CN115220009A - 数据处理方法、装置、电子设备及计算机存储介质 - Google Patents
数据处理方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN115220009A CN115220009A CN202110406922.2A CN202110406922A CN115220009A CN 115220009 A CN115220009 A CN 115220009A CN 202110406922 A CN202110406922 A CN 202110406922A CN 115220009 A CN115220009 A CN 115220009A
- Authority
- CN
- China
- Prior art keywords
- ground
- point
- pose
- points
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 49
- 238000013507 mapping Methods 0.000 claims description 31
- 230000007704 transition Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 81
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 101150064138 MAP1 gene Proteins 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
-
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请实施例提供了一种数据处理方法、装置、电子设备及计算机存储介质。该数据处理方法,包括:获取激光雷达采集的三维点云数据和反射值信息,其中,三维点云数据用于指示激光雷达所处环境中目标对象的几何信息,反射值信息用于指示目标对象上不同反射点对激光雷达发射的激光信号的反射值,三维点云数据包括地面点的点云数据和非地面点的点云数据;根据地面点的点云数据和地面点对应的参考点数据,对激光雷达的预测位姿中第一位姿参数进行修正;根据非地面点的点云数据和非地面点对应的参考点数据,以及地面点的反射值和地面点对应的参考反射值,对预测位姿中的第二位姿参数进行修正。该数据处理方法的位姿修正效果更好。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种数据处理方法、装置、电子设备及计算机存储介质。
背景技术
在自动驾驶系统中的激光定位模块可以为自动驾驶车辆提供实时的位姿信息,现有的激光定位模块在环境变化较大的场景下,进行位姿定位有可能会失败,此时激光里程计的价值就体现出来了,一个鲁棒的激光里程计能够在位姿定位失败时,继续提供稳定的相对定位姿态输出,从而使自动驾驶车辆能够正常进行定位。
发明内容
有鉴于此,本申请实施例提供一种数据处理方案,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种数据处理方法,包括:获取激光雷达采集的三维点云数据和反射值信息,其中,所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息,所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值,所述三维点云数据包括地面点的点云数据和非地面点的点云数据;根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中、第一位姿参数外的位姿参数进行修正;根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
根据本申请实施例的第二方面,提供了一种数据处理装置,包括:获取模块,用于获取激光雷达采集的三维点云数据和反射值信息,其中,所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息,所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值,所述三维点云数据包括地面点的点云数据和非地面点的点云数据;第一修正模块,用于根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中、第一位姿参数外的位姿参数进行修正;第二修正模块,用于根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
根据本申请实施例的第三方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面所述的数据处理方法对应的操作。
根据本申请实施例的第四方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的数据处理方法。
根据本申请实施例提供的数据处理方案,在修正预测位姿中的位姿参数时,不仅使用了地面点的点云数据和非地面点的点云数据,而且使用了地面点的反射值和参考反射值,因此可以适当修正出的位姿参数更加准确,而且在地面点的点云数据和非地面点的点云数据指示的目标对象的几何信息不明显,但反射值信息比较明显的场景中也可以获得准确的位姿,从而提升对位姿预测的鲁棒性。
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实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1A为根据本申请实施例一的一种数据处理方法的步骤流程图;
