CN115183762A - 一种机场仓库内外建图方法、系统、电子设备及介质 - Google Patents
一种机场仓库内外建图方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN115183762A CN115183762A CN202210918932.9A CN202210918932A CN115183762A CN 115183762 A CN115183762 A CN 115183762A CN 202210918932 A CN202210918932 A CN 202210918932A CN 115183762 A CN115183762 A CN 115183762A
- Authority
- CN
- China
- Prior art keywords
- data
- data queue
- queue
- optimized
- airport
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 title claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000010408 sweeping Methods 0.000 claims abstract description 13
- 241001417527 Pempheridae Species 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种机场仓库内外建图方法、系统、电子设备及介质,涉及定位建图技术领域,方法包括:基于GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据,构建数据队列集合;对数据队列集合中的误差帧进行剔除,得到关键帧和回环帧;根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新关键帧;根据更新后的关键帧,生成机场仓库的点云地图。本发明能够通过机场无人扫地车实现机场仓库内外高精度定位与建图。
Description
技术领域
本发明涉及定位建图技术领域,特别是涉及一种机场仓库内外建图方法、系统、电子设备及介质。
背景技术
目前,现有的机场仓库内外定位方法,具体如下:
机场仓库室内定位方法:反光柱、磁钉、二维码、2D激光定位、超宽带(Ultra WideBand,UWB)等;机场仓库室外定位方法:UWB、GPS(Global Positioning System,全球定位系统)。
现有机场仓库内外定位方法的缺陷,具体如下:
第一,成本高;需在所测试区域提前布设相关硬件设施;第二,类似二维码、反光柱等定位方法会因为时间推移而导致其设备磨损,后期定位准确度较低;第三,用2D激光定位会因为场景时常发生变化而导致定位丢失;第四,在靠近航站楼、隧道、高楼以及机翼等设备下,GPS会失效,进而导致定位丢失。
发明内容
本发明的目的是提供一种机场仓库内外建图方法、系统、电子设备及介质,能够通过机场无人扫地车实现机场仓库内外高精度定位与建图。
为实现上述目的,本发明提供了如下方案:
第一方面,本发明提供的一种机场仓库内外建图方法,应用于机场无人扫地车上,所述机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达和轮式里程计;所述机场仓库内外建图方法包括:
获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据;
确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据;
分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;
根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧;
根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
可选地,所述获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据,具体包括:
获取所述gnss接收机采集的GPS位置数据;
获取所述惯性传感器采集的惯性测量数据;
获取所述多线激光雷达采集的激光雷达点云数据;
获取所述轮式里程计采集的里程数据。
可选地,所述确定数据队列集合,具体包括:
对所述GPS位置数据、所述惯性测量数据、所述激光雷达点云数据和所述里程数据进行预处理,并根据预处理后的激光雷达点云数据构建第一数据队列;
根据预处理后的激光雷达点云数据上的时间戳,筛选与所述时间戳同步的预处理后的GPS位置数据、预处理后的惯性测量数据和预处理后的里程数据,并根据筛选处理后的GPS位置数据构建第二数据队列;
对筛选处理后的惯性测量数据和筛选处理后里程数据进行DR运算,得到机场无人扫地车的轨迹数据,并根据机场无人扫地车的轨迹数据构建第三数据队列。
可选地,所述分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列,具体包括:
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第一数据队列中的误差帧进行剔除,得到优化后的第一数据队列;
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第二数据队列中的误差帧进行剔除,得到优化后的第二数据队列;
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第三数据队列中的误差帧进行剔除,得到优化后的第三数据队列。
可选地,所述根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧,具体包括:
根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,按照设定条件,得到优化后的关键帧;
利用非线性优化算法,对优化后的关键帧进行平差计算,更新所述关键帧;
