CN115685223B - 位置识别方法、装置、电子设备及可读存储介质 - Google Patents

位置识别方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN115685223B
CN115685223B CN202211612389.6A CN202211612389A CN115685223B CN 115685223 B CN115685223 B CN 115685223B CN 202211612389 A CN202211612389 A CN 202211612389A CN 115685223 B CN115685223 B CN 115685223B
Authority
CN
China
Prior art keywords
point
position point
laser
current
translation
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.)
Active
Application number
CN202211612389.6A
Other languages
English (en)
Other versions
CN115685223A (zh
Inventor
熊伟成
高立旭
张亮
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.)
Shenzhen Smart Mapping Tech Co ltd
Original Assignee
Shenzhen Smart Mapping Tech 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 Shenzhen Smart Mapping Tech Co ltd filed Critical Shenzhen Smart Mapping Tech Co ltd
Priority to CN202211612389.6A priority Critical patent/CN115685223B/zh
Publication of CN115685223A publication Critical patent/CN115685223A/zh
Application granted granted Critical
Publication of CN115685223B publication Critical patent/CN115685223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请涉及一种位置识别方法、装置、电子设备及可读存储介质,所述方法包括步骤:获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。通过历史位置点对应的激光数据构建激光子图,使得激光子图中能够包含已扫描到的所有激光点的信息,通过激光子图对初始激光数据进行补充,使得当前位置激光数据中包含当前位置点能够扫描到的所有激光点,进而实现准确的位置识别。

Description

位置识别方法、装置、电子设备及可读存储介质
技术领域
本申请涉及移动机器人领域,尤其涉及一种位置识别方法、装置、电子设备及可读存储介质。
背景技术
位置识别是移动机器人系统的一项重要任务,在移动机器人建图过程中,它可以起到闭环检测的作用,避免了暴力搜索,提高后端优化的效率;现有的移动机器人多基于图像以及3D点云实现位置识别,但较少关注2D激光雷达在位置识别中的应用,原因在于2D激光雷达仅描述相对较小的周围环境的空间,提供的纯几何信息较少,因此,难以应用于位置识别。
发明内容
本申请提供了一种位置识别方法、装置、电子设备及可读存储介质,旨在解决现有技术中2D激光雷达难以应用于位置识别的技术问题。
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种位置识别方法,所述方法包括步骤:
获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。
可选地,所述激光子图为由多个栅格点组成的阵列,所述栅格点与位置点对应;所述通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据的步骤包括:
确定所述当前位置点在所述激光子图中对应的当前栅格点;
在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物栅格点;
将不包含于所述初始激光数据的所述可扫描障碍物栅格点添加到所述初始激光数据中,得到所述当前位置激光数据。
可选地,所述在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物点的步骤包括:
在所述激光子图中获取与所述当前栅格点的距离在预设距离之内,且占据率小于预设占据率的障碍物栅格点,所述占据率反映栅格点为障碍物栅格点的概率;
针对每一所述障碍物栅格点,判断所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率是否均小于所述预设占据率;
若所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率均小于所述预设占据率,则所述障碍物栅格点为所述可扫描障碍物栅格点。
可选地,所述确定所述当前位置点与所述闭环位置点之间的转换关系的步骤包括:
获取多个预设平移坐标,根据所述预设平移坐标确定所述当前位置点对应的多个平移位置点;
针对每一所述平移位置点,将所述当前位置激光数据中的每一所述位置点的坐标减去所述平移位置点对应预设平移坐标,得到所述平移位置点对应的平移位置激光数据,并根据所述平移位置激光数据确定所述平移位置点对应的平移闭环位置点;
