CN116449392B - 一种地图构建方法、装置、计算机设备及存储介质 - Google Patents
一种地图构建方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116449392B CN116449392B CN202310706871.4A CN202310706871A CN116449392B CN 116449392 B CN116449392 B CN 116449392B CN 202310706871 A CN202310706871 A CN 202310706871A CN 116449392 B CN116449392 B CN 116449392B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- reflectivity
- cloud data
- frame
- reflection intensity
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 62
- 238000002310 reflectometry Methods 0.000 claims abstract description 431
- 230000009466 transformation Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 55
- 239000013598 vector Substances 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G01C21/3837—Data obtained from a single source
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本公开提供了一种地图构建方法、装置、计算机设备及存储介质，技术领域为计算机技术领域，技术问题为如何在不需要提前布置高反射率装置的情况下进行地图构建，主要用途为构建出可应用于自动驾驶、机器人控制等应用场景中的地图；其中，该方法包括：获取多帧点云数据；基于多帧点云数据，确定待建图场景中的高反射率物体；对各高反射率物体在各帧点云数据分别对应的初始反射强度值进行补偿处理，得到各高反射率物体分别对应的更新后的目标反射强度值；基于更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；基于各帧点云数据之间的位姿变换关系构建待建图场景对应的地图。
Description
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种地图构建方法、装置、计算机设备及存储介质。
背景技术
随着人工智能领域的快速发展，自动驾驶技术和机器人技术得到了越来越广泛的关注，自动驾驶和自主移动机器人的核心技术之一是激光雷达建图技术，通过激光雷达建图可以为后续的定位提供地图，从而能够辅助相关设备进行准确的定位。
相关技术中，为了提高激光雷达建图的准确性，往往会使用反光柱、反光膜等人工布置的高反射率装置来进行建图，在具体建图过程中需要提前在待建图场景中布置这类高反射率装置，如果未布置高反射率装置则可能会在建图过程中产生无法准确识别出场景中物体的情况，从而难以在没有参照物的情况下准确的完成激光雷达建图，但在很多现实场景（比如高速公路）中往往难以提前布置高反射率装置，因此提前布置高反射率装置的这种方式适用场景较为有限，基于提前布置的高反射率装置进行地图构建的方式有待改进。
发明内容
本公开实施例至少提供一种地图构建方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种地图构建方法，包括：
获取目标雷达采集的待建图场景对应的多帧点云数据；
基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；
基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
一种可能的实施方式中，在所述目标雷达的数量为多个的情况下，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体之前，所述方法还包括：
根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据；
所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
一种可能的实施方式中，所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点；
对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
一种可能的实施方式中，针对任一帧点云数据，所述方法还包括根据以下方法对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率角度补偿处理：
针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面；
基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理。
一种可能的实施方式中，所述目标雷达与所述高反射率物体之间的第一相对位置关系，通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；
所述基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理，包括：
基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角；
基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值；
基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
一种可能的实施方式中，所述基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系，包括：
针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合；
基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
一种可能的实施方式中，所述基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图，包括：
基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
第二方面，本公开实施例还提供一种车辆控制方法，包括：
获取与目标车辆当前所处位置匹配的目标地图；其中，所述目标地图为基于第一方面中任一所述的地图构建方法构建；
基于所述目标地图对所述目标车辆进行控制。
第三方面，本公开实施例还提供一种地图构建装置，包括：
获取模块，用于获取目标雷达采集的待建图场景对应的多帧点云数据；
确定模块，用于基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
