CN115112134A - 一种地图构建方法、装置、设备和存储介质 - Google Patents

一种地图构建方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN115112134A
CN115112134A CN202210763078.3A CN202210763078A CN115112134A CN 115112134 A CN115112134 A CN 115112134A CN 202210763078 A CN202210763078 A CN 202210763078A CN 115112134 A CN115112134 A CN 115112134A
Authority
CN
China
Prior art keywords
point cloud
cloud data
map
initial
frame
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
CN202210763078.3A
Other languages
English (en)
Inventor
李秦
陈连胜
杜杭肯
韩旭
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 Weride Technology Co Ltd
Original Assignee
Guangzhou Weride 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 Weride Technology Co Ltd filed Critical Guangzhou Weride Technology Co Ltd
Priority to CN202210763078.3A priority Critical patent/CN115112134A/zh
Publication of CN115112134A publication Critical patent/CN115112134A/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
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • 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
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了一种地图构建方法、装置、设备和存储介质，方法包括：将采集的多帧点云数据划分为若干组点云数据集；采用多线程并行处理构建各组点云数据集对应的局部点云地图；将各组局部点云地图进行拼接，得到全局地图，改善了现有技术存在的建图速度慢的技术问题。

Description

一种地图构建方法、装置、设备和存储介质
技术领域
本申请涉及地图构建技术领域，尤其涉及一种地图构建方法、装置、设备和存储介质。
背景技术
随着自动驾驶技术的发展及应用，感知和定位等相关技术也有了很大的发展。基于点云地图，可以为感知及定位提供先验信息，在自动驾驶领域具有重要作用。
现有技术通常是通过采集当前环境的点云数据建立点云地图，将当前点云数据与初步构建得到的中间点云地图进行匹配，进而将其添加到中间点云地图中，在构建大型地图时，中间点云地图数据量越来越大，后续匹配过程中，计算量较大，导致匹配耗时增长，使得建图速度慢。
发明内容
本申请提供了一种地图构建方法、装置、设备和存储介质，用于改善现有技术存在的建图速度慢的技术问题。
有鉴于此，本申请第一方面提供了一种地图构建方法，包括：
将采集的多帧点云数据划分为若干组点云数据集；
采用多线程并行处理构建各组所述点云数据集对应的局部点云地图；
将各组所述局部点云地图进行拼接，得到全局地图。
可选的，所述局部点云地图的构建过程为：
S1、对所述点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，将所述初始帧点云数据的下一帧点云数据作为当前帧点云数据；
S2、将当前帧点云数据与所述初始点云地图进行匹配，得到当前帧点云数据的点云位姿，并根据所述点云位姿将当前帧点云数据映射到所述初始点云地图中，得到更新后点云地图；
S3、对所述更新后点云地图中的更新部分进行降采样，将降采样后的更新后点云地图作为所述初始点云地图，并将当前帧点云数据的下一帧点云数据作为当前帧点云数据，返回执行步骤S2，直至当前帧点云数据为最后一帧点云数据，执行步骤S4；
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取所述点云数据集对应的局部点云地图。
可选的，所述对所述点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，包括：
初始化体素网格的大小，对所述点云数据集中的初始帧点云数据进行体素网格化；
对各体素网格中的点云数据进行降采样，得到初始点云地图。
可选的，步骤S4具体包括：
将当前帧点云数据对应的降采样后的更新后点云地图作为所述点云数据集对应的局部点云地图。
可选的，步骤S4具体包括：
对所述点云数据集中的非初始帧点云数据的所述点云位姿进行优化，得到优化后点云位姿；
根据所述优化后点云位姿对所述非初始帧点云数据进行优化，得到优化后点云数据集；
