CN113985436A - 基于slam的无人机三维地图构建与定位方法及装置 - Google Patents

基于slam的无人机三维地图构建与定位方法及装置 Download PDF

Info

Publication number
CN113985436A
CN113985436A CN202111297853.2A CN202111297853A CN113985436A CN 113985436 A CN113985436 A CN 113985436A CN 202111297853 A CN202111297853 A CN 202111297853A CN 113985436 A CN113985436 A CN 113985436A
Authority
CN
China
Prior art keywords
point cloud
cloud data
aerial vehicle
unmanned aerial
navigation
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
CN202111297853.2A
Other languages
English (en)
Inventor
李勇
潘屹峰
黄吴蒙
王丹
余冰
周成虎
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.)
Guangzhou Imapcloud Intelligent Technology Co ltd
Original Assignee
Guangzhou Imapcloud Intelligent 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 Guangzhou Imapcloud Intelligent Technology Co ltd filed Critical Guangzhou Imapcloud Intelligent Technology Co ltd
Priority to CN202111297853.2A priority Critical patent/CN113985436A/zh
Publication of CN113985436A publication Critical patent/CN113985436A/zh
Pending legal-status Critical Current

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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请实施例提供了一种基于SLAM的无人机三维地图构建与定位方法及装置，其中方法包括：对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。这样，可以对多场景下的无人机进行精准定位，不受地面点或者地面的限制，能在各类环境中提高无人机的定位性能的可靠性及稳健性。