补偿模块，用于基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；
匹配模块，用于基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
构建模块，用于基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
一种可能的实施方式中，在所述目标雷达的数量为多个的情况下，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体之前，所述确定模块还用于：
根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据；
所述确定模块，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体时，用于：
基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
一种可能的实施方式中，所述确定模块，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体时，用于：
针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点；
对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
一种可能的实施方式中，针对任一帧点云数据，所述补偿模块还用于根据以下步骤对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率角度补偿处理：
针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面；
基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理。
一种可能的实施方式中，所述目标雷达与所述高反射率物体之间的第一相对位置关系，通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；
所述补偿模块，在基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理时，用于：
基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角；
基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值；
基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
一种可能的实施方式中，所述匹配模块，在基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系时，用于：
针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合；
基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
一种可能的实施方式中，所述构建模块，在基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图时，用于：
基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
第四方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面或第二方面中，任一种可能的实施方式中的步骤。
第五方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面或第二方面中，任一种可能的实施方式中的步骤。
本公开实施例提供的地图构建方法、装置、计算机设备及存储介质，在基于获取的目标雷达采集的待建图场景对应的多帧点云数据，确定出所述待建图场景中的高反射率物体之后，可以基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，从而能够解决常规物体由于扫描角度等原因，导致的在激光雷达建图的过程中不能被持续检出的问题，从而能够在不提前布置高反射率装置的情况下，也能够通过对待建图场景中物体的持续检出，准确的确定出帧间的位姿变换关系，从而能够基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。这样，相较于相关技术中提前布置高反射率装置的地图构建方案，本公开中的方案由于对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行了反射率角度补偿处理，因此不需要提前布置高反射率装置也可以实现地图的准确构建，节约了成本且能够应用于更多的地图构建场景中。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本公开实施例所提供的一种地图构建方法的流程图；
图2示出了本公开实施例所提供的地图构建方法中，表征高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角的示意图；
图3示出了本公开实施例所提供的一种车辆控制方法的流程图；
图4示出了本公开实施例所提供的一种机器人控制方法的流程图；
图5示出了本公开实施例所提供的一种地图构建装置的架构示意图；
图6示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，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。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
经研究发现，常规物体可能会因为扫描角度等原因，在激光雷达建图的过程中并不能被持续检出，从而难以准确的确定出同一物体在不同帧雷达数据之间的位姿关系变换，进而难以根据同一物体在不同帧雷达数据之间的位姿关系变换实现激光雷达建图。
因此，为了提高激光雷达建图的准确性，往往会使用反光柱、反光膜等人工布置的高反射率装置来进行建图，在具体建图过程中需要提前在待建图场景中布置这类高反射率装置，如果未布置高反射率装置则可能会在建图过程中产生无法准确识别出场景中物体的情况，从而难以在没有参照物的情况下准确的完成激光雷达建图，但在很多现实场景（比如高速）中往往难以提前布置高反射率装置，因此提前布置高反射率装置的这种方式适用场景较为有限，基于提前布置的高反射率装置进行地图构建的方式有待改进。
