CN116255976B - 地图融合方法、装置、设备及介质 - Google Patents
地图融合方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116255976B CN116255976B CN202310544353.7A CN202310544353A CN116255976B CN 116255976 B CN116255976 B CN 116255976B CN 202310544353 A CN202310544353 A CN 202310544353A CN 116255976 B CN116255976 B CN 116255976B
- Authority
- CN
- China
- Prior art keywords
- map
- frame
- point cloud
- cloud data
- grid map
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims description 93
- 238000000034 method Methods 0.000 claims description 36
- 238000010276 construction Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 5
- 230000004807 localization Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3859—Differential updating 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
- G01C21/26—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
- G01C21/3833—Creation or updating of map data characterised by the source of data
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例提供一种地图融合方法、装置、设备及介质,包括:采集第一区域的N帧点云数据;针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j‑1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;基于N‑m+1帧点云数据中的每帧建图位姿,将与建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图;通过融合母栅格地图和第二子栅格地图,得到目标地图。本申请实施例,提高了地图融合的精度。
Description
技术领域
本申请属于智能驾驶技术领域,尤其涉及一种地图融合方法、装置、设备及介质。
背景技术
现实生活中,结合同时定位与地图创建(Simultaneous Localization andMapping,SLAM)技术和高精度测距的激光雷达传感器,可以建立高精度三维激光点云地图。然而,随着时间的推移,即使是相对固定的场景,局部场景也会发生变化。
为了定位感知精准,需要对该局部场景对应的部分地图进行更新维护,但是由于现有的创建地图算法存在累计误差和轨迹漂移的问题,即当创建了一段新的局部地图后,该局部地图与原有地图融合时会在公共区域存在漂移现象,进而会导致最终融合的地图的精度较低。
发明内容
本申请实施例提供一种地图融合方法、装置、设备及介质,提高了地图融合的精度。
第一方面,本申请实施例提供一种地图融合方法,方法包括:
采集第一区域的N帧点云数据,第一区域为场景发生变化的区域;
针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿,;
针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;
基于N-m+1帧建图位姿中的每帧建图位姿,将与建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图;
通过融合母栅格地图和第二子栅格地图,得到目标地图。
在第一方面的一种可选的实施方式中,母栅格地图存储有多帧点云位姿;
针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿,包括:
利用预设算法分别对点多帧点云位姿进行处理,得到与多个点云位姿分别对应的多帧重定位位姿;
针对多帧重定位位姿中的每一帧,基于重定位位姿将第m帧点云数据映射至母栅格地图中,得到第m帧点云数据映射在母栅格地图中的多个第一采样点,并基于多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云的覆盖率;
基于第m帧点云的覆盖率从多帧重定位位姿中确定第一子栅格地图的第m帧建图位姿。
在第一方面的一种可选的实施方式中,针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,包括:
基于第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据;
遍历转化后的第j帧点云数据所包括的多个第三采样点,获取多个第三采样点在第一子栅格地图中的第一栅格,以及母栅格地图中与第一栅格对应的第二栅格;
基于目标采样点、第j-1帧建图位姿和转化后的第j帧点云数据,计算与第一区域对应的第一子栅格地图的第j帧建图位姿,目标采样点包括第一栅格包括的多个采样点和第二栅格所包括多个采样点。
在第一方面的一种可选的实施方式中,通过融合母栅格地图和第二子栅格地图,得到目标地图,包括:
确定第一采样点数量与母栅格地图中的采样点数量的比值,为第一比值,并确定第一采样点数量与第二子栅格地图中的采样点数量的比值为第二比值,第一采样点数量为基于母栅格地图中的采样点数量和第二子栅格地图中的采样点数量确定的;