Description

基于SLAM的无人机三维地图构建与定位方法及装置
技术领域
本发明涉及空间定位技术领域，尤其涉及一种基于SLAM的无人机三维地图构建与定位方法及装置。
背景技术
随着低空领域技术的不断发展，对无人自动驾驶技术的要求逐日提高，作为实现无人驾驶的关键技术之一，同步定位与建图(Simultaneous Localization And Mapping，SLAM)技术起到重要作用。SLAM的目的是在没有任何先验知识的情况下，根据传感器数据实时构建周围环境地图，同时根据构建的周围环境地图定位无人设备的位置。这项技术适用于无人机在未知空域快速获取环境。
现有技术中大多数激光雷达SLAM技术都是为具有丰富功能的地面环境设计的，高度依赖地面点或需要将地面视为一个重要的限制因素，限制SLAM技术在更具挑战性的多场景环境中的应用性能和稳健性。
发明内容
为了解决上述技术问题，本发明实施例提供了一种基于SLAM的无人机三维地图构建与定位方法及装置。
第一方面，本发明实施例提供了一种基于SLAM的无人机三维地图构建与定位方法，包括：
对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；
基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；
基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
根据本公开的一种具体实施方式，所述方法还包括：
从多帧所述第二点云数据中确定关键帧点云数据；
通过第三匹配算法将所述关键帧点云数据与预先建立的动态体素局部图进行匹配，得到无人机的第二航行位姿信息；
根据所述第二航行位姿信息对所述关键帧点云数据对应的无人机的第一航行姿态信息进行校正，得到所述关键帧点云数据对应的无人机的修正航行姿态。
根据本公开的一种具体实施方式，所述方法还包括：
判断各所述第一航行姿态信息与历史航行位置之间是否存在小于预设距离阈值的航行位置对；
若存在所述航行位置对，则判断所述航行位置对对应的点云数据帧索引差值是否大于预设帧差阈值；
若所述航行位置对对应的点云数据帧索引差值大于预设帧差阈值，则将所述航行位置对对应的两帧点云数据进行匹配，得到第二点云匹配结果；
根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息。
根据本公开的一种具体实施方式，所述根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息，包括：
根据所述第二点云匹配结果确定所述航行位置对对应的两帧点云数据的重叠率；
若所述重叠率大于预设重叠阈值，则确定无人机不是首次到达所述第一航行姿态信息。
根据本公开的一种具体实施方式，所述方法还包括：
根据所述关键帧点云数据对应的无人机的修正航行姿态确定所述关键帧点云数据对应的无人机的航行节点姿势；
根据所述航行节点姿势及历史航行节点姿势确定无人机的融合航线。
根据本公开的一种具体实施方式，所述历史航行节点姿势的确定，包括：
根据所述航行位置对中的历史航行位置确定所述历史航行节点姿势。
根据本公开的一种具体实施方式，所述对激光雷达设备获取的多帧初始点云数据进行降噪预处理，包括：
获取在所述激光雷达设备各扫描周期的无人机姿态变化信息；
根据所述无人机姿态变化信息对各帧初始点云数据进行降噪预处理。
第二方面，本发明实施例提供了一种基于SLAM的无人机三维地图构建与定位装置，包括：
预处理模块，用于对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
过滤模块，用于对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；
第一匹配模块，用于基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；
第二匹配模块，用于基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
第三方面，本发明实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面所述的基于SLAM的无人机三维地图构建与定位方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面所述的基于SLAM的无人机三维地图构建与定位方法。
上述本申请提供的基于SLAM的无人机三维地图构建与定位方法及装置，对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。这样，可以对多场景下的无人机进行精准定位，不受地面点或者地面的限制，能在各类环境中提高无人机的定位性能的可靠性及稳健性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的基于SLAM的无人机三维地图构建与定位方法的一流程示意图；
图2示出了本申请实施例提供的基于SLAM的无人机三维地图构建与定位方法的另一流程示意图；
图3示出了本申请实施例提供的基于SLAM的无人机三维地图构建与定位装置的一结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
本公开实施例提供了一种基于SLAM的无人机三维地图构建与定位方法。
具体的，请参见图1，本公开实施例提供的基于SLAM的无人机三维地图构建与定位方法包括：
步骤S101，对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
在本实施例总，激光雷达设备可以安装在无人机上，无人机在飞行过程中按照一定扫描周期获取多帧初始点云数据。由于无人机的运动，会对初始点云数据产生噪声，为得到比较准确的点云数据，提高后续计算结果的精确度，需要对初始点云数据进行降噪预处理，得到降噪预处理后的第一点云数据。
步骤S102，对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据。
在本实施例中，为适应坚固性较差的地面/水面复合环境，需要对第一点云数据过滤地面静态目标及动态目标，以使得符合实际场景的点云特征。具体来说，各帧所述第一点云数据经过过滤分辨出地面、水面、静态目标和动态目标等实际情况。举例来说，在大面积都是空旷的、没有特征点，可以分辨出地面、水面；建筑、树木等障碍物是静态目标；车辆、人等是动态目标。