计算所述当前位置点与所述闭环位置点之间的相似距离,并计算各所述平移位置点与对应的所述平移闭环位置点之间的相似距离;
确定相似距离最小的当前位置点与所述闭环位置点,或所述平移位置点与所述平移闭环位置点之间的转换关系。
可选地,所述确定所述当前位置点与所述闭环位置点之间的转换关系的步骤包括:
获取预设矩阵角度以及预设矩阵距离,并基于所述预设矩阵角度、预设矩阵将所述当前位置激光数据划分为多个区域;
根据各所述区域中是否包含位置点生成所述当前位置点对应的当前描述子矩阵,所述描述子矩阵的列对应所述区域在所述当前位置激光数据中的角度,所述描述子矩阵的行对应所述区域在所述当前位置激光数据中的距离;
获取所述闭环位置点对应的闭环描述子矩阵,并计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度;
基于所述当前位置点与所述转换角度确定所述当前位置点与所述闭环位置点之间的转换关系。
可选地,所述计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度的步骤包括:
将所述当前描述子矩阵沿列方向平移得到多个不同的平移子矩阵;
计算各所述平移子矩阵与所述闭环描述子矩阵之间的相似距离,并确定与所述闭环描述子矩阵之间相似距离最小的最小子矩阵;
获取最小子矩阵与所述当前描述子矩阵之间的平移距离,将所述平移距离之和与预设矩阵角度的积作为所述转换角度。
可选地,所述根据所述当前位置激光数据确定闭环位置点的步骤包括:
获取历史位置点对应的历史位置激光数据,并根据所述历史位置激光数据确定各所述历史位置点对应的圆环值,计算各所述历史位置点与所述当前位置点的圆环值之间的圆环差值;
将各所述历史位置点基于所述圆环差值从小到大排序,确定预设区间内的多个所述历史位置点为候选闭环位置点;
将与当前位置点之间相似距离最小的所述候选闭环位置点作为所述闭环位置点。
为实现上述目的,本发明还提供一种位置识别装置,所述位置识别装置包括:
第一获取模块,用于获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
第二获取模块,用于获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
第一确定模块,用于根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。
为实现上述目的,本发明还提供一种电子设备,所述电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的位置识别方法的步骤。
为实现上述目的,本发明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上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的位置识别方法的步骤。
本发明提出的一种位置识别方法、装置、电子设备及可读存储介质,获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。通过历史位置点对应的激光数据构建激光子图,使得激光子图中能够包含已扫描到的所有激光点的信息;受限于2D激光雷达的视窗角度以及障碍物遮挡,初始激光数据中可能无法包含当前位置点能够扫描到的所有激光点,此时,通过激光子图对初始激光数据进行补充,使得得到的当前位置激光数据中能够包含当前位置点能够扫描到的所有激光点,进而实现准确的位置识别。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,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为本发明位置识别方法第一实施例的流程示意图;
图2为本发明位置识别方法中对初始激光数据进行补充的示意图;
图3为本发明位置识别方法中描述子矩阵的示意图;
图4为本发明位置识别方法中当前描述子矩阵沿列方向平移一个单位距离的示意图;
图5为本发明电子设备的模块结构示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
本发明提供一种位置识别方法,参照图1,图1为本发明位置识别方法第一实施例的流程示意图,所述方法包括步骤:
步骤S10,获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
当前位置点是指移动机器人当前所在的位置。需要说明的是,本实施例应用于搭载2D激光雷达的移动机器人,初始激光数据通过2D激光雷达进行扫描得到;在其它的实施例中,本方法同样可以应用于搭载3D激光雷达或其它扫描方式的移动机器人中。
步骤S20,获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
激光子图用以表征当前对于扫描区域的总体扫描情况;具体地,每当当前位置点变更时,通过在当前位置点新获取到的初始激光数据对激光子图进行更新,从而使得激光子图能够基于扫描进度进行更新,激光子图中包含在不同位置点已扫描到的激光点,在扫描完成后,激光子图能够反映扫描区域的完整扫描情况。
可以理解的是,2D激光雷达多数没有配备360°视窗,因此,在扫描时存在扫描盲区,即便移动机器人处于同一位置,在不同的朝向时,扫描到的激光点也存在差异;即便2D激光雷达配备360°视窗,由于动态障碍物的遮挡,即便移动机器人处于同一位置,在不同的运动方向下也会导致扫描到的激光点存在差异;而由于激光子图中包含已扫描到的激光点,因此,能够基于激光子图确定当前位置点能够扫描到但未包含在初始激光数据中的激光点,从而对初始激光数据进行补充得到当前位置激光数据。
步骤S30,根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。