基于目标数值或者第一比值,融合母栅格地图和第二子栅格地图,得到目标地图,目标数值包括第一比值和第二比值。
在第一方面的一种可选的实施方式中,基于目标数值,融合母栅格地图和第二子栅格地图,得到目标地图,包括:
在第一比值大于第一预设阈值,且第二比值小于第二预设阈值的情况下,通过拼接母栅格地图和第二子栅格地图,得到目标地图,第一预设阈值大于第二预设阈值。
在第一方面的一种可选的实施方式中,基于第一比值,融合母栅格地图和第二子栅格地图,得到目标地图,包括:
在第一比值小于或等于第一预设阈值的情况下,通过将母栅格地图中与第一区域对应的栅格替换为第二子栅格地图中与第一区域对应的栅格,得到目标地图。
第二方面,本申请实施例提供了一种地图融合装置,该装置包括:
采集模块,用于采集第一区域的N帧点云数据,第一区域为场景发生变化的区域;
重定位模块,用于针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿,;
确定模块,用于针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;
映射模块,用于基于N-m+1帧建图位姿中的每帧建图位姿,将建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图;
融合模块,用于通过融合母栅格地图和第二子栅格地图,得到目标地图。
在第二方面的一种可选的实施方式中,母栅格地图存储有多帧点云位姿;重定位模块具体用于:
利用预设算法分别对多帧点云位姿进行处理,得到与多帧点云位姿分别对应的多帧重定位位姿;
针对多帧重定位位姿中的每一帧,基于重定位位姿将第m帧点云数据映射至母栅格地图中,得到第m帧点云数据映射在母栅格地图中的多个第一采样点,并基于多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率;
基于第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
第三方面,提供一种电子设备,包括:存储器,用于存储计算机程序指令;处理器,用于读取并运行存储器中存储的计算机程序指令,以执行第一方面中的任一可选的实施方式提供的地图融合方法。
第四方面,提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现第一方面中的任一可选的实施方式提供的地图融合方法。
第五方面,提供一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行实现第一方面或第二方面中的任一可选的实施方式提供的地图融合方法。
在本申请实施例中,在采集第一区域的N帧点云数据之后,针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定第一区域对应的第一子栅格地图的第j帧建图位姿。由于 、j=m+1、m+2……N,所以共可以得到N-m+1帧建图位姿,进而可以基于N-m+1帧建图位姿中的每帧建图位姿,将对应的点云数据映射至第一子栅格地图,得到第二子栅格地图,进而可以融合母栅格地图和第二子栅格地图,得到目标地图。如此,通过N帧点云数据计算整个建图过程中每帧点云数据对应的建图位姿,避免了在建图过程中的累计误差,进而避免了轨迹漂移的问题,并通过设计母栅格地图和子栅格地图,实现了局部地图和原有地图的精准融合。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种母栅格地图的示意图;
图2是本申请实施例提供的子栅格地图存储新增场景的点云地图的示意图;
图3是本申请实施例提供的子栅格地图存储变换场景的点云地图的示意图;
图4是本申请实施例提供的一种母栅格地图与子栅格地图融合的示意图;
图5是本申请实施例提供的一种地图融合方法的流程示意图;
图6是本申请实施例提供的一种地图融合装置的结构示意图;
图7是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本文中术语“和/或”,仅仅是一种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:单独存在A,同时存在A和B,单独存在B这三种情况。
现实生活中,结合同时定位与地图创建(Simultaneous Localization andMapping,SLAM)技术和高精度测距的激光雷达传感器,可以建立高精度三维激光点云地图。然而,随着时间的推移,即使是相对固定的场景,局部场景也会发生变化,例如公交运行路线附近新建高楼,周边树木被移走等。
为了定位感知精准,需要更新和维护局部点云地图。但是若重新建立一个完整的点云地图,从数据采集到SLAM算法执行,都需要投入很多资源,而如果只是更新维护场景变化部分的地图,则会减少大量成本。另外,由于现有的创建地图算法存在累计误差和轨迹偏移的问题,即当创建了一段新的局部地图后,该局部地图与原有地图融合时会在公共区域存在漂移现象,进而会导致最终融合的地图的精度较低。
为了解决现有技术中存在的地图融合精度较低的问题,本申请实施例提供一种地图融合方法、装置、设备及介质,基于此,在本申请实施例中,在采集第一区域的N帧点云数据之后,针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定第一区域对应的第一子栅格地图的第j帧建图位姿。由于、j=m+1、m+2……N,所以共可以得到N-m+1帧建图位姿,进而可以基于N-m+1帧点云数据建图位姿中的每帧建图位姿,将对应的点云数据映射至第一子栅格地图,得到第二子栅格地图,进而可以融合母栅格地图和第二子栅格地图,得到目标地图。如此,通过N帧点云数据计算整个建图过程中每帧点云数据的建图位姿,避免了在建图过程中的累计误差,进而避免了轨迹漂移的问题,并通过设计母栅格地图和子栅格地图,实现了局部地图和原有地图的精准融合。
具体地,本申请实施例使用栅格地图来管理点云地图,并提出了子母栅格地图来实现点云地图精准融合。