设定条件:若gnss接收机状态可用,则将优化后的第二数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态不可用,则将优化后的第一数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态和多线激光雷达状态均不可用,则将优化后的第三数据队列中的关键帧作为优化后的关键帧。
第二方面,本发明提供的一种机场仓库内外建图系统,应用于机场无人扫地车上,所述机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达和轮式里程计;所述机场仓库内外建图系统包括:
数据获取模块,用于获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据;
数据队列集合确定模块,用于确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据;
优化模块,用于分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;
关键帧更新模块,用于根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧;
点云地图生成模块,用于根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
第三方面,本发明提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的机场仓库内外建图方法。
第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的机场仓库内外建图方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种机场仓库内外建图方法、系统、电子设备及介质,本发明获取多种数据,例如GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据,在室外有GPS位置数据的地方,基于GPS位置数据构建地图,在室内无GPS位置数据的地方,基于惯性测量数据、激光雷达点云数据和里程数据构建地图,这样可以有效实现互补,达到通过机场无人扫地车实现机场仓库内外高精度定位与建图的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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他的附图。
图1为本发明实施例提供的一种机场仓库内外建图方法的流程示意图;
图2为本发明实施例提供的一种机场仓库内外建图系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种机场仓库内外建图方法、系统、电子设备及介质,能够通过机场无人扫地车实现机场仓库内外高精度定位与建图,从而使得后续车辆能够在复杂的仓库内外场景下平滑稳定地运行。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
专业术语:
1.激光雷达:LiDAR(Light Detection and Ranging),以激光器作为发射源,通过量测光发射及光返回的时间来获取位置、强度等特征的主动遥感设备。
2.即时定位与地图构建:SLAM(simultaneous localization and mapping),指指机器人在未知的环境中从一个未知位置开始移动,在移动过程中根据位置和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
3.全球导航定位系统:gnss(global navigation satelite ststem),是能在地球表面或近似空间的任何地点为用户提供全天候的三维坐标、速度信息以及时间信息的空基无线电导航定位系统。
4.惯性测量单元:imu(inertial measurement unit),测量物体三轴姿态角以及加速度的装置。
5.轮式里程计:odom(wheel odometry),通过获取车辆的脉冲信息,得到车辆实际的行驶里程。
6.NDT:(Normal Distance Transform),是非线性优化算法的一种,通过计算正态分布,得到目标函数,并求解目标函数局部值域最小的位姿参数。
7.ESKF:(error-state kalman filter),误差状态卡尔曼滤波。
8.回环检测:(Loop Closure Detection),判断机器人是否到达过先前的位置,如果到达过先前的位置,就会检测到回环信息,并将回环信息提供给后端进行处理。
9.航迹推算:DR(dead reckoning),是指利用imu与odom通过运动学求解车辆行驶的相对位姿。
10.图优化:pose-graph,一个图graph,由若干个顶点及连接的边组成,顶点表示待优化的位姿,边表示两帧之间的旋转矩阵即误差项,通过建立最小二乘的非线性优化,使得误差达到最小。
实施例一
本实施例提供的一种机场仓库内外建图方法应用于机场无人扫地车上,该机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达、轮式里程计等。
如图1所示,本实施例提供的一种机场仓库内外建图方法,包括如下步骤。
步骤100:获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据。具体的:
获取gnss接收机采集的GPS位置数据。该GPS位置数据包括经纬度等信息。
获取惯性传感器采集的惯性测量数据。惯性测量数据包括角速度和角加速度数据。
获取多线激光雷达(Light Detection and Ranging,LiDAR)采集的激光雷达点云数据。
获取轮式里程计采集的里程数据。
步骤200:确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据。具体的:
首先对所述GPS位置数据、所述惯性测量数据、所述激光雷达点云数据和所述里程数据进行预处理,并根据预处理后的激光雷达点云数据构建第一数据队列。
对于所述惯性测量数据来说,其预处理是将零偏值去掉,即减去一个重力加速度;对于所述激光雷达点云数据来说,其预处理是标定处理。
