CN114998540A - 一种智慧城市传感器探测主动同步定位与建图方法 - Google Patents

一种智慧城市传感器探测主动同步定位与建图方法 Download PDF

Info

Publication number
CN114998540A
CN114998540A CN202210661750.8A CN202210661750A CN114998540A CN 114998540 A CN114998540 A CN 114998540A CN 202210661750 A CN202210661750 A CN 202210661750A CN 114998540 A CN114998540 A CN 114998540A
Authority
CN
China
Prior art keywords
sensor
map
calculating
sub
action
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
CN202210661750.8A
Other languages
English (en)
Inventor
不公告发明人
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202210661750.8A priority Critical patent/CN114998540A/zh
Publication of CN114998540A publication Critical patent/CN114998540A/zh
Pending legal-status Critical Current

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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于城市定位与导航技术领域，具体涉及一种智慧城市传感器探测主动同步定位与建图方法。本发明包括(1)设定任务区域；(2)对所设定的任务区域进行全覆盖路径规划；(3)执行传感器同步定位与地图绘制，并构建轨迹地图Mapt；(4)根据轨迹地图请确定候选回环目标和候选探索目标等。与传统的传感器探测信息同步定位与建图方法相比，本发明通过主动对地形进行有目的性地回溯，平衡了回溯和探索之间的关系，从而使得传感器能够更有效的在不依赖载体的情况下获得高精度的位置信息和城市地形图。

