CN115201849A - 一种基于矢量地图的室内建图方法 - Google Patents
一种基于矢量地图的室内建图方法 Download PDFInfo
- Publication number
- CN115201849A CN115201849A CN202210825282.3A CN202210825282A CN115201849A CN 115201849 A CN115201849 A CN 115201849A CN 202210825282 A CN202210825282 A CN 202210825282A CN 115201849 A CN115201849 A CN 115201849A
- Authority
- CN
- China
- Prior art keywords
- straight line
- source
- target
- line segment
- data
- 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
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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开一种基于矢量地图的室内建图方法,包括如下步骤:对激光雷达扫描数据进行预处理,得到室内环境完整外轮廓;根据所述室内环境完整外轮廓使用种子区域生长方法提取各个墙面的直线段;根据所述直线段的斜率截距计算不同墙面的直线段交点,且若此时扫描帧数为1,则定义intersection_source为参考直线段集source交点集,否则,定义intersection_target为当前直线段集parameter交点集;将参考直线段集source交点集intersection_source和当前直线段集parameter交点集intersection_target进行配准,求得旋转矩阵和平移向量并计算出配准之后的直线集合target,将当前帧下配准后的直线段集合target与之前帧的参考直线段集source进行融合,得到融合后的直线。本发明保证了地图反映的实际环境的真实性,避免了失真情况的发生。
Description
技术领域
本发明涉及室内建图技术领域,具体涉及一种基于矢量地图的室内建图方法。
背景技术
同步定位与建图(Simultaneous Localization and Mapping,SLAM)能够用于解决未知环境下导航,并利用地图信息定位同时建立环境地图的问题。环境地图的准确性依赖于定位的精度,定位的实现又离不开环境地图。
一般来讲,SLAM系统通常都包含多种传感器和多种功能模块。按照核心的功能模块来分具有两种形式:基于激光雷达的SLAM和基于视觉的SLAM。激光SLAM采用2D或3D激光雷达,2D激光雷达一般用于室内机器人上(如扫地机器人),而3D激光雷达一般使用于无人驾驶领域。激光雷达的出现和普及使得测量更快更准,信息更丰富。通常,激光SLAM系统通过对不同时刻两片点云的匹配与比对,计算激光雷达相对运动的距离和姿态的改变,也就完成了对机器人自身的定位。
在2D激光SLAM中,主要针对栅格地图和特征地图进行研究,栅格地图虽然具有高准确性并能充分反映环境结构,但是其占用空间过大,随着地图增大,所需内存也会增加,路径规划效率不高,并且需要精确的机器人位姿。
而矢量地图一般由从环境中提取到的点、线等几何特征构成,空间复杂度低,且不需要精确的机器人位置信息。利用二维激光数据提取线已经在许多现有的工作中进行了研究,包括分割合并、RANSAC、Hough、区域生长等。现有算法在线段提取效率、正确性和精度方面都不理想。
发明内容
发明目的:为了克服上述现有技术的不足,本发明提供一种基于矢量地图的室内建图方法。
技术方案:本发明的基于矢量地图的室内建图方法,包括以下步骤:
(1)对激光雷达扫描数据进行预处理,得到室内环境完整外轮廓;
(2)根据所述室内环境完整外轮廓使用种子区域生长方法提取各个墙面的直线段集parameter且若此时扫描帧数为1,则定义source为参考直线段集并将parameter存入;
(3)根据所述直线段的斜率截距计算不同墙面的直线段交点,且若此时扫描帧数为1,则定义intersection_source为参考直线段集source交点集,否则,定义intersection_target为当前直线段集parameter交点集;
(4)将参考直线段集source交点集intersection_source和当前直线段集parameter交点集intersection_target进行配准,求得旋转矩阵和平移向量并计算出配准之后的直线集合target,将当前帧下配准后的直线段集合target与之前帧的参考直线段集source进行融合,得到融合后的直线;
(5)根据融合后的直线斜率截距求融合后的直线的交点,并刷新存储在集合intersection_source中;
(6)循环步骤(1)-(5),直到扫描帧数>N1,N1为激光雷达扫描帧数。
进一步的,包括:
所述步骤(1)具体包括以下步骤:
(11)手持激光雷达扫描仪进行室内环境扫描,记录存储激光帧数据lidar_data,根据每帧激光雷达扫描数据在lidar_data中起始位置得到当前帧激光雷达扫描数据;
(12)通过坐标转换公式得到激光雷达在笛卡尔坐标系下坐标[x_org,y_org],其中x_org为横坐标,y_org为纵坐标,所述坐标转换公式为:
其中,angles为当前帧扫描角度,ranges为当前帧扫描距离;
(13)判断当前帧扫描点是否为数据轮廓点,数据轮廓点的判断公式为:
其中,r为每相邻三点形成的两对向量进行叉乘的结果,ang为两个点之间的均值极角,ang_2为极角阈值;
(14)去除以手持式激光雷达扫描仪为圆心,0.5m半径范围内的点云,从而得到滤波后一帧点云数据外轮廓,并用矩阵[x_filt,y_filt]表示。
进一步的,包括:
所述步骤(2)具体包括:
(21)将已经存在的种子段中的激光点拟合成一条直线段,计算当前种子段中激光点到所述直线段的距离标准差std_error,以及种子段中相邻两点之间的距离d1,有效种子段符合的公式为:
其中,D_ENDTOBEGIN为种子段中相邻两点之间距离阈值,D_THTESHOLD为当前种子段到直线距离标准差阈值;
(22)将随后激光点添加到种子段拟合成的直线段,计算随后激光点到直线段距离的累计误差d_total_error,并计算x_filt(j),y_fil(j)与x_filt(j-1),y_fil(j-1)之间的距离d_twopoint,根据有效种子段不断进行区域生长直到符合停止生长的条件,停止生长的条件为:
|d_total_error|>D_THTESHOLD
或者
d_twopoint>4*D_THTESHOLD;
(23)计算拟合出的各直线段的斜率以及两直线段相邻端点之间的距离,比较两个直线段的斜率,若斜率相同并且端点之间的距离相近,则认定对应的直线段属于同一墙面,否则,对应的两条直线段属于不同墙面,重新寻找属于同一墙面的直线段,进而找到所有墙面的直线段parameter。若此时扫描帧数为1,则定义source为参考直线集,并将parameter存入source。
进一步的,包括:
所述随后激光点到直线段距离的累计误差d_total_error更新表示为:
d_total_error=d_total_error+d
等号前的d_total_error表示加入随后加入的激光点更新后的累计误差,d_total_error表示更新前的累计误差,且
其中,A,B,C为直线段的系数,(x0,y0)为随后加入的激光点的坐标。
进一步的,包括:
所述步骤(4)具体包括:
(41)计算两个待配准点集intersection_target和intersection_source的质心,分别得到target_mean、source_mean;
(42)计算两个待配准点集intersection_target和intersection_source相对于各自质心target_mean、source_mean的位移,并分别定义为data_target、data_source;
(43)定义一个空矩阵W,通过下列公式遍历data_target、data_source得到协方差矩阵W:
W=W+data_source(:,j)*data_target(:,j)T
其中,data_source(:,j)表示data_source中第j个交点,data_target(:,j)表示data_target中第j个交点。
(44)通过对W使用SVD分解方法,得到[U,S,V],从而根据下列公式求得旋转矩阵Rf和平移向量Tf:
Rf=U*VT
Tf=source_mean-Rf*target_mean
(45)根据旋转矩阵Rf和平移向量Tf,使用下列公式得到配准之后target。
target=parameter*Rf+Tf
进一步的,包括:
所述步骤(5)包括:
(51)得到配准之后直线集合target和参考直线集合source,定义idx1为参考直线集合source直线索引,idx1初值为1。定义idx2为配准后的直线集合target直线索引,idx2初值为1;
(52)寻找并判断直线是否属于同一墙面,是则存入I,否则idx1=idx1+1,并重新判断source中第idx1条与target中第idx2条直线,直到idx1>size(source,2);
(53)当参考直线段集合source中所有直线段与配准后直线段集合target中第idx2条直线进行比较也就是完成一次步骤(52)循环后,则将同一墙面直线索引I存入元胞数组I1,并且配准后的直线集合target直线索引idx2加1,即:idx2=idx2+1,idx1=1,再次跳转到步骤(52),得到所有直线集合后融合直线。
有益效果:与现有技术相比,本发明的显著优点在于提出的一种基于矢量地图的室内建图方法,使用区域生长提取直线并将直线交点作为直线配准的特征点,利用稳定的角点特征进行配准,有着很好的抗干扰能力,使得两直线集之间满足某种度量准则下的最优匹配。使用几何信息描述矢量地图环境,保证了地图反映的实际环境的真实性,避免了失真情况的发生。
附图说明
图1为本发明实施例所述的基于矢量地图的室内建图方法整体流程图;
图2为本发明实施例所述的一帧室内扫描激光数据散点图;