与传统占据栅格地图(Occupancy Grid Map)不同,本申请实施例设计的栅格地图尺度更大,存储信息更丰富。具体的,在世界坐标系下,将XOY平面以100m*100m均匀的划分栅格,如下图1所示,坐标原点(0,0)位于栅格X0Y0的中心,所有点云被映射到对应的栅格中。本发明使用LeGO-LOAM算法来创建地图,因此每个栅格除了存储实际场景点云外,还会存储属于该栅格的地面特征点云、非地面平面特征点云和非地面边线特征点云,以及每帧点云相对世界坐标系的位姿。对于每个栅格中的实际场景点云会以0.25m的间隔参数使用体素网格(VoxelGrid)方法均匀降采样,其余的特征点云按照LeGO-LOAM算法具体参数配置降采样。
母栅格地图是栅格地图的具体实例,用来存储记录首次构建的大场景的点云地图,如图1所示。子栅格地图也是栅格地图的具体实例,存储记录的是新增场景的点云地图,如下图2所示,栅格X0Y0等与母栅格地图有公共部分,大部分栅格是新增场景。若存储的是变换场景的点云地图,如下图3所示,栅格X200Y0,X300Y0与母栅格地图中对应的栅格发生了部分场景变化。基于此,经过本申请实施例提供的地图融合方法,将图2和图3分别融合至图1中,可以如图4所示,图一栅格X0Y0等左上栅格新增到原母栅格地图对应位置,原母栅格地图中X200Y0和X300Y0栅格被图二对应位置替换。
需要说明的是,本申请实施例提供的地图融合方法,执行主体可以为地图融合装置,或者地图融合装置中用于执行地图融合方法的控制模块。本申请实施例中以地图融合装置执行地图融合方法为例,说明本申请实施例提供的地图融合方法。
图5是本申请实施例提供的一种地图融合方法的流程示意图。
如图5所示,该地图融合方法的执行主体可以是地图融合装置,该方法具体可以包括如下步骤:
S110,采集第一区域的N帧点云数据。
具体地,地图融合装置可以通过车辆上安装的激光雷达按照预设频率采集第一区域的N帧点云数据。其中,N为正整数,预设频率可以是基于实际经验或情况预先设置的,例如,可以是1秒10帧等,在此不作具体限定。上述涉及到的第一区域可以是场景发生变化的区域,例如,公交运行路线附近新建高楼,周边树木被移走等,在此不作具体限定。
S120,针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿。
具体地,针对N帧点云数据中的第m帧点云数据,地图融合装置可以通过将第m帧点云数据在母栅格地图中进行重定位,以得到与第一区域对应的第一子栅格地图的第m帧建图位姿。其中,,m为正整数。
在一个示例中,上述涉及到的母栅格地图可以是通过采集第二区域的多帧点云数据,并利用地图创建算法,例如,LeGO-LOAM算法,对第二区域的多帧点云数据进行处理,以生成对应的点云地图,将该点云地图映射到母栅格地图中,得到最终的母栅格地图。其中,第二区域可以包括第一区域,第二区域也可以是与第一区域相邻的区域,此处不作具体限定,
S130,针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿。
其中,j=m+1、m+2……N。
地图融合装置在得到第一子栅格地图的第m帧建图位姿之后,针对N帧点云数据中的第j帧点云数据,可以基于第j帧点云数据和第j-1建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿。如此,可以得到与上述N-m帧点云数据一一对应的建图位姿。
在一个示例中,假设上述m=1,则针对N帧点云数据中的首帧点云数据,通过将该首帧点云数据在母栅格地图中进行重定位,以得到与第一区域对应的第一子栅格地图的首帧建图位姿。由于m=1,则j=2、3……N,基于此,分别针对N帧点云数据中的第2帧点云数据、第3帧点云数据……第N帧点云数据,计算与第2帧点云数据、第3帧点云数据……第N帧点云数据分别对应的第2帧建图位姿、第3帧建图位姿……第N帧建图位姿。具体地,以计算第2帧建图位姿为例,基于第2帧点云数据以及首帧建图位姿,确定与第一区域对应的第一子栅格地图的第2帧建图位姿。
S140,基于N-m+1帧建图位姿中每帧建图位姿,将与建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图。
具体地,由于、j=m+1、m+2……N,所以地图融合装置一共可以得到N-m+1帧建图位姿,基于此,地图融合装置可以基于N-m+1帧建图位姿中每帧建图位姿,将与该建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图。
S150,通过融合母栅格地图和第二子栅格地图,得到目标地图。
地图融合装置可以在得到第二子栅格地图之后,通过融合母栅格地图与第二子栅格地图,得到目标地图。
在本申请实施例中,在采集第一区域的N帧点云数据之后,针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定第一区域对应的第一子栅格地图的第j帧建图位姿。由于 、j=m+1、m+2……N,所以共可以得到N-m+1帧建图位姿,进而可以基于N-m+1帧建图位姿中的每帧建图位姿,将对应的点云数据映射至第一子栅格地图,得到第二子栅格地图,进而可以融合母栅格地图和第二子栅格地图,得到目标地图。如此,通过N帧点云数据计算整个建图过程中每帧点云数据的建图位姿,避免了在建图过程中的累计误差,进而避免了轨迹漂移的问题,并通过设计母栅格地图和子栅格地图,实现了局部地图和原有地图的精准融合。
为了可以准确地得到第一子栅格地图的第m帧建图位姿,以使得第二子栅格地图在建图初期可以与母栅格地图进行精准对应。基于此,在一个实施例中,上述涉及到的母栅格地图存储有多帧点云位姿,基于此,上述涉及到的S120可以包括如下步骤:
利用预设算法分别对多帧点云位姿进行处理,得到与多帧点云位姿分别对应的多帧重定位位姿;
针对多帧重定位位姿中的每一帧,基于重定位位姿将第m帧点云数据映射至母栅格地图中,得到第m帧点云数据映射在母栅格地图中的多个第一采样点,并基于多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率;
基于第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
其中,预设算法可以是LeGO-LOAM算法,在此不作具体限定。第m帧点云数据的覆盖率指的是第m帧点云数据在母栅格地图中的覆盖率。
