CN116499447A - 一种地图构建的方法及装置 - Google Patents

一种地图构建的方法及装置 Download PDF

Info

Publication number
CN116499447A
CN116499447A CN202210055515.6A CN202210055515A CN116499447A CN 116499447 A CN116499447 A CN 116499447A CN 202210055515 A CN202210055515 A CN 202210055515A CN 116499447 A CN116499447 A CN 116499447A
Authority
CN
China
Prior art keywords
target point
unmanned aerial
aerial vehicle
dimensional
point
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
Application number
CN202210055515.6A
Other languages
English (en)
Inventor
刘长江
郭彦杰
庞勃
王昌龙
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202210055515.6A priority Critical patent/CN116499447A/zh
Publication of CN116499447A publication Critical patent/CN116499447A/zh
Pending legal-status Critical Current

Links

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
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • 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
    • 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
    • G01C21/3863—Structures of map data
    • G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本说明书公开了一种地图构建的方法及装置，获取二维雷达采集的各目标点的二维点云数据，根据各目标点的二维点云数据，确定各目标点与该无人机的位置关系，并根据各目标点与该无人机的位置关系、该无人机的视觉建图、该无人机的位姿以及该二维雷达的波束宽度，分别确定各目标点的高度信息，再根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，以控制该无人机飞行。可见，本方法在采用低成本二维雷达采集各目标点的数据后，可通过该无人机的视觉建图、各目标点与该无人机的位置关系等因素，确定各目标点的高度信息，弥补了二维雷达无法确定各目标点高度信息的缺陷，在构建雷达三维点云地图的同时节省了成本。

Description

一种地图构建的方法及装置
技术领域
本说明书涉及地图构建技术领域，尤其涉及一种地图构建的方法及装置。
背景技术
目前，随着科技的发展，无人机被广泛用于电力、气象、农业等领域，而在无人机的行进过程中，为了保证无人机的安全，需要实时检测无人机周围的障碍物，并避免无人机与障碍物发生接触。
在现有技术中，由于图像传感器受环境光线等环境因素影响较大，而激光雷达存在的精度高等优势，因此一般选择在无人机上配置激光雷达进行障碍物检测。
但是，由于激光雷达的成本居高不下，掣肘了无人机的推广和发展，而成本较低的超声波传感器发出的超声波容易衰减和受到干扰，毫米波雷达受到天气影响严重。因此，目前亟需一种成本低廉、效果稳定的障碍物探测方法，可对无人机周围的障碍物进行探测，并形成三维地图，实现无人机避障。
发明内容
本说明书提供一种地图构建的方法及装置，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种地图构建的方法，包括：
获取无人机上二维雷达采集的各目标点的二维点云数据；
根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息；
根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
可选的，根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息，具体包括：