步骤S103，基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果。
在本实施例中，第一点云匹配结果包括粗匹配的点云数据以及姿态信息，该姿态信息包括激光雷达设备的位置和角度。第一匹配算法可以为super4PCS算法，也可以是其他匹配算法，在此不做限制。补充说明的是，super4PCS算法来源于4PCS算法，super4PCS算法的配准框架与基于RANSAC算法的配准框架基本一致，其不同之处在于对确定对应点对的策略进行了优化，将原本的随机选择三个不同的点修改为以源点云中共面的四点为基，在目标点云中确定对应的四点，以构成四组对应点，super4PCS算法通过4个共面点即可实现匹配，在一定程度上可增强算法的鲁棒性。补充说明的是，引入基于重叠率评估的启发式迭代策略来选择四个共面点。可以加快Super4PCS算法的匹配速度。
在本实施例中，Super4PCS算法有两个改进：(1)通过栅格化点云，加快了基于距离的匹配点对搜索过程；(2)提出了一种智能索引来滤除所有冗余点对。通过以上两项改进，Super4PCS算法的时间复杂度降低为线性复杂度，线性复杂度为O(n+k1+k2)，其中n是目标点云Q中的点，k1是距离为d的点对数，k2是滤波后得到的全等集数。
步骤S104，基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
在本实施例中，第二匹配算法可以为迭代近邻点(Iterative Closest Point，ICP)算法，也可以是其他匹配算法，在此不做限制。在本实施例中，考虑到实时性和定位精度两方面的需求，在步骤S103及步骤S104之间将第一匹配算法及第二匹配算法结合，具体的，将Super4PCS算法与ICP算法相结合，Super4PCS算法的匹配结果作为ICP算法的初始输入，ICP算法进行精细匹配。这样，采用从粗到精的扫描匹配过程，可以加快点云匹配速度。
补充说明的是，ICP算法进行精细匹配时，可以在下采样后以较少的ICP迭代快速计算帧间的准确姿势估计。
在本实施例中，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息后，以高频输出位置信息。
这样，本实施例提供的基于SLAM的无人机三维地图构建与定位方法对全球定位系统(Global Positioning System，GPS)数据的依赖性较低，可应用于GPS损失或者GPS拒绝环境。可以对多场景下的无人机进行精准定位，不受地面点或者地面的限制，能在各类环境中提高无人机的定位性能的可靠性及稳健性。
在本实施例中，请参阅图2，基于SLAM的无人机三维地图构建与定位方法还包括：
步骤S105，从多帧所述第二点云数据中确定关键帧点云数据。
在本实施例中，可以于预先设置关键帧选取规则，根据关键帧选取规则从多帧第二点云数据中确定关键帧点云数据。举例来说，关键帧选取规则可以为每隔预设拍摄时间间隔从多帧第二点云数据中确定关键帧点云数据。预设拍摄时间间隔可以为0.2秒、0.5秒等，在此不做限制。再比如说，关键帧选取规则可以为每隔预设数量帧从多帧第二点云数据中确定关键帧点云数据。预设数量帧可以为6帧、8帧等，在此不做限制。
步骤S106，通过第三匹配算法将所述关键帧点云数据与预先建立的动态体素局部图进行匹配，得到无人机的第二航行位姿信息。
在本实施例中，动态体素局部图又可以称为动态voxel地图。第三匹配算法可以为正态分布变换(Normal Distribution Transform，NDT)算法，也可以是其他匹配算法，在此不做限制。
在本实施例中，先在建立的动态体素局部图中按一定规则采样得到多个采用点，将多个采样点与关键帧点云数据进行匹配对准。
步骤S107，根据所述第二航行位姿信息对所述关键帧点云数据对应的无人机的第一航行姿态信息进行校正，得到所述关键帧点云数据对应的无人机的修正航行姿态。
在本实施例中，由于在两个相邻帧点云数据的匹配过程中不可避免地会出现运动漂移和噪声，因此需要定期对测距进行校正以确保定位精度。具体的，通过使用动态体素网格压缩点来执行下采样，同时保持点云的形状特征，以采样点去与关键帧点云数据进行匹配进而校正测距。这样可以在保证一定定位精度的前提下减少匹配计算的数量和时间。利用NDT算法对选定关键帧的位置信息进行周期性校正。采用无损检测，将当前关键帧点云数据与动态体素局部图进行匹配。在本实施例中，以低频校正得到关键帧点云数据对应的无人机的修正航行姿态。
这样，可以对第一航行姿态信息进行修正，提高无人机航行位置的准确度。
在本实施例中，基于SLAM的无人机三维地图构建与定位方法还包括：
判断各所述第一航行姿态信息与历史航行位置之间是否存在小于预设距离阈值的航行位置对；
若存在所述航行位置对，则判断所述航行位置对对应的点云数据帧索引差值是否大于预设帧差阈值；
若所述航行位置对对应的点云数据帧索引差值大于预设帧差阈值，则将所述航行位置对对应的两帧点云数据进行匹配，得到第二点云匹配结果；
根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息。
在本实施例中，基于SLAM的无人机三维地图构建与定位方法还包括：
所述根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息，包括：
根据所述第二点云匹配结果确定所述航行位置对对应的两帧点云数据的重叠率；
若所述重叠率大于预设重叠阈值，则确定无人机不是首次到达所述第一航行姿态信息。
在本实施例，无人机有可能重复飞行相同的航线。重复飞行相同航线可以称为后端的循环闭合，使用一种启发式的基于位置的检测方案，可以确定无人机是否重复飞行相同航线。使用已保存的历史位置，然后搜索相邻历史位置以进行当前估计的定位，因此，如果这两个位置之间的距离小于预设距离阈值，则认为检测到循环候选。考虑到实时性能，选择的历史位置和当前估计的定位之间的帧索引差值应大于预设帧差阈值，这可以避免大量不必要的验证过程。满足上述条件的历史位置将被标记为候选循环。此外，利用重叠率(Largest Common Pointset，LCP)对候选循环进行验证，提高了算法的准确率和召回率，降低了误报概率。Super4PCS算法用于依次匹配候选循环下的两帧。当重叠率大于预设重叠阈值时，候选循环将被确定为实循环，即无人机不是首次到达该历史点云数据对应的无人机的航行位置。最后，使用ICP算法匹配循环并终止迭代。
在本实施例中，基于SLAM的无人机三维地图构建与定位方法还包括：
