CN113970754A - 一种自主可行驶设备的定位方法和装置 - Google Patents
一种自主可行驶设备的定位方法和装置 Download PDFInfo
- Publication number
- CN113970754A CN113970754A CN202111241458.2A CN202111241458A CN113970754A CN 113970754 A CN113970754 A CN 113970754A CN 202111241458 A CN202111241458 A CN 202111241458A CN 113970754 A CN113970754 A CN 113970754A
- Authority
- CN
- China
- Prior art keywords
- map
- environment
- environment map
- positioning
- autonomous
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种自主可行驶设备的定位方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:利用全局地图对自主可行驶设备进行定位;根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化,并基于传感器数据构建环境地图;在自主可行驶设备所在的环境发生变化的情况下,利用环境地图对自主可行驶设备进行定位。该实施方式能够解决自主可行驶设备对动态环境适应性差的问题,提高定位精度及鲁棒性,克服了地图更新计算量大的缺陷,节省了算力,减少了不确定性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种自主可行驶设备的定位方法和装置。
背景技术
目前已有的自主可行驶设备定位技术(例如自主移动机器人定位技术)主要包括超声波定位技术、基于路标的定位方法、红外线定位导航以及基于SLAM(机器人同时定位与建图)技术的定位技术等方法,其中基于SLAM技术的定位方法具有精度高、柔性化高等优点。现阶段基于SLAM技术进行定位的自主可行驶设备,需要事先构建地图,该地图称为第一图层地图。自主可行驶设备定位所使用的主流方法是利用传感器观测数据与第一图层地图匹配,进行位姿估计从而达到定位目的。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
利用传感器观测数据与地图匹配进行定位,环境适应性差,由于环境是多变的、动态的,当传感器观测数据与地图匹配不上时,会导致定位精度及鲁棒性的下降;SLAM更新地图是在定位的同时进行,地图更新的计算量大,增大了定位对算力的需求;地图更新是将发生变化的部分地图拼接到第一图层地图上进行使用,但是由于地图更新方案及传感器误差等因素的影响,会导致地图精度下降,从而地图更新带来很大的不确定性。
发明内容
有鉴于此,本发明实施例提供一种自主可行驶设备的定位方法和装置,能够解决自主可行驶设备对动态环境适应性差的问题,提高定位精度及鲁棒性,克服了地图更新计算量大的缺陷,节省了算力,减少了不确定性。
为实现上述目的,根据本发明实施例的一个方面,提供了一种自主可行驶设备的定位方法。
一种自主可行驶设备的定位方法,包括:利用全局地图对自主可行驶设备进行定位;根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化,并基于所述传感器数据构建环境地图;在所述环境发生变化的情况下,利用所述环境地图对所述自主可行驶设备进行定位。
可选地,所述传感器数据包括观测数据,所述观测数据包括激光雷达数据和相机数据;所述基于所述传感器数据构建环境地图,包括:根据所述相机数据提取视觉特征点,并投影得到二维视觉特征;通过融合所述二维视觉特征和所述激光雷达数据,构建所述环境地图。
可选地,所述环境地图包括第一环境地图和第二环境地图;所述构建环境地图,包括:构建所述第一环境地图以用于在所述环境发生变化的情况下对所述自主可行驶设备进行定位,并在所述第一环境地图构建完成后,构建所述第二环境地图,在所述定位不终止且所述第二环境地图构建完成的情况下,以所述第二环境地图动态更新所述第一环境地图,并构建新的所述第二环境地图。
可选地,所述根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化,包括:将所述传感器数据中的观测数据与所述全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定所述环境发生变化。
根据本发明实施例的另一方面,提供了一种自主可行驶设备的定位装置。
一种自主可行驶设备的定位装置,包括:地图构建模块、定位模块、环境变化检测模块;所述定位模块用于利用全局地图对自主可行驶设备进行定位;所述环境变化检测模块用于根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化;所述地图构建模块用于基于所述传感器数据构建环境地图;所述定位模块还用于在所述环境发生变化的情况下,利用所述环境地图对所述自主可行驶设备进行定位。
可选地,所述传感器数据包括观测数据,所述观测数据包括激光雷达数据和相机数据;所述地图构建模块还用于:根据所述相机数据提取视觉特征点,并投影得到二维视觉特征;通过融合所述二维视觉特征和所述激光雷达数据,构建所述环境地图。