Description

一种智慧城市传感器探测主动同步定位与建图方法
技术领域
本发明属于城市定位与导航技术领域，具体涉及一种智慧城市传感器探测主动同步定位与建图方法。
背景技术
受探测技术以及成本限制，截至目前全球城市测绘的比例较低，受地形遮挡，城市的地形变化难以呈现细节，而传感器作为人们测绘的最佳工具之一被广泛地应用于城市地形测量。其工作范围广泛且能够获得分辨率较高的地形测量数据。但是由于能耗限制，有必要采用合适的算法对测绘效率进行优化。
现有方法多是通过感测器，比如光学镜头、激光光达、彩色相机或深度相机，进行周围环境的感测，并将环境状况记录于地图当中，而在建立地图的同时，根据环境特征在地图上定位待定位物件。然而现有方法只是对探测同步定位建图算法的后端进行改善，并未涉及主动决策回环与探索动作选择方面。
发明内容
本发明的目的在于提供一种智慧城市传感器探测主动同步定位与建图方法。
本发明的目的是这样实现的：
一种智慧城市传感器探测主动同步定位与建图方法，包括以下步骤：
(1)设定任务区域；
(2)对所设定的任务区域进行全覆盖路径规划；
(3)执行传感器同步定位与地图绘制，并构建轨迹地图Mapt；
(4)根据轨迹地图确定候选回环目标和候选探索目标；
(5)根据效用方程计算到达每个候选点的收益，选择对应收益最优的候选点，根据传感器向收益最优候选点行驶的动作n*，判断执行回环任务或探索任务；
(6)执行传感器向收益最优候选点行驶的动作n*，判断设定的任务区域是否探索完成；若完成探索，则结束；否则，返回步骤(3)。
所述步骤(4)包括：
(4.1)根据传感器测线的平均宽度j将轨迹地图Mapt分成子地图集合；
(4.2)提取传感器当前位置(x,y)和位置协方差矩阵Ξ
(4.3)确定候选点搜索半径：
Figure BDA0003689737530000011
(4.4)搜索半径e内的所有子地图subi，计算子地图的数量Num，
(4.5)计算子地图的数据矩阵的行列值Zi，Ai；
(4.6)采集对应位置(n,o)的地形高程uno；
(4.7)计算在搜索半径e内的所有子地图的地形费舍尔信息量{Gi|i＝1,2,…,Num}
Figure BDA0003689737530000021
||·||表示欧式范数；
(4.8)提取预设的地形费舍尔信息量阈值Gt；
(4.9)取所有满足Gi>Gt的子地图中心点作为回环目标点集合根据当前传感器位置到回环目标的距离，在前进方向上选取相同距离的点作为探索目标点，生成探索目标点集合；
(4.10)输出回环候选点集合和探索候选点集合；
所述步骤(5)具体为：
(5.1)计算受动作n′影响的地图体积In′；
(5.2)计算受到每个重访动作相应探索行动影响的地图体积Iex；
(5.3)计算系统平衡因子τ，
Figure BDA0003689737530000022
(5.4)提取历史控制向量的集合h和历史观测集合m；
(5.5)提取执行动作n′而探测得到的地图信息z(n′)；z表示某一栅格的地图信息；
(5.6)计算通过预测得到的到达目标点时传感器的位置协方差
Figure BDA0003689737530000023
当前时刻传感器的位置协方差
Figure BDA0003689737530000024
(5.7)采集目标子地图subi的地形费舍尔信息量Gi和搜索范围内最大的地形费舍尔信息量Gmax；
(5.8)计算执行动作n′后传感器的位姿不确定性
Figure BDA0003689737530000025
(5.9)计算栅格z的香农熵：
Figure BDA0003689737530000026
(5.10)计算栅格z的瑞利熵：
Figure BDA0003689737530000027
Figure BDA0003689737530000031
(5.11)执行动作n′时的互信息Vn′：
Figure BDA0003689737530000032
(5.12)计算到达每个候选点的收益τVn′；
(5.13)选择收益最优时传感器向对应的候选点行进的动作n*
Figure BDA0003689737530000033
本发明的有益效果在于：
与传统的传感器探测信息同步定位与建图方法相比，本发明通过主动对地形进行有目的性地回溯，平衡了回溯和探索之间的关系，从而使得传感器能够更有效的在不依赖载体的情况下获得高精度的位置信息和城市地形图。
附图说明
图1为本发明的总体流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明涉及水下机器人主动同步定位与建图方法，该方法通过主动选择进行回环动作或探索动作，使AUV在探索效率得到提高的同时兼顾所构建地图的准确性。
一种智慧城市传感器探测主动同步定位与建图方法，包括以下步骤：
(1)设定任务区域；
(2)对所设定的任务区域进行全覆盖路径规划；
(3)执行传感器同步定位与地图绘制，并构建轨迹地图Mapt；
(4)根据轨迹地图确定候选回环目标和候选探索目标；
(4.1)根据传感器测线的平均宽度j将轨迹地图Mapt分成子地图集合；
(4.2)提取传感器当前位置(x,y)和位置协方差矩阵Ξ
(4.3)确定候选点搜索半径：
Figure BDA0003689737530000034
(4.4)搜索半径e内的所有子地图subi，计算子地图的数量Num，
(4.5)计算子地图的数据矩阵的行列值Zi，Ai；
(4.6)采集对应位置(n,o)的地形高程uno；
(4.7)计算在搜索半径e内的所有子地图的地形费舍尔信息量{Gi|i＝1,2,…,Num}
Figure BDA0003689737530000041
||·||表示欧式范数；
(4.8)提取预设的地形费舍尔信息量阈值Gt；
(4.9)取所有满足Gi>Gt的子地图中心点作为回环目标点集合根据当前传感器位置到回环目标的距离，在前进方向上选取相同距离的点作为探索目标点，生成探索目标点集合；
(4.10)输出回环候选点集合和探索候选点集合；
(5)根据效用方程计算到达每个候选点的收益，选择对应收益最优的候选点，根据传感器向收益最优候选点行驶的动作n*，判断执行回环任务或探索任务；
(5.1)计算受动作n′影响的地图体积In′；
(5.2)计算受到每个重访动作相应探索行动影响的地图体积Iex；
(5.3)计算系统平衡因子τ，
Figure BDA0003689737530000042
(5.4)提取历史控制向量的集合h和历史观测集合m；
(5.5)提取执行动作n′而探测得到的地图信息z(n′)；z表示某一栅格的地图信息；
(5.6)计算通过预测得到的到达目标点时传感器的位置协方差
Figure BDA0003689737530000043
当前时刻传感器的位置协方差
Figure BDA0003689737530000044
(5.7)采集目标子地图subi的地形费舍尔信息量Gi和搜索范围内最大的地形费舍尔信息量Gmax；
(5.8)计算执行动作n′后传感器的位姿不确定性
Figure BDA0003689737530000045
(5.9)计算栅格z的香农熵：
Figure BDA0003689737530000046
(5.10)计算栅格z的瑞利熵：
Figure BDA0003689737530000047
Figure BDA0003689737530000048
(5.11)执行动作n′时的互信息Vn′：
Figure BDA0003689737530000051
(5.12)计算到达每个候选点的收益τVn′；
(5.13)选择收益最优时传感器向对应的候选点行进的动作n*
Figure BDA0003689737530000052
(6)执行传感器向收益最优候选点行驶的动作n*，判断设定的任务区域是否探索完成；若完成探索，则结束；否则，返回步骤(3)。
本发明不需要物理场数据库的支持，通过研究传感器定向算法，能够在智慧城市复杂非结构化的环境中完成自主同步定位。该同步定位模式隐蔽性高，鲁棒性强。相较于普通SLAM的应用场景，智慧城市环境复杂，对于以视觉传感器为主的SLAM系统有着诸多限制。因此本发明充分利用传感器的位置信息，为场景识别提供位置数据，显著提高组合定位定向精度，并有效抑制自主定位过程中的定位累计误差。目前定位简图系统数据融合多采用卡尔曼滤波器，对于误差参数的估计精度严重依赖所建模型的准确度。本发明避免了状态或量测向量的线性化，通过主动对地形进行有目的性地回溯，使算法确保在未知和时变噪声情况下能够有效抑制滤波器发散，提高传感快速跟踪能力，从而改善系统性能。