基于上述研究，本公开提供了一种地图构建方法、装置、计算机设备及存储介质，在基于获取的目标雷达采集的待建图场景对应的多帧点云数据，确定出所述待建图场景中的高反射率物体之后，可以基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，从而能够解决常规物体由于扫描角度等原因，导致的在激光雷达建图的过程中不能被持续检出的问题，从而能够在不提前布置高反射率装置的情况下，也能够通过对待建图场景中物体的持续检出，准确的确定出帧间的位姿变换关系，从而能够基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。这样，相较于相关技术中提前布置高反射率装置的地图构建方案，本公开中的方案由于对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行了反射率角度补偿处理，因此不需要提前布置高反射率装置也可以实现地图的准确构建，节约了成本且能够应用于更多的地图构建场景中。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种地图构建方法进行详细介绍，本公开实施例所提供的地图构建方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备（User Equipment，UE）、移动设备、用户终端、终端、个人数字助理（PersonalDigital Assistant，PDA）、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该地图构建方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
首先，对本公开的应用场景进行介绍。本公开所提供的方法的应用场景为未布置高反射率材料/装置的场景，本公开中所述高反射率物体为相对于其他物体反射率较高的物体，所述高反射率物体并非布置高反射材料的物体。
参见图1所示，为本公开实施例提供的地图构建方法的流程图，所述方法包括S101~S105，其中：
S101：获取目标雷达采集的待建图场景对应的多帧点云数据。
S102：基于所述多帧点云数据，确定所述待建图场景中的高反射率物体。
S103：基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值。
S104：基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系。
S105：基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
以下是对上述步骤的详细介绍。
针对S101和S102、
这里，所述目标雷达的数量可以为多个，不同的目标雷达对应的雷达类型和/或包络扫描方式可以不同；所述雷达类型可以包括3D毫米波雷达、4D毫米波雷达、激光雷达（Light detection and ranging，LiDAR）等，所述包络扫描方式可以包括水平扫描包络、畸形扫描包络等；所述目标雷达可以被部署在目标载具上，可以在所述目标载具运动过程中进行实时点云数据采集，所述目标载具可以是车辆、机器人等；所述待建图场景可以是仓库、地下停车场等。
具体的，所述目标雷达在进行点云数据采集之前需要进行准确的内参标定和外参标定，在对所述目标雷达进行外参标定时可以使用静态标定方式或者动态标定方式进行外参标定；其中，在进行静态标定时，可以静态的标靶在室内进行外参标定；在进行动态标定时，可以在室外驾驶过程中通过多传感器融合的方式对外参进行标定，所述多传感器融合时使用的传感器数据可以包括车辆轮速、组合惯性导航数据等。
所述高反射率物体为固定存在于所述待建图场景内的物体，为了进行建图并未对其进行任何处理，高反射率为所述高反射率物体本身的特性，例如所述高反射率物体可以为贴有瓷砖的柱子等。
为了提高建图精度，在采集点云数据时，可以通过多个目标雷达进行采集，一种可能的实施方式中，在所述目标雷达的数量为多个的情况下，在确定所述待建图场景中的高反射率物体时，可以通过以下步骤A1~A2：
A1：根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据。
这里，所述目标雷达对应的部署位置信息用于表征目标雷达在目标载具中的部署位置；所述预设坐标系可以是车体坐标系、任一目标雷达对应的雷达坐标系等。
具体的，在将各所述目标雷达分别采集的点云数据转换至预设坐标系下时，可以先将各目标雷达分别采集的点云数据进行运动畸变祛除处理，以对各目标雷达分别采集的点云数据进行校正，并按照具体的点云数据采集时间，将对应有相同点云数据采集时间的经过运动畸变祛除处理后的点云数据进行合并，得到在所述预设坐标系下的点云数据。
进一步的，点云数据进行合并的过程中需要将各点云数据中点云点转换至所述预设坐标系下，当不同目标雷达分别对应的点云点在转换至所述预设坐标系下之后，若存在坐标重叠的目标点云点，则针对任一所述坐标重叠位置处，可以将该位置处的多个目标雷达分别对应的目标点云点进行点云数据融合处理，所述点云数据融合处理可以包括对多个目标点云点对应的点云数据的参数值进行求平均处理、加权求平均处理、求和处理等多种处理方式中的至少一种。
A2：基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
具体的，基于所述多帧点云数据，确定所述待建图场景中的高反射率物体的相关内容将在下文进行详细描述，在此不再展开说明。
这样，通过将多个目标雷达分别采集的点云数据转换至统一的预设坐标系下，可以使得最终在确定高反射率物体时能够同时融合多个目标雷达采集的点云数据，从而可以充分利用不同目标雷达的不同属性提高待建图场景中高反射率物体的检出率，比如可以利用所述多个目标雷达的不同安装位置，实现更大范围的高反射率物体检测，又比如还可以利用所述多个目标雷达的不同型号和/或包络扫描方式，对待建图场景实现更为精确的扫描，从而可以提高最终构建的地图的准确性。
一种可能的实施方式中，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体时，可以通过以下步骤B1~B2：
B1：针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点。
这里，所述强度值用于表征点云点对应的雷达反射强度。
具体的，在按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点时，可以按照强度值由高到低对各点云点进行排序，并将排序队列中满足预设排序条件的点云点作为高反射率点云点；其中，所述预设排序条件例如可以为位于所述排序结果中的前10%、前5%等。
B2：对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
这里，由于物体往往是由多个点云点进行表征，因此可以对各帧点云数据中的高反射率点云点分别进行聚类处理，以确定出各帧点云数据分别对应的高反射率物体。
具体的，在对各帧点云数据中的高反射率点云点分别进行聚类处理时，针对任一帧点云数据，可以按照预设的聚类算法对该帧点云数据中的高反射率点云点进行聚类处理，从而确定出该帧点云数据对应的高反射率物体；其中，所述聚类算法可以是针对该帧点云数据中的高反射率点云点进行欧式距离的聚类，使用的聚类算法可以是K均值聚类算法K-means clustering algorithm、随机采样一致（RANdom SAmple Consensus，RANSAC）算法等。
针对S103、
一种可能的实施方式中，针对任一帧点云数据，可以根据以下步骤C1~C2对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率角度补偿处理：
C1：针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面。
这里，在基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面时，可以对该高反射率物体进行平面特征提取，以确定该高反射率物体对应的高反射率平面。
