CN115060289A - 定位轨迹精度评估方法、装置及电子设备、存储介质 - Google Patents

定位轨迹精度评估方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN115060289A
CN115060289A CN202210721024.0A CN202210721024A CN115060289A CN 115060289 A CN115060289 A CN 115060289A CN 202210721024 A CN202210721024 A CN 202210721024A CN 115060289 A CN115060289 A CN 115060289A
Authority
CN
China
Prior art keywords
sensor
positioning track
reference sensor
target sensor
track
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
CN202210721024.0A
Other languages
English (en)
Inventor
赵清华
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202210721024.0A priority Critical patent/CN115060289A/zh
Publication of CN115060289A publication Critical patent/CN115060289A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请公开了一种定位轨迹精度评估方法、装置及电子设备、存储介质，该方法包括：获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，目标传感器和基准传感器安装在预设移动平台上，预设移动平台用于控制目标传感器和基准传感器共同移动；根据第一目标传感器数据，利用目标传感器对应的预设轨迹估计算法确定估计定位轨迹；基于第一基准传感器数据，获取云端返回的真实定位轨迹；根据估计定位轨迹和真实定位轨迹，利用预设精度评估算法评估估计定位轨迹的精度。本申请通过搭建硬件设施，并利用客户端与云端交互的方式，实现了对定位轨迹估计算法的精度进行系统、高效的评价，具有较强的可应用性和可实施性。

Description

定位轨迹精度评估方法、装置及电子设备、存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种定位轨迹精度评估方法、装置及电子设备、存储介质。
背景技术
在实际工程应用中，无论是基于激光雷达实现的激光SLAM(SimultaneousLocalization and Mapping，同步定位与建图)算法，还是基于视觉传感器实现的视觉SLAM算法，都会估计出一条SLAM定位轨迹，而这个估计的定位轨迹是会随着时间和距离进行发散的，因此就存在对SLAM算法估计的定位轨迹进行精度评估的需要。
对估计的定位轨迹进行精度评估往往需要通过一个更高精度的系统获得一个真实定位轨迹，进而依据该真实定位轨迹对SLAM算法的估计定位轨迹的精度进行评价。然而，现有技术中并未形成一套完整可用的评价方案，因此迫切需要一套可实施且可以完整、可靠地评价SLAM算法的精度的方案。
发明内容
本申请实施例提供了一种定位轨迹精度评估方法、装置及电子设备、存储介质，以实现对定位轨迹估计算法的精度进行系统、高效的评估。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种定位轨迹精度评估方法，其中，所述方法包括：
获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
可选地，在获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据之前，所述方法还包括：
对所述目标传感器和所述基准传感器进行预处理操作，所述预处理操作包括利用预设标定算法对所述目标传感器和所述基准传感器进行标定，以及对所述目标传感器和所述基准传感器进行硬件时间同步。
可选地，所述对所述目标传感器和所述基准传感器进行预处理操作包括：
获取所述目标传感器按照预设移动轨迹移动后采集到的第二目标传感器数据和所述基准传感器按照预设移动轨迹移动后采集到的第二基准传感器数据；
根据所述第二目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计轨迹；
根据所述第二基准传感器数据，利用预设组合导航算法确定所述基准传感器对应的组合导航轨迹；
对所述目标传感器对应的估计轨迹和所述基准传感器对应的组合导航轨迹进行时间同步处理；
根据时间同步处理后的估计轨迹和时间同步处理后的组合导航轨迹，利用预设标定算法确定传感器标定结果。