根据所述关键帧点云数据对应的无人机的修正航行姿态确定所述关键帧点云数据对应的无人机的航行节点姿势；
根据所述航行节点姿势及历史航行节点姿势确定无人机的融合航线。
在本实施例中，所述历史航行节点姿势的确定，包括：
根据所述航行位置对中的历史航行位置确定所述历史航行节点姿势。
在本实施例中，无人机的航行节点姿势包括激光雷达设备的位置和角度，可以根据点云数据中目标物的空间距离、方位，来反推激光雷达设备的位置、角度。
在本实施例中，所述对激光雷达设备获取的多帧初始点云数据进行降噪预处理，包括：
获取在所述激光雷达设备各扫描周期的无人机姿态变化信息；
根据所述无人机姿态变化信息对各帧初始点云数据进行降噪预处理。
在本实施例中，无人机姿态变化信息包括运动角度变化及位移变化。根据运动角度变化及位移变化对各帧初始点云数据进行抵消运动角度变化及位移变化的处理，以完成进行降噪预处理。下面对降噪预处理进行说明。在本实施例中，激光雷达坐标系表示为{L}，原点位于激光雷达的几何中心，x轴指向前方，y轴指向左侧，z轴指向上方。为方便起见，将世界坐标系{W}设置为在初始位置与{L}重合。假设k是激光雷达的第k次扫描，Pk是从第k次扫描获得的点云，
Figure BDA0003337024960000111
是移除地面静态目标和Pk的动态目标后获得的点云数据，
Figure BDA0003337024960000112
是向下采样
Figure BDA0003337024960000113
后获得的点云数据。属于Pk的一个点i，在{L}中表示为
Figure BDA0003337024960000114
在{W}中表示为
Figure BDA0003337024960000115
右上角大写字母表示坐标系。
假设第k次扫描的开始时间为tk，结束时间为tk+1，无人机在[tk，tk+1]期间的运动表示为：
ΔS(k，k+1)＝[Δθx，Δθy，Δθz，ΔPx，ΔPy，ΔPz，]T；
其中Δθx，Δθy，Δθz是围绕x、y和z轴的旋转角度，ΔPx，ΔPy，ΔPz分别是沿x、y和z轴的位移。对于
Figure BDA0003337024960000121
处的激光点
Figure BDA0003337024960000122
线性插值策略可用于消除运动失真的影响，也就是说，无人机相对于初始时间
Figure BDA0003337024960000123
的当前运动可计算为c·Δs(k，k+1)，其中
Figure BDA0003337024960000124
是定义的标量，tscan表示扫描所需的周期时间。在实际应用中很难准确获得时间间隔
Figure BDA0003337024960000125
可以采用激光的扫描角度来计算
Figure BDA0003337024960000126
其中
Figure BDA0003337024960000127
和αk分别是激光在当前和初始时间的水平旋转角。然后将
Figure BDA0003337024960000128
投影到初始时间的坐标系：
Figure BDA0003337024960000129
其中T(k，i)＝c·[Δpx，Δpy，Δpz]T表示位移矩阵，R(k，i)＝Rz(k，i)Ry(k，i)Rx(k，i)表示旋转矩阵，
Figure BDA00033370249600001210
表示消除失真后的点。
这样，通过上述过程，可以在数据预处理阶段消除运动失真。
本实施例提供的基于SLAM的无人机三维地图构建与定位方法，对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。这样，可以对多场景下的无人机进行精准定位，不受地面点或者地面的限制，能在各类环境中提高无人机的定位性能的可靠性及稳健性。
实施例2
本公开实施例提供了一种基于SLAM的无人机三维地图构建与定位装置。
请参阅图3，基于SLAM的无人机三维地图构建与定位装置300，包括：
预处理模块301，用于对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
过滤模块302，用于对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；
第一匹配模块303，用于基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；
第二匹配模块304，用于基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
根据本公开的一种具体实施方式，基于SLAM的无人机三维地图构建与定位装置300还包括：
第一处理模块，用于从多帧所述第二点云数据中确定关键帧点云数据；
通过第三匹配算法将所述关键帧点云数据与预先建立的动态体素局部图进行匹配，得到无人机的第二航行位姿信息；
根据所述第二航行位姿信息对所述关键帧点云数据对应的无人机的第一航行姿态信息进行校正，得到所述关键帧点云数据对应的无人机的修正航行姿态。
根据本公开的一种具体实施方式，基于SLAM的无人机三维地图构建与定位装置300还包括：
第二处理模块，还用于判断各所述第一航行姿态信息与历史航行位置之间是否存在小于预设距离阈值的航行位置对；
若存在所述航行位置对，则判断所述航行位置对对应的点云数据帧索引差值是否大于预设帧差阈值；
若所述航行位置对对应的点云数据帧索引差值大于预设帧差阈值，则将所述航行位置对对应的两帧点云数据进行匹配，得到第二点云匹配结果；
根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息。
根据本公开的一种具体实施方式，所述第二处理模块，还用于根据所述第二点云匹配结果确定所述航行位置对对应的两帧点云数据的重叠率；
若所述重叠率大于预设重叠阈值，则确定无人机不是首次到达所述第一航行姿态信息。
根据本公开的一种具体实施方式，基于SLAM的无人机三维地图构建与定位装置300还包括：
融合模块，用于根据所述关键帧点云数据对应的无人机的修正航行姿态确定所述关键帧点云数据对应的无人机的航行节点姿势；
根据所述航行节点姿势及历史航行节点姿势确定无人机的融合航线。
根据本公开的一种具体实施方式，融合模块，还用于根据所述航行位置对中的历史航行位置确定所述历史航行节点姿势。
根据本公开的一种具体实施方式，所述预处理模块301，还用于获取在所述激光雷达设备各扫描周期的无人机姿态变化信息；
根据所述无人机姿态变化信息对各帧初始点云数据进行降噪预处理。