图1B为图1A所示实施例中的一种场景示例的示意图;
图2A为根据本申请实施例二的一种数据处理方法的步骤流程图;
图2B为一种目标地图的构成方法的示意图;
图2C为目标地图中的三维地图部分的可视化的示意图;
图2D为目标地图中的二维地图部分的可视化的示意图;
图3为根据本申请实施例三的一种数据处理装置的结构框图;
图4为根据本申请实施例四的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,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实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
实施例一
参照图1A,示出了本发明实施例一的数据处理方法的步骤流程示意图。
在本实施例中,该方法可以应用于自动驾驶系统的激光里程计中,用于获取激光里程计中的激光雷达相对于环境的位姿。当然,在其他实施例中,该方法也可以应用到其他适当的场景中。该方法可以由激光雷达执行,也可以由与激光雷达连接的具有数据处理能力的数据处理单元(如数据处理芯片)执行。
其中,该方法包括下述步骤:
步骤S102:获取激光雷达采集的三维点云数据和反射值信息。
所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息。所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值。
例如,激光雷达向外发射激光,当激光被环境中的目标对象上的反射点反射时,激光雷达可以接收到反射点反射的激号,并根据反射的激光确定反射点在激光雷达的激光坐标系中的三维位置数据,三维位置数据包括但不限于反射点在激光坐标系中的横轴坐标X、纵轴坐标Y和高度坐标Z。
目标对象可以是地面也可以是非地面的地上物,如树、墙、行人和车辆等。反射点可以包括地面点和非地面点。由于一个目标对象上可以有多个反射点反射激光,因此激光雷达采集的多个反射点对应的三维位置数据构成三维点云数据,三维点云数据包括地面点的点云数据和非地面点的点云数据。
激光雷达基于反射的激光除了能够获得反射点的三维点云数据之外,还可以获得每个反射点对应的反射值,反射值用于指示反射点对激光信号的反射强度。
步骤S104:根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中、第一位姿参数外的位姿参数进行修正。
激光雷达的预测位姿用于指示激光雷达在环境对应的参考坐标系内的位姿,通常预测位姿包括横轴坐标X、纵轴坐标Y、高度坐标Z、偏航角yaw、翻滚角roll和俯仰角pitch。预测位姿可以根据自动驾驶车辆上的IMU设备确定,也可以是在根据当前时刻的前一时刻的激光雷达采集的三维点云数据和反射值信息预测出来的位姿。基于预测位姿可以实现激光坐标系和参考坐标系的转换,如将三维点云数据映射到环境所在的参考坐标系内,从而确定目标对象在环境中的位置。
参考点数据可以用于指示环境中的参考点在参考坐标系中的位置。
在一种可行方式中,可以基于激光雷达在当前时刻采集的三维点云数据、反射值信息、历史时刻的三维点云数据和反射值信息,构建目标地图,目标地图包括三维地图部分和二维地图部分,三维地图部分包括参考点数据,二维地图部分包括参考反射值。
例如,三维地图部分基于当前时刻采集的三维点云数据和历史时刻的三维点云数据确定。如将不同时刻的三维点云数据进行聚类,获得多个聚类出的类簇,然后求类簇的质心,以质心作为参考点,参考点数据即为质心在参考坐标系中的位置。
二维地图部分可以通过下述方式获得:将环境对应的地图进行栅格化处理,获得二维栅格地图,根据当前时刻采集的反射值信息对应的反射点的三维位置数据和历史时刻的反射值信息对应的反射点的三维位置数据,确定反射点所在的栅格。针对每个栅格内的反射点的反射值计算均值作为该栅格对应的反射值,每个栅格的反射值即为参考反射值。
当然,在其他实施例中可以仅根据当前时刻采集的三维点云数据和反射值信息构建目标地图,或者,仅通过历史时刻的三维点云数据和反射值信息构建目标地图,本实施例对此不作限制。
由于激光雷达的预测位姿可能与激光雷达的实际位姿之间的存在偏差,为了能够准确地获得当前时刻激光雷达的位姿,通过三维点云数据中的地面点的点云数据和地面点对应的参考点数据,对预测位姿中的第一位姿参数进行修正。
在本实施例中,第一位姿参数为预测位姿中二维位姿参数外的剩余位姿参数,如即高度坐标、翻滚角和俯仰角。
步骤S106:根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
在本实施例中,第二位姿参数可以是预测位姿中的二维位姿参数,其包括横轴坐标、纵轴坐标和偏航角,由于非地面点的三维位置数据和地面点的反射值对第二位姿参数的准确性的约束效果较为明显,因此可以综合利用非地面点的点云数据、地面点的反射值、非地面点对应的参考点数据和参考反射值对预测位姿中的第二位姿参数进行修正。
这样使得在修正预测位姿时不仅可以使用三维点云数据,也就是使用了目标对象的几何信息,而且可以使用反射值信息,从而提升了修正的准确性,以确保激光里程计的鲁棒性。
下面结合一具体使用场景,对该方法的实现过程说明如下:
如图1B所示,在本使用场景中,设激光雷达搭载在自动驾驶的车辆上,自动驾驶的车辆行驶的环境为道路A,环境中还包括目标对象B为树、目标对象C为行人。
在第k时刻,获得激光雷达采集的第k时刻的数据帧图,该数据帧包括三维点云数据和反射值信息,三维点云数据包括多个地面的反射点的三维位置数据,这些数据形成地面点的点云数据,以及包括多个非地面的反射点的三维位置数据,这些数据形成非地面点的点云数据。类似地,反射值信息包括地面点的反射值和非地面点的反射值。