可选地，所述第一基准传感器数据包括IMU原始测量数据以及GNSS流动站的原始测量数据和GNSS基站的原始测量数据，所述基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹包括：
将所述第一基准传感器数据发送至所述云端，以使所述云端将所述IMU原始测量数据作为预测值，将所述GNSS流动站的原始测量数据和GNSS基站的原始测量数据作为观测值，并利用卡尔曼滤波进行紧耦合融合处理，得到所述基准传感器对应的真实定位轨迹；
接收所述云端返回的所述基准传感器对应的真实定位轨迹。
可选地，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：
获取传感器标定结果，所述传感器标定结果包括所述目标传感器与所述基准传感器之间的外参变换矩阵；
根据所述传感器标定结果，将所述基准传感器对应的真实定位轨迹转换到目标传感器坐标系下；
根据所述目标传感器对应的估计定位轨迹和所述目标传感器坐标系下的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果；
其中，所述预设精度评估算法为绝对轨迹误差评估算法或者相对轨迹误差评估算法中的任意一种。
可选地，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：
利用预设时间同步算法，将所述基准传感器对应的真实定位轨迹与所述目标传感器对应的估计定位轨迹进行时间同步，得到时间同步后的真实定位轨迹；
根据所述估计定位轨迹和所述时间同步后的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
可选地，所述目标传感器包括激光雷达和视觉传感器中的至少一种。
第二方面，本申请实施例还提供一种定位轨迹精度评估装置，其中，所述装置包括：
第一获取单元，用于获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
第一确定单元，用于根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
第二获取单元，用于基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
第二确定单元，用于根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的定位轨迹精度评估方法，先获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，目标传感器和基准传感器安装在预设移动平台上，预设移动平台用于控制目标传感器和基准传感器共同移动；然后根据目标传感器采集的第一目标传感器数据，利用目标传感器对应的预设轨迹估计算法确定目标传感器对应的估计定位轨迹；之后基于基准传感器采集的第一基准传感器数据，获取云端返回的基准传感器对应的真实定位轨迹；最后根据目标传感器对应的估计定位轨迹和基准传感器对应的真实定位轨迹，利用预设精度评估算法确定估计定位轨迹的精度，得到定位轨迹精度评估结果。本申请实施例的定位轨迹精度评估方法通过搭建硬件设施，并利用客户端与云端交互的方式，实现了对定位轨迹估计算法的精度进行系统、高效的评价，具有较强的可应用性和可实施性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种定位轨迹精度评估方法的流程示意图；
图2为本申请实施例中一种定位轨迹精度评估的整体流程示意图；
图3为本申请实施例中一种定位轨迹精度评估装置的结构示意图；
图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种定位轨迹精度评估方法，如图1所示，提供了本申请实施例中一种定位轨迹精度评估方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动。
本申请实施例的定位轨迹精度评估方法主要用于对事先定义好的定位轨迹估计算法的精度进行评估，这里定义的定位轨迹估计算法例如可以是基于激光SLAM实现的定位轨迹估计算法，或者基于视觉SLAM实现的定位轨迹估计算法等等。
在对上述算法进行精度评估时，可以先搭建用于精度评估的基础硬件设施，具体可以包括一个移动平台或者其他任何形式的载体，然后在该移动平台上固定安装目标传感器和基准传感器，目标传感器可以看作是待评价的预设精度评估算法所依赖的传感器，如激光雷达、相机等，基准传感器可以看作是用来评价预设精度评估算法的其他传感器，如IMU(Inertial Measurement Unit，惯性测量单元)、GNSS(Global Navigation SatelliteSystem，全球导航卫星系统)等。此外，还可以在移动平台上安装一个计算平台，本申请实施例的定位轨迹精度评估方法即可以由运行在该计算平台上的客户端来执行。
此外，安装在移动平台上的GNSS可以看作是GNSS流动站，随移动平台的移动而采集数据，与之相对应地，还可以在固定位置处搭建一个GNSS基站，基于GNSS流动站采集的数据和GNSS基站采集的数据可以实现RTK(Real Time Kinematic)实时差分定位。