确定所述无人机的视觉建图中各特征点的三维位置信息；
针对每个目标点，根据所述各特征点的三维位置信息、该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，判断是否存在与该目标点匹配的特征点；
若是，则根据与该目标点匹配的特征点的三维位置信息，确定该目标点的高度信息；
若否，则根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围，并根据所述预估高度范围上边界和下边界的平均值确定该目标点的高度信息。
可选的，根据所述各特征点的三维位置信息、该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，判断是否存在与该目标点匹配的特征点，具体包括：
根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围；
根据各特征点的三维位置信息，判断是否存在三维位置信息的高度值落入所述预估高度范围，且特征点的水平位置与该目标点的水平位置的差值小于预设的位置阈值的特征点。
可选的，根据与该目标点匹配的特征点的三维位置信息，确定该目标点的高度信息，具体包括：
当与该目标点匹配的特征点有多个时，从匹配的各特征点中，确定与该目标点距离最小的特征点的高度值，并将确定出的高度值作为该目标点的高度信息；
当与该目标点匹配的特征点为单个时，将所述匹配的特征点的高度值，作为该目标点的高度信息。
可选的，根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，具体包括：
针对每个目标点，根据该目标点与所述无人机的位置关系，确定该目标点与所述无人机的水平距离；
根据预设的膨胀函数中的水平阈值与所述水平距离的差值，确定水平膨胀范围；
根据预设的膨胀函数中的垂直阈值与所述水平距离的差值，确定垂直膨胀范围；
根据所述水平膨胀范围以及所述垂直膨胀范围，确定该目标点对应的膨胀范围；
根据该目标点的二维点云数据、高度信息以及对应的膨胀范围，确定表征该目标点的点阵；
根据分别表征各目标点的点阵，构建雷达三维点云地图。
可选的，根据该目标点的二维点云数据、高度信息以及对应的膨胀范围，确定表征该目标点的点阵，具体包括：
根据该目标点的二维点云数据以及该目标点的高度信息，确定该目标点的膨胀中心；
根据该目标点与所述无人机的位置关系以及该目标点的膨胀中心，确定该目标点相对所述无人机的方位角以及该目标点相对所述无人机的俯仰角；
根据该目标点对应的膨胀范围、所述方位角以及所述俯仰角，确定表征该目标点的点阵。
可选的，根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，具体包括：
根据已存储的各历史时刻采集的各目标点的二维点云数据以及高度信息，以及当前时刻采集的各目标点的二维点云数据以及高度信息，构建雷达三维点云地图；
存储当前时刻采集的各目标点的二维点云数据以及高度信息。
可选的，构建雷达三维点云地图之前，所述方法还包括：
针对每个已存储的目标点，分别确定该已存储的目标点与当前时刻采集的各目标点的水平距离；
当所述各水平距离中存在小于预设的距离阈值的水平距离时，删除该已存储的目标点。
可选的，构建雷达三维点云地图之前，所述方法还包括：
针对每个已存储的目标点，确定该已存储的目标点的采集时刻与当前时刻的时间差，确定采集该已存储的目标点时所述无人机的高度与当前时刻所述无人机的高度差，确定在所述时间差下所述无人机与该已存储的目标点之间的角度变化；
判断所述时间差是否大于预设的时间阈值，所述高度差是否大于预设的高度阈值，所述角度变化是否大于预设的角度阈值；
若上述判断结果中任一为是，则删除该已存储的目标点；
若上述判断结果均为否，则不删除该已存储的目标点。
本说明书提供一种地图构建的装置，包括：
获取模块，用于获取无人机上二维雷达采集的各目标点的二维点云数据；
高度模块，用于根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息；
构建模块，用于根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述地图构建的方法。
本说明书提供了一种生成雷达三维点云地图的无人机，所述无人机包括：多个传感器，被配置为收集关于所述无人机工作环境的数据；一个或多个处理器，被配置为使用所述数据控制所述无人机飞行；一个或多个通信单元，被配置为将所述数据发送给所述无人机外的一个或多个处理器；一个或多个存储器，被配置为存储可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述地图构建的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的地图构建的方法中，无人机可获取二维雷达采集的各目标点的二维点云数据，根据各目标点的二维点云数据，确定各目标点与该无人机的位置关系，并根据各目标点与该无人机的位置关系、该无人机的视觉建图、该无人机的位姿以及该二维雷达的波束宽度，分别确定各目标点的高度信息，再根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，以控制该无人机飞行。