此外,若第k时刻的激光雷达的预测位姿和前一关键帧对应的位姿之间的差值满足设定条件,则将第k时刻的数据帧作为新的关键帧,并将其更新到目标地图集合中,并依据更新后的目标地图集合中的关键帧数据确定与第k时刻对应的参考点数据和参考反射值。
基于地面点的点云数据和地面点对应的参考点数据,对激光雷达的预测位姿中第一位姿参数的进行修正。第一位姿参数包括:高度坐标、翻滚角和俯仰角。
基于修正的第一位姿参数,结合预测位姿中的第二位姿参数,根据所述非地面点的点云数据和非地面点对应的参考点数据、地面点的反射值和地面点对应的参考反射值,对第二位姿参数进行修正,这样修正后的第二位姿参数和第一位姿参数就可以作为新的预测位姿。
由于同时使用了三维点云数据指示的几何信息和反射值信息,进行第k时刻的数据帧与目标地图的匹配,这两种信息起到互补作用,在目标对象的几何信息不明显但是反射值信息明显的场景也具有较高的预测位姿的鲁棒性,反之,在反射值信息不明显,但是目标对象的几何信息明显的场景也具有较高的预测位姿的鲁棒性。
通过本实施例,在修正预测位姿中的位姿参数时,不仅使用了地面点的点云数据和非地面点的点云数据,而且使用了地面点的反射值和参考反射值,因此可以适当修正出的位姿参数更加准确,而且在地面点的点云数据和非地面点的点云数据指示的目标对象的几何信息不明显,但反射值信息比较明显的场景中也可以获得准确的位姿,从而提升对位姿预测的鲁棒性。
本实施例的数据处理方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机等。
实施例二
参照图2A,示出了本申请实施例二的数据处理方法的步骤流程图。
在本实施例中,该方法包括下述步骤:
步骤S202:获取激光雷达采集的三维点云数据和反射值信息。
三维点云数据包括地面云数据和非地面点的点云数据。相应地,反射值信息包括地面点的反射值和非地面点的反射值。
由于三维点云数据和反射值信息的获取方式、原理等如实施例一所述,故不再赘述。
步骤S202a:获得目标地图。
目标地图通过融合多个关键帧的数据来构成。为了避免目标地图的数据处理量过大,而影响处理速度,且避免时间过久的数据对预测位姿的修正产生不利影响,每个目标地图设有最大融合帧数,一旦目标地图对应的目标地图集合中的关键帧的数量达到最大融合帧数,则弃用该目标地图,重新使用新的目标地图。
为了提升预测位姿修正的准确性,相邻的目标地图之间使用的关键帧有一定的重合度,即如图2B所示,一些关键帧会参与相邻两个目标地图的构成。
图2B示出了一种可行的目标地图构建的示意图。其中,在不同时刻采集的了多个不同的数据帧,这些数据帧中的一些是关键帧,以实线框表示,另一些数据帧是非关键帧,以虚线框表示。
针对数据帧A,其为关键帧,且是相邻目标地图之间重合的关键帧,则数据帧A一方面仅加入目标地图2的目标地图集合中,该动作以粗虚线箭头指示,另一方面数据帧A加入目标地图1的目标地图集合中,并与目标地图1进行匹配,该动作以粗实线箭头指示。
针对数据帧B,其为非关键帧仅需要与当前使用的目标地图1进行匹配,该动作以细实线表示。
下面结合图2B,对目标地图的构建过程进行说明如下:
基于当前时刻的数据帧,若当前时刻为第一个时刻,则当前时刻的数据帧为关键帧(该帧未在图2B中示出),将该关键帧更新到目标地图1的目标地图集合中。或者,若当前时刻为非第一个时刻,但是,当前时刻的数据帧对应的预测位姿的位置和姿态与前一关键帧对应的修正后的位姿的位置和姿态中的至少之一的偏差大于设定阈值(设定阈值可以根据需要确定),则将当前时刻的数据帧作为关键帧,如数据帧A为关键帧。
针对关键帧,如果关键帧对应的当前使用的目标地图(如图2B数据帧A对应的当前使用目标地图为目标地图1)的目标地图集合中的关键帧的数量已经满足拆分数量,则将关键帧分别加入当前使用的目标地图(即目标地图1)的目标地图集合中,同时,将其加入下一目标地图(即目标地图2)的目标地图集合中。
基于目标地图集合中的关键帧确定目标地图时:
确定目标地图的三维地图部分时:对目标地图集合中的三维点云数据进行聚类,根据聚类出来的类簇,确定类簇的质心,以该类簇的质心作为参考点数据。三维地图部分包括物理环境的几何轮廓信息,三维地图部分可视化的示意图如图2C所示。
确定目标地图的二维地图部分时:获得环境所在目标地图的栅格化处理,对应的二维栅格地图。根据反射值信息,确定各栅格包括的反射点的反射值,计算栅格内反射点的反射值的均值,作为该栅格的反射值,以每个栅格的反射值作为参考反射值。
二维地图部分可视化的示意图如图2D所示。
由于非关键帧的数据不参加更新目标地图,因此非关键帧只需要与目标地图进行匹配,从而对预测位姿进行修正。修正过程可以通过下述的步骤实现。
步骤S204:根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中的第一位姿参数进行修正。
由于目标地图中包括的参考点数据并非均与地面点相关,因此可以基于预测位姿从所有参考点数据中确定与地面点对应的参考点数据。
例如,在一可行方式中,步骤S204包括以下子步骤:
子步骤S2041:根据所述激光雷达的预测位姿和所述地面点的点云数据,确定各所述地面点映射到参考点数据所在参考坐标系中的第一映射位置。
设预测位姿表示为(x0,y0,z0,roll0,pitch0,yaw0),针对地面点的点云数据中每个地面点的三维位置数据,将三维位置数据与预测位姿进行计算,确定每个地面点映射到参考坐标系内的第一映射位置。
例如,地面点的点云数据中包括10个地面点的三维位置数据,则根据预测位姿分别确定这10个地面点映射到参考坐标系内的第一映射位置。
子步骤S2042:根据所述第一映射位置和所述地面点对应的参考点数据,对所述预测位姿中的高度坐标、翻滚角和俯仰角进行修正。