需要补充说明的是，本实施例的基于SLAM的无人机三维地图构建与定位装置可以实现实施例1提供的基于SLAM的无人机三维地图构建与定位方法，达到相应的技术效果，为避免重复，在此不做赘述。
实施例3
此外，本公开实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行实施例1所述的基于SLAM的无人机三维地图构建与定位方法。
需要补充说明的是，本实施例的电子设备可以实现实施例1提供的基于SLAM的无人机三维地图构建与定位方法，达到相应的技术效果，为避免重复，在此不做赘述。
实施例4
此外，本公开实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行实施例1提供的基于SLAM的无人机三维地图构建与定位方法。
需要补充说明的是，本实施例的计算机可读存储介质可以实现实施例1提供的基于SLAM的无人机三维地图构建与定位方法，达到相应的技术效果，为避免重复，在此不做赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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，所述模块、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，在作为替换的实现方式中，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，两个连续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，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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(可以是智能手机、个人计算机、服务器、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。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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于SLAM的无人机三维地图构建与定位方法，其特征在于，所述方法包括：
对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；
基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；
基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从多帧所述第二点云数据中确定关键帧点云数据；
通过第三匹配算法将所述关键帧点云数据与预先建立的动态体素局部图进行匹配，得到无人机的第二航行位姿信息；
根据所述第二航行位姿信息对所述关键帧点云数据对应的无人机的第一航行姿态信息进行校正，得到所述关键帧点云数据对应的无人机的修正航行姿态。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
判断各所述第一航行姿态信息与历史航行位置之间是否存在小于预设距离阈值的航行位置对；
若存在所述航行位置对，则判断所述航行位置对对应的点云数据帧索引差值是否大于预设帧差阈值；
若所述航行位置对对应的点云数据帧索引差值大于预设帧差阈值，则将所述航行位置对对应的两帧点云数据进行匹配，得到第二点云匹配结果；
根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二点云匹配结果确定无人机是否首次达到所述第一航行姿态信息，包括：
根据所述第二点云匹配结果确定所述航行位置对对应的两帧点云数据的重叠率；
若所述重叠率大于预设重叠阈值，则确定无人机不是首次到达所述第一航行姿态信息。
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
根据所述关键帧点云数据对应的无人机的修正航行姿态确定所述关键帧点云数据对应的无人机的航行节点姿势；
根据所述航行节点姿势及历史航行节点姿势确定无人机的融合航线。
6.根据权利要求5所述的方法，其特征在于，所述历史航行节点姿势的确定，包括：
根据所述航行位置对中的历史航行位置确定所述历史航行节点姿势。
7.根据权利要求1所述的方法，其特征在于，所述对激光雷达设备获取的多帧初始点云数据进行降噪预处理，包括：
获取在所述激光雷达设备各扫描周期的无人机姿态变化信息；
根据所述无人机姿态变化信息对各帧初始点云数据进行降噪预处理。
8.一种基于SLAM的无人机三维地图构建与定位装置，其特征在于，所述装置包括：
预处理模块，用于对激光雷达设备获取的多帧初始点云数据进行降噪预处理，得到多帧第一点云数据；
过滤模块，用于对各帧所述第一点云数据过滤地面静态目标及动态目标，得到第二点云数据；
第一匹配模块，用于基于第一匹配算法对相邻两帧所述第二点云数据的四个共面点进行匹配，得到第一点云匹配结果；
第二匹配模块，用于基于第二匹配算法对所述第一点云匹配结果进行迭代计算，得到各帧所述第二点云数据及其对应的无人机的第一航行姿态信息。
9.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至7中任一项所述的基于SLAM的无人机三维地图构建与定位方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的基于SLAM的无人机三维地图构建与定位方法。
CN202111297853.2A 2021-11-04 2021-11-04 基于slam的无人机三维地图构建与定位方法及装置 Pending CN113985436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111297853.2A CN113985436A (zh) 2021-11-04 2021-11-04 基于slam的无人机三维地图构建与定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111297853.2A CN113985436A (zh) 2021-11-04 2021-11-04 基于slam的无人机三维地图构建与定位方法及装置