一种可能的实施方式中，在对高反射率物体进行平面特征提取时，可以通过以下步骤：
步骤1、计算高反射率物体（聚类点云集合，下称点云集合）的质量中心（即质心）。
这里，在计算高反射率物体质心时，可以通过以下公式：
其中，i表示聚类处理后点云集合序号；k表示点云数据的帧数序号；表示第k帧点云数据中的第i个点云集合对应的质心坐标；/>表示的是第k帧点云数据中的第i个点云集合中点云点的数量；/>表示第k帧点云数据中的第i个点云集合；/>表示第k帧点云数据中的第i个点云集合中的第j个点云点，该点云点对应的点云数据包括三维坐标值和反射强度值。
步骤2、根据计算出的质心，确定出点云集合中点云点对应的协方差矩阵。
这里，在计算点云集合中点云点对应的协方差矩阵时，可以通过以下公式：
其中，表示协方差矩阵，通过上述公式即可计算出点云集中点云点对应的协方差矩阵。
步骤3、计算协方差矩阵对应的特征值和特征向量，并根据特征值进行高反射率平面判断，确定点云集合对应的高反射率平面。
这里，在根据上述步骤计算出协方差矩阵后可以计算协方差矩阵对应的特征值，和特征向量/>，所述特征值和特征向量均用于从三个维度表征点云集合在三维欧式空间中的分布情况。
具体的，在根据特征值进行高反射率平面判断时，可以确定是否存在三个特征值中的两个特征值大于第三个特征值预设倍数；若是，则表示该点云集合对应有高反射率平面，若否，则表示该点云集合不存在对应的高反射率平面。
其中，所述预设倍数可以是3倍，在所述三维欧式空间中，若任一点云集合对应的协方差矩阵的两个维度的特征值大于第三个维度的特征值3倍以上，则表示该点云集合在第三个维度上的分布较为均匀，因此存在高反射率平面。
C2：基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理。
其中，所述目标雷达与所述高反射率物体之间的第一相对位置关系，可以通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；此外，若所述目标雷达的数量为多个，则所述第一相对位置关系可以通过所述预设坐标系的原点至该高反射率物体质心的方向向量表征。
一种可能的实施方式中，在基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理时，可以通过以下步骤C21~C22：
C21：基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角。
这里，在确定该高反射率物体对应的高反射率平面的法向量时，可以在确定出该高反射率物体对应的点云集合的协方差矩阵后，根据协方差矩阵对应的特征值判断高反射率平面后，将对应有较大的两个特征值的两个特征向量的乘积作为所述高反射率物体对应的高反射率平面的法向量。
示例性的，以该高反射率物体对应的点云集合的协方差矩阵经过特征提取后得到的特征值为，特征向量为/>为例，若/>和/>均大于/>的3倍，则可以将/>对应的/>，以及/>对应的/>的乘积作为所述高反射率对应的高反射率平面的法向量，也即该高反射率物体对应的高反射率平面的法向量/>。
具体的，在基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角时，可以通过以下公式：
其中，表示所述目标雷达所在位置至该高反射率物体质心的方向向量，/>；/>表示在采集第k帧点云数据时第i个高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角。
示例性的，表征所述高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角的示意图可以如图2所示，图2中带箭头的虚线表示所述目标雷达所在位置至该高反射率（即图中的点云集合）物体质心的方向向量，带箭头的实线为该高反射率物体对应的高反射率平面的法向量，所述向量夹角即为带箭头的虚线所表示的向量，与所述带箭头的实线所表示的向量之间的夹角。
C22：基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值。
C23：基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
这里，在计算所述平均反射强度值时，可以通过以下公式：
其中，表示补偿处理前的第k帧点云数据中第i个高反射率物体对应的点云集合中各点云点的平均反射强度值；/>表示第k帧点云数据中第i个高反射率物体对应的点云集合中第j个点云点分别对应的反射强度值；/>表示第k帧点云数据中第i个高反射率物体对应的高反射率平面中包含的点云点。
一种可能的实施方式中，在基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值时，可以通过以下公式：
其中，表示补偿处理后的第k帧点云数据中第i个高反射率物体对应的反射强度值，也即上述公式中的m表示补偿处理前，n表示补偿处理后。
这样，基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，可以提高雷达在建图过程中对物体的持续检出能力，以便于后续对同一物体在相邻帧中进行匹配，从而能够准确的建立各帧点云数据的位姿转换关系，在不需要反光膜、反光柱等专业建图设备的情况下仍可以进行高精度的地图构建。
针对S104、
一种可能的实施方式中，在基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系时，可以通过以下步骤D1~D2：
D1：针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合。
一种可能的方式中，设所述任意两帧相邻为第k-1帧和第k帧，则在基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配时，可以通过以下步骤D11~D12：
D11：将第k-1帧点云数据中各点云集合分别对应的质心坐标添加至预设的树结构中。
这里，为了提高后续的点云数据匹配效率，可以将各高反射率物体分别对应的质心坐标添加至k维欧式空间组织点树结构kd-tree中。
D12：针对第k帧点云数据中的各高反射率物体，依次根据更新后的目标反射强度值从所述预设的树结构中进行匹配，得到相邻点云数据的匹配结果。
这里，在从所述预设的树结构中进行匹配时，可以根据欧式距离的最近邻节点搜索算法（K-Nearest Neighbor，KNN）进行匹配。
具体的，在进行匹配时，可以根据反射强度值确定是否匹配成功；若第k-1帧点云数据中存在与第k帧点云数据中任一高反射率物体的目标反射强度值，满足预设反射强度值关系的匹配点云集合，则可以确定所述匹配点云集合与第k帧点云数据中该高反射率物体对应的点云集合，为同一高反射率物体对应的目标点云集合。
其中，所述预设反射强度值关系例如可以是反射强度值的差异值小于10%，所述差异值用于表征第k-1帧点云数据中点云集合对应的平均反射强度值，与第k帧点云数据中高反射率物体对应的目标反射强度值之间的差异。
D2：基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
这里，在确定该相邻点云数据中对应有同一高反射率物体的目标点云集合之后，可以根据下述步骤确定该相邻点云数据之间的位姿变换关系：
步骤1、建立用于分析相邻点云数据之间点云点转换关系准确性的残差公式。
这里，所述残差公式可以为：