具体地,地图融合装置可以利用预设算法分别对多帧点云位姿进行处理,以得到与多帧点云位姿分别对应的更为准确的多帧重定位位姿,进而可以针对多帧重定位位姿中的每一帧,基于该重定位位姿将第m帧点云数据映射至母栅格地图中,得到第m帧点云数据映射在母栅格地图中的多个第一采样点,进而可以基于该多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率,如此,可以得到多个第m帧点云数据的覆盖率,该多个第m帧点云数据的覆盖率与上述多个重定位位姿一一对应,进而可以基于上述涉及到的第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
在一个示例中,遍历母栅格地图所包括的各个栅格存储的点云位姿,可以通过分别使用这些点云位姿作为初始位姿,将第m帧点云数据映射到母栅格地图上,并使用LeGO-LOAM算法对初始位姿进一步优化,得到重定位位姿,基于此,可以将第m帧点云数据通过重定位位姿映射到母栅格地图上,进而可以针对第m帧点云数据所包括的每一个第一采样点,判断其预设半径范围内是否存在母栅格地图中的第二采样点,若有,则认为该点是被覆盖到的点。基于此,统计第m帧点云数据的覆盖率,选择覆盖率最大的对应的重定位位姿作为第一子栅格地图的第m帧建图位姿。
在该实施例中,通过母栅格地图中存储的多帧点云位姿,得到与该多帧点云位姿对应的重定位位姿,进而可以针对多帧重定位位姿中的每一帧,基于重定位位姿将第m帧点云数据映射至母栅格地图中,以便于后续可以计算第m帧点云数据的覆盖率,进而可以确定第一子栅格地图的第m帧建图位姿,如此,可以准确地确定第一子栅格地图的第m帧建图位姿,进而可以使得第二子栅格地图在建图初期可以与母栅格地图进行精准对应,进而可以提高地图融合的精度。
由于直接使用上述得到的第m帧建图位姿和LeGO-LOAM算法生成点云地图,则会使得第二子栅格地图在建图初期与母栅格地图保持一致,但随着误差累计,还是会发生与母栅格地图漂移的问题。
基于此,在一个实施例中,上述涉及到的S130可以包括如下步骤:
基于第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据;
遍历转化后的第j帧点云数据所包括的多个第三采样点,获取多个第三采样点在第一子栅格地图中的第一栅格,以及母栅格地图中与第一栅格对应的第二栅格;
基于目标采样点、第j-1帧建图位姿和转化后的第j帧点云数据,计算与第一区域对应的第一子栅格地图的第j帧建图位姿,目标采样点包括第一栅格包括的多个采样点和第二栅格所包括多个采样点。
其中,激光雷达坐标系可以是以用于采集点云数据的激光雷达为原点的坐标系。本申请实施例所涉及的世界坐标系可以是如图1所示的栅格X0Y0的中心为原点的坐标系。需要说明的是,由于第j帧点云数据是由激光雷达采集的激光雷达坐标下的点云数据,所以需要根据第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据,以便后续得到更加准确的第j帧建图位姿。
在一个示例中,假设在计算第j帧建图位姿时,由于此时第1到第j-1帧点云数据已经被映射存储到了第一子栅格地图中,可以先基于第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据,然后通过遍历转化后的第j帧点云数据中的所有第三采样点,得到这些第三采样点在第一子栅格地图的第一栅格,该第一栅格可以定义为M1={(Xj,Yj)},进而可以提取出第一栅格中的所有采样点记为P1。接着,可以基于M1,可在母栅格地图匹配到对应的第二栅格,该第二栅格可以定义为M2(M2=M1),并在母栅格地图上提取出第二栅格存储的采样点记为P2。继而可以融合P1和P2,得到目标采样点,并结合第j-1帧建图位姿和转化后的第j帧点云数据,以得到第j帧建图位姿。
需要说明的是,上述所涉及到的计算第j帧建图位姿的过程是基于点云数据包括的采样点进行的,除此之外,可以从点云数据中提取特征点,并基于提取得到特征点按照上述过程计算第j帧建图位姿。
在该实施例中,可以准确地计算得到每一帧点云数据对应的建图位姿,进而可以每一帧点云数据及其对应的建图位姿精准有效的生成子栅格地图,并与母栅格地图保持一致,不发生漂移。
另外,为了更加准确地描述本申请实施例提供的地图融合方法,在一个实施例中,上述涉及到的S150还可以包括如下步骤:
确定第一采样点数量与母栅格地图中的采样点数量的比值,为第一比值,并确定第一采样点数量与第二子栅格地图中的采样点数量的比值为第二比值;
基于目标数值或者第一比值,融合母栅格地图和第二子栅格地图,得到目标地图。
在一些实施例中,上述涉及到的第一采样点数量为基于母栅格地图中的采样点数量和第二子栅格地图中的采样点数量确定的。上述涉及到的目标数值可以包括第一比值和第二比值。
在一个示例中,假设母栅格地图中的采样点数量可以是A,对应的第二子栅格地图中的采样点数量可以是B,并且基于该母栅格地图中的采样点以及第二子栅格地图中的采样点,可以通过预设半径检索得到公共部分点云,其数量可以是C,对应于上述第一采样点数量。基于此,地图融合装置可以计算第一采样点数量与母栅格地图中的采样点数量的比值,即C/A,以及第一采样点数量与第二子栅格地图中的采样点数量的比值,即C/B,以便于基于该计算得到的两个比值对母栅格地图以及第二子栅格地图进行融合。
在该实施例中,可以计算第一采样点数量与母栅格地图中的采样点数量之间的第一比值,以及第一采样点数量与第二子栅格地图中的采样点数量之间的第二比值,进而可以基于第一比值和第二比值准确判断母栅格地图与第二子栅格地图之间的融合类型,以便于后续可以更加准确融合,提高了地图融合的精度。
基于此,在一个实施例中,上述涉及到的基于目标数值,融合母栅格地图和第二子栅格地图,得到目标地图的步骤可以包括如下内容:
在第一比值大于第一预设阈值,且第二比值小于第二预设阈值的情况下,通过拼接母栅格地图和第二子栅格地图,得到目标地图,第一预设阈值大于第二预设阈值。
其中,第一预设阈值和第二预设阈值可以是基于实际经验或情况预先设置的阈值,第一预设阈值可以大于第二预设阈值,示例性的,第一预设阈值可以设置成0.9,第二预设阈值可以设置成0.7,在此不作过多限定。