可选地,所述环境地图包括第一环境地图和第二环境地图;所述地图构建模块还用于:构建所述第一环境地图以用于在所述环境发生变化的情况下对所述自主可行驶设备进行定位,并在所述第一环境地图构建完成后,构建所述第二环境地图,在所述定位不终止且所述第二环境地图构建完成的情况下,以所述第二环境地图动态更新所述第一环境地图,并构建新的所述第二环境地图。
可选地,所述环境变化检测模块还用于:将所述传感器数据中的观测数据与所述全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定所述环境发生变化。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,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本发明实施例所提供的自主可行驶设备的定位方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的自主可行驶设备的定位方法。
上述发明中的一个实施例具有如下优点或有益效果:利用全局地图对自主可行驶设备进行定位;根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化,并基于传感器数据构建环境地图;在自主可行驶设备所在的环境发生变化的情况下,利用环境地图对自主可行驶设备进行定位。能够解决自主可行驶设备对动态环境适应性差的问题,提高定位精度及鲁棒性,克服了地图更新计算量大的缺陷,节省了算力,减少了不确定性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明一个实施例的自主可行驶设备的定位方法的主要步骤示意图;
图2是根据本发明一个实施例的自主可行驶设备的定位流程示意图;
图3是根据本发明一个实施例的自主可行驶设备的定位装置的主要步骤示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明一个实施例的自主可行驶设备的定位方法的主要步骤示意图。
如图1所示,本发明一个实施例的自主可行驶设备的定位方法主要包括如下的步骤S101至步骤S103。
步骤S101:利用全局地图对自主可行驶设备进行定位。
步骤S102:根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化,并基于传感器数据构建环境地图。
步骤S103:在自主可行驶设备所在的环境发生变化的情况下,利用环境地图对自主可行驶设备进行定位。
自主可行驶设备具体可以是AMR(自主移动机器人),也可以是AGV(自动导引运输车)等,本发明实施例主要以自主移动机器人为例进行说明,本领域技术人员可以理解的是,本发明各实施例也可以用于AGV定位。
本发明实施例着重关注基于SLAM技术的定位方法,但不同于现有技术中基于SLAM技术的定位技术,本发明实施例旨在利用多图层地图(包括全局地图和环境地图,其中全局地图可以作为第一图层地图,环境地图可作为第二图层地图)相结合的SLAM定位方法,解决移动机器人等自主可行驶设备对动态环境适应性差的问题。
自主可行驶设备的传感器数据包括观测数据,观测数据具体包括激光雷达数据和相机数据。激光雷达数据即自主可行驶设备通过激光雷达采集的数据,相机数据即自主可行驶设备通过相机采集的数据。
在一个实施例中,全局地图可以是基于自主可行驶设备的传感器数据进行构建的。
在另一个实施例中,全局地图可以是从另外的设备获取的预先构建好的地图数据。
全局地图是自主可行驶设备定位所使用的完整地图,环境地图是围绕自主可行驶设备当前移动的环境而临时生成的地图,环境地图并不是完整地图,而只是实时反映自主可行驶设备周围小范围的环境。全局地图与环境地图设置为不同的图层。
基于传感器数据构建环境地图,具体包括:根据相机数据提取视觉特征点,并投影得到二维视觉特征;通过融合二维视觉特征和激光雷达数据,构建环境地图。融合具体可以利用现有的激光雷达和视觉融合(LIDAR-Camera Fusion)方法,来融合二维视觉特征和激光雷达数据。
在一个实施例中,环境地图包括第一环境地图和第二环境地图。
构建环境地图,具体包括:构建第一环境地图以用于在环境发生变化的情况下对自主可行驶设备进行定位,并在第一环境地图构建完成后,构建第二环境地图,在定位不终止且第二环境地图构建完成的情况下,以第二环境地图动态更新第一环境地图,并构建新的第二环境地图。
根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化,具体包括:将传感器数据中的观测数据与全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定环境发生变化。
在一个实施例中,匹配得分的计算方法如下:
其中,score为匹配得分,n为观测数据当前帧激光点落在被占据栅格上的激光点数,N为观测数据中当前帧激光点的总数。栅格是基于全局地图划分出的栅格,栅格分为被占据栅格(或称被占用栅格)、未被占据栅格和未知栅格。预设阈值为经验值,优选为可设为0.45。
本发明实施例利用多图层地图相结合的SLAM定位方法,主要包括构建多图层地图和选取定位使用的地图两部分,其中当环境发生一定程度的变化时,该方案不是将发生变化的那部分地图拼接到第一图层地图上,而是直接使用第二图层地图(即环境地图)用于定位。本发明实施例可以解决已有方案在动态环境下精度低、鲁棒性差、方案不够灵活的问题。解决了移动机器人对动态环境适应性差问题。
图2是根据本发明一个实施例的自主可行驶设备的定位流程示意图。以自主可行驶设备是自主移动机器人为例,定位流程包括:
S201:获取传感器数据;
S202:构建第一图层地图;
S203:基于第一图层地图定位;
S204:判断环境是否变化;若是,则执行S205;否则,执行S209;