其中，表示第k帧点云数据中的目标点云集合中的点云点/>为经过旋转/>和平移/>的刚体变换后的点云点；/>表示点云点/>对应的残差；/>表示第k-1帧点云数据中的第i个点云集合的质心坐标；/>表示第k-1帧点云数据中的第i个高反射率物体对应的高反射率平面的法向量。
步骤2、建立点云点转换关系的转换公式。
这里，所述转换公式可以为：
上述公式表示，第k帧点云数据中目标点云集合中的点云点经过旋转和平移/>，得到第k帧点云数据中用于计算残差的目标点云集合中的点云点/>。
步骤3、建立并优化总残差公式。
这里，总残差公式可以为：
其中，W表示上述匹配成功的目标点云集合的总数量，通过对各目标点云集合中的点云点的残差进行求和，可以使得在确定相邻点云数据之间的位姿变换关系时，能够同时使用匹配到的各目标点云集合，从而提高最终得到的位姿变换关系的准确性。
进一步的，在得到总残差公式后，可以对根据预设的优化算法对总残差公式计算出的总残差值进行优化，以拟合出更为准确的位姿变换关系；其中，所述优化算法可以是非线性优化算法列文伯格-马夸尔特算法（Levenberg-Marquardt method，LM算法）等。
这样，通过对建立的表征相邻点云数据中实际位姿变换关系与预测的位姿变换关系之间差异的总残差的迭代优化，可以不断提高位姿变换关系的精确度，最终得到各帧点云数据准确的位姿变换关系。
针对S105、
一种可能的实施方式中，在基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图时，可以基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
这里，可以将所述初始帧点云数据对应的坐标系作为地图坐标系，并将基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，从而可以在所述地图坐标系中构建所述待建图场景对应的完整地图。
示例性的，可以通过以下步骤构建所述待建图场景对应的完整地图。
步骤1、定义所述初始帧中所述目标载具的姿态为3×3的单位矩阵，所述初始帧中所述目标载具的位置/>为所述地图坐标系的原点。
步骤2、将基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中。
这里，第k帧点云数据中的高反射率物体在进行转换时可以通过以下公式：
其中，表示第k帧对应的点云集合；/>表示将第k帧对应的点云集合转换到地图坐标系后的点云数据；/>为/>组成的4×4的变换矩阵，/>；/>表示第k帧点云数据中第i个高反射率物体对应的高反射率平面中包含的点云点。
这样，根据相邻点云数据之间的位姿变换关系，逐渐将各帧点云数据中的高反射率物体对应的目标点云集合转换至所述地图坐标系中，从而可以在所述地图坐标系中构建所述待建图场景对应的地图。
本公开实施例提供的地图构建方法，在基于获取的目标雷达采集的待建图场景对应的多帧点云数据，确定出所述待建图场景中的高反射率物体之后，可以基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，从而能够解决常规物体由于扫描角度等原因，导致的在激光雷达建图的过程中不能被持续检出的问题，从而能够在不提前布置高反射率装置的情况下，也能够通过对待建图场景中物体的持续检出，准确的确定出帧间的位姿变换关系，从而能够基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。这样，相较于相关技术中提前布置高反射率装置的地图构建方案，本公开中的方案由于对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行了反射率角度补偿处理，因此不需要提前布置高反射率装置也可以实现地图的准确构建，节约了成本且能够应用于更多的地图构建场景中。
参见图3所示，为本公开实施例提供的车辆控制方法的流程图，所述方法包括S301~S302，其中：
S301：获取与目标车辆当前所处位置匹配的目标地图；其中，所述目标地图为基于本公开任一实施例所述的地图构建方法构建。
S302：基于所述目标地图对所述目标车辆进行控制。
这里，对所述目标车辆进行控制，例如包括控制所述目标车辆加速、减速、转向、制动等，或者可以播放语音提示信息，以提示驾驶员控制车辆加速、减速、转向、制动等。
参见图4所示，为本公开实施例提供的机器人控制方法的流程图，所述方法包括S401~S402，其中：
S401：获取与目标机器人当前所处位置匹配的目标地图；其中，所述目标地图为基于本公开任一实施例所述的地图构建方法构建。
S402：基于所述目标地图对所述目标机器人进行控制。
这里，对所述目标机器人进行控制，例如包括控制所述目标机器人加速、减速、转向、制动等。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与地图构建方法对应的地图构建装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述地图构建方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图5所示，为本公开实施例提供的一种地图构建装置的架构示意图，所述装置包括：获取模块501、确定模块502、补偿模块503、匹配模块504、构建模块505；其中，
获取模块501，用于获取目标雷达采集的待建图场景对应的多帧点云数据；
确定模块502，用于基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
补偿模块503，用于基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；
匹配模块504，用于基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
构建模块505，用于基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
一种可能的实施方式中，在所述目标雷达的数量为多个的情况下，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体之前，所述确定模块502还用于：
根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据；
所述确定模块502，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体时，用于：
基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
一种可能的实施方式中，所述确定模块502，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体时，用于：
针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点；
对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
一种可能的实施方式中，针对任一帧点云数据，所述补偿模块503还用于根据以下步骤对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率角度补偿处理：