根据所述优化后点云数据集对所述初始帧点云数据对应的所述初始点云地图进行更新，得到所述点云数据集对应的局部点云地图。
可选的，所述对所述点云数据集中的非初始帧点云数据的所述点云位姿进行优化，得到优化后点云位姿，包括：
对所述点云数据集中的非初始帧点云数据的所述点云位姿进行回环检测，得到回环检测结果；
根据所述回环检测结果，通过图优化方法对所述点云位姿进行全局优化，得到优化后点云位姿。
可选的，所述根据所述优化后点云位姿对所述非初始帧点云数据进行优化，得到优化后点云数据，包括：
根据所述优化后点云位姿和所述非初始帧点云数据的时间戳对所述非初始帧点云数据进行去运动畸变，得到优化后点云数据集。
可选的，所述根据所述优化后点云数据集对所述初始帧点云数据对应的所述初始点云地图进行更新，得到所述点云数据集对应的局部点云地图，包括：
将所述优化后点云数据集中的初始帧优化后点云数作为当前帧点云数据，重复步骤S2-步骤S4，对所述初始帧点云数据对应的所述初始点云地图进行迭代更新，直至迭代次数达到预设最大迭代次数，将所述优化后点云数据集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为所述点云数据集对应的局部点云地图。
可选的，相邻两组所述点云数据集之间存在重叠点云数据；
所述将各组所述局部点云地图进行拼接，得到全局地图，包括：
根据相邻两组所述点云数据集之间的重叠点云数据对相邻两组所述局部点云地图进行拼接，得到全局地图。
本申请第二方面提供了一种地图构建装置，包括：
划分单元，用于将采集的多帧点云数据划分为若干组点云数据集；
构建单元，用于采用多线程并行处理构建各组所述点云数据集对应的局部点云地图；
拼接单元，用于将各组所述局部点云地图进行拼接，得到全局地图。
本申请第三方面提供了一种地图构建设备，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的地图构建方法。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的地图构建方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种地图构建方法，将采集的多帧点云数据划分为若干组点云数据集，采用多线程并行处理构建各组点云数据集对应的局部点云地图，最后将各组局部点云地图进行拼接，得到全局地图，通过多线程并行构建地图，可以有效提高建图速度，从而改善了现有技术存在的建图速度慢的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种地图构建方法的一个流程示意图；
图2为本申请实施例提供的一种局部点云地图构建过程的一个流程示意图；
图3为本申请实施例提供的一种地图构建装置的一个结构示意图；
图4为本申请实施例提供的一种地图构建设备的一个结构示意图。
具体实施方式
本申请提供了一种地图构建方法、装置、设备和存储介质，用于改善现有技术存在的建图速度慢的技术问题。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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。
为了便于理解，请参阅图1，本申请实施例提供了一种地图构建方法，包括：
步骤101、将采集的多帧点云数据划分为若干组点云数据集。
本申请实施例中的点云数据可以是自动驾驶车辆在某段时间内连续采集的多帧点云数据，在采集点云数据时，还可以记录每帧点云数据中每个点云点的时间戳。在采集多帧点云数据后，可以将多帧点云数据划分为n组点云数据集，为了提高建图质量，相邻两组点云数据集之间可以有m帧重叠点云数据。假设，采集的点云数据有15帧，当将其划分为3组时，可以将第0帧到第6帧的点云数据划分为第1组，可以将第5帧到第11帧的点云数据划分为第2组，可以将第10帧到第14帧的点云数据划分为第3组，相邻两组之间有2帧重叠点云数据。
步骤102、采用多线程并行处理构建各组点云数据集对应的局部点云地图。
为了提高建图速度，本申请实施例采用多线程并行处理构建局部点云地图。划分得到n组点云数据集，对应采用n个线程，每个线程处理一组点云数据集，实现并行构建局部点云地图。在一种实施例中，每个线程可以基于现有技术(如正态分布变换方法、迭代最近点方法等)来构建每组点云数据集对应的局部点云地图。
在另一种实施例中，为了进一步提高建图速度和质量，可以对局部点云地图的构建过程进行改进。请参考图2，局部点云地图的具体构建过程包括：
S1、对点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，将初始帧点云数据的下一帧点云数据作为当前帧点云数据；
假设点云数据集中有N帧连续的点云数据，记为x0,x1,...,xN-1，对点云数据集中的初始帧点云数据x0进行降采样，将降采样后的初始点云数据作为初始点云地图。在进行降采样时，先初始化体素网格的大小，再对点云数据集中的初始帧点云数据x0进行体素网格化，从而可以确定初始点云数据x0占据了哪些体素网格；然后对各体素网格中的点云数据进行降采样，得到初始点云地图。在确定初始点云地图后，将初始帧点云数据x0的下一帧点云数据x1作为当前帧点云数据xi，此时，i＝1。
S2、将当前帧点云数据与初始点云地图进行匹配，得到当前帧点云数据的点云位姿，并根据点云位姿将当前帧点云数据映射到初始点云地图中，得到更新后点云地图；