在完成上述基础硬件设施的搭建后，可以通过控制移动平台上的传感器共同移动来采集数据，例如对于目标传感器，可以采集到第一目标传感器数据，对于基准传感器，可以采集到第一基准传感器数据。
步骤S120，根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹。
上述步骤得到的第一目标传感器数据是目标传感器采集到的原始数据，例如，如果目标传感器是激光雷达，这里的第一目标传感器数据就是激光雷达采集到的多帧点云数据，如果目标传感器是相机，第一目标传感器数据就是相机采集的多帧图像数据。
因此，基于第一目标传感器数据，可以利用事先定义的预设轨迹估计算法估计目标传感器所对应的估计定位轨迹，例如，可以利用激光SLAM算法估计出激光雷达所对应的估计定位轨迹，利用视觉SLAM算法估计出相机所对应的估计定位轨迹。估计定位轨迹具体可以包含时间戳t、位置(x,y,z)和姿态(qx,qy,qz,qw)等信息，其中目标传感器的第一帧轨迹数据还可以与基准传感器的轨迹数据对齐，并可以以一定格式的轨迹文件存储在客户端。
步骤S130，基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹。
在得到估计定位轨迹后，还需要确定一个精度足够高且能够用来评估估计定位轨迹的误差大小的真实定位轨迹。为了减轻客户端的数据计算压力和资源消耗，本申请实施例的真实定位轨迹的获得可以由云端来完成，即客户端可以将基准传感器采集到的第一基准传感器数据发送给云端进行真实定位轨迹的生成。本申请实施例通过客户端与云端交互的方式大大提高了轨迹精度评估的效率。
步骤S140，根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
在基于前述步骤得到估计定位轨迹和真实定位轨迹后，可以将二者进行比较从而来评价预设轨迹估计算法估计出的定位轨迹的误差大小，以此得到定位轨迹精度评估结果。
本申请实施例的定位轨迹精度评估方法通过搭建硬件设施，并利用客户端与云端交互的方式，实现了对定位轨迹估计算法的精度进行系统、高效的评价，具有较强的可应用性和可实施性。
在本申请的一个实施例中，在获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据之前，所述方法还包括：对所述目标传感器和所述基准传感器进行预处理操作，所述预处理操作包括利用预设标定算法对所述目标传感器和所述基准传感器进行标定，以及对所述目标传感器和所述基准传感器进行硬件时间同步。
为了保证后续轨迹精度评估的准确性，本申请实施例在进行整体的评估流程之前，还可以对安装好的传感器进行相关的预处理操作，例如，可以利用预设标定算法对目标传感器和基准传感器进行标定，得到传感器标定结果。还可以采用硬件时间同步的方式对目标传感器和基准传感器进行时间同步处理，具体地，目标传感器可以接入GNSS的PPS秒脉冲和GPRMC串口数据进行硬件时间同步，从而保证各个传感器使用同一个时钟源，保证数据采集的一致性。
在本申请的一个实施例中，所述对所述目标传感器和所述基准传感器进行预处理操作包括：获取所述目标传感器按照预设移动轨迹移动后采集到的第二目标传感器数据和所述基准传感器按照预设移动轨迹移动后采集到的第二基准传感器数据；根据所述第二目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计轨迹；根据所述第二基准传感器数据，利用预设组合导航算法确定所述基准传感器对应的组合导航轨迹；对所述目标传感器对应的估计轨迹和所述基准传感器对应的组合导航轨迹进行时间同步处理；根据时间同步处理后的估计轨迹和时间同步处理后的组合导航轨迹，利用预设标定算法确定传感器标定结果。
本申请实施例在对传感器进行标定时，主要是进行目标传感器与基准传感器之间的外参标定。具体地，为了提高标定效率，可以先控制移动平台上的目标传感器和基准传感器均按照事先设定好的移动轨迹进行移动并采集传感器数据，从而分别得到第二目标传感器数据和第二基准传感器数据。预设移动轨迹可以根据实际需求来灵活设置，例如可以设定为按照“8”字型移动多次，如移动2-3次，从而提高传感器标定的精度。
对于目标传感器采集到的第二目标传感器数据，可以利用该目标传感器对应的预设轨迹估计算法确定目标传感器对应的估计轨迹，这里采用的轨迹估计算法同上述实施例轨迹精度评估阶段所采用的算法相同，只是目的和作用不同，以此可以得到一条估计轨迹。对于基准传感器采集到的第二基准传感器数据，可以采用组合导航的方式来得到一条组合导航轨迹，例如可以对IMU采集的原始数据和RTK定位数据进行融合处理，从而得到融合后的轨迹。
这里的组合导航轨迹可以看作是以IMU的位置为基准而生成的轨迹，由于IMU与激光雷达、相机等目标传感器的数据采集频率各不相同，因此为了提高传感器标定精度，可以以目标传感器的时间戳为基准，利用预设时间同步算法如插值法对上述组合导航轨迹进行插值，以保证每一个估计轨迹上的轨迹点数据都有组合导航轨迹上的轨迹点数据与之对应。