在一可行方式中,子步骤S2042包括以下过程:
过程A1:针对各所述地面点,根据所述地面点对应的第一映射位置,确定与所述第一映射位置邻近的K个参考点、作为与所述地面点对应的参考点。
仍以前面的10个地面点为例,针对每个地面点,根据地面点的第一映射位置,从目标地图的所有参考点数据中确定与第一映射位置最邻近的K个参考点,作为该地面点对应的参考点。
过程B1:根据各所述地面点对应的参考点的数据,确定各所述地面点对应的地面参考面。
针对每个地面点,该地面点对应的参考点形成地面参考面,也就是说,根据地面点对应的参考点的数据确定地面参考面。
确定地面参考面的方式例如为,从K个参考点中随机选取一个初始点,从剩余的K-1个参考点中选取与初始点最邻近的点连成一个连接线,然后,从剩余的K-2个参考点中选取与连接线最接近的点,将该点与连接线的两端分别连线,然后以连出来的两个线作为新的连接线,重复从剩余的参考点中选取最接近的点,将最接近的点与连接线的两端进行连线的过程,直至所有的参考点被连接在一起,基于连接的参考点确定地面参考面。
过程C1:根据各所述地面点与相应的所述地面参考面之间的地面参考距离,对所述高度坐标、翻滚角和俯仰角进行修正。
基于地面目标差值,按照高斯牛顿迭代法,可以对预测位姿进行修正,获得候选的修正位姿,候选的修正位姿可以表示为(x1,y1,z1,roll1,pitch1,yaw1)。
为了保证修正的准确性,仅选择候选的修正位姿中的部分参数(也就是第一位姿参数),即(z1,roll1,pitch1)作为有效部分,z为高度坐标,roll为翻滚角,pitch为翻滚角。
将修正出的第一位姿参数和预测位姿中原本的二维位姿参数(即第二位姿参数)组合成过渡位姿,过渡位姿可以表示为(x0,y0,z1,roll1,pitch1,yaw0),从而在后续步骤中可以依据过渡位姿参数对第二位姿参数进行修正。
步骤S206:根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的所述第二位姿参数进行修正。
在一种可行方式中,步骤S206包括以下子步骤:
子步骤S2061:根据预测位姿中已修正的第一位姿参数、第二位姿参数构成的过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点对应的非地面参考面。
子步骤S2061包括以下过程:
过程A2:根据过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点映射到所述参考点数据所在的参考坐标系中的第二映射位置。
已修正的第一位姿参数和预测位姿中原本的第二位姿参数构成前述的过渡位姿(x0,y0,z1,roll1,pitch1,yaw0)。
针对非地面点的点云数据中包括的多个非地面点,根据每个非地面点的三维位置数据和过渡位姿,确定每个非地面点映射到参考坐标系内的第二映射位置。例如,非地面点的点云数据中包括20个非地面点,则分别确定每个非地面点的第二映射位置。
过程B2:根据各所述第二映射位置,确定各所述非地面点对应的参考点数据形成的非地面参考面。
基于每个非地面点的第二映射位置,可以从目标地图包括的所有参考点的参考点数据中确定与第二映射位置最邻近的K个参考点,获取这K个最邻近的参考点的参考点数据作为该非地面点对应的参考点数据。
针对每个非地面点,以该非地面点对应的参考点数据确定对应的非地面参考面。确定非地面参考面的过程与前述的过程B1中确定地面参考面的过程类似,故不再赘述。
子步骤S2062:根据所述非地面点的点云数据和各所述非地面点对应的非地面参考面,确定各所述非地面点与对应的非地面参考面之间的非地面距离。
非地面点的点云数据中包括多个非地面点的三维位置数据,针对每个非地面点,根据其三维位置数据和过渡位姿确定该非地面点在参考坐标系内的第二映射位置,并计算第二映射位置与非地面参考面之间的距离作为非地面距离。
子步骤S2063:根据所述过渡位姿、所述地面点的反射值和所述参考反射值,确定所述地面点的反射值与所述参考反射值之间的反射值残差。
过渡位姿根据已修正的第一位姿参数和预测位姿中原本第二位姿参数构成,其可以表示为(x0,y0,z1,roll1,pitch1,yaw0)。
针对每个地面点,根据地面点的三维位置数据和过渡位姿可以将地面点映射到二维栅格地图中,确定地面点在二维栅格地图中的第三映射位置。
其中,Im表示包含参考反射值的二维栅格地图。Rξ表示过渡位姿中的角度参数矩阵,即roll1、pitch1和yaw0的矩阵。tξ表示过渡位姿中的位移参数矩阵,即x0、y0和z1的矩阵。Im(π(Rξ·pi+tξ))表示将第i个地面点映射到二维栅格地图中对应栅格的参考反射值。I(pi)表示第i个地面点的反射值。
子步骤S2064:根据所述非地面距离和所述反射值残差,对所述横轴坐标、纵轴坐标和偏航角进行修正。
基于非地面目标差值,按照高斯牛顿法对过渡位姿进行修正,修正的过渡位姿可以表示为(x2,y2,z2,roll2,pitch2,yaw2)。
从修正的过渡位姿中选取第二位姿参数(x2,y2,yaw2)作为有效的位姿参数。
这样已修正的第一位姿参数和第二位姿参数组成当前次修正的修正结果,修正结果表示为(x2,y2,z1,roll1,pitch1,yaw2)。该修正结果可以作为下次修正的预测位姿。
为了保证修正的准确性,该方法还可以包括步骤S208。
步骤S208:使用修正的第二位姿参数和第一位姿参数更新所述激光雷达的预测位姿,并返回步骤S204的动作继续执行,直至满足终止条件。
更新后的预测位姿即为前述的(x2,y2,z1,roll1,pitch1,yaw2)。后续可以返回步骤S204继续执行。直至满足终止条件。
终止条件例如为相邻两次修正出的位姿的差值小于设定值(设定值可以根据需要确定)。或者,终止条件可以是其他适当的条件,如修正出的位姿收敛等。