从上述方法中可以看出，本方法在采用低成本二维雷达采集各目标点的数据后，可通过该无人机的视觉建图、各目标点与该无人机的位置关系等因素，确定各目标点的高度信息，弥补了二维雷达无法确定各目标点高度信息的缺陷，在构建雷达三维点云地图的同时节省了成本。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的地图构建的流程示意图；
图2a为本说明书实施例提供的一种雷达波束示意图；
图2b为本说明书实施例提供的一种无人机俯仰飞行示意图；
图3a为本说明书实施例提供的一种近距离膨胀角度示意图；
图3b为本说明书实施例提供的一种远距离膨胀角度示意图；
图4a为本说明书实施例提供的一种无人机与目标点的俯视图；
图4b为本说明书实施例提供的一种无人机与目标点的侧视图；
图5为本说明书实施例提供的一种二维雷达安装角度示意图；
图6为本说明书实施例提供的一种地图构建的装置的结构示意图；
图7为本说明书实施例提供的实现地图构建的方法的无人机结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本申请保护的范围。
目前，现有的无人机避障方案通常是利用无人机上的红外线传感器、超声波传感器、双目视觉系统、激光雷达等三维传感器感知无人机周围的障碍物的三维位置信息，构建三维地图，最终实现无人机避障。
由于红外线传感器的测距精度较差，超声波传感器发出的超声波容易衰减和受到干扰，双目视觉系统对环境光线敏感，并且不适用于缺乏纹理的场景。因此，现有的无人机避障方案通常是利用激光雷达探测到的数据弥补其他传感器的感知缺陷。例如，采用激光雷达弥补双目视觉系统在昏暗环境下的感知缺陷，采用激光雷达弥补其他传感器对电线等细长目标的感知缺陷。
低成本的二维雷达由于只具备二维定位能力，因此通常并不会用于进行障碍物检测。二维雷达采集到的数据，仅包括一个水平位置的坐标。即只能基于采集的数据确定障碍物相对于无人机在水平方向上的距离和障碍物相对于无人机的方位角，无法确定障碍物的高度信息，更无法确定障碍物的形状、大小等信息。
对此，在本说明书的一个或多个实施例中，可基于二维雷达采集的数据，采用预估目标点高度的方法，将二维雷达采集的数据转化为三维信息，并构建雷达三维点云地图，达到在降低成本的情况下，提高雷达三维点云地图的可靠性的效果，最终实现无人机避障。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种地图构建的方法的流程示意图，具体包括以下步骤：
S100：获取无人机上二维雷达采集的各目标点的二维点云数据。
现有的无人机避障方法，通过无人机上的传感器实时探测无人机周围的障碍物信息，进行无人机避障。并且，为了提高避障的准确率，避免数据传输延时带来的问题，通常由无人机识别障碍物以及进行避障。同理，在本说明书一个或多个实施例中，构建的地图也是用于无人机避障的，因此该地图构建的方法可由无人机执行。
通常情况下二维雷达采集到的障碍物信息，体现为至少一个目标点的二维点云数据。而为了避免由于二维雷达无法确定目标点的高度，导致无人机与目标点对应的障碍物发生碰撞，造成不必要的后果。在本说明书的一个或多个实施例中，可采用预估目标点高度的方法弥补二维雷达的缺陷，实现雷达三维点云地图的构建。
具体的，首先，该无人机上的二维雷达可实时采集各目标点的二维点云数据。各目标点的二维点云数据至少包括各目标点与该无人机的位置关系，即，各目标点与该无人机的水平距离以及各目标点相对该无人机的方向。其中，在该无人机上二维雷达探测到的各目标点的二维点云数据中，各目标点分别对应该二维点云数据中的一个点。
其次，根据该无人机上的定位系统，例如，全球定位系统、北斗定位系统等，确定在大地坐标系中该无人机的三维位置信息。再根据该无人机上的方位传感器，例如，磁罗盘，确定该无人机的朝向。并根据该无人机在大地坐标系上的三维位置信息、各目标点与该无人机的位置关系以及该无人机的朝向，采用平移矩阵、旋转矩阵等手段，确定各目标点在大地坐标系上的水平位置信息。
在本说明书中，若无另行说明，则本说明书中的位置信息均是基于大地坐标系上的位置信息。
S102：根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息。