在该实施例中,地图融合装置可以在第一比值大于第一预设阈值,且第二比值小于第二预设阈值的情况下,即表明第二子栅格新增了较多变化场景,但同时包含了母栅格,基于此,可以直接拼接母栅格地图和第二子栅格地图,得到目标地图,进而提高了地图融合的精度。
在另一个实施例中,上述涉及到的基于第一比值,融合母栅格地图和第二子栅格地图,得到目标地图的步骤可以包括如下步骤:
在第一比值小于或等于第一预设阈值的情况下,通过将母栅格地图中与第一区域对应的栅格替换为第二子栅格地图中与第一区域对应的栅格,得到目标地图。
在该实施例中,地图融合装置可以在第一比值小于或等于第一预设阈值的情况下,即表明第二子栅格发生了较大场景变化,且与母栅格有较大差异,基于此,可以将母栅格地图中与第一区域对应的栅格替换为第二子栅格中与第一区域对应的栅格,以得到目标地图,进而提高了地图融合的精度。
另外,还需要说明的是,在第一比值和第二比值均大于第一预设阈值的情况下,可以认为第二子栅格变化场景变化很小,无需更新,即无需对母栅格地图和第二子栅格地图进行融合。
基于相同的发明构思,本申请实施例还提供了一种地图融合装置。该地图融合装置可以应用于规划模块,具体结合图6对本申请实施例提供的地图融合装置进行详细说明。
图6是本申请实施例提供的一种地图融合装置的结构示意图。
如图6所示,该地图融合装置600可以包括:采集模块610、重定位模块620、确定模块620、映射模块640和融合模块650。
采集模块610,用于采集第一区域的N帧点云数据,第一区域为场景发生变化的区域;
重定位模块620,用于针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;
确定模块630,用于针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;
映射模块640,用于基于N-m+1帧建图位姿中的每帧建图位姿,将与建图位姿对应的点云数据映射至第一子栅格地图中,得到第二子栅格地图;
融合模块650,用于通过融合母栅格地图和第二子栅格地图,得到目标地图。
在一个实施例中,上述涉及到的母栅格地图存储有多帧点云位姿。基于此,上述涉及到的重定位模块具体用于:
利用预设算法分别对点多帧点云位姿进行处理,得到与多帧点云位姿分别对应的多帧重定位位姿;
针对多帧重定位位姿中的任一帧,基于重定位位姿将第m帧点云数据映射至母栅格地图中,得到第m帧点云数据映射在母栅格地图中的多个第一采样点,并基于多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率,并基于第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
在一个实施例中,上述涉及到的确定模块具体用于:
基于第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据;
遍历转化后的第j帧点云数据所包括的多个第三采样点,获取多个第三采样点在第一子栅格地图中的第一栅格,以及母栅格地图中与第一栅格对应的第二栅格;
基于目标采样点、第j-1帧建图位姿和转化后的第j帧点云数据,计算与第一区域对应的第一子栅格地图的第j帧建图位姿,目标采样点包括第一栅格包括的多个采样点和第二栅格所包括多个采样点。
在一个实施例中,上述涉及到的融合模块具体用于:
确定第一采样点数量与母栅格地图中的采样点数量的比值,为第一比值,并确定第一采样点与第二子栅格地图中的采样点数量的比值为第二比值,第一采样点数量为基于母栅格地图中的采样点数量和第二子栅格地图中的采样点数量确定的;
基于目标数值或者第一比值,融合母栅格地图和第二子栅格地图,得到目标地图,目标数值包括第一比值和第二比值。
在一个实施例中,上述涉及到的融合模块具体用于:
在第一比值大于第一预设阈值,且第二比值小于第二预设阈值的情况下,通过拼接母栅格地图和第二子栅格地图,得到目标地图,第一预设阈值大于第二预设阈值。
在一个实施例中,上述涉及到的融合模块具体用于:
在第一比值小于或等于第一预设阈值的情况下,通过将母栅格地图中与第一区域对应的栅格替换为第二子栅格地图中与第一区域对应的栅格,得到目标地图。
在本申请实施例中,在采集第一区域的N帧点云数据之后,针对N帧点云数据中的第m帧点云数据,通过将第m帧点云数据在母栅格地图中进行重定位,得到与第一区域对应的第一子栅格地图的第m帧建图位姿;针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定第一区域对应的第一子栅格地图的第j帧建图位姿。由于 、j=m+1、m+2……N,所以共可以得到N-m+1帧建图位姿,进而可以基于N-m+1帧建图位姿中的每帧建图位姿,将对应的点云数据映射至第一子栅格地图,得到第二子栅格地图,进而可以融合母栅格地图和第二子栅格地图,得到目标地图。如此,通过N帧点云数据计算整个建图过程中每帧点云数据的建图位姿,避免了在建图过程中的累计误差,进而避免了轨迹漂移的问题,并通过设计母栅格地图和子栅格地图,实现了局部地图和原有地图的精准融合。
本申请实施例提供的地图融合装置中的各个模块可以实现图5中所示实施例的方法步骤,并能达到与其相应的技术效果,为简洁描述,在此不再赘述。
图7示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令,以实现上述实施例中的任意一种地图融合方法。
在一个示例中,电子设备还可包括通信接口703和总线710。其中,如图7成相互间的通信。
通信接口703,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线710可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的地图融合方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现本申请实施例提供的地图融合方法。