通过上述过程,采用两步迭代优化的方式来分别优化(z,roll,pitch)和(x,y,yaw),其中,(x,y,yaw)的优化同时使用了反射值信息和三维点云数据中携带的几何信息,并且将这两种信息放入一个优化框架中进行联合优化。
具体地,使用地面点的点云数据目标地图中的参考点数据匹配来优化(z,roll,pitch),使用非地面点的点云数据和目标地图中的参考点数据、以及使用地面点的反射值和二维栅格地图包括的参考反射值来优化(x,y,yaw)。
这种两步迭代优化的方式,将激光雷达采集的三维点云数据的几何信息和反射值信息放入一个优化框架中进行联合优化来获取鲁棒且准确的物体位姿,提升了鲁棒性和准确性。这样不仅能够得到优化有的6DOF的位姿,而且充分利用了反射值信息,提升了鲁棒性。
该方法可以应用于自动驾驶场景中,用于对车辆的位姿进行准确估计。该方法可以应用于不同类型的自动驾驶车辆中,例如,对于物流车辆、公共服务车辆、医疗服务车辆、终端服务车辆等,只要携带有激光雷达的车辆均可以使用该方法进行位姿估计。
对于物流车辆,其可以在自动驾驶过程中按照设定路线将货物运输到适当的位置。在自动行驶过程中根据激光雷达采集的3D点云地图和2D反射值栅格地图确定物理车辆的位姿。
类似地,对于公共服务车辆,例如消防车、除冰车、洒水车、铲雪车、垃圾处理车辆、交通指挥车辆等。这些公共服务车辆在自动驾驶过程中为了能够准确地确定当前所处位置,需要准确地确定自身的位姿,为此可以采用自身携带的激光雷达采集的3D点云地图和2D反射值栅格地图确定物理车辆的位姿,其他具有不同功能的车辆的过程类似,故不再赘述。
通过本实施例,在修正预测位姿中的位姿参数时,不仅使用了地面点的点云数据和非地面点的点云数据,而且使用了地面点的反射值和参考反射值,因此可以适当修正出的位姿参数更加准确,而且在地面点的点云数据和非地面点的点云数据指示的目标对象的几何信息不明显,但反射值信息比较明显的场景中也可以获得准确的位姿,从而提升对位姿预测的鲁棒性。
本实施例的数据处理方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机等。
实施例三
参照图3,示出了本申请的实施例三的数据处理装置的结构框图。
数据处理装置包括:
获取模块302,用于获取激光雷达采集的三维点云数据和反射值信息,其中,所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息,所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值,所述三维点云数据包括地面点的点云数据和非地面点的点云数据;
第一修正模块304,用于根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中、第一位姿参数进行修正;
第二修正模块306,用于根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
可选地,所述预测位姿中第一位姿参数包括:高度坐标、翻滚角和俯仰角;
所述第一修正模块304,包括:
第一确定模块3041,用于根据所述激光雷达的预测位姿和所述地面点的点云数据,确定各所述地面点映射到参考点数据所在参考坐标系中的第一映射位置;
剩余参数修正模块3042,用于根据所述第一映射位置和所述地面点对应的参考点数据,对所述预测位姿中的高度坐标、翻滚角和俯仰角进行修正。
可选地,所述剩余参数修正模块3042用于针对各所述地面点,根据所述地面点对应的第一映射位置,确定与所述第一映射位置邻近的K个参考点、作为与所述地面点对应的参考点;根据各所述地面点对应的参考点的数据,确定各所述地面点对应的地面参考面;根据各所述地面点与相应的所述地面参考面之间的地面参考距离,对所述高度坐标、翻滚角和俯仰角进行修正。
可选地,所述第二位姿参数包括:横轴坐标、纵轴坐标和偏航角;
所述第二修正模块306,包括:
第二确定模块3061,用于根据预测位姿中已修正的第一位姿参数、第二位姿参数构成的过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点对应的非地面参考面;
第三确定模块3062,用于根据所述非地面点的点云数据和各所述非地面点对应的非地面参考面,确定各所述非地面点与对应的非地面参考面之间的非地面距离;
第四确定模块3063,用于根据所述过渡位姿、所述地面点的反射值和所述参考反射值,确定所述地面点的反射值与所述参考反射值之间的反射值残差;
二维参数修正模块3064,用于根据所述非地面距离和所述反射值残差,对所述横轴坐标、纵轴坐标和偏航角进行修正。
可选地,所述第二确定模块3061用于根据所述过渡位姿、和所述非地面点对应的参考点数据,确定各所述非地面点映射到所述参考点数据所在的参考坐标系中的第二映射位置;根据各所述第二映射位置,确定各所述非地面点对应的参考点数据形成的非地面参考面。
可选地,所述第四确定模块3063用于根据过渡位姿和所述地面点的点云数据,确定所述地面点映射到所述环境对应的二维栅格地图中的二维位置;根据所述二维位置确定所述地面点对应的参考反射值;根据所述地面点的反射值和对应的参考反射值,确定所述反射值残差。
可选地,所述装置还包括:
循环处理模块308,用于使用修正的第二位姿参数和第一位姿参数更新所述激光雷达的预测位姿,并返回第一修正模块304继续执行,直至满足终止条件。
本实施例的数据处理装置用于实现前述多个方法实施例中相应的数据处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的数据处理装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