闭环位置点是指与当前位置点对应的已进行过扫描的位置点;由于之前已在该位置点进行扫描,因此,地图中已包含该位置点对应的激光数据,而当移动机器人移动后又回到该位置点时,相对于之前采集到了更多的激光数据,此时可以通过当前的激光数据对该位置点对应的地图进行更新或修正。
转换关系用以实现当前位置点与闭环位置点的匹配。
本实施例通过历史位置点对应的激光数据构建激光子图,使得激光子图中能够包含已扫描到的所有激光点的信息;受限于2D激光雷达的视窗角度以及障碍物遮挡,初始激光数据中可能无法包含当前位置点能够扫描到的所有激光点,此时,通过激光子图对初始激光数据进行补充,使得得到的当前位置激光数据中能够包含当前位置点能够扫描到的所有激光点,进而实现准确的位置识别。
进一步地,在基于本发明的第一实施例所提出的本发明位置识别方法第二实施例中,所述激光子图为由多个栅格点组成的阵列,所述栅格点与位置点对应;所述步骤S20包括步骤:
步骤S21,确定所述当前位置点在所述激光子图中对应的当前栅格点;
步骤S22,在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物栅格点;
步骤S23,将不包含于所述初始激光数据的所述可扫描障碍物栅格点添加到所述初始激光数据中,得到所述当前位置激光数据。
可以理解的是,可以基于实际应用需要选择合适的2D slam算法来得到激光子图,如Gmapping、Hector SLAM、Cartographer;部分2D slam算法以占据栅格点的方式来生成激光子图,具体操作基于算法不同而存在差异,可以基于实际应用算法进行设置,在此不进行赘述。
参见图2,图2为对初始激光数据进行补充的示意图,图2左侧为激光子图;其中白色的栅格点表示可通行栅格点,1表示障碍物栅格点,灰色栅格点表示未知栅格点,L表示当前栅格点;可以理解的是,当栅格点与当前栅格点之间存在直线连接关系时,说明该栅格点未被障碍物遮挡,能够在当前位置点被扫描到,因此将该栅格点作为可扫描障碍物栅格点补充到初始激光数据中;当栅格点与当前栅格点之间不存在直线连接关系时,说明该栅格点被障碍物遮挡,无法在当前位置点被扫描到,因此,不将其补充到初始激光数据中,最终得到当前位置激光数据如图2右侧所示。
可以理解的是,初始激光数据中本身已包含部分或全部能够扫描到的障碍物栅格点,因此,在对初始激光数据进行补充时,只需将初始激光数据中不存在障碍物栅格点补充到初始激光数据中即可。
进一步地,所述步骤S22包括:
步骤S221,在所述激光子图中获取与所述当前栅格点的距离在预设距离之内,且占据率小于预设占据率的障碍物栅格点,所述占据率反映栅格点为障碍物栅格点的概率;
步骤S222,针对每一所述障碍物栅格点,判断所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率是否均小于所述预设占据率;
步骤S223,若所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率均小于所述预设占据率,则所述障碍物栅格点为所述可扫描障碍物栅格点。
预设距离用以表征在当前位置点能够扫描到的范围,具体的预设距离数值可以基于2D激光的扫描范围确定。
占据率反映栅格点未障碍物栅格点的概率;可通行栅格点占据率为0,障碍物栅格点占据率为1,未知栅格点占据率为0.5;在实际应用中,每个栅格点初始占据率为0.5,每次通过初始激光数据对激光子图进行更新时,若栅格点为可通行栅格点,则该栅格点对应的占据率减小预设步长,栅格点为障碍物栅格点,则该栅格点对应的占据率增加预设步长;预设步长可以基于实际应用场景以及需要进行设置,如本实施例中的预设步长为0.1。
预设占据率用以表征可通行栅格点,即在栅格点的占据率大于预设占据率时,则初步认为该栅格点为可通行栅格点;可以理解的是,预设占据率大于0.5,具体可基于实际应用场景进行设置,如本实施例中的预设占据率为0.7。
障碍物栅格点与当前栅格点之间的栅格点是指连接障碍物栅格点与当前栅格点的直线经过的栅格点。
当占据率小于预设占据率时,则认为对应的栅格点为障碍物栅格点,当障碍物栅格点与所述当前栅格点之间的栅格点的占据率均小于所述预设占据率,则认为该障碍物栅格点与当前栅格点之间不存在其它的障碍物遮挡,因此,该障碍物栅格点能够在当前位置点被扫描到,将该障碍物栅格点作为可扫描障碍物栅格点;当障碍物栅格点与所述当前栅格点之间的栅格点存在至少一个占据率大于所述预设占据率,则认为该障碍物栅格点与当前栅格点之间存在其它的障碍物遮挡,因此,该障碍物栅格点无法在当前位置点被扫描到,无需补充到初始激光数据中。
本实施例能够准确地对初始激光数据进行补充。
进一步地,在基于本发明的第一实施例所提出的本发明位置识别方法第三实施例中,所述步骤S30包括步骤:
步骤S31,获取多个预设平移坐标,根据所述预设平移坐标确定所述当前位置点对应的多个平移位置点;
步骤S32,针对每一所述平移位置点,将所述当前位置激光数据中的每一所述位置点的坐标减去所述平移位置点对应预设平移坐标,得到所述平移位置点对应的平移位置激光数据,并根据所述平移位置激光数据确定所述平移位置点对应的平移闭环位置点;
步骤S33,计算所述当前位置点与所述闭环位置点之间的相似距离,并计算各所述平移位置点与对应的所述平移闭环位置点之间的相似距离;
步骤S34,确定相似距离最小的当前位置点与所述闭环位置点,或所述平移位置点与所述平移闭环位置点之间的转换关系。
预设平移坐标表现为与当前位置点的坐标的偏差值;本实施例中以极坐标的方式设置预设平移坐标;如以45°作为角度间隔,得到8个平移角度,设置1/2m的平移距离,将平移角度与平移距离进行组合得到16个包含平移角度α与平移距离r的预设平移坐标;需要说明的是,角度间隔与平移距离的具体数值可以基于实际应用场景以及需要进行设置。
将极坐标下的预设平移坐标转换至直角坐标系下得到预设平移坐标(Δx,Δy):
Figure 783062DEST_PATH_IMAGE001
Figure 315544DEST_PATH_IMAGE002