将当前帧点云数据xi与初始点云地图进行点云匹配，可以获取到当前帧点云数据xi的点云位姿，进而可以根据当前帧点云数据xi的点云位姿将当前帧点云数据xi映射到初始点云地图中，即根据当前帧点云数据xi的点云位姿将当前帧点云数据xi添加到对应的体素网格中，从而得到更新后点云地图，更新后点云地图包括降采样后的初始帧点云数据和最新加入体素网格中的当前帧点云数据xi。
S3、对更新后点云地图中的更新部分进行降采样，将降采样后的更新后点云地图作为初始点云地图，并将当前帧点云数据的下一帧点云数据作为当前帧点云数据，返回执行步骤S2，直至当前帧点云数据为最后一帧点云数据，执行步骤S4；
对更新后点云地图中的更新部分进行降采样，即对最新加入体素网格中的当前帧点云数据xi进行降采样，将降采样后的更新后点云地图作为初始点云地图，并将当前帧点云数据xi的下一帧点云数据xi+1作为当前帧点云数据，即xi＝xi+1，然后返回执行步骤S2，将当前帧点云数据xi和初始点云地图(即降采样后的更新后点云地图)进行匹配，以对初始点云地图进行更新，直至当前帧点云数据为最后一帧点云数据，即xi＝xN-1，此时已将当前点云数据集中的所有帧点云数据都映射到了初始点云地图中，执行步骤S4。
现有技术在采用正态分布变换方法构建地图时，每次进行点云匹配时需要对已经构建的点云地图整体做一次降采样，当点云地图数据量较大时，该降采样过程耗时较长，影响点云标定效率，使得建图速度变慢；而本申请实施例中，每次对点云地图进行点云匹配时，仅需要对点云地图的更新部分(即一帧点云数据的数据量)进行降采样，大大减少了计算量，从而减少了降采样过程的耗时，可以有效提高了地图构建速度。
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取点云数据集对应的局部点云地图。
在一种实施例中，当将当前点云数据集中的所有帧点云数据都映射到了初始点云地图后，可以直接将当前帧点云数据对应的降采样后的更新后点云地图作为点云数据集对应的局部点云地图，即将最后一帧点云数据映射到初始点云地图中后得到的更新点云地图，并对其最新更新部分进行降采样后得到的更新后点云地图作为当前的点云数据集对应的局部点云地图。
在另一种实施例中，可以根据得到的每帧点云数据的点云位姿对非初始帧点云数据的点云位姿进行优化，进而根据优化后的点云位姿对非初始帧点云数据进行优化，以提高地图质量。步骤S4具体包括：
S41、对点云数据集中的非初始帧点云数据的点云位姿进行优化，得到优化后点云位姿；
可以对点云数据集中的非初始帧点云数据的点云位姿进行回环检测，得到回环检测结果，其中，点云数据集中的非初始帧点云数据为除初始帧点云数据之外的点云数据，即x1,x2,...,xN-1；根据回环检测结果，通过图优化方法对点云位姿进行全局优化，得到优化后点云位姿。通过对非初始帧点云数据的点云位姿进行优化，可以减少点云位姿的漂移，从而提高建图质量。由于本申请是将初始帧点云数据作为初始点云地图，通过将非初始帧点云数据与初始点云地图进行匹配来获取非初始帧点云数据相对于初始帧点云数据的点云位姿，因此，可以不对初始帧点云数据的点云位姿进行优化。需要说明的是，回环检测和图优化方法属于现有技术，在此不对其具体过程进行赘述。
S42、根据优化后点云位姿对非初始帧点云数据进行优化，得到优化后点云数据集；
可以根据优化后点云位姿和非初始帧点云数据的时间戳对非初始帧点云数据进行去运动畸变，得到优化后点云数据集。点云数据去运动畸变是根据每帧点云数据中的每个点云点采集时刻的激光雷达位姿，把点云点投影到同一个位姿下，从而让一帧点云数据中的所有点云点都表现出同一时刻采集的样子。可以认为当前帧点云数据的点云位姿就是当前帧点云数据中最后一个点云点采集时激光雷达本身的位姿，通过前述点云匹配过程可以获取到上一帧点云数据和当前帧点云数据的点云位姿，即当前帧点云数据的第一个点云点的点云位姿和最后一个点云点的点云位姿，因此，可以根据非初始帧点云数据中每个点云点的时间戳通过线性插值方式拟合出该点云点采集时的激光雷达位姿，然后根据位姿变化将点云点投影到最后一个点云点时刻的激光雷达坐标系当中，从而实现对非初始帧点云数据的去运动畸变，得到优化后点云数据集。
S43、根据优化后点云数据集对初始帧点云数据对应的初始点云地图进行更新，得到点云数据集对应的局部点云地图。
将优化后点云数据集中的初始帧优化后点云数(即点云数据集中的原点云数据x1对应的优化后的点云数据)作为当前帧点云数据，重复步骤S2-步骤S4，对初始帧点云数据对应的初始点云地图进行迭代更新，直至迭代次数达到预设最大迭代次数，将优化后点云数据集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为点云数据集对应的局部点云地图。
本申请实施例，通过多次迭代优化构建局部点云地图，在迭代优化过程中，对点云匹配得到的点云位姿进行全局优化，减少点云位姿的漂移，再根据点云时间戳和优化后点云位姿对点云数据进行去运动畸变，输入到下一次迭代优化过程中，以获取更准确的点云位姿，通过对点云位姿的迭代优化，获取更准确的点云位姿，从而提高建图质量。
步骤103、将各组局部点云地图进行拼接，得到全局地图。
采用多线程并行处理构建得到各组点云数据集对应的局部点云地图后，将各组局部点云地图进行拼接，得到全局地图。为了提高建图质量，在划分点云数据集时，相邻两组点云数据集之间有m帧重叠点云数据，因此，可以根据相邻两组点云数据集之间的重叠点云数据对相邻两组局部点云地图进行拼接，得到全局地图。