最后，根据时间同步处理后的估计轨迹和组合导航轨迹，利用预设标定算法如手眼标定算法计算出传感器标定结果，这里的传感器标定结果主要包括目标传感器与IMU等基准传感器之间的外参矩阵，包括旋转矩阵和平移矩阵。
除了上述对目标传感器与基准传感器之间的外参标定，还可以对GNSS流动站与IMU之间的杆臂距离进行标定，这里可以直接采用测量的方式来实现，从而可以将GNSS流动站采集的数据统一到IMU的维度。
标定好的传感器外参和杆臂信息都可以统一存储在客户端，以便于后续进行轨迹精度评估时直接调用。
在本申请的一个实施例中，所述第一基准传感器数据包括IMU原始测量数据以及GNSS流动站的原始测量数据和GNSS基站的原始测量数据，所述基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹包括：将所述第一基准传感器数据发送至所述云端，以使所述云端将所述IMU原始测量数据作为预测值，将所述GNSS流动站的原始测量数据和GNSS基站的原始测量数据作为观测值，并利用卡尔曼滤波进行紧耦合融合处理，得到所述基准传感器对应的真实定位轨迹；接收所述云端返回的所述基准传感器对应的真实定位轨迹。
本申请实施例的第一基准传感器数据主要包括IMU原始测量数据、GNSS流动站的原始测量数据和GNSS基站的原始测量数据，IMU原始测量数据主要包含角速度和线加速度，GNSS流动站和GNSS基站的原始测量数据主要包含观测数据和卫星星历数据等。
基于上述第一基准传感器数据向云端发起网络请求，以使云端及时对第一基准传感器数据进行处理。云端具体进行的操作是将接收到的IMU原始测量数据作为预测值，将GNSS流动站和GNSS基站的原始测量数据作为观测值，然后利用卡尔曼滤波对这些数据进行紧耦合融合处理，从而得到基准传感器对应的真实定位轨迹，并将该真实定位轨迹保存为轨迹文件的形式，轨迹文件格式与估计定位轨迹的文件格式相同，最后再返回给客户端。
由于云端处理的过程主要是为了获取到精度足够高的真实定位轨迹作为评估的标准，因此上述融合方法采用的是紧耦合融合的方式，相较于松耦合的融合方式来说，融合精度更高。
在本申请的一个实施例中，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：获取传感器标定结果，所述传感器标定结果包括所述目标传感器与所述基准传感器之间的外参变换矩阵；根据所述传感器标定结果，将所述基准传感器对应的真实定位轨迹转换到目标传感器坐标系下；根据所述目标传感器对应的估计定位轨迹和所述目标传感器坐标系下的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果；其中，所述预设精度评估算法为绝对轨迹误差评估算法或者相对轨迹误差评估算法中的任意一种。
本申请实施例在利用预设精度评估算法评估估计定位轨迹的精度时，可以先获取前述实施例在标定阶段得到的传感器标定结果，这里的传感器标定结果主要是指目标传感器与基准传感器之间的外参变换矩阵，基于该外参变换矩阵可以对目标传感器对应的轨迹数据和基准传感器对应的轨迹数据进行坐标系的统一，例如可以基于激光雷达与IMU之间的外参变换矩阵，将IMU坐标系下的真实定位轨迹转换到激光雷达坐标系下，之后再进行轨迹比较和精度评估，以保证评估的一致性和准确性。
当然，具体将轨迹数据统一到哪个坐标系下，本领域技术人员可以根据实际需求灵活定义，在此不一一列举。
本申请实施例采用的预设精度评估算法可以有两种，一种是绝对轨迹误差评估算法，绝对轨迹误差ATEall可以刻画两条轨迹的旋转和平移误差，具体可以表示为如下形式：
Figure BDA0003698542960000111
另一种是相对轨迹误差评估算法，相对轨迹误差RPEall具体可以表示为如下形式：
Figure BDA0003698542960000112
上式(1)-(2)中，Testi，i为估计定位轨迹，Tgt，i为真实定位轨迹，i＝1，…，N，N为轨迹点数量，Δt为用户设置的相对轨迹误差的时间，默认为1s。
实际应用时，可以根据实际需求灵活采用上述任意一种或者多种轨迹误差评估算法，在此不作具体限定。
在本申请的一个实施例中，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：利用预设时间同步算法，将所述基准传感器对应的真实定位轨迹与所述目标传感器对应的估计定位轨迹进行时间同步，得到时间同步后的真实定位轨迹；根据所述估计定位轨迹和所述时间同步后的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
如前所述，由于目标传感器和基准传感器的数据采集频率不同，因此对于估计定位轨迹中的轨迹点，在真实定位轨迹中会无法找到与之对应的同一时间的轨迹点，为了提高轨迹评估的精度，本申请实施例同样可以以估计定位轨迹的时间戳为基准，对真实定位轨迹进行时间同步处理，具体可以采用插值法来实现，从而保证估计定位轨迹上的每一个轨迹点都有真实定位轨迹上的轨迹点与之对应。
在本申请的一个实施例中，所述目标传感器包括激光雷达和视觉传感器中的至少一种。
本申请实施例所要评估的定位轨迹估计算法可以是基于激光雷达所实现的激光SLAM算法，也可以是基于视觉传感器实现的视觉SLAM算法，不论是哪种算法均可以适用上述各实施例。