当前位置激光数据中的位置点的坐标设置在直角坐标系下,将当前位置激光数据中的每一所述位置点的坐标减去平移位置点对应预设平移坐标,得到以平移位置点为原点的各位置点的坐标集合,即该平移位置点对应的平移位置激光数据。
基于平移位置激光数据确定平移位置点对应的平移闭环位置点的方式与确定当前位置点对应的闭环位置点的方式一致,在此不进行赘述。
相似距离用以衡量位置点与对应闭环位置之间的相似程度,相似距离越小,则相似程度越高,越认为位置点与对应的闭环位置一致。具体地相似距离的计算方式可基于实际应用场景进行设置,后文将一实施例中的相似距离的计算方式进行说明,在此不进行赘述。
通过计算相似距离,从当前位置点与平移位置点中选取相似距离最小的位置点与对应的闭环位置点确定转换关系,从而能够减少位移对于位置检测的影响,使得闭环位置点与当前位置点存在一定距离时,仍然能够准确完成闭环检测。
进一步地,所述步骤S30包括:
步骤S35,获取预设矩阵角度以及预设矩阵距离,并基于所述预设矩阵角度、预设矩阵将所述当前位置激光数据划分为多个区域;
步骤S36,根据各所述区域中是否包含位置点生成所述当前位置点对应的当前描述子矩阵,所述描述子矩阵的列对应所述区域在所述当前位置激光数据中的角度,所述描述子矩阵的行对应所述区域在所述当前位置激光数据中的距离;
步骤S37,获取所述闭环位置点对应的闭环描述子矩阵,并计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度;
预设矩阵角度用以对角度进行划分,预设矩阵距离用以对距离进行划分;预设矩阵角度与预设矩阵距离越小,则精度越高,同时数据处理较复杂,反之,预设矩阵角度与预设矩阵距离越大,则精度越低,同时数据处理较简单,预设矩阵角度与预设矩阵距离的具体数值可以基于实际需要进行设置;本实施例中的预设矩阵角度为30°,预设矩阵距离为4m;参见图3,预设矩阵角度将扫描范围划分为12个扇形,本实施例中扫描范围半径为24m,预设矩阵距离将扫描范围划分为6个环形;扇形与环形共同将扫描范围划分为12×6=72个区域;描述子矩阵以角度区间为行,以距离区间为列,每个区域表现为描述子矩阵中的一个元素,当区域内存在激光点时,则该区域在描述子矩阵中对应元素置1,当区域内不存在激光点时,则该区域在描述子矩阵中对应的元素置0。
当前位置点与闭环位置点基于上述方式即可得到对应的当前描述子矩阵以及闭环描述子矩阵。
转换角度用以表征当前位置点与闭环位置点在前进方向上的差异;具体地,转换角度的计算为,所述步骤S37包括:
步骤S371,将所述当前描述子矩阵沿列方向平移得到多个不同的平移子矩阵;
步骤S372,计算各所述平移子矩阵与所述闭环描述子矩阵之间的相似距离,并确定与所述闭环描述子矩阵之间相似距离最小的最小子矩阵;
步骤S373,获取最小子矩阵与所述当前描述子矩阵之间的平移距离,将所述平移距离之和与预设矩阵角度的积作为所述转换角度。
参见图4,图4为当前描述子矩阵沿列方向平移一个单位距离的示意图,将所有元素向列方向移动一列,同时将最后一列元素移动至第一列得到平移距离为1的平移子矩阵,依次类推,可以得到列数-1个平移子矩阵。
分别计算当前描述子矩阵与闭环描述子矩阵,以及各平移子矩阵与闭环描述子矩阵之间的相似距离;具体地,相似距离d(M1,M2 )为:
Figure 872427DEST_PATH_IMAGE003
其中,M1为当前描述子矩阵或平移子矩阵,M2为闭环描述子矩阵,N为当前描述子矩阵的列数,m1 j为当前描述子矩阵或平移子矩阵中第j列向量,m2 j为闭环描述子矩阵中第j列向量。
相似距离最小,表明当前描述子矩阵或平移子矩阵对应的位置点与闭合位置点最一致,因此,将其作为当前位置点计算与闭合位置点的转换角度;具体地,平移距离表征相似距离最小的平移子矩阵与当前描述子矩阵之间的角度差异,因此,转换角度θ为:
Figure 608302DEST_PATH_IMAGE004
其中,n为平移距离,Δθ为预设矩阵角度。通过转换角度即可将当前描述子矩阵转换为相似距离最小的平移子矩阵。
步骤S38,基于所述当前位置点与所述转换角度确定所述当前位置点与所述闭环位置点之间的转换关系。
在得到转换角度之后,即可确定当前位置点与闭环位置点之间的转换关系,具体地,当前位置点坐标为(∆xi,∆yi );当前位置点与闭环位置点之间的转换关系Tcli为:
Figure 541623DEST_PATH_IMAGE005
本实施例能够准确得到当前位置点与闭环位置点之间的转换关系。
进一步地,在基于本发明的第一实施例所提出的本发明位置识别方法第四实施例中,所述步骤S30包括步骤:
步骤S39,获取历史位置点对应的历史位置激光数据,并根据所述历史位置激光数据确定各所述历史位置点对应的圆环值,计算各所述历史位置点与所述当前位置点的圆环值之间的圆环差值;
步骤S3A,将各所述历史位置点基于所述圆环差值从小到大排序,确定预设区间内的多个所述历史位置点为候选闭环位置点;
步骤S3B,将与当前位置点之间相似距离最小的所述候选闭环位置点作为所述闭环位置点。
历史位置点为已进行过扫描的位置点,历史位置激光数据为历史位置点对应的激光数据。
圆环值是指在历史位置点对应的环形向量的值;再次参见图3,预设矩阵距离将扫描区域划分为多个环形,每个环形中包含激光点的数量构成了环形向量,如扫描区域划分为第一~第六环形,第一~第六环形中包含的激光点的数量分别为5、1、2、6、3、5,则,该历史位置点对应的环形向量[5,1,2,6,3,5],对环形向量求模即可得到该历史位置点对应的圆环值。
圆环差值用以表征历史位置点与当前位置点之间的距离;当距离较小时,认为历史位置点为当前位置点的闭环位置点的几率较小,因此为了避免出现误判,将距离最近的一定数量个历史位置点剔除,具体地,可以通过构建八叉树的方式来确定历史位置点与当前位置点之间的距离,具体构建方式可以基于实际应用进行设置,在此不进行赘述;本实施例中的预设区间设置为[51,60],即将距离最近的50个历史位置点剔除,将距离最近的50个历史位置点之外的距离最近的10个历史位置点作为候选闭环位置点。