图3为本发明实施例所述的一帧室内扫描激光数据外轮廓;
图4为本发明实施例所述的种子区域生长提取直线方法流程图;
图5为本发明实施例所述的一帧室内扫描激光数据点区域生长结果;
图6为本发明实施例所述的一帧室内扫描激光数据点区域生长合并直线结果;
图7为本发明实施例所述的两帧直线配准方法流程图;
图8为本发明实施例所述的两帧直线配准结果;
图9为本发明实施例所述的两帧直线融合方法流程图;
图10为本发明实施例所述的两帧直线融合结果。
具体实施方式
下面对本发明技术方案进行详细说明。
首先,本发明设计了基于矢量地图的室内建图方法,如图1所示,包括如下:
步骤1:获取激光雷达扫描数据,对激光雷达扫描数据进行预处理,得到室内环境完整外轮廓,具体方法为:
步骤1.1:手持激光雷达扫描仪进行室内环境扫描,记录存储激光帧数据lidar_data,根据每帧激光雷达扫描数据在lidar_data中起始位置得到当前帧激光雷达扫描数据,通过公式(1)坐标转换得到激光雷达在笛卡尔坐标系下坐标[x_org,y_org],其中x_org为横坐标,y_org为纵坐标:
其中,angles为当前帧扫描角度,ranges为当前帧扫描距离;
步骤1.2:提取点云外轮廓,图2为一帧室内扫描激光数据散点图。提取散点外轮廓需要在保留凸点的同时考虑凹点,以当前帧[x_org,y_org]为例,将[x_org,y_org]中每相邻三点形成两对向量并进行向量叉乘,通过公式(2)判断该点是否为数据轮廓凸点,针对凹点,则通过公式(2)极角阈值进行判断,去除部分凹点,得到散点的外轮廓图3,如图3是散点图整体轮廓内的凹点去除得到的外轮廓:
其中,r为向量叉乘结果,ang为[x_org,y_org]每个点到[x_org,y_org]均值极角,ang_2为极角阈值;
步骤1.3:为避免人为干扰,去除手持式激光雷达扫描仪0.5m半径范围内点云,得到滤波后一帧点云数据外轮廓,并用矩阵[x_filt,y_filt]表示;
步骤2:根据室内环境完整外轮廓得到的[x_filt,y_filt]使用种子区域生长方法提取各个墙面的直线段集parameter且若此时扫描帧数为1,则定义source为参考直线段集并将parameter存入流程如图4所示,具体方法为:
步骤2.1:提取有效种子段,种子段由连续的少量激光点组成,将种子段中激光点拟合成一条直线,本实施例采用10个激光点来拟合成一条直线段,求取种子段相邻两点之间距离d1、当前种子段中激光点到直线距离标准差std_error,通过公式(3)判断种子段是否有效:
其中,D_ENDTOBEGIN为种子段中相邻两点之间距离阈值,D_THTESHOLD为当前种子段到直线距离标准差阈值;若当前10个激光点不能作为有效种子段,则重新选取其他激光点作为种子点。
步骤2.2:找到有效种子段后,开始进行区域生长,得到直线段。
将随后激光点添加到种子段拟合成的直线段,定义d_total_error为随后激光点到直线距离累计误差,计算x_filt(j),y_fil(j)与x_filt(j-1),y_fil(j-1)之间距离并定义为d_twopoint,通常激光点是均匀分布在直线两侧,通过公式(4)判断区域生长是否停止,或者通过公式(5)判断种子段末尾端点与随后激光点之间是否出现长距离空白来停止区域生长,结果如图5,数据是一圈一圈的,从45度扫描到315度,根据数据特性分帧数,45度-315度为一帧,激光雷达扫描一圈,也就是绕房间不到一周,生长就是这么生长的。一个方向生长完在生长接下来的方向。
|d_total_error|>D_THTESHOLD (4)
d_twopoint>4*D_THTESHOLD (5)
随后激光点到直线段距离的累计误差d_total_error更新表示为:
d_total_error=d_total_error+d
等号前的d_total_error表示加入随后加入的激光点更新后的累计误差,d_total_error表示更新前的累计误差,且
其中,A,B,C为直线段的系数,(x0,y0)为随后加入的激光点的坐标。
步骤2.3:属于同一墙面的直线斜率近似,并且线段端点之间距离相近,通过判断斜率相同直线是否为同一墙面,是则属于同一墙面,否则重新开始寻找,合并结果如图6,将斜率相近的不同的直线段首尾相连,得到该帧下的同一墙面的直线。
步骤3:根据直线的斜率截距求不同墙面直线交点,具体方法为:根据所述直线段的斜率截距计算不同墙面的直线段交点,且若此时扫描帧数为1,则定义intersection_source为参考直线段集source交点集,否则,定义intersection_target为当前直线段集parameter交点集。参考直线集合source与参考直线集交点集intersection_source是两个不同的定义,一个是得到的直线,一个是这些直线的交点,通过直线集合source得到交点集intersection_source,先有的直线然后才根据直线求交点。两条直线求交点可以通过直线的斜率和截距求得。
步骤4:特征点配准,流程如图7所示,将参考直线段集source交点集intersection_source和当前直线段集parameter交点集intersection_target进行配准,求得旋转矩阵和平移向量并计算出配准之后的直线集合target,将当前帧下配准后的直线段集合target与之前帧的参考直线段集source进行融合,得到融合后的直线。