此外，如果本申请实施例所要评估的是基于激光雷达所实现的激光SLAM算法，则激光SLAM算法可以通过ICP(Iterative Closest Point，迭代最近点)、NDP(NormalDistributions Transform，正态分布变换)或者LOAM(Lidar Odometry and Mapping，激光雷达里程计建图)等任意方法实现，如果要评估的是基于视觉传感器实现的视觉SLAM算法，则可以通过特征点法，或者光流跟踪法等任意方法实现。具体采用哪种方法，本领域技术人员可以根据实际需求灵活选择，在此不作具体限定。
为了便于对本申请各实施例的理解，如图2所示，提供了本申请实施例中一种定位轨迹精度评估的整体流程示意图，这里以激光雷达作为目标传感器为例进行说明。首先，对传感器进行标定，包括GNSS与IMU之间的杆臂标定以及IMU与激光雷达或者相机之间的外参标定，将标定结果存储在客户端本地。此外，还可以对多个传感器进行时间同步处理，这里主要是进行激光雷达与IMU之间的硬件时间同步。然后，通过移动平台控制传感器移动，获取到激光雷达采集到的目标传感器数据，以及IMU、GNSS流动站和GNSS基站分别采集到的原始数据，并进行客户端本地存储。之后，客户端一方面要对激光雷达采集的目标传感器数据，利用激光SLAM算法得到估计定位轨迹，另一方面要将前述得到的IMU、GNSS流动站和GNSS基站分别采集的原始数据发送给云端，请求云端进行处理，从而接收到云端反馈的真实定位轨迹。最后，客户端根据估计定位轨迹和云端反馈的真实定位轨迹，利用预设精度评估算法评估激光SLAM算法的精度。
本申请的定位轨迹精度评估方法通过搭建硬件设施，提供标定算法、传感器时间同步算法以及SLAM轨迹精度评估算法，并采用客户端与云端交互的方式，实现了对定位轨迹估计算法的精度进行系统、高效的评价，并能快速得到评估结果反馈给客户端的用户查看，具有较强的可应用性和可实施性。
本申请实施例还提供了一种定位轨迹精度评估装置300，如图3所示，提供了本申请实施例中一种定位轨迹精度评估装置的结构示意图，所述装置300至少包括：第一获取单元310、第一确定单元320、第二获取单元330以及第二确定单元340，其中：
第一获取单元310，用于获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
第一确定单元320，用于根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
第二获取单元330，用于基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
第二确定单元340，用于根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
在本申请的一个实施例中，所述装置还包括：预处理单元，用于对所述目标传感器和所述基准传感器进行预处理操作，所述预处理操作包括利用预设标定算法对所述目标传感器和所述基准传感器进行标定，以及对所述目标传感器和所述基准传感器进行硬件时间同步。
在本申请的一个实施例中，所述预处理单元具体用于：获取所述目标传感器按照预设移动轨迹移动后采集到的第二目标传感器数据和所述基准传感器按照预设移动轨迹移动后采集到的第二基准传感器数据；根据所述第二目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计轨迹；根据所述第二基准传感器数据，利用预设组合导航算法确定所述基准传感器对应的组合导航轨迹；对所述目标传感器对应的估计轨迹和所述基准传感器对应的组合导航轨迹进行时间同步处理；根据时间同步处理后的估计轨迹和时间同步处理后的组合导航轨迹，利用预设标定算法确定传感器标定结果。
在本申请的一个实施例中，所述第一基准传感器数据包括IMU原始测量数据以及GNSS流动站的原始测量数据和GNSS基站的原始测量数据，所述第二获取单元330具体用于：将所述第一基准传感器数据发送至所述云端，以使所述云端将所述IMU原始测量数据作为预测值，将所述GNSS流动站的原始测量数据和GNSS基站的原始测量数据作为观测值，并利用卡尔曼滤波进行紧耦合融合处理，得到所述基准传感器对应的真实定位轨迹；接收所述云端返回的所述基准传感器对应的真实定位轨迹。
在本申请的一个实施例中，所述第二确定单元340具体用于：获取传感器标定结果，所述传感器标定结果包括所述目标传感器与所述基准传感器之间的外参变换矩阵；根据所述传感器标定结果，将所述基准传感器对应的真实定位轨迹转换到目标传感器坐标系下；根据所述目标传感器对应的估计定位轨迹和所述目标传感器坐标系下的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果；其中，所述预设精度评估算法为绝对轨迹误差评估算法或者相对轨迹误差评估算法中的任意一种。
在本申请的一个实施例中，所述第二确定单元340具体用于：利用预设时间同步算法，将所述基准传感器对应的真实定位轨迹与所述目标传感器对应的估计定位轨迹进行时间同步，得到时间同步后的真实定位轨迹；根据所述估计定位轨迹和所述时间同步后的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