在本说明书的一个或多个实施例中，该无人机获取各目标点的二维点云数据的目的，是为了构建雷达三维点云地图，从而实现无人机避障。但是，仅有各目标点的二维点云数据无法实现雷达三维点云地图的构建，需要补充各目标点的高度信息。因此，在步骤S102中，可确定各目标点的高度信息。
具体的，首先，针对每个目标点，根据该目标点的二维点云数据，确定该目标点与该无人机在水平方向上的位置关系。根据该目标点与该无人机在水平方向上的位置关系以及步骤S100确定出的该无人机的三维位置信息，确定该目标点与该无人机的水平距离以及该目标点的水平位置。并根据该无人机的位姿，确定该无人机的俯仰姿态角，再根据该无人机的俯仰姿态角以及该二维雷达的波束宽度，确定该二维雷达发出的雷达波束与水平面的夹角，并确定该夹角的最大值为雷达波束的上边界角度，该夹角的最小值为雷达波束的下边界角度。
图2a为本说明书实施例提供的一种雷达波束示意图，其中，无人机200上设置有二维雷达202，该无人机200前方存在目标点204，若该二维雷达202发射的雷达波束206照射到该目标点204上，便可基于二维雷达202的采集的雷达数据，确定目标点204的水平位置，由于无人机200平行于水平面进行飞行，因此无人机200与水平面的夹角为零度。而当无人机前进或后退时，通常机身会呈现俯仰状态，如图2b所示，图2b为本说明书实施例提供的一种无人机俯仰飞行示意图，其中，无人机200与水平面的夹角p，即该无人机200的俯仰姿态角。
图2a中，雷达波束206的波束宽度为Fe，图2b中，无人机200的俯仰姿态角为p，则雷达波束的上边界角度为雷达波束的下边界角度为/>需要说明的是，二维雷达发出的雷达波束与水平面的夹角可以为负值，也可以为正值，本说明书不做限制。
其次，根据步骤S100确定出的该无人机的三维位置信息，确定该无人机的高度信息。根据该上边界角度、该下边界角度、该无人机的高度信息、以及该目标点与该无人机的水平距离，确定该目标点预估高度范围的上边界以及预估高度范围的下边界，并根据该预估高度范围的上边界以及该预估高度范围的下边界，确定该目标点的预估高度范围。
上述确定该目标点的预估高度范围上边界以及预估高度范围下边界的过程，可采用公式表示：
其中，Hu为预估高度范围的上边界，Hd为预估高度范围的下边界，R为该无人机与该目标点的水平距离，p为该无人机的俯仰姿态角，Fe为该二维雷达的波束宽度，Z0为该无人机的高度信息，为雷达波束的上边界角度，/>为雷达波束的下边界角度。具体的，将R作为该无人机与该目标点的斜距，而/>为该无人机上二维雷达发射的雷达波束与水平面的最大夹角，通过tan函数，得出该雷达波束在距离斜距为R的情况下，探测到该目标点时，该目标点有可能的最大高度为Hu。类似的，该雷达波束在距离斜距为R的情况下，探测到该目标点时，该目标点有可能的最小高度为Hd。
再次，获取传感器采集到的环境数据，确定该无人机的视觉建图。并根据该视觉建图中各特征点的三维位置信息，分别确定各特征点在大地坐标系上水平位置以及各特征点的高度值。其中，该传感器可以为双目视觉系统，也可以为超声波传感器，或是其他传感器，本说明书不做限制，可根据需要进行设置。
最后，根据该目标点的预估高度范围、该目标点的水平位置、各特征点的高度值以及各特征点的水平位置，判断是否存在三维位置信息的高度值落入该预估高度范围，且特征点的水平位置与该目标点的水平位置的差值小于预设的位置阈值的特征点。
其中，若特征点的高度值大于该目标点的预估高度范围的下边界，并且小于该目标点的预估高度范围的上边界，即为该特征点的高度值落入该预估高度范围。若特征点的X轴坐标与该目标点的X轴坐标的差的绝对值小于预设的横位置阈值，并且该特征点的Y轴坐标与该目标点的Y轴坐标的差的绝对值小于预设的纵位置阈值，即为该特征点的水平位置与该目标点的水平位置的差值小于预设的位置阈值。并且，各特征点的横坐标以及纵坐标可根据各特征点的水平位置确定，该目标点的横坐标以及纵坐标可根据该目标点的水平位置确定。并且，该特征点的三维位置信息包括X轴坐标、Y轴坐标以及Z轴坐标，Z轴坐标作为该特征点的高度值。该特征点的水平位置即为该特征点的X轴坐标与Y轴坐标。该目标点的水平位置包括X轴坐标与Y轴坐标。上述坐标均为在大地坐标系下的坐标。
若存在满足上述判断条件的特征点，则确定满足上述判断条件的特征点为候选特征点。当候选特征点为单个时，将该候选特征点的高度值，作为该目标点的高度信息。当候选特征点为多个时，根据各候选特征点的水平位置以及该目标点的水平位置，确定各候选特征点与该目标点的距离，并将与该目标点距离最小的候选特征点的高度值，作为该目标点的高度信息。
若不存在满足上述判断条件的特征点，则确定该目标点的预估高度范围的上边界与该目标点的预估高度范围的下边界的平均值，作为该目标点的高度信息。
采用上述方式，可通过该无人机的视觉建图、各目标点与该无人机的位置关系等因素，确定各目标点的高度信息。弥补了该无人机上二维雷达无法探测到各目标点的高度信息的缺点，便于后续步骤构建雷达三维点云地图，进而实现无人机避障。