认为相似距离最小的候选闭环位置点与当前位置点最一致,因此,将相似距离最小的候选闭环位置点作为当前位置点对应的闭环位置点。需要说明的是,为了保证闭环位置点的准确性,在确定相似距离最小的候选闭环位置点之后,判断该候选闭环位置点的相似距离是否大于预设相似距离,若该候选闭环位置点的相似距离小于或等于预设相似距离,则将该候选闭环位置点作为闭环位置点,若该候选闭环位置点的相似距离大于预设相似距离,则认为当前位置点为首次到达,不存在闭环位置点,可以前进到下一当前位置点。需要说明的是,预设相似距离可以基于实际应用场景进行设置,如本实施例中的预设相似距离为0.4。
本实施例能够准确地确定当前位置点对应的闭环位置点。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
本申请还提供一种用于实施上述位置识别方法的位置识别装置,位置识别装置包括:
第一获取模块,用于获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
第二获取模块,用于获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
第一确定模块,用于根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系。
本位置识别装置通过历史位置点对应的激光数据构建激光子图,使得激光子图中能够包含已扫描到的所有激光点的信息;受限于2D激光雷达的视窗角度以及障碍物遮挡,初始激光数据中可能无法包含当前位置点能够扫描到的所有激光点,此时,通过激光子图对初始激光数据进行补充,使得得到的当前位置激光数据中能够包含当前位置点能够扫描到的所有激光点,进而实现准确的位置识别。
需要说明的是,该实施例中的第一获取模块可以用于执行本申请实施例中的步骤S10,该实施例中的第二获取模块可以用于执行本申请实施例中的步骤S20,该实施例中的第一确定模块可以用于执行本申请实施例中的步骤S30。
进一步地,所述激光子图为由多个栅格点组成的阵列,所述第二获取模块包括:
第一确定单元,用于确定所述当前位置点在所述激光子图中对应的当前栅格点;
第二确定单元,用于在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物栅格点;
第一添加单元,用于将不包含于所述初始激光数据的所述可扫描障碍物栅格点添加到所述初始激光数据中,得到所述当前位置激光数据。
进一步地,所述第二确定单元包括:
第一获取子单元,用于在所述激光子图中获取与所述当前栅格点的距离在预设距离之内,且占据率小于预设占据率的障碍物栅格点,所述占据率反映栅格点为障碍物栅格点的概率;
第一判断子单元,用于针对每一所述障碍物栅格点,判断所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率是否均小于所述预设占据率;
第一执行子单元,用于若所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率均小于所述预设占据率,则所述障碍物栅格点为所述可扫描障碍物栅格点。
进一步地,所述第一确定模块包括:
第一获取单元,用于获取多个预设平移坐标,根据所述预设平移坐标确定所述当前位置点对应的多个平移位置点;
第一执行单元,用于针对每一所述平移位置点,将所述当前位置激光数据中的每一所述位置点的坐标减去所述平移位置点对应预设平移坐标,得到所述平移位置点对应的平移位置激光数据,并根据所述平移位置激光数据确定所述平移位置点对应的平移闭环位置点;
第一计算单元,用于计算所述当前位置点与所述闭环位置点之间的相似距离,并计算各所述平移位置点与对应的所述平移闭环位置点之间的相似距离;
第三确定单元,用于确定相似距离最小的当前位置点与所述闭环位置点,或所述平移位置点与所述平移闭环位置点之间的转换关系。
进一步地,所述第一确定模块包括:
第二获取单元,用于获取预设矩阵角度以及预设矩阵距离,并基于所述预设矩阵角度、预设矩阵将所述当前位置激光数据划分为多个区域;
第一生成单元,用于根据各所述区域中是否包含位置点生成所述当前位置点对应的当前描述子矩阵,所述描述子矩阵的列对应所述区域在所述当前位置激光数据中的角度,所述描述子矩阵的行对应所述区域在所述当前位置激光数据中的距离;
第三获取单元,用于获取所述闭环位置点对应的闭环描述子矩阵,并计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度;
第四确定单元,用于基于所述当前位置点与所述转换角度确定所述当前位置点与所述闭环位置点之间的转换关系。
进一步地,所述第三获取单元包括:
第二执行子单元,用于将所述当前描述子矩阵沿列方向平移得到多个不同的平移子矩阵;
第一计算子单元,用于计算各所述平移子矩阵与所述闭环描述子矩阵之间的相似距离,并确定与所述闭环描述子矩阵之间相似距离最小的最小子矩阵;
第二获取子单元,用于获取最小子矩阵与所述当前描述子矩阵之间的平移距离,将所述平移距离之和与预设矩阵角度的积作为所述转换角度。
进一步地,所述第一确定模块包括:
第四获取单元,用于获取历史位置点对应的历史位置激光数据,并根据所述历史位置激光数据确定各所述历史位置点对应的圆环值,计算各所述历史位置点与所述当前位置点的圆环值之间的圆环差值;
第五确定单元,用于将各所述历史位置点基于所述圆环差值从小到大排序,确定预设区间内的多个所述历史位置点为候选闭环位置点;
将与当前位置点之间相似距离最小的所述候选闭环位置点作为所述闭环位置点。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
参照图5,在硬件结构上所述电子设备可以包括通信模块10、存储器20以及处理器30等部件。在所述电子设备中,所述处理器30分别与所述存储器20以及所述通信模块10连接,所述存储器20上存储有计算机程序,所述计算机程序同时被处理器30执行,所述计算机程序执行时实现上述方法实施例的步骤。