在本申请的一个实施例中，所述目标传感器包括激光雷达和视觉传感器中的至少一种。
能够理解，上述定位轨迹精度评估装置，能够实现前述实施例中提供的定位轨迹精度评估方法的各个步骤，关于定位轨迹精度评估方法的相关阐释均适用于定位轨迹精度评估装置，此处不再赘述。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成定位轨迹精度评估装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
上述如本申请图1所示实施例揭示的定位轨迹精度评估装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中定位轨迹精度评估装置执行的方法，并实现定位轨迹精度评估装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中定位轨迹精度评估装置执行的方法，并具体用于执行：
获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种定位轨迹精度评估方法，其中，所述方法包括：
获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
2.如权利要求1所述方法，其中，在获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据之前，所述方法还包括：
对所述目标传感器和所述基准传感器进行预处理操作，所述预处理操作包括利用预设标定算法对所述目标传感器和所述基准传感器进行标定，以及对所述目标传感器和所述基准传感器进行硬件时间同步。
3.如权利要求2所述方法，其中，所述对所述目标传感器和所述基准传感器进行预处理操作包括：
获取所述目标传感器按照预设移动轨迹移动后采集到的第二目标传感器数据和所述基准传感器按照预设移动轨迹移动后采集到的第二基准传感器数据；
根据所述第二目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计轨迹；
根据所述第二基准传感器数据，利用预设组合导航算法确定所述基准传感器对应的组合导航轨迹；
对所述目标传感器对应的估计轨迹和所述基准传感器对应的组合导航轨迹进行时间同步处理；
根据时间同步处理后的估计轨迹和时间同步处理后的组合导航轨迹，利用预设标定算法确定传感器标定结果。
4.如权利要求1所述方法，其中，所述第一基准传感器数据包括IMU原始测量数据以及GNSS流动站的原始测量数据和GNSS基站的原始测量数据，所述基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹包括：
将所述第一基准传感器数据发送至所述云端，以使所述云端将所述IMU原始测量数据作为预测值，将所述GNSS流动站的原始测量数据和GNSS基站的原始测量数据作为观测值，并利用卡尔曼滤波进行紧耦合融合处理，得到所述基准传感器对应的真实定位轨迹；
接收所述云端返回的所述基准传感器对应的真实定位轨迹。
5.如权利要求1所述方法，其中，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：
获取传感器标定结果，所述传感器标定结果包括所述目标传感器与所述基准传感器之间的外参变换矩阵；
根据所述传感器标定结果，将所述基准传感器对应的真实定位轨迹转换到目标传感器坐标系下；
根据所述目标传感器对应的估计定位轨迹和所述目标传感器坐标系下的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果；
其中，所述预设精度评估算法为绝对轨迹误差评估算法或者相对轨迹误差评估算法中的任意一种。
6.如权利要求1所述方法，其中，所述根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果包括：
利用预设时间同步算法，将所述基准传感器对应的真实定位轨迹与所述目标传感器对应的估计定位轨迹进行时间同步，得到时间同步后的真实定位轨迹；
根据所述估计定位轨迹和所述时间同步后的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
7.如权利要求1～6之任一所述方法，其中，所述目标传感器包括激光雷达和视觉传感器中的至少一种。
8.一种定位轨迹精度评估装置，其中，所述装置包括：
第一获取单元，用于获取目标传感器采集的第一目标传感器数据和基准传感器采集的第一基准传感器数据，所述目标传感器和所述基准传感器安装在预设移动平台上，所述预设移动平台用于控制所述目标传感器和基准传感器共同移动；
第一确定单元，用于根据所述目标传感器采集的第一目标传感器数据，利用所述目标传感器对应的预设轨迹估计算法确定所述目标传感器对应的估计定位轨迹；
第二获取单元，用于基于所述基准传感器采集的第一基准传感器数据，获取云端返回的所述基准传感器对应的真实定位轨迹；