本申请实施例还提供一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如本申请实施例提供的地图融合方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程地图融合装置的处理器,以产生一种机器,使得经由计算机或其它可编程地图融合装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块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。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种地图融合方法,其特征在于,包括:
采集第一区域的N帧点云数据,所述第一区域为场景发生变化的区域;
针对所述N帧点云数据中的第m帧点云数据,通过将所述第m帧点云数据在母栅格地图中进行重定位,得到与所述第一区域对应的第一子栅格地图的第m帧建图位姿,,所述母栅格地图用于存储记录第二区域的点云地图,所述第一子栅格地图用于存储记录所述第一区域的点云地图,所述第二区域包括所述第一区域,或者,所述第二区域与所述第一区域相邻;
针对N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与所述第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;
基于N-m+1帧建图位姿中的每帧建图位姿,将与所述建图位姿对应的点云数据映射至所述第一子栅格地图中,得到第二子栅格地图;
通过融合所述母栅格地图和所述第二子栅格地图,得到目标地图。
2.根据权利要求1所述的方法,其特征在于,所述母栅格地图存储有多帧点云位姿;
所述针对所述N帧点云数据中的第m帧点云数据,通过将所述第m帧点云数据在母栅格地图中进行重定位,得到与所述第一区域对应的第一子栅格地图的第m帧建图位姿,包括:
利用预设算法分别对所述多帧点云位姿进行处理,得到与所述多帧点云位姿分别对应的多帧重定位位姿;
针对所述多帧重定位位姿中的每一帧,基于所述重定位位姿将所述第m帧点云数据映射至所述母栅格地图中,得到所述第m帧点云数据映射在所述母栅格地图中的多个第一采样点,并基于所述多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率;
基于所述第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
3.根据权利要求1所述的方法,其特征在于,所述针对所述N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与第一区域对应的第一子栅格地图的第j帧建图位姿,包括:
基于所述第j-1帧建图位姿将第j帧点云数据由激光雷达坐标系转化为世界坐标系,得到转化后的第j帧点云数据;
遍历所述转化后的第j帧点云数据所包括的多个第三采样点,获取所述多个第三采样点在第一子栅格地图中的第一栅格,以及所述母栅格地图中与所述第一栅格对应的第二栅格;
基于目标采样点、第j-1帧建图位姿和所述转化后的第j帧点云数据,计算与第一区域对应的第一子栅格地图的第j帧建图位姿,所述目标采样点包括所述第一栅格包括的多个采样点和所述第二栅格所包括多个采样点。
4.根据权利要求1所述的方法,其特征在于,所述通过融合所述母栅格地图和第二子栅格地图,得到目标地图,包括:
确定第一采样点数量与所述母栅格地图中的采样点数量的比值,为第一比值,并确定所述第一采样点数量与所述第二子栅格地图中的采样点数量的比值为第二比值,所述第一采样点数量为基于所述母栅格地图中的采样点数量和第二子栅格地图中的采样点数量确定的;
基于目标数值或者所述第一比值,融合所述母栅格地图和第二子栅格地图,得到目标地图,所述目标数值包括第一比值和所述第二比值。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标数值,融合所述母栅格地图和第二子栅格地图,得到目标地图,包括:
在所述第一比值大于第一预设阈值,且所述第二比值小于第二预设阈值的情况下,通过拼接所述母栅格地图和所述第二子栅格地图,得到目标地图,所述第一预设阈值大于所述第二预设阈值。
6.根据权利要求4所述的方法,其特征在于,所述基于所述第一比值,融合所述母栅格地图和第二子栅格地图,得到目标地图,包括:
在所述第一比值小于或等于第一预设阈值的情况下,通过将所述母栅格地图中与所述第一区域对应的栅格替换为所述第二子栅格地图中与所述第一区域对应的栅格,得到目标地图。
7.一种地图融合装置,其特征在于,所述装置包括:
采集模块,用于采集第一区域的N帧点云数据,所述第一区域为场景发生变化的区域;
重定位模块,用于针对所述N帧点云数据中的第m帧点云数据,通过将所述第m帧点云数据在母栅格地图中进行重定位,得到与所述第一区域对应的第一子栅格地图的第m帧建图位姿,,所述母栅格地图用于存储记录第二区域的点云地图,所述第一子栅格地图用于存储记录所述第一区域的点云地图,所述第二区域包括所述第一区域,或者,所述第二区域与所述第一区域相邻;
确定模块,用于针对所述N帧点云数据中的第j帧点云数据,基于第j帧点云数据和第j-1帧建图位姿,确定与所述第一区域对应的第一子栅格地图的第j帧建图位姿,j=m+1、m+2……N;
映射模块,用于基于N-m+1帧建图位姿中的每帧建图位姿,将与所述建图位姿对应的点云数据映射至所述第一子栅格地图中,得到第二子栅格地图;
融合模块,用于通过融合所述母栅格地图和所述第二子栅格地图,得到目标地图。
8.根据权利要求7所述的装置,其特征在于,所述母栅格地图存储有多帧点云位姿;所述重定位模块具体用于:
利用预设算法分别对所述多帧点云位姿进行处理,得到与所述多帧点云位姿分别对应的多帧重定位位姿;
针对所述多帧重定位位姿中的每一帧,基于所述重定位位姿将所述第m帧点云数据映射至所述母栅格地图中,得到所述第m帧点云数据映射在所述母栅格地图中的多个第一采样点,并基于所述多个第一采样点与母栅格地图所包括的多个第二采样点,计算第m帧点云数据的覆盖率;
基于所述第m帧点云数据的覆盖率从多个重定位位姿中确定第一子栅格地图的第m帧建图位姿。