通信模块10,可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求,还可以发送请求、指令及信息至所述外部通讯设备,所述外部通讯设备可以是其它电子设备、服务器或者物联网设备,例如电视等等。
存储器20,可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如获取当前位置点对应的初始激光数据)等;存储数据区可包括数据库,存储数据区可存储根据系统的使用所创建的数据或信息等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30,是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器20内的软件程序和/或模块,以及调用存储在存储器20内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器30可包括一个或多个处理单元;可选地,处理器30可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器30中。
尽管图5未示出,但上述电子设备还可以包括电路控制模块,所述电路控制模块用于与电源连接,保证其他部件的正常工作。本领域技术人员可以理解,图5中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序。所述计算机可读存储介质可以是图5的电子设备中的存储器20,也可以是如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘中的至少一种,所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是电视,汽车,手机,计算机,服务器,终端,或者网络设备等)执行本发明各个实施例所述的方法。
在本发明中,术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的,而不能理解为指示或暗示相对重要性,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,本发明保护的范围并不局限于此,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改和替换,这些变化、修改和替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种位置识别方法,其特征在于,所述方法包括:
获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系;
所述激光子图为由多个栅格点组成的阵列,所述栅格点与位置点对应;所述通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据的步骤包括:
确定所述当前位置点在所述激光子图中对应的当前栅格点;
在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物栅格点;
将不包含于所述初始激光数据的所述可扫描障碍物栅格点添加到所述初始激光数据中,得到所述当前位置激光数据;
所述确定所述当前位置点与所述闭环位置点之间的转换关系的步骤包括:
获取多个预设平移坐标,根据所述预设平移坐标确定所述当前位置点对应的多个平移位置点;
针对每一所述平移位置点,将所述当前位置激光数据中的每一所述位置点的坐标减去所述平移位置点对应预设平移坐标,得到所述平移位置点对应的平移位置激光数据,并根据所述平移位置激光数据确定所述平移位置点对应的平移闭环位置点;
计算所述当前位置点与所述闭环位置点之间的相似距离,并计算各所述平移位置点与对应的所述平移闭环位置点之间的相似距离;
确定相似距离最小的当前位置点与所述闭环位置点,或所述平移位置点与所述平移闭环位置点之间的转换关系;
所述确定所述当前位置点与所述闭环位置点之间的转换关系的步骤包括:
获取预设矩阵角度以及预设矩阵距离,并基于所述预设矩阵角度、预设矩阵将所述当前位置激光数据划分为多个区域;
根据各所述区域中是否包含位置点生成所述当前位置点对应的当前描述子矩阵,所述描述子矩阵的列对应所述区域在所述当前位置激光数据中的角度,所述描述子矩阵的行对应所述区域在所述当前位置激光数据中的距离;
获取所述闭环位置点对应的闭环描述子矩阵,并计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度;
基于所述当前位置点与所述转换角度确定所述当前位置点与所述闭环位置点之间的转换关系;
所述计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度的步骤包括:
将所述当前描述子矩阵沿列方向平移得到多个不同的平移子矩阵;
计算各所述平移子矩阵与所述闭环描述子矩阵之间的相似距离,并确定与所述闭环描述子矩阵之间相似距离最小的最小子矩阵;
获取最小子矩阵与所述当前描述子矩阵之间的平移距离,将所述平移距离之和与预设矩阵角度的积作为所述转换角度;
所述根据所述当前位置激光数据确定闭环位置点的步骤包括:
获取历史位置点对应的历史位置激光数据,并根据所述历史位置激光数据确定各所述历史位置点对应的圆环值,计算各所述历史位置点与所述当前位置点的圆环值之间的圆环差值;
将各所述历史位置点基于所述圆环差值从小到大排序,确定预设区间内的多个所述历史位置点为候选闭环位置点;
将与当前位置点之间相似距离最小的所述候选闭环位置点作为所述闭环位置点。
2.如权利要求1所述的位置识别方法,其特征在于,所述在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物点的步骤包括:
在所述激光子图中获取与所述当前栅格点的距离在预设距离之内,且占据率小于预设占据率的障碍物栅格点,所述占据率反映栅格点为障碍物栅格点的概率;
针对每一所述障碍物栅格点,判断所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率是否均小于所述预设占据率;
若所述障碍物栅格点与所述当前栅格点之间的连接直线所经过的所有栅格点的占据率均小于所述预设占据率,则所述障碍物栅格点为所述可扫描障碍物栅格点。
3.一种位置识别装置,其特征在于,所述位置识别装置包括:
第一获取模块,用于获取当前位置点对应的初始激光数据,所述初始激光数据为在所述当前位置点进行扫描得到的激光点集合;
第二获取模块,用于获取激光子图,并通过所述激光子图对所述初始激光数据进行补充得到当前位置激光数据,所述激光子图基于历史位置点对应的激光数据构建;
第一确定模块,用于根据所述当前位置激光数据确定闭环位置点,并确定所述当前位置点与所述闭环位置点之间的转换关系;
所述激光子图为由多个栅格点组成的阵列,所述第二获取模块包括:
第一确定单元,用于确定所述当前位置点在所述激光子图中对应的当前栅格点;
第二确定单元,用于在所述激光子图中确定与所述当前栅格点存在直线连接关系的可扫描障碍物栅格点;
第一添加单元,用于将不包含于所述初始激光数据的所述可扫描障碍物栅格点添加到所述初始激光数据中,得到所述当前位置激光数据;
所述第一确定模块包括:
第一获取单元,用于获取多个预设平移坐标,根据所述预设平移坐标确定所述当前位置点对应的多个平移位置点;
第一执行单元,用于针对每一所述平移位置点,将所述当前位置激光数据中的每一所述位置点的坐标减去所述平移位置点对应预设平移坐标,得到所述平移位置点对应的平移位置激光数据,并根据所述平移位置激光数据确定所述平移位置点对应的平移闭环位置点;
第一计算单元,用于计算所述当前位置点与所述闭环位置点之间的相似距离,并计算各所述平移位置点与对应的所述平移闭环位置点之间的相似距离;
第三确定单元,用于确定相似距离最小的当前位置点与所述闭环位置点,或所述平移位置点与所述平移闭环位置点之间的转换关系;
所述第一确定模块包括:
第二获取单元,用于获取预设矩阵角度以及预设矩阵距离,并基于所述预设矩阵角度、预设矩阵将所述当前位置激光数据划分为多个区域;
第一生成单元,用于根据各所述区域中是否包含位置点生成所述当前位置点对应的当前描述子矩阵,所述描述子矩阵的列对应所述区域在所述当前位置激光数据中的角度,所述描述子矩阵的行对应所述区域在所述当前位置激光数据中的距离;
第三获取单元,用于获取所述闭环位置点对应的闭环描述子矩阵,并计算所述当前描述子矩阵与所述闭环描述子矩阵之间的转换角度;
第四确定单元,用于基于所述当前位置点与所述转换角度确定所述当前位置点与所述闭环位置点之间的转换关系;
所述第三获取单元包括:
第二执行子单元,用于将所述当前描述子矩阵沿列方向平移得到多个不同的平移子矩阵;
第一计算子单元,用于计算各所述平移子矩阵与所述闭环描述子矩阵之间的相似距离,并确定与所述闭环描述子矩阵之间相似距离最小的最小子矩阵;
第二获取子单元,用于获取最小子矩阵与所述当前描述子矩阵之间的平移距离,将所述平移距离之和与预设矩阵角度的积作为所述转换角度;
所述第一确定模块包括:
第四获取单元,用于获取历史位置点对应的历史位置激光数据,并根据所述历史位置激光数据确定各所述历史位置点对应的圆环值,计算各所述历史位置点与所述当前位置点的圆环值之间的圆环差值;
第五确定单元,用于将各所述历史位置点基于所述圆环差值从小到大排序,确定预设区间内的多个所述历史位置点为候选闭环位置点;
将与当前位置点之间相似距离最小的所述候选闭环位置点作为所述闭环位置点。
4.一种电子设备,其特征在于,所述电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1或2所述的位置识别方法的步骤。
5.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1或2所述的位置识别方法的步骤。
CN202211612389.6A 2022-12-15 2022-12-15 位置识别方法、装置、电子设备及可读存储介质 Active CN115685223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211612389.6A CN115685223B (zh) 2022-12-15 2022-12-15 位置识别方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211612389.6A CN115685223B (zh) 2022-12-15 2022-12-15 位置识别方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN115685223A CN115685223A (zh) 2023-02-03
CN115685223B true CN115685223B (zh) 2023-03-21

Family

ID=85055583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211612389.6A Active CN115685223B (zh) 2022-12-15 2022-12-15 位置识别方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN115685223B (zh)

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997049B (zh) * 2017-03-14 2020-07-03 奇瑞汽车股份有限公司 一种基于激光点云数据的检测障碍物的方法和装置