S205:判断是否存在融合视觉激光的第二图层地图;若是,则执行S206;否则,执行S207;
S206:获取融合视觉激光的第二图层地图;然后执行S208;
S207:构建融合视觉激光的第二图层地图;然后执行S208;
S208:基于第二图层地图定位;然后执行S209;
S209:确定机器人位姿;然后执行S210;
其中,当由S204跳转到该步骤S209时,确定机器人位姿是基于第一图层地图定位得到的;当由S208跳转到该步骤S209时,确定机器人位姿是基于第二图层地图定位得到的。
S210:判断是否停止定位;若是,则结束流程,否则,返回至S203。下面对上述流程进行具体介绍。
上述第一图层地图与第二图层地图的区别在于第一图层地图是完整的全局地图,不会再改变。而第二图层地图是围绕机器人临时生成的环境地图,能够实时反映机器人周围小范围的环境。
从传感器中获取数据,即获取传感器数据,主要是自主移动机器人建图或定位时从车身搭载的传感器上获取预测数据和观测数据。预测数据包括IMU(惯性测量单元)和里程计的数据,观测数据包括激光雷达和相机的数据,传感器数据是通过驱动程序获取的。
构建第一图层地图,具体是利用从传感器获取的数据构建第一图层地图。算法如下:
其中,posek-1、posek分别表示机器人在k-1时刻和k时刻的位姿,uk表示k-1时刻到k时刻利用预测数据得到的运动增量,wk表示预测模型的误差,预测模型即上述预测机器人位姿的运动方程,lj表示k时刻的观测数据,zk,j表示观测结果,vk,j表示观测模型的误差,观测模型即上述的观测方程,first_map表示正在构建的地图,本发明实施例构建第一图层地图可基于SLAM模型,经典SLAM模型即由一个运动方程和一个观测方程构成。
完成该步骤之后,可以构建一张第一图层地图。
构建融合视觉激光的第二图层地图即通过融合二维视觉特征和激光雷达数据,构建环境地图。
具体地,可以在第一图层地图构建完成后,机器人开始基于第一图层地图进行定位,完成定位后开始构建第二图层地图,第二图层地图是融合视觉和激光数据构建的,得到的地图更稠密,定位效果更好。
该过程中,同一时刻保存的第二图层地图可以包括两张,一张是已经构建完成的第二图层地图,即第一环境地图,另一张是正在构建的第二图层地图,即第二环境地图。其中第二图层的两张地图之间通常有百分之五十左右是重复的,这样可以保证第二图层地图是实时的。构建环境地图的算法如下:
上述dynamic_map1即第一环境地图,dynamic_map2即第二环境地图。基于上述流程,本发明实施例在构建环境地图(即第二图层地图)时,如果不存在第二图层地图,则初始化两张第二图层地图,即第一环境地图(dynamic_map1)和第二环境地图(dynamic_map2),然后开始构建第一环境地图,如果第一环境地图构建完成,则开始构建第二环境地图,在定位不终止的情况下,如果第二环境地图构建完成,则将第一环境地图和第二环境地图对应的值互换,即将dynamic_map2置为dynamic_map,将dynamic_map1置空并置为dynamic_map2,通过该操作实现以第二环境地图动态更新第一环境地图,新的dynamic_map2置空后可用于继续构建第二环境地图,再用于更新第一环境地图,循环上述过程。
由于执行该过程可以在定位过程中一直保存着两张第二图层地图,dynamic_map1用于机器人基于第二图层地图定位,dynamic_map2是未完成构建的第二图层地图。当dynamic_map2完成构建时,会被置为dynamic_map1,同时将dynamic_map1置空并置为dynamic_map2。从而可以保证整个定位过程中一直维护着一张可用的第二图层地图,保证第二图层地图具有更好的定位效果和实时性。
判断环境是否变化以选取定位使用的地图。具体地,可以将当前帧观测数据与第一图层地图匹配,如果匹配得分大于阈值μ,则说明环境变化在可接受范围内,那么选用第一图层地图进行定位;如果匹配得分小于或等于阈值,则说明环境变化超出可接受范围,那么选用第二图层地图定位。算法如下:
score=match(measurement_data,first_map)
if score>μ
robot_pose=localization(measurement_data,first_map)
else
robot_pose=localization(measurement_data,second_map)
其中,measurement_data表示传感器观测数据,first_map表示第一图层地图,second_map表示第二图层地图,score表示传感器观测数据与第一图层地图匹配的得分,μ表示阈值,robot_pose表示定位模块中利用观测数据与地图匹配得到的机器人的位姿。match函数为用于计算匹配得分的函数,匹配得分的计算方法在上文实施例中已经介绍,此处不再赘述,localization函数表示用于定位机器人位姿的函数。
当环境发生一定程度的变化时,本发明实施例不是将发生变化的那部分地图拼接到第一图层地图上,而是直接使用第二图层地图用于定位。本发明实施例的基于多图层地图的定位方法在使用第一图层地图的同时会在一定条件下利用第二图层地图增强机器人的定位精度和鲁棒性。
图3是根据本发明一个实施例的自主可行驶设备的定位装置的主要步骤示意图。
如图3所示,本发明一个实施例的自主可行驶设备的定位装置300主要包括:地图构建模块301、定位模块302、环境变化检测模块303。
在一个实施例中,地图构建模块301用于基于自主可行驶设备的传感器数据构建全局地图。
定位模块302用于利用全局地图对自主可行驶设备进行定位;