9.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器读取并执行所述计算机程序指令,以实现如权利要求1-6所述的地图融合方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6所述的地图融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310544353.7A CN116255976B (zh) | 2023-05-15 | 2023-05-15 | 地图融合方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310544353.7A CN116255976B (zh) | 2023-05-15 | 2023-05-15 | 地图融合方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116255976A CN116255976A (zh) | 2023-06-13 |
CN116255976B true CN116255976B (zh) | 2023-10-31 |
Family
ID=86688403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310544353.7A Active CN116255976B (zh) | 2023-05-15 | 2023-05-15 | 地图融合方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116255976B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257909A (zh) * | 2020-03-05 | 2020-06-09 | 安徽意欧斯物流机器人有限公司 | 一种多2d激光雷达融合建图与定位方法及系统 |
CN111578932A (zh) * | 2020-05-28 | 2020-08-25 | 长沙中联重科环境产业有限公司 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
CN112923933A (zh) * | 2019-12-06 | 2021-06-08 | 北理慧动(常熟)车辆科技有限公司 | 一种激光雷达slam算法与惯导融合定位的方法 |
WO2021172535A1 (ja) * | 2020-02-27 | 2021-09-02 | 株式会社デンソー | 物体検知装置 |
CN113375683A (zh) * | 2021-06-10 | 2021-09-10 | 亿嘉和科技股份有限公司 | 机器人环境地图实时更新方法 |
WO2021218388A1 (zh) * | 2020-05-01 | 2021-11-04 | 华为技术有限公司 | 高精度地图的生成方法、定位方法及装置 |
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 |
CN113916243A (zh) * | 2020-07-07 | 2022-01-11 | 长沙智能驾驶研究院有限公司 | 目标场景区域的车辆定位方法、装置、设备和存储介质 |
CN114636414A (zh) * | 2020-12-16 | 2022-06-17 | 小马智行 | 高清晰度城市地图绘制 |
CN115128628A (zh) * | 2022-06-01 | 2022-09-30 | 北京理工大学 | 基于激光slam和单目视觉的道路栅格地图构建方法 |
CN115236680A (zh) * | 2021-04-23 | 2022-10-25 | 阿里巴巴新加坡控股有限公司 | 定位方法、装置、电子设备及计算机存储介质 |
CN115423972A (zh) * | 2022-08-20 | 2022-12-02 | 北京航空航天大学 | 一种基于车载多激光雷达融合的封闭场景三维重建方法 |
CN115423978A (zh) * | 2022-08-30 | 2022-12-02 | 西北工业大学 | 用于建筑物重建的基于深度学习的图像激光数据融合方法 |
CN115540850A (zh) * | 2022-09-05 | 2022-12-30 | 广东工业大学 | 一种激光雷达与加速度传感器结合的无人车建图方法 |
CN115979248A (zh) * | 2023-03-17 | 2023-04-18 | 上海仙工智能科技有限公司 | 基于定位位姿为约束的地图更新方法及系统、存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2912065T3 (es) * | 2020-03-05 | 2022-05-24 | Sick Ag | Generación de un nuevo mapa híbrido para la navegación |
US20210407069A1 (en) * | 2020-06-30 | 2021-12-30 | Lyft, Inc. | Fusing Map Reconstructions Generated from Multiple Batches of Data |
KR20230018656A (ko) * | 2021-07-30 | 2023-02-07 | 한국전자기술연구원 | 실내환경의 비전과 라이다를 융합한 slam 시스템 및 방법 |
-
2023
- 2023-05-15 CN CN202310544353.7A patent/CN116255976B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923933A (zh) * | 2019-12-06 | 2021-06-08 | 北理慧动(常熟)车辆科技有限公司 | 一种激光雷达slam算法与惯导融合定位的方法 |
WO2021172535A1 (ja) * | 2020-02-27 | 2021-09-02 | 株式会社デンソー | 物体検知装置 |