Claims (3)

1.一种智慧城市传感器探测主动同步定位与建图方法，其特征在于，包括以下步骤：
(1)设定任务区域；
(2)对所设定的任务区域进行全覆盖路径规划；
(3)执行传感器同步定位与地图绘制，并构建轨迹地图Mapt；
(4)根据轨迹地图确定候选回环目标和候选探索目标；
(5)根据效用方程计算到达每个候选点的收益，选择对应收益最优的候选点，根据传感器向收益最优候选点行驶的动作n*，判断执行回环任务或探索任务；
(6)执行传感器向收益最优候选点行驶的动作n*，判断设定的任务区域是否探索完成；若完成探索，则结束；否则，返回步骤(3)。
2.根据权利要求1所述的一种智慧城市传感器探测主动同步定位与建图方法，其特征在于，所述步骤(4)包括：
(4.1)根据传感器测线的平均宽度j将轨迹地图Mapt分成子地图集合；
(4.2)提取传感器当前位置(x,y)和位置协方差矩阵Ξ
(4.3)确定候选点搜索半径：
Figure FDA0003689737520000011
(4.4)搜索半径e内的所有子地图subi，计算子地图的数量Num，
(4.5)计算子地图的数据矩阵的行列值Zi，Ai；
(4.6)采集对应位置(n,o)的地形高程uno；
(4.7)计算在搜索半径e内的所有子地图的地形费舍尔信息量{Gi|i＝1,2,…,Num}
Figure FDA0003689737520000012
||·||表示欧式范数；
(4.8)提取预设的地形费舍尔信息量阈值Gt；
(4.9)取所有满足Gi>Gt的子地图中心点作为回环目标点集合根据当前传感器位置到回环目标的距离，在前进方向上选取相同距离的点作为探索目标点，生成探索目标点集合；
(4.10)输出回环候选点集合和探索候选点集合。
3.根据权利要求1所述的一种智慧城市传感器探测主动同步定位与建图方法，其特征在于，所述步骤(5)具体为：
(5.1)计算受动作n′影响的地图体积In′；
(5.2)计算受到每个重访动作相应探索行动影响的地图体积Iex；
(5.3)计算系统平衡因子τ，
Figure FDA0003689737520000021
(5.4)提取历史控制向量的集合h和历史观测集合m；
(5.5)提取执行动作n′而探测得到的地图信息z(n′)；z表示某一栅格的地图信息；
(5.6)计算通过预测得到的到达目标点时传感器的位置协方差
Figure FDA0003689737520000022
当前时刻传感器的位置协方差
Figure FDA0003689737520000023
(5.7)采集目标子地图subi的地形费舍尔信息量Gi和搜索范围内最大的地形费舍尔信息量Gmax；
(5.8)计算执行动作n′后传感器的位姿不确定性
Figure FDA0003689737520000024
(5.9)计算栅格z的香农熵：
Figure FDA0003689737520000025
(5.10)计算栅格z的瑞利熵：
Figure FDA0003689737520000026
Figure FDA0003689737520000027
(5.11)执行动作n′时的互信息Vn′：
Figure FDA0003689737520000028
(5.12)计算到达每个候选点的收益τVn′；
(5.13)选择收益最优时传感器向对应的候选点行进的动作n*
Figure FDA0003689737520000029
CN202210661750.8A 2022-06-12 2022-06-12 一种智慧城市传感器探测主动同步定位与建图方法 Pending CN114998540A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210661750.8A CN114998540A (zh) 2022-06-12 2022-06-12 一种智慧城市传感器探测主动同步定位与建图方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210661750.8A CN114998540A (zh) 2022-06-12 2022-06-12 一种智慧城市传感器探测主动同步定位与建图方法