实施例四
参照图4,示出了根据本申请实施例四的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图4所示,该电子设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它电子设备或服务器进行通信。
处理器402,用于执行程序410,具体可以执行上述数据处理方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行前述的数据处理方法的步骤。
程序410中各步骤的具体实现可以参见上述数据处理方法实施例中的相应步骤和单元中对应的描述,在此不赘述。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,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CDROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的数据处理方法。此外,当通用计算机访问用于实现在此示出的数据处理方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的数据处理方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种数据处理方法,包括:
获取激光雷达采集的三维点云数据和反射值信息,其中,所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息,所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值,所述三维点云数据包括地面点的点云数据和非地面点的点云数据;
根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中第一位姿参数进行修正;
根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
2.根据权利要求1所述的方法,其中,所述预测位姿中的第一位姿参数包括:高度坐标、翻滚角和俯仰角;
所述根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中的第一位姿参数进行修正,包括:
根据所述激光雷达的预测位姿和所述地面点的点云数据,确定各所述地面点映射到参考点数据所在参考坐标系中的第一映射位置;
根据所述第一映射位置和所述地面点对应的参考点数据,对所述预测位姿中的高度坐标、翻滚角和俯仰角进行修正。
3.根据权利要求2所述的方法,其中,所述根据所述第一映射位置和所述地面点对应的参考点数据,对所述预测位姿中的高度坐标、翻滚角和俯仰角进行修正,包括:
针对各所述地面点,根据所述地面点对应的第一映射位置,确定与所述第一映射位置邻近的K个参考点、作为与所述地面点对应的参考点;
根据各所述地面点对应的参考点的数据,确定各所述地面点对应的地面参考面;
根据各所述地面点与相应的所述地面参考面之间的地面参考距离,对所述高度坐标、翻滚角和俯仰角进行修正。
4.根据权利要求1所述的方法,其中,所述第二位姿参数包括:横轴坐标、纵轴坐标和偏航角;
所述根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正,包括:
根据预测位姿中已修正的第一位姿参数和第二位姿参数构成的过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点对应的非地面参考面;
根据所述非地面点的点云数据和各所述非地面点对应的非地面参考面,确定各所述非地面点与对应的非地面参考面之间的非地面距离;
根据所述过渡位姿、所述地面点的反射值和所述参考反射值,确定所述地面点的反射值与所述参考反射值之间的反射值残差;
根据所述非地面距离和所述反射值残差,对所述第二位姿参数中的横轴坐标、纵轴坐标和偏航角进行修正。
5.根据权利要求4所述的方法,其中,所述预测位姿中已修正的所述剩余位姿参数、第二位姿参数构成的过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点对应的非地面参考面,包括:
根据所述过渡位姿和所述非地面点对应的参考点数据,确定各所述非地面点映射到所述参考点数据所在的参考坐标系中的第二映射位置;
根据各所述第二映射位置,确定各所述非地面点对应的参考点数据形成的非地面参考面。
6.根据权利要求4所述的方法,其中,所述根据所述过渡位姿、所述地面点的反射值和所述参考反射值,确定所述地面点的反射值与所述参考反射值之间的反射值残差,包括:
根据所述过渡位姿和所述地面点的点云数据,确定所述地面点映射到所述环境对应的二维栅格地图中的二维位置;
根据所述二维位置确定所述地面点对应的参考反射值;
根据所述地面点的反射值和对应的参考反射值,确定所述反射值残差。
7.根据权利要求1所述的方法,其中,所述方法还包括:
使用修正的第一位姿参数和第二位姿参数更新所述激光雷达的预测位姿,并返回根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中第一位姿参数进行修正的动作继续执行,直至满足终止条件。
8.一种数据处理装置,包括:
获取模块,用于获取激光雷达采集的三维点云数据和反射值信息,其中,所述三维点云数据用于指示所述激光雷达所处环境中目标对象的几何信息,所述反射值信息用于指示所述目标对象上不同反射点对所述激光雷达发射的激光信号的反射值,所述三维点云数据包括地面点的点云数据和非地面点的点云数据;