CN111257909A (zh) * | 2020-03-05 | 2020-06-09 | 安徽意欧斯物流机器人有限公司 | 一种多2d激光雷达融合建图与定位方法及系统 |
WO2021218388A1 (zh) * | 2020-05-01 | 2021-11-04 | 华为技术有限公司 | 高精度地图的生成方法、定位方法及装置 |
CN111578932A (zh) * | 2020-05-28 | 2020-08-25 | 长沙中联重科环境产业有限公司 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
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 |
CN113916243A (zh) * | 2020-07-07 | 2022-01-11 | 长沙智能驾驶研究院有限公司 | 目标场景区域的车辆定位方法、装置、设备和存储介质 |
CN114636414A (zh) * | 2020-12-16 | 2022-06-17 | 小马智行 | 高清晰度城市地图绘制 |
CN115236680A (zh) * | 2021-04-23 | 2022-10-25 | 阿里巴巴新加坡控股有限公司 | 定位方法、装置、电子设备及计算机存储介质 |
CN113375683A (zh) * | 2021-06-10 | 2021-09-10 | 亿嘉和科技股份有限公司 | 机器人环境地图实时更新方法 |
CN115128628A (zh) * | 2022-06-01 | 2022-09-30 | 北京理工大学 | 基于激光slam和单目视觉的道路栅格地图构建方法 |
CN115423972A (zh) * | 2022-08-20 | 2022-12-02 | 北京航空航天大学 | 一种基于车载多激光雷达融合的封闭场景三维重建方法 |
CN115423978A (zh) * | 2022-08-30 | 2022-12-02 | 西北工业大学 | 用于建筑物重建的基于深度学习的图像激光数据融合方法 |
CN115540850A (zh) * | 2022-09-05 | 2022-12-30 | 广东工业大学 | 一种激光雷达与加速度传感器结合的无人车建图方法 |
CN115979248A (zh) * | 2023-03-17 | 2023-04-18 | 上海仙工智能科技有限公司 | 基于定位位姿为约束的地图更新方法及系统、存储介质 |
Non-Patent Citations (3)
Title |
---|
基于激光雷达的移动机器人三维建图与定位;殷江;《福建工程学院学报》;第18卷(第4期);370-374 * |
无人车多传感器融合建图与定位算法研究;刘宗仁;《北京交通大学》;全文 * |
融合视觉信息的激光SLAM;吴松林;《计算机与现代化》;17-23 * |
Also Published As
Publication number | Publication date |
---|---|
CN116255976A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN111652179A (zh) | 基于点线特征融合激光的语义高精地图构建与定位方法 | |
CN111191487A (zh) | 车道线的检测及驾驶控制方法、装置和电子设备 | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN113377888A (zh) | 训练目标检测模型和检测目标的方法 | |
EP4012342B1 (en) | Data processing method and device | |
CN113989451A (zh) | 高精地图构建方法、装置及电子设备 | |
CN113835102B (zh) | 车道线生成方法和装置 | |
EP3968609A1 (en) | Control method, vehicle, and server | |
CN114842450A (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN113392169A (zh) | 一种高精度地图更新的方法、装置及服务器 | |
CN113378694B (zh) | 生成目标检测和定位系统及目标检测和定位的方法及装置 | |
CN113256595A (zh) | 地图创建方法、装置、设备及计算机存储介质 | |
Mussone et al. | An innovative method for the analysis of vehicle movements in roundabouts based on image processing | |
CN116255976B (zh) | 地图融合方法、装置、设备及介质 | |
CN113227713A (zh) | 生成用于定位的环境模型的方法和系统 | |
CN114111817A (zh) | 基于slam地图与高精度地图匹配的车辆定位方法及系统 | |
CN116736327B (zh) | 定位数据优化方法、装置、电子设备和可读存储介质 | |
US20230025579A1 (en) | High-definition mapping | |
CN114719872B (zh) | 车道线处理方法、装置及电子设备 | |
CN117622262B (zh) | 列车自主感知定位方法及系统 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 | |
CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
CN116740295A (zh) | 虚拟场景生成方法及装置 | |
CN114155509A (zh) | 一种路面可通行区域提取方法及提取系统 |
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 |