其次根据预处理后的激光雷达点云数据上的时间戳,筛选与所述时间戳同步的预处理后的GPS位置数据、预处理后的惯性测量数据和预处理后的里程数据,并根据筛选处理后的GPS位置数据构建第二数据队列。
一个示例:找到与激光雷达点云数据时间点最相邻的数据,进行时间同步,即找到在相同时刻对应的GPS位置数据、惯性测量数据和里程数据,这样可以获得每一时刻机场无人扫地车的位置信息和姿态信息,以便后续点云建图。
接着对筛选处理后的惯性测量数据和筛选处理后里程数据进行DR运算,得到机场无人扫地车的轨迹数据,并根据机场无人扫地车的轨迹数据构建第三数据队列。
DR运算的公式如下:
dr=L1+U*t;
其中,dr为机场无人扫地车行走的轨迹,L1上一时刻的位置信息,该位置信息包含了x、y等地图信息,单位为米,U是通过惯性测量单元生成的瞬时速度值,t为选定的每两帧数据间的时间间隔。
步骤300:分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;具体为:
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第一数据队列中的误差帧进行剔除,得到优化后的第一数据队列。
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第二数据队列中的误差帧进行剔除,得到优化后的第二数据队列。
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第三数据队列中的误差帧进行剔除,得到优化后的第三数据队列。
粗匹配:scan_scan,对两帧数据进行匹配对比,即通过高斯牛顿的数学算法,统计两帧数据中物体的相似度,然后利用前后两帧的相似特征,求解出从第一帧数据到第二帧数据的距离,即相对位姿,以实现粗匹配。
精匹配:scan_map,将当前帧与历史局部地图进行匹配(即通过高斯牛顿的算法,计算一帧数据与多帧数据的相似度),累加得到行驶的距离以及变化的姿态),根据时间、距离以及角度选取合适的关键帧并保存。一般是根据每向前走0.5米,时间大于0.1s,角度大于0.5°作为判断条件来取关键帧。
回环检测:通过设置里程,不断地对当前关键帧与历史帧进行NDT匹配,如果匹配度较高,则认为是回环帧(回环帧为车辆行走了一圈后,又回到某个点,此时刻位姿信息包含位置信息和姿态信息,和之前推算出来的姿态信息进行比较,理论上得到的位姿信息是一样的,但是存在累计误差,这样通过回环帧可以消除累计误差),并输送到后端。
步骤400:根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧。
利用g2o图优化算法,将优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列形成三条轨迹线;其中,轨迹线上的点对应的存放信息为位置信息和姿态信息(其中,坐标x、y、z单位为米,roll、pitch、yaw单位为°)
根据g2o图优化算法,将优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列选取的关键帧作为顶点,将回环帧作为约束的边,通过设定条件,得到优化后的关键帧,然后利用非线性优化优化进行平差计算,得到关键帧优化后的位姿,优化后的位姿作为最终关键帧的值,之前关键帧里存放的位姿值将被优化后的值所取代。
设定条件(1)gnss状态可用,则选取优化后的第二数据队列的关键帧为顶点。(2)如果gnss的状态标志位显示gps的状态不好,则选取优化后的第一数据队列的关键帧为顶点(3)如果gnss、多线激光雷达状态标识位都显示其数据都不可用,则选取优化后的第三数据队列的关键帧为顶点。
鉴于此,步骤400具体包括:
根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,按照设定条件,得到优化后的关键帧。
利用非线性优化算法,对优化后的关键帧进行平差计算,更新所述关键帧。
设定条件:若gnss接收机状态可用,则将优化后的第二数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态不可用,则将优化后的第一数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态和多线激光雷达状态均不可用,则将优化后的第三数据队列中的关键帧作为优化后的关键帧。
步骤500:根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
优化后的关键帧是统一在同一个坐标系下,每个关键帧中还存放了此时刻的激光点云数据pcd,然后将后面一帧左乘前一帧的位姿矩阵值,则会转换到相对第一帧的点云地图里,同时pcd累加,就会构成一个大地图,从而形成一张室内室外的点云地图。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种机场仓库内外建图系统。
本实施例提供的机场仓库内外建图系统应用于机场无人扫地车上,所述机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达和轮式里程计;如图2所示,所述机场仓库内外建图系统包括:
数据获取模块1,用于获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据;
数据队列集合确定模块2,用于确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据;
优化模块3,用于分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;
关键帧更新模块4,用于根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧;
点云地图生成模块5,用于根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
实施例三
本发明实施例提供一种电子设备包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例一的机场仓库内外建图方法。