Publications (1)

Publication Number Publication Date
CN113985436A true CN113985436A (zh) 2022-01-28

Family

ID=79746333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111297853.2A Pending CN113985436A (zh) 2021-11-04 2021-11-04 基于slam的无人机三维地图构建与定位方法及装置

Country Status (1)

Country Link
CN (1) CN113985436A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114964269A (zh) * 2022-08-01 2022-08-30 成都航空职业技术学院 一种无人机路径规划方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701820A (zh) * 2016-01-14 2016-06-22 上海大学 一种基于匹配区域的点云配准方法
CN109801337A (zh) * 2019-01-21 2019-05-24 同济大学 一种基于实例分割网络和迭代优化的6d位姿估计方法
US20190226852A1 (en) * 2016-09-09 2019-07-25 Nanyang Technological University Simultaneous localization and mapping methods and apparatus
CN110703268A (zh) * 2019-11-06 2020-01-17 广东电网有限责任公司 一种自主定位导航的航线规划方法和装置
CN111340860A (zh) * 2020-02-24 2020-06-26 北京百度网讯科技有限公司 点云数据的配准、更新方法、装置、设备和存储介质
CN111433818A (zh) * 2018-12-04 2020-07-17 深圳市大疆创新科技有限公司 目标场景三维重建方法、系统及无人机
CN111505662A (zh) * 2020-04-29 2020-08-07 北京理工大学 一种无人驾驶车辆定位方法及系统
CN111508021A (zh) * 2020-03-24 2020-08-07 广州视源电子科技股份有限公司 一种位姿确定方法、装置、存储介质及电子设备
CN111540040A (zh) * 2020-04-20 2020-08-14 上海曼恒数字技术股份有限公司 一种基于点云数据进行模型构建方法、装置、存储介质
CN111936821A (zh) * 2019-07-12 2020-11-13 北京航迹科技有限公司 用于定位的系统和方法
CN112862894A (zh) * 2021-04-12 2021-05-28 中国科学技术大学 一种机器人三维点云地图构建与扩充方法
CN112950686A (zh) * 2021-03-31 2021-06-11 苏州大学 点云数据的优化分步配准方法
CN113253297A (zh) * 2021-06-21 2021-08-13 中国人民解放军国防科技大学 融合激光雷达和深度相机的地图构建方法及装置
CN113424232A (zh) * 2019-12-27 2021-09-21 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN113504543A (zh) * 2021-06-16 2021-10-15 国网山西省电力公司电力科学研究院 无人机LiDAR系统定位定姿系统及方法
CN113516750A (zh) * 2021-06-30 2021-10-19 同济大学 三维点云地图构建方法、系统、电子设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701820A (zh) * 2016-01-14 2016-06-22 上海大学 一种基于匹配区域的点云配准方法
US20190226852A1 (en) * 2016-09-09 2019-07-25 Nanyang Technological University Simultaneous localization and mapping methods and apparatus
CN111433818A (zh) * 2018-12-04 2020-07-17 深圳市大疆创新科技有限公司 目标场景三维重建方法、系统及无人机
CN109801337A (zh) * 2019-01-21 2019-05-24 同济大学 一种基于实例分割网络和迭代优化的6d位姿估计方法
CN111936821A (zh) * 2019-07-12 2020-11-13 北京航迹科技有限公司 用于定位的系统和方法
CN110703268A (zh) * 2019-11-06 2020-01-17 广东电网有限责任公司 一种自主定位导航的航线规划方法和装置
CN113424232A (zh) * 2019-12-27 2021-09-21 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN111340860A (zh) * 2020-02-24 2020-06-26 北京百度网讯科技有限公司 点云数据的配准、更新方法、装置、设备和存储介质
CN111508021A (zh) * 2020-03-24 2020-08-07 广州视源电子科技股份有限公司 一种位姿确定方法、装置、存储介质及电子设备
CN111540040A (zh) * 2020-04-20 2020-08-14 上海曼恒数字技术股份有限公司 一种基于点云数据进行模型构建方法、装置、存储介质
CN111505662A (zh) * 2020-04-29 2020-08-07 北京理工大学 一种无人驾驶车辆定位方法及系统
CN112950686A (zh) * 2021-03-31 2021-06-11 苏州大学 点云数据的优化分步配准方法
CN112862894A (zh) * 2021-04-12 2021-05-28 中国科学技术大学 一种机器人三维点云地图构建与扩充方法
CN113504543A (zh) * 2021-06-16 2021-10-15 国网山西省电力公司电力科学研究院 无人机LiDAR系统定位定姿系统及方法
CN113253297A (zh) * 2021-06-21 2021-08-13 中国人民解放军国防科技大学 融合激光雷达和深度相机的地图构建方法及装置
CN113516750A (zh) * 2021-06-30 2021-10-19 同济大学 三维点云地图构建方法、系统、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
鲁铁定 等: "结合尺度不变特征的Super 4PCS点云配准方法", 《遥感信息》, vol. 34, no. 5, 31 October 2019 (2019-10-31) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114964269A (zh) * 2022-08-01 2022-08-30 成都航空职业技术学院 一种无人机路径规划方法
CN114964269B (zh) * 2022-08-01 2022-11-08 成都航空职业技术学院 一种无人机路径规划方法