针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面；
基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理。
一种可能的实施方式中，所述目标雷达与所述高反射率物体之间的第一相对位置关系，通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；
所述补偿模块503，在基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理时，用于：
基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角；
基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值；
基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
一种可能的实施方式中，所述匹配模块504，在基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系时，用于：
针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合；
基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
一种可能的实施方式中，所述构建模块505，在基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图时，用于：
基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
本公开实施例提供的地图构建装置，在基于获取的目标雷达采集的待建图场景对应的多帧点云数据，确定出所述待建图场景中的高反射率物体之后，可以基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，从而能够解决常规物体由于扫描角度等原因，导致的在激光雷达建图的过程中不能被持续检出的问题，从而能够在不提前布置高反射率装置的情况下，也能够通过对待建图场景中物体的持续检出，准确的确定出帧间的位姿变换关系，从而能够基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。这样，相较于相关技术中提前布置高反射率装置的地图构建方案，本公开中的方案由于对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行了反射率角度补偿处理，因此不需要提前布置高反射率装置也可以实现地图的准确构建，节约了成本且能够应用于更多的地图构建场景中。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图6所示，为本公开实施例提供的计算机设备600的结构示意图，包括处理器601、存储器602、和总线603。其中，存储器602用于存储执行指令，包括内存6021和外部存储器6022；这里的内存6021也称内存储器，用于暂时存放处理器601中的运算数据，以及与硬盘等外部存储器6022交换的数据，处理器601通过内存6021与外部存储器6022进行数据交换，当计算机设备600运行时，处理器601与存储器602之间通过总线603通信，使得处理器601在执行以下指令：
获取目标雷达采集的待建图场景对应的多帧点云数据；
基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率角度补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；
基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
一种可能的实施方式中，所述处理器601的指令中，在所述目标雷达的数量为多个的情况下，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体之前，还包括：
根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据；
所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
一种可能的实施方式中，所述处理器601的指令中，所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点；
对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
一种可能的实施方式中，所述处理器601的指令中，针对任一帧点云数据，还包括根据以下方法对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率角度补偿处理：
针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面；
基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理。
一种可能的实施方式中，所述处理器601的指令中，所述目标雷达与所述高反射率物体之间的第一相对位置关系，通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；
所述基于该高反射率物体对应的高反射率平面，以及在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率角度补偿处理，包括：
基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角；
基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值；
基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
一种可能的实施方式中，所述处理器601的指令中，所述基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系，包括：
针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合；
基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
一种可能的实施方式中，所述处理器601的指令中，所述基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图，包括：
基于除初始帧外的其他帧点云数据与所述初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
或者，使得所述处理器601执行以下指令：
获取与目标车辆当前所处位置匹配的目标地图；其中，所述目标地图为基于本公开任一实施例所述的地图构建方法构建；
基于所述目标地图对所述目标车辆进行控制。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的地图构建方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的地图构建方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包（Software Development Kit，SDK）等等。