第一修正模块,用于根据所述地面点的点云数据和地面点对应的参考点数据,对所述激光雷达的预测位姿中、第一位姿参数外的位姿参数进行修正;
第二修正模块,用于根据所述非地面点的点云数据和非地面点对应的参考点数据,以及所述地面点的反射值和所述地面点对应的参考反射值,对所述预测位姿中的第二位姿参数进行修正。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的数据处理方法对应的操作。
10.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406922.2A CN115220009A (zh) | 2021-04-15 | 2021-04-15 | 数据处理方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406922.2A CN115220009A (zh) | 2021-04-15 | 2021-04-15 | 数据处理方法、装置、电子设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220009A true CN115220009A (zh) | 2022-10-21 |
Family
ID=83604321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110406922.2A Pending CN115220009A (zh) | 2021-04-15 | 2021-04-15 | 数据处理方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220009A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317781A1 (en) * | 2012-11-05 | 2015-11-05 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus |
US20170344015A1 (en) * | 2016-05-24 | 2017-11-30 | Baidu Online Network Technology (Beijing) Co., Ltd. | Driverless vehicle, method, apparatus and system for positioning driverless vehicle |
US20190146062A1 (en) * | 2017-11-15 | 2019-05-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Laser point cloud positioning method and system |
CN109870705A (zh) * | 2017-12-01 | 2019-06-11 | 武汉万集信息技术有限公司 | 基于激光雷达的边界目标标识方法及装置 |
CN110967011A (zh) * | 2019-12-25 | 2020-04-07 | 苏州智加科技有限公司 | 一种定位方法、装置、设备及存储介质 |
CN111469781A (zh) * | 2019-01-24 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
CN111812658A (zh) * | 2020-07-09 | 2020-10-23 | 北京京东乾石科技有限公司 | 位置确定方法、装置、系统和计算机可读存储介质 |
CN111982099A (zh) * | 2019-05-21 | 2020-11-24 | 顺丰科技有限公司 | 机器人混合定位方法、装置、设备及计算机可读介质 |
CN112113574A (zh) * | 2020-03-02 | 2020-12-22 | 北京百度网讯科技有限公司 | 用于定位的方法、装置、计算设备和计算机可读存储介质 |
WO2020258217A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市大疆创新科技有限公司 | 可移动平台状态估计方法、系统、可移动平台及存储介质 |
CN112414403A (zh) * | 2021-01-25 | 2021-02-26 | 湖南北斗微芯数据科技有限公司 | 一种机器人的定位定姿方法、设备及存储介质 |
-
2021
- 2021-04-15 CN CN202110406922.2A patent/CN115220009A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317781A1 (en) * | 2012-11-05 | 2015-11-05 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus |
US20170344015A1 (en) * | 2016-05-24 | 2017-11-30 | Baidu Online Network Technology (Beijing) Co., Ltd. | Driverless vehicle, method, apparatus and system for positioning driverless vehicle |
US20190146062A1 (en) * | 2017-11-15 | 2019-05-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Laser point cloud positioning method and system |