Similar Documents

Publication Publication Date Title
CN105667518B (zh) 车道检测的方法及装置
US8238612B2 (en) Method and apparatus for vision based motion determination
EP2715667B1 (en) Planar mapping and tracking for mobile devices
US5146228A (en) Coherent correlation addition for increasing match information in scene matching navigation systems
US8306273B1 (en) Method and apparatus for LIDAR target identification and pose estimation
US20100045701A1 (en) Automatic mapping of augmented reality fiducials
CN108267141B (zh) 道路点云数据处理系统
CN108917753B (zh) 基于从运动恢复结构的飞行器位置确定方法
EP2901236B1 (en) Video-assisted target location
CN110223380B (zh) 融合航拍与地面视角图像的场景建模方法、系统、装置
CN113160068B (zh) 基于图像的点云补全方法及系统
CN111829532B (zh) 一种飞行器重定位系统和重定位方法
Dawood et al. Harris, SIFT and SURF features comparison for vehicle localization based on virtual 3D model and camera
Van Pham et al. Vision‐based absolute navigation for descent and landing
Bucci et al. Comparison of feature detection and outlier removal strategies in a mono visual odometry algorithm for underwater navigation
CN113822996B (zh) 机器人的位姿估计方法及装置、电子设备、存储介质
CN113838069B (zh) 基于平面度约束的点云分割方法和系统
CN114577196B (zh) 使用光流的激光雷达定位
CN113985436A (zh) 基于slam的无人机三维地图构建与定位方法及装置
Yan et al. Horizontal velocity estimation via downward looking descent images for lunar landing
Shukla et al. Automatic geolocation of targets tracked by aerial imaging platforms using satellite imagery
Ruan et al. Performance of monocular and stereo camera in indoor environment for Visual SLAM using ORB method
CN117649619B (zh) 无人机视觉导航定位回收方法、系统、装置及可读存储介质
He et al. S4OM: A real-time LiDAR odometry and mapping system based on super4pcs scan-matching
Persa et al. Real-time computer vision system for mobile robot

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