可选地,上述电子设备可以是服务器。
另外,本发明实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的机场仓库内外建图方法。
本发明是在室外有gps的地方,通过gps的值作为关键帧来建地图,当机场无人扫地车进入室内无gps的值时,通过惯性传感器、多线激光雷达和轮式里程计采集的数据作为关键帧来建地图,这样可以有效实现互补,实现机场无人扫地车在机场仓库实现室内室外建图。
与现有技术相比,本发明还具有以下优点:
1.不需要布设硬件设施。
2.周围环境变化小,定位不容易丢失。
3.可在室内外点云地图进行快速定位。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种机场仓库内外建图方法,其特征在于,所述机场仓库内外建图方法应用于机场无人扫地车上,所述机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达和轮式里程计;所述机场仓库内外建图方法包括:
获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据;
确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据;
分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;
根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧;
根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
2.根据权利要求1所述的一种机场仓库内外建图方法,其特征在于,所述获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据,具体包括:
获取所述gnss接收机采集的GPS位置数据;
获取所述惯性传感器采集的惯性测量数据;
获取所述多线激光雷达采集的激光雷达点云数据;
获取所述轮式里程计采集的里程数据。
3.根据权利要求1所述的一种机场仓库内外建图方法,其特征在于,所述确定数据队列集合,具体包括:
对所述GPS位置数据、所述惯性测量数据、所述激光雷达点云数据和所述里程数据进行预处理,并根据预处理后的激光雷达点云数据构建第一数据队列;
根据预处理后的激光雷达点云数据上的时间戳,筛选与所述时间戳同步的预处理后的GPS位置数据、预处理后的惯性测量数据和预处理后的里程数据,并根据筛选处理后的GPS位置数据构建第二数据队列;
对筛选处理后的惯性测量数据和筛选处理后里程数据进行DR运算,得到机场无人扫地车的轨迹数据,并根据机场无人扫地车的轨迹数据构建第三数据队列。
4.根据权利要求1所述的一种机场仓库内外建图方法,其特征在于,所述分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列,具体包括:
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第一数据队列中的误差帧进行剔除,得到优化后的第一数据队列;
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第二数据队列中的误差帧进行剔除,得到优化后的第二数据队列;
依次采用粗匹配算法、精匹配算法和回环检测算法,对所述第三数据队列中的误差帧进行剔除,得到优化后的第三数据队列。
5.根据权利要求1所述的一种机场仓库内外建图方法,其特征在于,所述根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧,具体包括:
根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,按照设定条件,得到优化后的关键帧;
利用非线性优化算法,对优化后的关键帧进行平差计算,更新所述关键帧;
设定条件:若gnss接收机状态可用,则将优化后的第二数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态不可用,则将优化后的第一数据队列中的关键帧作为优化后的关键帧;若gnss接收机状态和多线激光雷达状态均不可用,则将优化后的第三数据队列中的关键帧作为优化后的关键帧。
6.一种机场仓库内外建图系统,其特征在于,所述机场仓库内外建图系统应用于机场无人扫地车上,所述机场无人扫地车搭载有gnss接收机、惯性传感器、多线激光雷达和轮式里程计;所述机场仓库内外建图系统包括:
数据获取模块,用于获取GPS位置数据、惯性测量数据、激光雷达点云数据和里程数据;
数据队列集合确定模块,用于确定数据队列集合;所述数据队列集合包括第一数据队列、第二数据队列以及第三数据队列;所述第一数据队列为经过预处理后的激光雷达点云数据组成的队列,所述第二数据队列为经过时间同步处理后的GPS位置数据组成的队列,所述第三数据队列为机场无人扫地车的轨迹数据组成的队列;所述机场无人扫地车的轨迹数据是对所述惯性测量数据和所述里程数据进行处理后得到的数据;
优化模块,用于分别对所述第一数据队列、所述第二数据队列以及所述第三数据队列中的误差帧进行剔除,得到优化后的第一数据队列、优化后的第二数据队列以及优化后的第三数据队列;所述优化后的第一数据队列、所述优化后的第二数据队列以及所述优化后的第三数据队列均包括关键帧和回环帧;
关键帧更新模块,用于根据g2o图优化算法,以所述关键帧为顶点,以所述回环帧为边,更新所述关键帧;
点云地图生成模块,用于根据更新后的关键帧,生成机场仓库的点云地图;所述点云地图包括机场仓库室内点云地图和机场室外点云地图。