CN109870705A (zh) * | 2017-12-01 | 2019-06-11 | 武汉万集信息技术有限公司 | 基于激光雷达的边界目标标识方法及装置 |
CN111469781A (zh) * | 2019-01-24 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
CN111982099A (zh) * | 2019-05-21 | 2020-11-24 | 顺丰科技有限公司 | 机器人混合定位方法、装置、设备及计算机可读介质 |
WO2020258217A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市大疆创新科技有限公司 | 可移动平台状态估计方法、系统、可移动平台及存储介质 |
CN110967011A (zh) * | 2019-12-25 | 2020-04-07 | 苏州智加科技有限公司 | 一种定位方法、装置、设备及存储介质 |
CN112113574A (zh) * | 2020-03-02 | 2020-12-22 | 北京百度网讯科技有限公司 | 用于定位的方法、装置、计算设备和计算机可读存储介质 |
CN111812658A (zh) * | 2020-07-09 | 2020-10-23 | 北京京东乾石科技有限公司 | 位置确定方法、装置、系统和计算机可读存储介质 |
CN112414403A (zh) * | 2021-01-25 | 2021-02-26 | 湖南北斗微芯数据科技有限公司 | 一种机器人的定位定姿方法、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
赵玲娜 等: "基于激光反射率的点云与图像自动融合", 测绘工程, no. 8, 25 August 2017 (2017-08-25) * |
郎萍: "ICP算法的改进及大规模点云配准方法的研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 8, 15 August 2017 (2017-08-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11530924B2 (en) | Apparatus and method for updating high definition map for autonomous driving | |
CN111220993B (zh) | 目标场景定位方法、装置、计算机设备和存储介质 | |
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
WO2021072709A1 (zh) | 目标检测与跟踪方法、系统、设备及存储介质 | |
CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
CN114111775A (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
CN113706704A (zh) | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 | |
WO2021016803A1 (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN110989619A (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
CN115220009A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN116740514A (zh) | 时空误差容忍的多智能体协同感知方法、装置和电子设备 | |
US20200302644A1 (en) | System and method for determining position of multi-dimensional object from satellite images | |
CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
CN113256574B (zh) | 一种三维目标检测方法 | |
CN111951337B (zh) | 图像检测目标空间定位方法及系统 | |
CN115713607A (zh) | 基于激光雷达和倾斜摄影提升建模质量的方法 | |
CN115236687A (zh) | 物体跟踪方法、装置、设备及存储介质 | |
CN114398455A (zh) | 异构多机器人协同slam地图融合方法 | |
CN115236680A (zh) | 定位方法、装置、电子设备及计算机存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230719 Address after: Room 437, Floor 4, Building 3, No. 969, Wenyi West Road, Wuchang Subdistrict, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Wuzhou Online E-Commerce (Beijing) Co.,Ltd. Address before: Room 01, 45 / F, AXA building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. |