本申请中，将采集的多帧点云数据划分为若干组点云数据集，采用多线程并行处理构建各组点云数据集对应的局部点云地图，最后将各组局部点云地图进行拼接，得到全局地图，通过多线程并行构建地图，可以有效提高建图速度，从而改善了现有技术存在的建图速度慢的技术问题。
以上为本申请提供的一种地图构建方法的一个实施例，以下为本申请提供的一种地图构建装置的一个实施例。
请参考图3，本申请实施例提供的一种地图构建装置，包括：
划分单元，用于将采集的多帧点云数据划分为若干组点云数据集；
构建单元，用于采用多线程并行处理构建各组点云数据集对应的局部点云地图；
拼接单元，用于将各组局部点云地图进行拼接，得到全局地图。
作为进一步地改进，局部点云地图的构建过程为：
S1、对点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，将初始帧点云数据的下一帧点云数据作为当前帧点云数据；
具体的，初始化体素网格的大小，对点云数据集中的初始帧点云数据进行体素网格化；对各体素网格中的点云数据进行降采样，得到初始点云地图；将初始帧点云数据的下一帧点云数据作为当前帧点云数据；
S2、将当前帧点云数据与初始点云地图进行匹配，得到当前帧点云数据的点云位姿，并根据点云位姿将当前帧点云数据映射到初始点云地图中，得到更新后点云地图；
S3、对更新后点云地图中的更新部分进行降采样，将降采样后的更新后点云地图作为初始点云地图，并将当前帧点云数据的下一帧点云数据作为当前帧点云数据，返回执行步骤S2，直至当前帧点云数据为最后一帧点云数据，执行步骤S4；
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取点云数据集对应的局部点云地图。
在一种实施例中，可以将当前帧点云数据对应的降采样后的更新后点云地图作为点云数据集对应的局部点云地图。
在另一种实施例中，可以对点云数据集中的非初始帧点云数据的点云位姿进行优化，得到优化后点云位姿；根据优化后点云位姿对非初始帧点云数据进行优化，得到优化后点云数据集；根据优化后点云数据集对初始帧点云数据对应的初始点云地图进行更新，得到点云数据集对应的局部点云地图。
作为进一步地改进，相邻两组点云数据集之间存在重叠点云数据，拼接单元具体用于：
根据相邻两组点云数据集之间的重叠点云数据对相邻两组局部点云地图进行拼接，得到全局地图。
本申请中，将采集的多帧点云数据划分为若干组点云数据集，采用多线程并行处理构建各组点云数据集对应的局部点云地图，最后将各组局部点云地图进行拼接，得到全局地图，通过多线程并行构建地图，可以有效提高建图速度，从而改善了现有技术存在的建图速度慢的技术问题。
进一步，本申请实施例中，每次对点云地图进行点云匹配时，仅需要对点云地图的更新部分(即一帧点云数据的数据量)进行降采样，大大减少了计算量，从而减少了降采样过程的耗时，可以有效提高了地图构建速度；
进一步，本申请实施例中，通过多次迭代优化构建局部点云地图，在迭代优化过程中，对点云匹配得到的点云位姿进行全局优化，减少点云位姿的漂移，再根据点云时间戳和优化后点云位姿对点云数据进行去运动畸变，输入到下一次迭代优化过程中，以获取更准确的点云位姿，通过对点云位姿的迭代优化，获取更准确的点云位姿，从而提高了建图质量。
请参考图4，本申请实施例还提供了一种地图构建设备，设备包括处理器以及存储器；
存储器用于存储程序代码，并将程序代码传输给处理器；
处理器用于根据程序代码中的指令执行前述方法实施例中的地图构建方法。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码被处理器执行时实现前述方法实施例中的地图构建方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
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，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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，本申请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全部或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，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请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(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种地图构建方法，其特征在于，包括：
将采集的多帧点云数据划分为若干组点云数据集；
采用多线程并行处理构建各组所述点云数据集对应的局部点云地图；
将各组所述局部点云地图进行拼接，得到全局地图。
2.根据权利要求1所述的地图构建方法，其特征在于，所述局部点云地图的构建过程为：
S1、对所述点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，将所述初始帧点云数据的下一帧点云数据作为当前帧点云数据；