环境变化检测模块303用于根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化;
地图构建模块301还用于基于传感器数据构建环境地图;
定位模块302还用于在环境发生变化的情况下,利用环境地图对自主可行驶设备进行定位。
传感器数据包括观测数据,观测数据包括激光雷达数据和相机数据。
地图构建模块301具体用于:根据相机数据提取视觉特征点,并投影得到二维视觉特征;通过融合二维视觉特征和激光雷达数据,构建环境地图。
环境地图包括第一环境地图和第二环境地图。
地图构建模块301具体还用于:构建第一环境地图以用于在环境发生变化的情况下对自主可行驶设备进行定位,并在第一环境地图构建完成后,构建第二环境地图,在定位不终止且第二环境地图构建完成的情况下,以第二环境地图动态更新第一环境地图,并构建新的第二环境地图。
环境变化检测模块303具体用于:将传感器数据中的观测数据与全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定环境发生变化。
另外,在本发明实施例中自主可行驶设备的定位装置的具体实施内容,在上面自主可行驶设备的定位方法中已经详细说明了,故在此重复内容不再说明。
图4示出了可以应用本发明实施例的自主可行驶设备的定位方法或自主可行驶设备的定位装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的信息查询请求等数据进行分析等处理,并将处理结果(例如控制信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的自主可行驶设备的定位方法一般由终端设备401、402、403执行,相应地,自主可行驶设备的定位装置一般设置于终端设备401、402、403中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本申请实施例的终端设备的计算机系统500的结构示意图。图5示出的终端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。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括地图构建模块、定位模块、环境变化检测模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,地图构建模块还可以被描述为“用于基于自主可行驶设备的传感器数据构建第一图层的全局地图的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:利用全局地图对自主可行驶设备进行定位;根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化,并基于所述传感器数据构建环境地图;在所述环境发生变化的情况下,利用所述环境地图对所述自主可行驶设备进行定位。
根据本发明实施例的技术方案,利用全局地图对自主可行驶设备进行定位,根据自主可行驶设备的传感器数据实时检测自主可行驶设备所在的环境变化,并基于传感器数据构建环境地图,在自主可行驶设备所在的环境发生变化的情况下,利用环境地图对自主可行驶设备进行定位。能够解决自主可行驶设备对动态环境适应性差的问题,提高定位精度及鲁棒性,克服了地图更新计算量大的缺陷,节省了算力,减少了不确定性。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种自主可行驶设备的定位方法,其特征在于,包括:
利用全局地图对自主可行驶设备进行定位;
根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化,并基于所述传感器数据构建环境地图;
在所述环境发生变化的情况下,利用所述环境地图对所述自主可行驶设备进行定位。
2.根据权利要求1所述的方法,其特征在于,所述传感器数据包括观测数据,所述观测数据包括激光雷达数据和相机数据;
所述基于所述传感器数据构建环境地图,包括:
根据所述相机数据提取视觉特征点,并投影得到二维视觉特征;
通过融合所述二维视觉特征和所述激光雷达数据,构建所述环境地图。
3.根据权利要求2所述的方法,其特征在于,所述环境地图包括第一环境地图和第二环境地图;
所述构建环境地图,包括:
构建所述第一环境地图以用于在所述环境发生变化的情况下对所述自主可行驶设备进行定位,并在所述第一环境地图构建完成后,构建所述第二环境地图,在所述定位不终止且所述第二环境地图构建完成的情况下,以所述第二环境地图动态更新所述第一环境地图,并构建新的所述第二环境地图。
4.根据权利要求1所述的方法,其特征在于,所述根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化,包括:
将所述传感器数据中的观测数据与所述全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定所述环境发生变化。
5.一种自主可行驶设备的定位装置,其特征在于,包括:地图构建模块、定位模块、环境变化检测模块;
所述定位模块用于利用全局地图对自主可行驶设备进行定位;
所述环境变化检测模块用于根据所述自主可行驶设备的传感器数据实时检测所述自主可行驶设备所在的环境变化;
所述地图构建模块用于基于所述传感器数据构建环境地图;
所述定位模块还用于在所述环境发生变化的情况下,利用所述环境地图对所述自主可行驶设备进行定位。
6.根据权利要求5所述的装置,其特征在于,所述传感器数据包括观测数据,所述观测数据包括激光雷达数据和相机数据;
所述地图构建模块还用于:
根据所述相机数据提取视觉特征点,并投影得到二维视觉特征;
通过融合所述二维视觉特征和所述激光雷达数据,构建所述环境地图。
7.根据权利要求6所述的装置,其特征在于,所述环境地图包括第一环境地图和第二环境地图;
所述地图构建模块还用于:
构建所述第一环境地图以用于在所述环境发生变化的情况下对所述自主可行驶设备进行定位,并在所述第一环境地图构建完成后,构建所述第二环境地图,在所述定位不终止且所述第二环境地图构建完成的情况下,以所述第二环境地图动态更新所述第一环境地图,并构建新的所述第二环境地图。
8.根据权利要求5所述的装置,其特征在于,所述环境变化检测模块还用于:
将所述传感器数据中的观测数据与所述全局地图进行匹配,在匹配得分小于或等于预设阈值的情况下,确定所述环境发生变化。
9.一种电子设备,其特征在于,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如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241458.2A CN113970754A (zh) | 2021-10-25 | 2021-10-25 | 一种自主可行驶设备的定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241458.2A CN113970754A (zh) | 2021-10-25 | 2021-10-25 | 一种自主可行驶设备的定位方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113970754A true CN113970754A (zh) | 2022-01-25 |
Family
ID=79588182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111241458.2A Pending CN113970754A (zh) | 2021-10-25 | 2021-10-25 | 一种自主可行驶设备的定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113970754A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115390571A (zh) * | 2022-10-27 | 2022-11-25 | 杭州蓝芯科技有限公司 | 一种绕障行驶方法和移动机器人 |
-
2021
- 2021-10-25 CN CN202111241458.2A patent/CN113970754A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115390571A (zh) * | 2022-10-27 | 2022-11-25 | 杭州蓝芯科技有限公司 | 一种绕障行驶方法和移动机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560680A (zh) | 车道线处理方法、装置、电子设备及存储介质 | |
CN110619085B (zh) | 信息处理方法和装置 | |
CN110941686A (zh) | 一种定位地图处理的方法和装置 | |
CN110703758A (zh) | 一种路径规划方法和装置 | |
CN111272181A (zh) | 构建地图的方法、装置、设备和计算机可读介质 | |
CN113970754A (zh) | 一种自主可行驶设备的定位方法和装置 | |
CN113219505B (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
CN112401752B (zh) | 一种检测未知障碍物的方法、装置、介质和电子设备 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
CN113177980A (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 | |
CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN113761090B (zh) | 一种基于点云地图的定位方法和装置 | |
CN112597174B (zh) | 地图更新方法、装置、电子设备和计算机可读介质 | |
CN114488237A (zh) | 定位方法、装置、电子设备及智能驾驶方法 | |
CN113899359A (zh) | 导航方法、装置、设备以及存储介质 | |
CN114428917A (zh) | 基于地图的信息共享方法、装置、电子设备和介质 | |
CN110120075B (zh) | 用于处理信息的方法和装置 | |
CN110274593B (zh) | 一种路径规划的方法和装置 | |
CN110033088B (zh) | 估计gps数据的方法和装置 | |
CN110389349B (zh) | 定位方法和装置 | |
CN112414391A (zh) | 一种机器人的重定位方法及装置 | |
CN110068834B (zh) | 一种路沿检测方法和装置 | |
CN112180910A (zh) | 一种移动机器人障碍物感知方法和装置 | |
CN111398961B (zh) | 用于检测障碍物的方法和装置 |
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 |