Publications (1)

Publication Number Publication Date
CN114998540A true CN114998540A (zh) 2022-09-02

Family

ID=83032253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210661750.8A Pending CN114998540A (zh) 2022-06-12 2022-06-12 一种智慧城市传感器探测主动同步定位与建图方法

Country Status (1)

Country Link
CN (1) CN114998540A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117824664A (zh) * 2024-03-05 2024-04-05 河海大学 基于多波束测深声呐的自主无人系统主动slam方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117824664A (zh) * 2024-03-05 2024-04-05 河海大学 基于多波束测深声呐的自主无人系统主动slam方法
CN117824664B (zh) * 2024-03-05 2024-05-28 河海大学 基于多波束测深声呐的自主无人系统主动slam方法

Similar Documents

Publication Publication Date Title
CN110675307B (zh) 基于vslam的3d稀疏点云到2d栅格图的实现方法
Badino et al. Visual topometric localization
KR101778028B1 (ko) 로봇 및 로봇의 경로 생성 방법
Wang et al. Intelligent vehicle self-localization based on double-layer features and multilayer LIDAR
US20240036203A1 (en) Methods and systems for geo-referencing mapping systems
CN114526745B (zh) 一种紧耦合激光雷达和惯性里程计的建图方法及系统
CN110187372B (zh) 一种低速无人车园区内组合导航方法及系统
Kim et al. SLAM in indoor environments using omni-directional vertical and horizontal line features
CN113739795B (zh) 一种基于偏振光/惯性/视觉组合导航的水下同步定位与建图方法
CN115371662B (zh) 一种基于概率栅格移除动态对象的静态地图构建方法
CN114879660B (zh) 一种基于目标驱动的机器人环境感知方法
CN114034299A (zh) 一种基于主动激光slam的导航系统
CN110441760A (zh) 一种基于先验地形图的大范围海底地形图拓展构图方法
CN114998540A (zh) 一种智慧城市传感器探测主动同步定位与建图方法
CN116242374A (zh) 一种基于直接法的多传感器融合的slam定位方法
CN114137562B (zh) 一种基于改进全局最邻近的多目标跟踪方法
CN113532438B (zh) 一种大初始定位误差下的改进iccp地形匹配方法
WO2024120269A1 (zh) 一种融合点云地图、运动模型和局部特征的位置识别方法
Sujiwo et al. Localization based on multiple visual-metric maps
CN111307136B (zh) 一种双智能水下机器人水下航行地形匹配导航方法
CN113160280A (zh) 一种基于激光雷达的动态多目标跟踪方法
CN114998539A (zh) 一种智慧城市传感器地形定位建图方法
Ng Multi-epoch Kriging-based 3D mapping aided GNSS using factor graph optimization
CN113227713A (zh) 生成用于定位的环境模型的方法和系统
CN113639749A (zh) 一种基于不确定性的多波束测深数据匹配检测方法

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