S2、将当前帧点云数据与所述初始点云地图进行匹配，得到当前帧点云数据的点云位姿，并根据所述点云位姿将当前帧点云数据映射到所述初始点云地图中，得到更新后点云地图；
S3、对所述更新后点云地图中的更新部分进行降采样，将降采样后的更新后点云地图作为所述初始点云地图，并将当前帧点云数据的下一帧点云数据作为当前帧点云数据，返回执行步骤S2，直至当前帧点云数据为最后一帧点云数据，执行步骤S4；
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取所述点云数据集对应的局部点云地图。
3.根据权利要求2所述的地图构建方法，其特征在于，所述对所述点云数据集中的初始帧点云数据进行降采样，得到初始点云地图，包括：
初始化体素网格的大小，对所述点云数据集中的初始帧点云数据进行体素网格化；
对各体素网格中的点云数据进行降采样，得到初始点云地图。
4.根据权利要求2所述的地图构建方法，其特征在于，步骤S4具体包括：
将当前帧点云数据对应的降采样后的更新后点云地图作为所述点云数据集对应的局部点云地图。
5.根据权利要求2所述的地图构建方法，其特征在于，步骤S4具体包括：
对所述点云数据集中的非初始帧点云数据的所述点云位姿进行优化，得到优化后点云位姿；
根据所述优化后点云位姿对所述非初始帧点云数据进行优化，得到优化后点云数据集；
根据所述优化后点云数据集对所述初始帧点云数据对应的所述初始点云地图进行更新，得到所述点云数据集对应的局部点云地图。
6.根据权利要求5所述的地图构建方法，其特征在于，所述对所述点云数据集中的非初始帧点云数据的所述点云位姿进行优化，得到优化后点云位姿，包括：
对所述点云数据集中的非初始帧点云数据的所述点云位姿进行回环检测，得到回环检测结果；
根据所述回环检测结果，通过图优化方法对所述点云位姿进行全局优化，得到优化后点云位姿。
7.根据权利要求5所述的地图构建方法，其特征在于，所述根据所述优化后点云位姿对所述非初始帧点云数据进行优化，得到优化后点云数据，包括：
根据所述优化后点云位姿和所述非初始帧点云数据的时间戳对所述非初始帧点云数据进行去运动畸变，得到优化后点云数据集。
8.根据权利要求5所述的地图构建方法，其特征在于，所述根据所述优化后点云数据集对所述初始帧点云数据对应的所述初始点云地图进行更新，得到所述点云数据集对应的局部点云地图，包括：
将所述优化后点云数据集中的初始帧优化后点云数作为当前帧点云数据，重复步骤S2-步骤S4，对所述初始帧点云数据对应的所述初始点云地图进行迭代更新，直至迭代次数达到预设最大迭代次数，将所述优化后点云数据集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为所述点云数据集对应的局部点云地图。
9.根据权利要求1-8任一项所述的地图构建方法，其特征在于，相邻两组所述点云数据集之间存在重叠点云数据；
所述将各组所述局部点云地图进行拼接，得到全局地图，包括：
根据相邻两组所述点云数据集之间的重叠点云数据对相邻两组所述局部点云地图进行拼接，得到全局地图。
10.一种地图构建装置，其特征在于，包括：
划分单元，用于将采集的多帧点云数据划分为若干组点云数据集；
构建单元，用于采用多线程并行处理构建各组所述点云数据集对应的局部点云地图；
拼接单元，用于将各组所述局部点云地图进行拼接，得到全局地图。
11.一种地图构建设备，其特征在于，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-9任一项所述的地图构建方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-9任一项所述的地图构建方法。
CN202210763078.3A 2022-06-30 2022-06-30 一种地图构建方法、装置、设备和存储介质 Pending CN115112134A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210763078.3A CN115112134A (zh) 2022-06-30 2022-06-30 一种地图构建方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210763078.3A CN115112134A (zh) 2022-06-30 2022-06-30 一种地图构建方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN115112134A true CN115112134A (zh) 2022-09-27

Family

ID=83329887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210763078.3A Pending CN115112134A (zh) 2022-06-30 2022-06-30 一种地图构建方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115112134A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118314265A (zh) * 2024-06-07 2024-07-09 深圳飞马机器人股份有限公司 点云数据处理方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274241A (zh) * 2020-01-07 2020-06-12 北京百度网讯科技有限公司 用于并行处理地图数据的方法和装置