第二确定单元，用于根据所述目标传感器对应的估计定位轨迹和所述基准传感器对应的真实定位轨迹，利用预设精度评估算法确定所述估计定位轨迹的精度，得到定位轨迹精度评估结果。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202210721024.0A 2022-06-16 2022-06-16 定位轨迹精度评估方法、装置及电子设备、存储介质 Pending CN115060289A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210721024.0A CN115060289A (zh) 2022-06-16 2022-06-16 定位轨迹精度评估方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210721024.0A CN115060289A (zh) 2022-06-16 2022-06-16 定位轨迹精度评估方法、装置及电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN115060289A true CN115060289A (zh) 2022-09-16

Family

ID=83202446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210721024.0A Pending CN115060289A (zh) 2022-06-16 2022-06-16 定位轨迹精度评估方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN115060289A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993137A (zh) * 2023-02-22 2023-04-21 禾多科技（北京）有限公司 车辆定位评估方法、装置、电子设备和计算机可读介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993137A (zh) * 2023-02-22 2023-04-21 禾多科技（北京）有限公司 车辆定位评估方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN111192331A (zh) 一种激光雷达和相机的外参标定方法及装置
CN109871019B (zh) 自动驾驶用于获取坐标的方法和装置
CN114111775B (zh) 一种多传感器融合定位方法、装置、存储介质及电子设备
US20210190537A1 (en) Method and system for generating and updating digital maps
CN114279453B (zh) 基于车路协同的自动驾驶车辆定位方法、装置及电子设备
CN115077541A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN114442133A (zh) 无人机定位方法、装置、设备及存储介质
CN114812595B (zh) 用于融合定位的状态预警方法、装置及电子设备、存储介质
CN112556696A (zh) 一种对象定位方法、装置、计算机设备以及存储介质
CN112767545A (zh) 一种点云地图构建方法、装置、设备及计算机存储介质
CN117367419A (zh) 机器人定位方法、装置和计算可读存储介质
CN115060289A (zh) 定位轨迹精度评估方法、装置及电子设备、存储介质
CN116990776A (zh) 激光雷达点云补偿方法、装置及电子设备、存储介质
CN116399324A (zh) 建图方法、装置及控制器、无人驾驶车辆
Liu et al. Robust state and protection-level estimation within tightly coupled GNSS/INS navigation system
CN113890668A (zh) 多传感器的时间同步方法、装置及电子设备、存储介质
CN112965076B (zh) 一种用于机器人的多雷达定位系统及方法
CN112987010B (zh) 一种用于机器人的多雷达建图的系统及方法
CN114755663A (zh) 车辆传感器的外参校准方法、装置及计算机可读存储介质
CN116929407A (zh) 一种自适应数据校准方法及装置
CN112652018B (zh) 外参确定方法、外参确定装置及电子设备
CN113192335A (zh) 地图分享方法、装置、车辆及云服务器
CN112873280A (zh) 一种用于机器人的传感器的标定方法及设备
CN115128655B (zh) 自动驾驶车辆的定位方法和装置、电子设备和存储介质
CN109341684A (zh) 组合惯导设备

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