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，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种地图构建方法，其特征在于，包括：
获取目标雷达采集的待建图场景对应的多帧点云数据；
基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；其中，进行反射率补偿处理后的所述目标反射强度值大于反射率补偿处理前的所述初始反射强度值；
基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
2.根据权利要求1所述的方法，其特征在于，在所述目标雷达的数量为多个的情况下，在基于所述多帧点云数据，确定所述待建图场景中的高反射率物体之前，所述方法还包括：
根据各所述目标雷达分别对应的部署位置信息，将各所述目标雷达分别采集的点云数据转换至预设坐标系下，得到在所述预设坐标系下的多帧点云数据；
所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
基于在所述预设坐标系下的多帧点云数据，确定所述待建图场景中的高反射率物体。
3.根据权利要求1所述的方法，其特征在于，所述基于所述多帧点云数据，确定所述待建图场景中的高反射率物体，包括：
针对任一帧所述点云数据，按照各点云点分别对应的强度值进行筛选，确定该帧点云数据对应的高反射率点云点；
对各帧点云数据中的高反射率点云点分别进行聚类处理，确定各帧点云数据分别对应的高反射率物体。
4.根据权利要求1所述的方法，其特征在于，针对任一帧点云数据，所述方法还包括根据以下方法对所述高反射率物体在该帧点云数据中的初始反射强度值进行所述反射率补偿处理：
针对任一所述高反射率物体，基于该高反射率物体对应的聚类点云集合，确定该高反射率物体对应的高反射率平面；
基于该高反射率物体对应的高反射率平面和在采集该帧点云数据时所述目标雷达与该高反射率物体之间的第一相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率补偿处理。
5.根据权利要求4所述的方法，其特征在于，所述目标雷达与所述高反射率物体之间的第一相对位置关系，通过所述目标雷达所在位置至该高反射率物体质心的方向向量表征；
所述基于该高反射率物体对应的高反射率平面和在采集该帧点云数据时所述目标雷达与所述高反射率物体之间的相对位置关系，对该高反射率物体在该帧点云数据中对应的初始反射强度值进行所述反射率补偿处理，包括：
基于该高反射率物体对应的高反射率平面的法向量，以及由所述目标雷达所在位置至该高反射率物体质心的方向向量，确定用于表征在采集该帧点云数据时该高反射率物体对应的高反射率平面，与所述目标雷达之间第二相对位置关系的向量夹角；
基于该高反射率物体对应的向量夹角和该高反射率物体对应的平均反射强度值，确定该高反射率物体对应的补偿处理后的反射强度值；
基于该高反射率物体对应的补偿处理后的反射强度值，对该高反射率物体对应的初始反射强度值进行更新，得到该高反射率物体对应的更新后的反射强度值。
6.根据权利要求1所述的方法，其特征在于，所述基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系，包括：
针对任意两帧相邻点云数据，基于各所述高反射率物体分别对应的更新后的目标反射强度值，将该相邻点云数据进行匹配，确定该相邻点云数据中对应有同一高反射率物体的目标点云集合；
基于所述目标点云集合在该相邻点云数据中的位置信息，确定该相邻点云数据之间的位姿变换关系。
7.根据权利要求4所述的方法，其特征在于，所述基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图，包括：
基于除初始帧外的其他帧点云数据与初始帧点云数据之间的位姿变换关系，将高反射率物体对应的高反射率平面在其他帧点云数据中的位置信息转换至所述初始帧中，以在所述初始帧中构建所述待建图场景对应的地图。
8.一种地图构建装置，其特征在于，包括：
获取模块，用于获取目标雷达采集的待建图场景对应的多帧点云数据；
确定模块，用于基于所述多帧点云数据，确定所述待建图场景中的高反射率物体；
补偿模块，用于基于所述目标雷达与所述高反射率物体之间的相对位置关系，对各所述高反射率物体在各帧点云数据分别对应的初始反射强度值进行反射率补偿处理，得到各所述高反射率物体分别对应的更新后的目标反射强度值；其中，进行反射率补偿处理后的所述目标反射强度值大于反射率补偿处理前的所述初始反射强度值；
匹配模块，用于基于各所述高反射率物体分别对应的更新后的目标反射强度值，将各帧点云数据进行匹配，并基于匹配结果确定各帧点云数据之间的位姿变换关系；
构建模块，用于基于所述各帧点云数据之间的位姿变换关系构建所述待建图场景对应的地图。
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的地图构建方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的地图构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310706871.4A CN116449392B (zh) | 2023-06-14 | 2023-06-14 | 一种地图构建方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310706871.4A CN116449392B (zh) | 2023-06-14 | 2023-06-14 | 一种地图构建方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116449392A CN116449392A (zh) | 2023-07-18 |
| CN116449392B true CN116449392B (zh) | 2023-09-19 |
Family
ID=87130595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310706871.4A Active CN116449392B (zh) | 2023-06-14 | 2023-06-14 | 一种地图构建方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449392B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095061B (zh) * | 2023-10-20 | 2024-02-09 | 山东大学 | 基于点云强度显著点的机器人位姿优化方法及系统 |
| CN117518197B (zh) * | 2024-01-08 | 2024-03-26 | 太原理工大学 | 煤矿井下掘进巷道的轮廓标示方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7492304B1 (en) * | 2005-01-20 | 2009-02-17 | Rockwell Collins, Inc. | Automatic bright band detection and compensation |