S104：根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
在本说明书的一个或多个实施例中，无人机获取各目标点水平位置信息并预估目标点的高度信息的目的，是为了构建雷达三维点云地图，从而实现无人机避障。但是，目标点不仅有高度信息，还在三维空间占据一定的范围，所以仅有各目标点水平位置信息和目标点的高度信息无法完成雷达三维点云地图的构建，还需要确定各目标点的膨胀范围、膨胀中心等信息，进而完成雷达三维点云地图的构建，实现无人机避障。
具体的，首先，针对每个目标点，根据该目标点与该无人机的位置关系，确定该目标点与该无人机的水平距离。并且，由于相对于该无人机，相同体积的目标点，距离该无人机近的目标点相对于距离该无人机远的目标点的膨胀角度大，因此，该目标点的膨胀角度，和该目标点与该无人机的水平距离呈负相关。图3a为本说明书实施例提供的一种近距离膨胀角度示意图，其中，无人机200上设置有二维雷达202，该无人机200前方存在目标点204，该二维雷达202发射的雷达波束照射到该目标点204上。图3b为本说明书实施例提供的一种远距离膨胀角度示意图，其中，无人机200上设置有二维雷达202，该无人机200前方存在目标点204，该二维雷达202发射的雷达波束照射到该目标点204上。显然，图3a中目标点204需要有相比于图3b中目标点204更大的膨胀范围，并且这是由于图3a中目标点204与无人机200的距离大于图3b中目标点204与无人机200的距离引起的。也就是说，该目标点的膨胀角度，和该目标点与该无人机的水平距离呈负相关。
因此，可根据预设的膨胀函数，确定水平预设值与垂直预设值。其中，预设的膨胀函数的构建方式，可根据该无人机探测各目标点时，各目标点实际占据范围的数据，采用建立数学模型的方式进行构建，或采用建立机器学习模型的方式进行构建，也可采用其他方式进行构建膨胀函数，本说明书不做限制，可根据需要进行设置。
其次，根据该水平预设值、该垂直预设值以及该目标点与该无人机的水平距离，确定该水平预设值与该水平距离的差值为水平膨胀角度范围，并确定该垂直预设值与该水平距离的差值为垂直膨胀角度范围。上述确定该目标点的膨胀角度范围的过程，可采用公式表示：
ac＝ac0-R
ec＝ec0-R
其中，ac表示该目标点的水平膨胀角度范围，ec表示该目标点的垂直膨胀角度范围，ac0为水平预设值，ec0为垂直预设值，R为该目标点和该无人机的水平距离。
再次，根据该目标点的水平膨胀角度范围，确定该目标点的水平膨胀范围，并根据该目标点的垂直膨胀角度范围，确定该目标点的垂直膨胀范围。根据该目标点的水平膨胀范围与该目标点的垂直膨胀范围，确定该目标点的膨胀范围。
然后，根据该目标点的二维点云数据以及该无人机的三维位置信息，确定该目标点的水平位置。根据该目标点的水平位置以及该目标点的高度信息，确定该目标点的膨胀中心的坐标，以及该目标点的膨胀中心。
图4a为本说明书实施例提供的一种无人机与目标点的俯视图，其中，无人机200上设置有二维雷达202，二维雷达202探测到目标点时，根据目标点的水平位置确定该目标点的膨胀中心208的水平坐标，并确定该目标点的水平膨胀范围210，确定该目标点相对该无人机的方位角K。
图4b为本说明书实施例提供的一种无人机与目标点的侧视图，其中，无人机200上设置有二维雷达202，二维雷达202探测到目标点时，根据目标点的高度信息确定该目标点的膨胀中心208的垂直坐标，并确定该目标点的垂直膨胀范围212，确定该目标点相对该无人机的俯仰角H。
最后，根据该无人机的三维位置信息以及该目标点的膨胀中心的坐标，确定该目标点相对该无人机的方位角，以及该目标点相对该无人机的俯仰角。根据该目标点对应的膨胀范围、该目标点相对该无人机的方位角以及该目标点相对该无人机的俯仰角，确定表征该目标点的点阵。
需要说明的是，本说明书提供的方法仅用于构建雷达三维点云地图的无人机使用，并且具有实时性，不适用于其他无人机。这是由于针对同一目标点，无人机从不同的方向接近该目标点时，确定出的雷达三维点云地图中表征该目标点的点阵都不相同。无人机构建的三维地图中表征各目标点的点阵并非代表各目标点在三维空间中的实际尺寸，而是代表各目标点可能存在的范围，无人机根据各目标点可能存在的范围进行避障。
基于图1所示的地图构建的方法，无人机可获取二维雷达采集的各目标点的二维点云数据，根据各目标点的二维点云数据，确定各目标点与该无人机的位置关系，并根据各目标点与该无人机的位置关系、该无人机的视觉建图、该无人机的位姿以及该二维雷达的波束宽度，分别确定各目标点的高度信息，再根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，以控制该无人机飞行。