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的机场仓库内外建图方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的机场仓库内外建图方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918932.9A CN115183762A (zh) | 2022-08-02 | 2022-08-02 | 一种机场仓库内外建图方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918932.9A CN115183762A (zh) | 2022-08-02 | 2022-08-02 | 一种机场仓库内外建图方法、系统、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115183762A true CN115183762A (zh) | 2022-10-14 |
Family
ID=83522221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210918932.9A Pending CN115183762A (zh) | 2022-08-02 | 2022-08-02 | 一种机场仓库内外建图方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115183762A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115638787A (zh) * | 2022-12-23 | 2023-01-24 | 安徽蔚来智驾科技有限公司 | 一种数字地图生成方法、计算机可读存储介质及电子设备 |
CN116908810A (zh) * | 2023-09-12 | 2023-10-20 | 天津大学四川创新研究院 | 一种无人机搭载激光雷达测量建筑土方的方法和系统 |
CN115728730B (zh) * | 2022-11-25 | 2024-06-07 | 南京航空航天大学 | 一种多感知融合定位系统构建与坐标标定方法 |
-
2022
- 2022-08-02 CN CN202210918932.9A patent/CN115183762A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115728730B (zh) * | 2022-11-25 | 2024-06-07 | 南京航空航天大学 | 一种多感知融合定位系统构建与坐标标定方法 |
CN115638787A (zh) * | 2022-12-23 | 2023-01-24 | 安徽蔚来智驾科技有限公司 | 一种数字地图生成方法、计算机可读存储介质及电子设备 |
CN116908810A (zh) * | 2023-09-12 | 2023-10-20 | 天津大学四川创新研究院 | 一种无人机搭载激光雷达测量建筑土方的方法和系统 |
CN116908810B (zh) * | 2023-09-12 | 2023-12-12 | 天津大学四川创新研究院 | 一种无人机搭载激光雷达测量建筑土方的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
Jeong et al. | Complex urban lidar data set | |
CN110044354A (zh) | 一种双目视觉室内定位与建图方法及装置 | |
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 | |
JP4984659B2 (ja) | 自車両位置推定装置 | |
CN107909614B (zh) | 一种gps失效环境下巡检机器人定位方法 | |
Cappelle et al. | Virtual 3D city model for navigation in urban areas | |
CN112987065B (zh) | 一种融合多传感器的手持式slam装置及其控制方法 | |
CN113781582A (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
CN115183762A (zh) | 一种机场仓库内外建图方法、系统、电子设备及介质 | |
CN110187375A (zh) | 一种基于slam定位结果提高定位精度的方法及装置 | |
CN109596121A (zh) | 一种机动站自动目标检测与空间定位方法 | |
CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
CN110412596A (zh) | 一种基于图像信息和激光点云的机器人定位方法 | |
CN114119886A (zh) | 高精地图点云重建方法、装置、车辆、设备和存储介质 | |
CN115127543A (zh) | 一种激光建图优化中异常边剔除方法及系统 | |
CN115451948A (zh) | 一种基于多传感器融合的农业无人车定位里程计方法及系统 | |
Kaijaluoto | Precise indoor localization for mobile laser scanner | |
Khoshelham et al. | Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry | |
Grejner-Brzezinska et al. | From Mobile Mapping to Telegeoinformatics | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
Gao et al. | Vido: A robust and consistent monocular visual-inertial-depth odometry | |
Wu et al. | AFLI-Calib: Robust LiDAR-IMU extrinsic self-calibration based on adaptive frame length LiDAR odometry | |
CN112923934A (zh) | 一种适用于非结构化场景中结合惯导的激光slam技术 | |
CN116105729A (zh) | 一种针对野外洞穴森林环境侦察的多传感器融合定位方法 |
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 |