在记录GNSS定位数据和Lidar点云数据时采用统一时钟源所产生的时间戳标记；
步骤S2，利用点云配准算法逐帧配准Lidar点云数据，计算每帧点云在点云坐标系中的位姿，获取点云位姿数据；
步骤S3，对GNSS定位数据和点云位姿数据进行融合，建立互相转换关系；
步骤S4，对每帧点云根据融合后的位姿进行位姿转换，构建点云地图；
步骤S5，对探地雷达数据解译输出的地下隐患，根据其GNSS坐标查找对应的点云，通过点云配准算法计算地下隐患对应的点云在点云地图中的相对坐标，并将所述相对坐标转换为全局坐标，实现对地下隐患的定位。
2.根据权利要求1所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S1中，采用所述GNSS定位数据的时钟作为统一时钟源产生时间戳标记，记录GNSS定位数据和Lidar点云数据，通过以下子步骤获取所述Lidar点云数据的时间戳：
步骤S101，获取第一条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T1，同时对应的本机时钟记为C1；
步骤S102，获取第二条GNSS定位数据的时钟数据，其对应的GNSS时钟记为T2，同时对应的本机时钟记为C2；
步骤S103，获取当前帧的Lidar点云数据，对应的本机时钟记为C；
步骤S104，通过公式
Figure FDA0003292961580000011
记录当前帧的Lidar点云数据的时间戳T。
3.根据权利要求1所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S2包括以下子步骤：
步骤S201，对每一帧点云进行预处理，对距离小于第一阈值或大于第二阈值的点进行过滤，并进行体素下采样；
步骤S202，将第一帧点云作为初始的参考点云，以所述初始的参考点云作为点云坐标系原点；
步骤S203，将当前帧点云与参考点云采用正态分布变换算法或迭代最近点算法进行点云配准，获取当前帧点云相对于参考点云的位姿；
步骤S204，将配准成功且移动位姿大于第三阈值的点云，经位姿转换后加入参考点云，并标记为关键帧；
步骤S205，从参考点云中丢弃与当前点云位姿大于第四阈值的点云；
步骤S206，重复步骤S203至步骤S205，直到最后一帧。
4.根据权利要求1至3任意一项所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S3包括以下子步骤：
步骤S301，将第一条GNSS定位数据的UTM坐标作为GNSS坐标系原点，计算每一条GNSS定位数据的UTM坐标相对于原点UTM坐标的偏移；
步骤S302，对点云坐标轨迹进行采样，使得点云坐标数与GNSS坐标数一致，并对每一条GNSS定位数据，获取相同时间戳所对应的点云坐标轨迹及其坐标；
步骤S303，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析进行对齐，得到点云坐标系到GNSS坐标系的变换矩阵，建立GNSS定位数据和点云位姿数据的互相转换关系。
5.根据权利要求4所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S302中，对点云坐标轨迹进行采样的过程如下：对GNSS坐标轨迹中的每一个坐标点，从点云坐标轨迹中查找相邻的两个坐标点，该两个坐标点分别记为坐标P1(X1,Y1,Z1)和坐标P2(X2,Y2,Z2)，时刻分别为t1和t2，坐标Pi通过(Xi,Yi,Zi)来表示，i为代表循环序号的自然数，通过公式(Xt,Yt,Zt)＝(X1+Sx×Δt,Y1+Sy×Δt,Z1+Sz×Δt)计算t时刻的点云坐标Pt(Xt,Yt,Zt)，其中，Δt＝t-t1，表示t1时刻到t时刻的时长；t时刻的速度
Figure FDA0003292961580000021
6.根据权利要求4所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S303中，对点云坐标轨迹和GNSS坐标轨迹采用普氏分析进行对齐的过程如下：通过G＝{G1,G2,…Gn}表示GNSS坐标轨迹，P＝{P1,P2,…Pn}表示点云坐标轨迹，变换的参数分别用R表示旋转矩阵、T′表示平移矩阵，通过公式
Figure FDA0003292961580000022
Figure FDA0003292961580000023
进行普氏分析，其中，D表示点云坐标轨迹和GNSS坐标轨迹之间的普氏距离，n表示坐标点数。
7.根据权利要求1至3任意一项所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S4包括以下子步骤：
步骤S401，对每一个关键帧点云，利用点云坐标系和GNSS坐标系之间的变换矩阵，将其点云坐标系位姿转换为GNSS坐标系位姿；
步骤S402，对每一个关键帧点云，经GNSS坐标系位姿转换后加入至点云地图；
步骤S403，对点云地图进行体素下采样，形成最终的GNSS坐标系点云地图。
8.根据权利要求1至3任意一项所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S5包括以下子步骤：
步骤S501，根据地下隐患的GNSS坐标，从GNSS定位数据中查找和计算对应的时间戳；
步骤S502，根据时间戳，从Lidar点云数据中查找时间戳最接近的点云；
步骤S503，通过正态分布变换算法或迭代最近点算法将地下隐患对应的点云与GNSS坐标系点云地图进行点云配准，获得地下隐患在GNSS坐标系点云地图中的位姿；
步骤S504，将地下隐患在所述GNSS坐标系点云地图中的相对坐标加上GNSS坐标系原点的UTM坐标，得到隐患的全局UTM坐标，并转换为经纬度坐标。
9.根据权利要求8所述的基于融合定位的探地雷达地下隐患定位方法，其特征在于，所述步骤S501中，从GNSS定位数据中查找和计算对应的时间戳的过程如下：查找离地下隐患最近的两个GNSS坐标，这两个GNSS坐标的时间戳分别为T1′和T2′，与地下隐患的距离分别为D1和D2，采用公式
Figure FDA0003292961580000031
计算地下隐患对应的时间戳T′。
10.一种基于融合定位的探地雷达地下隐患定位系统，其特征在于，采用了如权利要求1至9任意一项所述的基于融合定位的探地雷达地下隐患定位方法，并包括探地雷达、全球卫星导航系统、激光雷达和采集主机，所述探地雷达、全球卫星导航系统和激光雷达分别与所述采集主机直接相连或通过网络相连；所述探地雷达挂载在探地车辆的尾部，所述全球卫星导航系统和激光雷达安装在探地车辆的顶部。
CN202111170541.5A 2021-10-08 2021-10-08 一种基于融合定位的探地雷达地下隐患定位方法及系统 Pending CN113917547A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111170541.5A CN113917547A (zh) 2021-10-08 2021-10-08 一种基于融合定位的探地雷达地下隐患定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111170541.5A CN113917547A (zh) 2021-10-08 2021-10-08 一种基于融合定位的探地雷达地下隐患定位方法及系统