CN111882977A (zh) * 2020-05-06 2020-11-03 北京嘀嘀无限科技发展有限公司 一种高精度地图构建方法及系统
CN113819914A (zh) * 2020-06-19 2021-12-21 北京图森未来科技有限公司 一种地图构建方法及装置
CN114119920A (zh) * 2021-10-29 2022-03-01 北京航空航天大学杭州创新研究院 三维点云地图构建方法、系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274241A (zh) * 2020-01-07 2020-06-12 北京百度网讯科技有限公司 用于并行处理地图数据的方法和装置
CN111882977A (zh) * 2020-05-06 2020-11-03 北京嘀嘀无限科技发展有限公司 一种高精度地图构建方法及系统
CN113819914A (zh) * 2020-06-19 2021-12-21 北京图森未来科技有限公司 一种地图构建方法及装置
CN114119920A (zh) * 2021-10-29 2022-03-01 北京航空航天大学杭州创新研究院 三维点云地图构建方法、系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙相宇: "基于SLAM技术的移动机器人室内环境下可穿越性研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 8, 15 August 2019 (2019-08-15), pages 140 - 411 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118314265A (zh) * 2024-06-07 2024-07-09 深圳飞马机器人股份有限公司 点云数据处理方法、装置、电子设备和存储介质
CN118314265B (zh) * 2024-06-07 2024-09-03 深圳飞马机器人股份有限公司 点云数据处理方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
US10984556B2 (en) Method and apparatus for calibrating relative parameters of collector, device and storage medium
EP4120199A1 (en) Image rendering method and apparatus, and electronic device and storage medium
CN106846497B (zh) 应用于终端的呈现三维地图的方法和装置
CN115236644A (zh) 一种激光雷达外参标定方法、装置、设备和存储介质
JP7536893B2 (ja) 自己注意ベースのニューラルネットワークを使用した画像処理
CN107369131B (zh) 图像的显著性检测方法、装置、存储介质和处理器
US9697751B2 (en) Interactive representation of clusters of geographical entities
CN111795687B (zh) 一种机器人地图更新方法、装置、可读存储介质及机器人
CN108875931B (zh) 神经网络训练及图像处理方法、装置、系统
CN113222964B (zh) 一种冠脉中心线提取模型的生成方法及装置
CN110120087B (zh) 三维虚拟沙盘的标签标注方法、装置及终端设备
CN111475565B (zh) 一种目标历史地理信息数据可视化回放系统及方法
CN115112134A (zh) 一种地图构建方法、装置、设备和存储介质
CN113870215A (zh) 中线提取方法及装置
CN113032604B (zh) 一种遥感影像处理方法、装置、电子设备及存储介质
CN115546027A (zh) 图像缝合线确定方法、装置以及存储介质
CN111080781A (zh) 一种三维地图显示方法及移动终端
CN113516697A (zh) 图像配准的方法、装置、电子设备及计算机可读存储介质
CN114092337B (zh) 一种图像任意尺度的超分辨率放大的方法和装置
CN107808360B (zh) 一种端到端自动驾驶系统的数据处理方法及装置
CN115794980A (zh) 一种数据展示方法、设备、装置及介质
CN112669196B (zh) 一种硬件加速引擎中因子图优化数据的方法和设备
CN113407537B (zh) 数据处理方法、装置及电子设备
US10078801B2 (en) System, method and software for representing decision trees
CN114926592A (zh) 轨迹点的映射方法以及检索方法

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