从上述方法中可以看出，本方法在采用低成本二维雷达采集各目标点的数据后，可通过该无人机的视觉建图、各目标点与该无人机的位置关系等因素，确定各目标点的高度信息，弥补了二维雷达无法确定各目标点高度信息的缺陷，在构建雷达三维点云地图的同时节省了成本。
另外，在本说明书的一个或多个实施例中，由于通常情况下，雷达发射的电磁波波长越短，该雷达的探测精度越高，但是该雷达发射的电磁波也越容易受到干扰。因此，本说明书所采用的二维雷达，发射的电磁波具体是超声波，或者是毫米波，还是其他波长的电磁波，本说明书不做限制，可根据需要进行设置。
需要说明的是，本说明书所采用的二维雷达探测所得到的是目标点在二维平面内的数据，因此，对二维雷达的探测精度要求较低。仅需要膨胀范围的数量级高于探测精度的数量级即可。例如，探测精度为0.1m，膨胀范围大于1m即可。当然，具体的探测精度和膨胀范围可根据需要进行设置，本说明书不做限制。
另外，在本说明书的一个或多个实施例中，为了准确的确定出该目标点的预估高度范围，步骤S102中，确定雷达波束的上边界角度与雷达波束的下边界角度之前，可考虑二维雷达的安装姿态角对雷达波束的上边界角度与雷达波束的下边界角度的影响。
具体的，根据该无人机的位姿，确定该无人机的俯仰姿态角，再根据该无人机的俯仰姿态角、该二维雷达的安装姿态角以及该二维雷达的波束宽度，确定该二维雷达发出的雷达波束与水平面的夹角，并确定该夹角的最大值为雷达波束的上边界角度，该夹角的最小值为雷达波束的下边界角度。
图5为本说明书实施例提供的一种二维雷达安装角度示意图，其中，无人机200上装置有二维雷达202，无人机200前方为目标点204，无人机200的俯仰姿态角为p1，二维雷达202的安装姿态角为p2，二维雷达202的波束宽度为Fe，则雷达波束的上边界角度为雷达波束的下边界角度为/>需要说明的是，无人机200的俯仰姿态角为p1、二维雷达202的安装姿态角为p2以及二维雷达发出的雷达波束与水平面的夹角可以为负值，也可以为正值，本说明书不做限制。
最后，根据该上边界角度、该下边界角度、该无人机的高度信息、以及该无人机与该目标点的水平距离，确定该目标点预估高度范围的上边界以及预估高度范围的下边界，并根据该预估高度范围的上边界以及预估高度范围的下边界，确定该目标点的预估高度范围。
上述确定该目标点的预估高度范围的过程，可采用公式表示：
其中，Hu为预估高度范围的上边界，Hd为预估高度范围的下边界，R为该无人机与该目标点的水平距离，p1为该无人机的俯仰姿态角，p2为该二维雷达的安装姿态角，Fe为该二维雷达的波束宽度，Z0为该无人机的高度信息，为雷达波束的上边界角度，为雷达波束的下边界角度。具体的，将R作为该无人机与该目标点的斜距，而为该无人机上二维雷达发射的雷达波束与水平面的最大夹角，通过tan函数，得出该雷达波束在距离斜距为R的情况下，探测到该目标点时，该目标点有可能的最大高度为Hu。类似的，该雷达波束在距离斜距为R的情况下，探测到该目标点时，该目标点有可能的最小高度为Hd。
另外，在本说明书的一个或多个实施例中，为了更准确的确定目标点的高度信息，针对某个目标点，在该二维雷达对该目标点进行多次探测后，在该二维雷达对该目标点的多次确定的高度信息结果中，确定多次确定出的高度信息的最大值为该目标点的预估高度。
另外，在本说明书的一个或多个实施例中，为了更准确的构建雷达三维点云地图，在步骤S100中，可建立以无人机为中心，平行于大地坐标系的坐标系，其中，纵轴平行于无人机轴指向无人机前进方向，并且平行于大地坐标系的横纵坐标平面。横轴垂直于无人机轴指向无人机前进方向的右侧，并且平行于大地坐标系的横纵坐标平面。并根据无人机上二维雷达探测到的各目标点的数据信息，确定各目标点在以无人机为中心的坐标系上的水平位置信息。
并且，在本说明书的一个或多个实施例中，可采用以无人机为中心的坐标系替代大地坐标系执行后续步骤。
另外，在本说明书的一个或多个实施例中，为了更准确的确定各目标点的膨胀范围，在步骤S104中确定各目标点的膨胀范围时，由于该目标点与该无人机的水平距离，与该目标点的膨胀范围呈负相关。
因此，在确定膨胀角度前，可根据预设的膨胀函数，确定水平预设值以及垂直预设值，并根据该水平预设值、该垂直预设值以及该目标点与该无人机的水平距离，确定该水平预设值除以该水平距离的结果为水平膨胀角度范围，并确定该垂直预设值除以该垂直距离的结果为垂直膨胀角度范围。
上述确定该目标点的膨胀角度范围的过程，可采用公式表示：
其中，ac表示该目标点的水平膨胀角度范围，ec表示该目标点的垂直膨胀角度范围，ac0为水平预设值，ec0为垂直预设值，R为该目标点和该无人机的水平距离。
当然，也可采用其他方式预设膨胀函数，并根据预设的膨胀函数，采用其他方式确定该目标点的膨胀角度范围，本说明书不做限制，可根据需要进行设置。