Publications (1)

Publication Number Publication Date
CN113917547A true CN113917547A (zh) 2022-01-11

Family

ID=79238356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111170541.5A Pending CN113917547A (zh) 2021-10-08 2021-10-08 一种基于融合定位的探地雷达地下隐患定位方法及系统

Country Status (1)

Country Link
CN (1) CN113917547A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114779366A (zh) * 2022-04-27 2022-07-22 水利部交通运输部国家能源局南京水利科学研究院 车载堤防险情隐患快速探测装备及作业方法
CN115015911A (zh) * 2022-08-03 2022-09-06 深圳安德空间技术有限公司 一种基于雷达图像的导航地图制作和使用方法及系统
CN115774280A (zh) * 2022-11-22 2023-03-10 哈尔滨师范大学 一种多源融合定位导航方法、电子设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114779366A (zh) * 2022-04-27 2022-07-22 水利部交通运输部国家能源局南京水利科学研究院 车载堤防险情隐患快速探测装备及作业方法
CN114779366B (zh) * 2022-04-27 2022-12-20 水利部交通运输部国家能源局南京水利科学研究院 车载堤防险情隐患快速探测装备及作业方法
US11767019B1 (en) 2022-04-27 2023-09-26 Nanjing Hydraulic Research Institute Under The Ministry Of Water Resources, The Ministry Of Transport And The National Energy Administration Vehicle-mounted equipment for rapid detection of danger and hidden danger of a dike and operation method thereof
CN115015911A (zh) * 2022-08-03 2022-09-06 深圳安德空间技术有限公司 一种基于雷达图像的导航地图制作和使用方法及系统
CN115015911B (zh) * 2022-08-03 2022-10-25 深圳安德空间技术有限公司 一种基于雷达图像的导航地图制作和使用方法及系统
CN115774280A (zh) * 2022-11-22 2023-03-10 哈尔滨师范大学 一种多源融合定位导航方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN113917547A (zh) 一种基于融合定位的探地雷达地下隐患定位方法及系统
US10878243B2 (en) Method, device and apparatus for generating electronic map, storage medium, and acquisition entity
Wen et al. GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud
CN109059906B (zh) 车辆定位方法、装置、电子设备、存储介质
WO2022141914A1 (zh) 一种基于雷视融合的多目标车辆检测及重识别方法
CN109934920A (zh) 基于低成本设备的高精度三维点云地图构建方法
CN115943439A (zh) 一种基于雷视融合的多目标车辆检测及重识别方法
Ng et al. Robust GNSS shadow matching for smartphones in urban canyons
CN102853835B (zh) 基于尺度不变特征变换的无人飞行器景象匹配定位方法
CN107679476A (zh) 一种海冰类型遥感分类方法
CN114964212B (zh) 面向未知空间探索的多机协同融合定位与建图方法
CN110412596A (zh) 一种基于图像信息和激光点云的机器人定位方法
WO2022247306A1 (zh) 一种基于毫米波雷达的无人机定位方法
CN105387842A (zh) 基于感知驱动的自航式海底地形地貌测绘系统及测绘方法
CN111879313B (zh) 一种基于无人机图像识别的多目标连续定位方法及系统
Meichen et al. Dynamic obstacle detection based on multi-sensor information fusion
Narula et al. Automotive-radar-based 50-cm urban positioning
CN108921896B (zh) 一种融合点线特征的下视视觉罗盘
Gustafsson et al. Navigation and tracking of road-bound vehicles
Zhang et al. Online ground multitarget geolocation based on 3-D map construction using a UAV platform
CN113504543B (zh) 无人机LiDAR系统定位定姿系统及方法
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
CN112098926B (zh) 一种利用无人机平台的智能测角训练样本生成方法
CN110285805A (zh) 一种数据空洞的自适应插值/分割处理方法
CN108090898A (zh) 基于字典表示的卫星遥感图像典型地标检测方法

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