此时,扫描帧数为1,source为求得的直线集parameter,扫描帧数>1,parameter为未配准之前直线集,通过两帧求得的直线交点得到旋转矩阵,平移向量,求出配准之后target,之后的source则为souce与target(parameter配准后)融合,source在不断刷新。具体方法为:
步骤4.1:计算两个待配准点集intersection_target和intersection_source的质心,分别得到target_mean、source_mean;
步骤4.2:计算两个待配准点集intersection_target和intersection_source相对于各自质心target_mean、source_mean的位移,并分别定义为data_target、data_source;
步骤4.3:定义一个空矩阵W,通过下列公式遍历data_target、data_source得到协方差矩阵W:
W=W+data_source(:,j)*data_target(:,j)T
其中,data_source(:,j)表示data_source中第j个交点,data_target(:,j)表示data_target中第j个交点。
步骤4.4:通过对W使用SVD分解方法,得到[U,S,V],从而根据下列公式求得旋转矩阵Rf和平移向量Tf:
Rf=U*VT
Tf=source_mean-Rf*target_mean
(45)根据旋转矩阵Rf和平移向量Tf,得到配准之后target。
target=parameter*Rf+Tf
步骤4.5:根据旋转矩阵Rf和平移向量Tf,使用下列公式得到配准之后target,配准以后结果如图8所示,较粗直线为第一帧直线,较细直线为第二帧直线:
target=parameter*Rf+Tf。
其中,parameter为未配准之前直线段集,target为配准之后的直线段集。
步骤5:为了得到整体墙面直线,将原有直线与配准之后直线进行融合,流程如图9所示,具体方法为:
步骤5.1:得到配准之后直线集合target和参考直线集合source,定义idx1为source直线索引,定义idx2为target直线索引,寻找并判断直线是否属于同一墙面,是则存入I,否则idx1=idx1+1,并重新判断直到idx1>size(source,2),其中,初始值idx1=1,idx2=1,I=[],I1={},w=1。
步骤5.2:循环后则将同一墙面直线索引存入元胞数组I1,此时I1(w)=I,w=w+1,判断idx2是否大于size(target,2),若否,则idx2=idx2+1后再次步骤5.1;若idx2大于size(target,2)则找到对应直线并融合。
步骤5.3:循环步骤5.1和5.2直到得到所有直线集合后融合直线,如图10;
步骤6:根据融合直线斜率截距求融合之后的直线交点,具体方法为:根据直线的斜率截距求直线交点,刷新存储在intersection_source中;
步骤7:循环执行步骤1.1-步骤6,直到扫描帧数>N1,N1为激光雷达扫描帧数,从而得到矢量地图。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于矢量地图的室内建图方法,其特征在于,包括以下步骤:
(1)对激光雷达扫描数据进行预处理,得到室内环境完整外轮廓;
(2)根据所述室内环境完整外轮廓使用种子区域生长方法提取各个墙面的直线段集parameter且若此时扫描帧数为1,则定义source为参考直线段集并将parameter存入;
(3)根据所述直线段的斜率截距计算不同墙面的直线段交点,且若此时扫描帧数为1,则定义intersection_source为参考直线段集source交点集,否则,定义intersection_target为当前直线段集parameter交点集;
(4)将参考直线段集source交点集intersection_source和当前直线段集parameter交点集intersection_target进行配准,求得旋转矩阵和平移向量并计算出配准之后的直线集合target,将当前帧下配准后的直线段集合target与之前帧的参考直线段集source进行融合,得到融合后的直线;
(5)根据融合后的直线斜率截距求融合后的直线的交点,并刷新存储在集合intersection_source中;
(6)循环步骤(1)-(5),直到扫描帧数>N1,N1为激光雷达扫描帧数。
2.根据权利要求1所述的基于矢量地图的室内建图方法,其特征在于,所述步骤(1)具体包括以下步骤:
(11)手持激光雷达扫描仪进行室内环境扫描,记录存储激光帧数据lidar_data,根据每帧激光雷达扫描数据在lidar_data中起始位置得到当前帧激光雷达扫描数据;
(12)通过坐标转换公式得到激光雷达在笛卡尔坐标系下坐标[x_org,y_org],其中x_org为横坐标,y_org为纵坐标,所述坐标转换公式为:
其中,angles为当前帧扫描角度,ranges为当前帧扫描距离;