CN108012326B (zh) * 2017-12-07 2019-06-11 珠海市一微半导体有限公司 基于栅格地图的机器人监视宠物的方法及芯片
CN111263308A (zh) * 2020-01-15 2020-06-09 上海交通大学 定位数据采集方法及系统
CN111402339B (zh) * 2020-06-01 2020-10-09 深圳市智绘科技有限公司 一种实时定位方法、装置、系统及存储介质
CN111680747B (zh) * 2020-06-08 2023-09-01 北京百度网讯科技有限公司 用于占据栅格子图的闭环检测的方法和装置
CN112418316B (zh) * 2020-11-24 2023-09-29 深圳市优必选科技股份有限公司 机器人重定位方法、装置、激光机器人及可读存储介质
CN112325873B (zh) * 2021-01-04 2021-04-06 炬星科技(深圳)有限公司 一种环境地图自主更新方法、设备及计算机可读存储介质
CN112509053B (zh) * 2021-02-07 2021-06-04 深圳市智绘科技有限公司 机器人位姿的获取方法、装置及电子设备
CN113110457B (zh) * 2021-04-19 2022-11-15 杭州视熵科技有限公司 在室内复杂动态环境中智能机器人的自主覆盖巡检方法
CN113514843A (zh) * 2021-07-09 2021-10-19 深圳华芯信息技术股份有限公司 多子图激光雷达定位方法、系统以及终端
CN113376650B (zh) * 2021-08-09 2021-11-23 浙江华睿科技股份有限公司 移动机器人定位方法及装置、电子设备及存储介质
CN114241044A (zh) * 2021-11-04 2022-03-25 北京迈格威科技有限公司 回环检测方法、装置、电子设备和计算机可读介质
CN114348023A (zh) * 2022-01-25 2022-04-15 北京三快在线科技有限公司 一种基于盲区的无人驾驶设备控制方法及装置
CN114638934A (zh) * 2022-03-07 2022-06-17 南京航空航天大学 一种3D激光slam建图中动态障碍物的后处理方法
CN114812538A (zh) * 2022-04-20 2022-07-29 上海擎朗智能科技有限公司 地图构建方法、机器人及计算机可读存储介质
CN115390046A (zh) * 2022-04-29 2022-11-25 重庆兰德适普信息科技有限公司 可通行区域检测方法及装置、电子设备、存储介质、移动设备
CN114820973A (zh) * 2022-05-27 2022-07-29 深圳市普渡科技有限公司 代价地图生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN115685223A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
WO2021233029A1 (en) Simultaneous localization and mapping method, device, system and storage medium
US20220371602A1 (en) Vehicle positioning method, apparatus, and controller, intelligent vehicle, and system
CN111765884B (zh) 机器人重定位方法、装置、电子设备及存储介质
US20220198688A1 (en) Laser coarse registration method, device, mobile terminal and storage medium
CN112070770B (zh) 一种高精度三维地图与二维栅格地图同步构建方法
CN111563450B (zh) 数据处理方法、装置、设备及存储介质
CN112102151A (zh) 栅格地图的生成方法、装置、移动智慧设备和存储介质
CN111066064A (zh) 使用误差范围分布的网格占用建图
CN112509053B (zh) 机器人位姿的获取方法、装置及电子设备
CN112990050B (zh) 一种基于轻量级特征金字塔结构的单目3d目标检测方法
CN112414403B (zh) 一种机器人的定位定姿方法、设备及存储介质
CN111009011B (zh) 车辆方向角的预测方法、装置、系统以及存储介质
CN112418129B (zh) 一种点云数据处理的方法、装置、电子设备及存储介质
CN110738730B (zh) 点云匹配方法、装置、计算机设备和存储介质
CN112700497B (zh) 回环检测方法、装置、设备及计算机可读存储介质
CN112037220A (zh) 一种图像处理方法、装置、设备和存储介质
CN112132951B (zh) 一种基于视觉的网格语义地图的构建方法
CN115685223B (zh) 位置识别方法、装置、电子设备及可读存储介质
CN116481517B (zh) 扩展建图方法、装置、计算机设备和存储介质
CN111113405B (zh) 一种机器人获得位置服务的方法及机器人
CN116630216A (zh) 基于雷达和影像的目标融合方法、装置、设备及存储介质
CN114463429B (zh) 机器人、地图创建方法、定位方法及介质
CN114398455A (zh) 异构多机器人协同slam地图融合方法
CN114238456A (zh) 二维栅格地图实时更新显示方法、电子设备、存储介质
CN115407302A (zh) 激光雷达的位姿估计方法、装置和电子设备

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
GR01 Patent grant
GR01 Patent grant