另外，在本说明书的一个或多个实施例中，为了更准确的确定各目标点的膨胀范围，在步骤S104中确定各目标点的膨胀范围时，可结合其他传感器探测的环境三维地图，确定各目标点的膨胀范围。
具体的，首先，获取传感器采集到的环境数据，确定该无人机的视觉建图。并针对每个目标点，根据前述确定各目标点的高度信息时，是否存在与该目标点对应的候选特征点，判断该目标点与该视觉建图中的各特征点是否存在关联。若该目标点与该视觉建图中的任一特征点存在关联，则确定该目标点为关联目标点，若该目标点与该视觉建图中的任一特征点均不存在关联，则确定该目标点为孤立目标点。
其次，由于若该目标点与该视觉建图中的特征点存在关联，则可根据该视觉建图中的数据，确定该目标点的高度信息，而若该目标点与该视觉建图中的各特征点均不存在关联，则只能依靠二维雷达采集到的二维点云数据，确定该目标点的信息，进行无人机避障。因此，为了避免该无人机与目标点对应的障碍物发生碰撞，可在该目标点与该视觉建图中的各特征点均不存在关联时，确定相比于该目标点与该视觉建图中的特征点存在关联时，更大的膨胀范围。
因此，可根据预设的膨胀函数，确定水平阈值、垂直阈值、水平参数以及垂直参数，其中，孤立目标点的水平参数大于关联目标点的水平参数，并且，孤立目标点的垂直参数大于关联目标点的垂直参数。
再次，根据该水平参数、该垂直参数以及该目标点与该无人机的水平距离，确定该水平参数与该目标点和该无人机的水平距离的积为水平补偿值，并该垂直参数与该目标点和该无人机的水平距离的积为垂直补偿值。并根据该水平阈值、该垂直阈值、该水平补偿值以及该垂直补偿值，确定该水平阈值与该水平补偿值的差值为水平膨胀范围，并确定该垂直阈值与该垂直补偿值的差值为垂直膨胀范围。
最后，根据该目标点的水平膨胀范围与该目标点的垂直膨胀范围，确定该目标点的膨胀范围。
上述确定该目标点的膨胀范围的过程，可采用公式表示：
ac(match)＝ac0-R×apmatch
ec(match)＝ec0-R×epmatch
其中，ac(1)表示关联目标点的水平膨胀范围，ec(1)表示关联目标点的垂直膨胀范围，ac(0)表示孤立目标点的水平膨胀范围，ec(0)表示孤立目标点的垂直膨胀范围，ac0为水平阈值，ec0为垂直阈值，R为该目标点和该无人机的水平距离，ap1表示关联目标点的水平参数，ep1表示关联目标点的垂直参数，ap0表示孤立目标点的水平参数，ep0表示孤立目标点的垂直参数，match＝1表示该目标点为关联目标点，match＝0表示该目标点为孤立目标点，ap1大于ap0并且ep1大于ep0。
另外，在本说明书的一个或多个实施例中，在步骤S104中构建雷达三维点云地图之后，该无人机还可获取双目视觉传感器等传感器采集到的视觉建图，并在根据该雷达三维点云地图确定该二维雷达探测到的各目标点的膨胀范围以及高度信息之外，将该视觉建图与该雷达三维点云地图联合使用，以确定联合三维地图，便于该无人机进行避障。
具体的，首先，根据双目视觉传感器等传感器采集到的环境数据，确定该无人机的视觉建图。并根据该视觉建图中各特征点的三维位置信息，分别确定各特征点在大地坐标系上水平坐标以及各特征点的高度值。根据各特征点在大地坐标系上水平坐标以及各特征点的高度值，确定各特征点表征的障碍物的三维坐标。
其次，根据构建出的该雷达三维点云地图，确定该雷达三维点云地图中表征各目标点的点阵。并根据确定出的表征各目标点的点阵，确定表征各目标点的点阵在大地坐标系中的坐标。再将表征各目标点的点阵在大地坐标系中的坐标以及该环境三维地图中各特征点表征的障碍物的三维坐标联合使用，确定联合三维地图，以实现该无人机的避障。
另外，在本说明书的一个或多个实施例中，为了在内存允许的范围内更合理的保存历史上各目标点的信息，构建更完整的雷达三维点云地图。可采用以下方法保留部分目标点的信息。
具体的，首先，根据当前时刻该二维雷达探测到的各目标点的二维点云数据以及高度信息，以及已存储的各目标点的二维点云数据以及高度信息，构建雷达三维点云地图。
其次，针对当前时刻探测到的每个目标点，根据该目标点的二维点云数据以及该无人机的三维位置信息，确定该目标点的水平位置。并存储该目标点的二维点云数据、该目标点的水平位置、采集该目标点时该无人机的高度信息、采集该目标点时该目标点与该无人机的角度信息，并将当前时刻作为该目标点的采集时刻存储。
另外，在本说明书的一个或多个实施例中，为了构建更完整的雷达三维点云地图，在构建雷达三维点云地图之前，还可以对已存储的各目标点进行筛选。
具体的，首先，根据当前时刻采集到的各目标点的二维点云数据以及该无人机的三维位置信息，确定当前时刻采集的各目标点的水平位置。并针对每个已存储的目标点，根据该已存储的目标点的水平位置以及当前时刻采集的各目标点的水平位置，确定该已存储的目标点与当前时刻采集到的各目标点的水平距离。