(13)判断当前帧扫描点是否为数据轮廓点,数据轮廓点的判断公式为:
其中,r为每相邻三点形成的两对向量进行叉乘的结果,ang为两个点之间的均值极角,ang_2为极角阈值;
(14)去除以手持式激光雷达扫描仪为圆心,0.5m半径范围内的点云,从而得到滤波后一帧点云数据外轮廓,并用矩阵[x_filt,y_filt]表示。
3.根据权利要求2所述的基于矢量地图的室内建图方法,其特征在于,所述步骤(2)具体包括:
(21)将已经存在的种子段中的激光点拟合成一条直线段,计算当前种子段中激光点到所述直线段的距离标准差std_error,以及种子段中相邻两点之间的距离d1,有效种子段符合的公式为:
其中,D_ENDTOBEGIN为种子段中相邻两点之间距离阈值,D_THTESHOLD为当前种子段到直线距离标准差阈值;
(22)将随后激光点添加到种子段拟合成的直线段,计算随后激光点到直线段距离的累计误差d_total_error,并计算x_filt(j),y_fil(j)与x_filt(j-1),y_fil(j-1)之间的距离d_twopoint,根据有效种子段不断进行区域生长直到符合停止生长的条件,停止生长的条件为:
|d_total_error|>D_THTESHOLD
或者
d_twopoint>4*D_THTESHOLD;
(23)计算拟合出的各直线段的斜率以及两直线段相邻端点之间的距离,比较两个直线段的斜率,若斜率相同并且端点之间的距离相近,则认定对应的直线段属于同一墙面,否则,对应的两条直线段属于不同墙面,重新寻找属于同一墙面的直线段,进而找到所有墙面的直线段集parameter,若此时扫描帧数为1,则定义source为参考直线集,并将parameter存入source。
5.根据权利要求4所述的基于矢量地图的室内建图方法,其特征在于,所述步骤(4)具体包括:
(41)计算两个待配准点集intersection_target和intersection_source的质心,分别得到target_mean、source_mean;
(42)计算两个待配准点集intersection_target和intersection_source相对于各自质心target_mean、source_mean的位移,并分别定义为data_target、data_source;
(43)定义一个空矩阵W,通过下列公式遍历data_target、data_source得到协方差矩阵W:
W=W+data_source(:,j)*data_target(:,j)T
其中,data_source(:,j)表示data_source中第j个交点,data_target(:,j)表示data_target中第j个交点。
(44)通过对W使用SVD分解方法,得到[U,S,V],从而根据下列公式求得旋转矩阵Rf和平移向量Tf:
Rf=U*VT
Tf=source_mean-Rf*target_mean
(45)根据旋转矩阵Rf和平移向量Tf,使用下列公式得到配准之后target。
target=parameter*Rf+Tf
其中,parameter为未配准之前直线段集,target为配准之后的直线段集。
6.根据权利要求5所述的基于矢量地图的室内建图方法,其特征在于,所述步骤(5)包括:
(51)得到配准之后直线集合target和参考直线集合source,定义idx1为参考直线集合source直线索引,idx1初值为1,定义idx2为配准后的直线集合target直线索引,idx2初值为1;
(52)寻找并判断直线是否属于同一墙面,是则存入I,否则idx1=idx1+1,并重新判断source中第idx1条与target中第idx2条直线,直到idx1>size(source,2);
(53)当参考直线段集合source中所有直线段与配准后直线段集合target中第idx2条直线进行比较也就是完成一次步骤(52)循环后,则将同一墙面直线索引I存入元胞数组I1,并且配准后的直线集合target直线索引idx2加1,即:idx2=idx2+1,idx1=1,再次跳转到步骤(52),得到所有直线集合后融合直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825282.3A CN115201849A (zh) | 2022-07-14 | 2022-07-14 | 一种基于矢量地图的室内建图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825282.3A CN115201849A (zh) | 2022-07-14 | 2022-07-14 | 一种基于矢量地图的室内建图方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115201849A true CN115201849A (zh) | 2022-10-18 |
Family