| CN109253731A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 停车场地图生成方法、装置、设备及可读存储介质 |
| US11099275B1 (en) * | 2020-04-29 | 2021-08-24 | Tsinghua University | LiDAR point cloud reflection intensity complementation method and system |
| CN113432600A (zh) * | 2021-06-09 | 2021-09-24 | 北京科技大学 | 基于多信息源的机器人即时定位与地图构建方法及系统 |
| WO2021253430A1 (zh) * | 2020-06-19 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 绝对位姿确定方法、电子设备及可移动平台 |
| KR20220081135A (ko) * | 2020-12-08 | 2022-06-15 | 국민대학교산학협력단 | 객체 검출 장치 및 방법 |
| CN115685159A (zh) * | 2022-09-30 | 2023-02-03 | 国科光芯(海宁)科技股份有限公司 | 雷达模组的数据标定方法及装置、系统、设备、存储介质 |
-
2023
- 2023-06-14 CN CN202310706871.4A patent/CN116449392B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7492304B1 (en) * | 2005-01-20 | 2009-02-17 | Rockwell Collins, Inc. | Automatic bright band detection and compensation |
| CN109253731A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 停车场地图生成方法、装置、设备及可读存储介质 |
| US11099275B1 (en) * | 2020-04-29 | 2021-08-24 | Tsinghua University | LiDAR point cloud reflection intensity complementation method and system |
| WO2021253430A1 (zh) * | 2020-06-19 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 绝对位姿确定方法、电子设备及可移动平台 |
| KR20220081135A (ko) * | 2020-12-08 | 2022-06-15 | 국민대학교산학협력단 | 객체 검출 장치 및 방법 |
| CN113432600A (zh) * | 2021-06-09 | 2021-09-24 | 北京科技大学 | 基于多信息源的机器人即时定位与地图构建方法及系统 |
| CN115685159A (zh) * | 2022-09-30 | 2023-02-03 | 国科光芯(海宁)科技股份有限公司 | 雷达模组的数据标定方法及装置、系统、设备、存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于激光雷达的SLAM地图构建算法研究;郭旭;中国优秀硕士学位论文全文数据库信息科技辑(第2期);I136-1748-1-I136-1748-53 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116449392A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116449392B (zh) | 一种地图构建方法、装置、计算机设备及存储介质 | |
| CN109343061B (zh) | 传感器标定方法、装置、计算机设备、介质和车辆 | |
| CN109211251B (zh) | 一种基于激光和二维码融合的即时定位与地图构建方法 | |
| US10867189B2 (en) | Systems and methods for lane-marker detection | |
| Segal et al. | Generalized-icp. | |
| CN111413721B (zh) | 车辆定位的方法、装置、控制器、智能车和系统 | |
| US11725944B2 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
| CN110930495A (zh) | 基于多无人机协作的icp点云地图融合方法、系统、装置及存储介质 | |
| CN110807350A (zh) | 用于面向扫描匹配的视觉slam的系统和方法 | |
| CN113865580B (zh) | 构建地图的方法、装置、电子设备及计算机可读存储介质 | |
| CN108332758B (zh) | 一种移动机器人的走廊识别方法及装置 | |
| US20200104614A1 (en) | Method and device for positioning vehicle, device, and computer readable storage medium | |
| CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
| US20220198928A1 (en) | Navigation system with parking space identification mechanism and method of operation thereof | |
| CN114820749A (zh) | 无人车井下定位方法、系统、设备及介质 | |
| CN113971697A (zh) | 一种空地协同车辆定位定向方法 | |
| KR102249381B1 (ko) | 3차원 영상 정보를 이용한 모바일 디바이스의 공간 정보 생성 시스템 및 방법 | |
| CN112148817B (zh) | 一种基于全景图的slam优化方法、装置和系统 | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN115345944A (zh) | 外参标定参数确定方法、装置、计算机设备和存储介质 | |
| CN114076946A (zh) | 一种运动估计方法及装置 | |
| CN116736231A (zh) | 一种场景重识别方法、装置、计算机设备及存储介质 | |
| Robinson et al. | Pattern design for 3D point matching | |
| CN117115414B (zh) | 基于深度学习的无gps无人机定位方法及装置 | |
| CN116681884B (zh) | 一种对象检测方法和相关装置 |
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 |