ID=83579642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210825282.3A Pending CN115201849A (zh) | 2022-07-14 | 2022-07-14 | 一种基于矢量地图的室内建图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115201849A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449391A (zh) * | 2023-04-17 | 2023-07-18 | 深圳直角设计工程有限公司 | 一种基于3d点云的室内全景成像方法与系统 |
WO2023242716A1 (en) * | 2022-06-13 | 2023-12-21 | Interaptix Inc. | Systems and methods for generating a representation of a space |
-
2022
- 2022-07-14 CN CN202210825282.3A patent/CN115201849A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023242716A1 (en) * | 2022-06-13 | 2023-12-21 | Interaptix Inc. | Systems and methods for generating a representation of a space |
CN116449391A (zh) * | 2023-04-17 | 2023-07-18 | 深圳直角设计工程有限公司 | 一种基于3d点云的室内全景成像方法与系统 |
CN116449391B (zh) * | 2023-04-17 | 2024-05-17 | 深圳直角设计工程有限公司 | 一种基于3d点云的室内全景成像方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
CN109579849B (zh) | 机器人定位方法、装置和机器人及计算机存储介质 | |
CN113345018B (zh) | 一种动态场景下的激光单目视觉融合定位建图方法 | |
CN105160702B (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 | |
CN115201849A (zh) | 一种基于矢量地图的室内建图方法 | |
CN108549084B (zh) | 一种基于稀疏二维激光雷达的目标检测与姿态估计方法 | |
CN113345008B (zh) | 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 | |
CN113432600A (zh) | 基于多信息源的机器人即时定位与地图构建方法及系统 | |
CN109255302A (zh) | 目标物识别方法及终端、移动装置控制方法及终端 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
Zhang et al. | Line-based automatic extrinsic calibration of lidar and camera | |
CN111273312B (zh) | 一种智能车辆定位与回环检测方法 | |
CN115290097B (zh) | 基于bim的实时精确地图构建方法、终端及存储介质 | |
WO2023178925A1 (zh) | 一种基于icp与多特征数据关联的障碍物预测与跟踪方法 | |
CN109948413A (zh) | 基于高精度地图融合的车道线检测方法 | |
CN113706710A (zh) | 基于fpfh特征差异的虚拟点多源点云融合方法及系统 | |
CN115546749B (zh) | 基于摄像机和激光雷达的路面坑洼检测及清扫和避让方法 | |
CN116109601A (zh) | 一种基于三维激光雷达点云的实时目标检测方法 | |
Choe et al. | Fast point cloud segmentation for an intelligent vehicle using sweeping 2D laser scanners | |
CN111678516A (zh) | 一种基于激光雷达的有界区域快速全局定位方法 | |
CN110806585A (zh) | 一种基于树干聚类跟踪的机器人定位方法及系统 | |
CN114998276A (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
CN114137562A (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN117036447A (zh) | 基于多传感器融合的室内场景稠密三维重建方法及装置 | |
Ulaş et al. | A fast and robust scan matching algorithm based on ML-NDT and feature extraction |
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 |