其次，根据确定出的各水平距离以及预设的距离阈值，判断是否存在任一水平距离小于预设的距离阈值，若存在，则删除该已存储的目标点，若不存在，则不删除该已存储的目标点。
另外，在本说明书的一个或多个实施例中，为了构建更完整的雷达三维点云地图，在构建雷达三维点云地图之前，还可以对已存储的各目标点进行筛选。
具体的，针对每个已存储的目标点，根据该已存储的目标点的采集时刻以及当前时刻，确定该采集时刻与当前时刻的时间差。并判断该时间差是否大于预设的时间阈值，若是，则删除该已存储的目标点，若否，则不删除该已存储的目标点。
另外，在本说明书的一个或多个实施例中，为了构建更完整的雷达三维点云地图，在构建雷达三维点云地图之前，还可以对已存储的各目标点进行筛选。
具体的，针对每个已存储的目标点，根据该已存储的目标点对应的采集该目标点时该无人机的高度信息，以及当前时刻该无人机的高度信息，确定采集该已存储的目标点时所述无人机的高度信息与当前时刻所述无人机的高度信息的差为高度差。并判断该高度差是否大于预设的高度阈值，若是，则删除该已存储的目标点，若否，则不删除该已存储的目标点。
另外，在本说明书的一个或多个实施例中，为了构建更完整的雷达三维点云地图，在构建雷达三维点云地图之前，还可以对已存储的各目标点进行筛选。
具体的，针对每个已存储的目标点，根据已存储的采集该目标点时该目标点与该无人机的角度信息，以及当前时刻该已存储的目标点与该无人机的角度信息，确定已存储的采集该目标点时该目标点与该无人机的角度信息与当前时刻该已存储的目标点与该无人机的角度信息的差，作为角度变化，即为在本说明书的一个或多个实施例中提及的时间差下该无人机与该已存储的目标点之间的角度变化。并判断该角度变化是否大于预设的角度阈值，若是，则删除该已存储的目标点，若否，则不删除该已存储的目标点。
以上为本说明书的一个或多个实施例提供的地图构建的方法，基于同样的思路，本说明书还提供了相应的地图构建的装置，如图6所示。
图6为本说明书实施例提供的一种地图构建的装置的结构示意图，所述装置包括：
获取模块600，获取无人机上二维雷达采集的各目标点的二维点云数据；
高度模块602，根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息；
构建模块604，根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
可选的，所述高度模块602，确定所述无人机的视觉建图中各特征点的三维位置信息，针对每个目标点，根据所述各特征点的三维位置信息、该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，判断是否存在与该目标点匹配的特征点，若是，则根据与该目标点匹配的特征点的三维位置信息，确定该目标点的高度信息，若否，则根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围，并根据所述预估高度范围上边界和下边界的平均值确定该目标点的高度信息。
可选的，所述高度模块602，根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围，根据各特征点的三维位置信息，判断是否存在三维位置信息的高度值落入所述预估高度范围，且特征点的水平位置与该目标点的水平位置的差值小于预设的位置阈值的特征点。
可选的，所述高度模块602，当与该目标点匹配的特征点有多个时，从匹配的各特征点中，确定与该目标点距离最小的特征点的高度值，并将确定出的高度值作为该目标点的高度信息，当与该目标点匹配的特征点为单个时，将所述匹配的特征点的高度值，作为该目标点的高度信息。
可选的，所述构建模块604，针对每个目标点，根据该目标点与所述无人机的位置关系，确定该目标点与所述无人机的水平距离，根据预设的膨胀函数中的水平阈值与所述水平距离的差值，确定水平膨胀范围，根据预设的膨胀函数中的垂直阈值与所述水平距离的差值，确定垂直膨胀范围，根据所述水平膨胀范围以及所述垂直膨胀范围，确定该目标点对应的膨胀范围，根据该目标点的二维点云数据、高度信息以及对应的膨胀范围，确定表征该目标点的点阵；
根据分别表征各目标点的点阵，构建雷达三维点云地图。
可选的，所述构建模块604，根据该目标点的二维点云数据以及该目标点的高度信息，确定该目标点的膨胀中心，根据该目标点与所述无人机的位置关系以及该目标点的膨胀中心，确定该目标点相对所述无人机的方位角以及该目标点相对所述无人机的俯仰角，根据该目标点对应的膨胀范围、所述方位角以及所述俯仰角，确定表征该目标点的点阵。
可选的，所述构建模块604，根据已存储的各历史时刻采集的各目标点的二维点云数据以及高度信息，以及当前时刻采集的各目标点的二维点云数据以及高度信息，构建雷达三维点云地图，存储当前时刻采集的各目标点的二维点云数据以及高度信息。
可选的，所述构建模块604，针对每个已存储的目标点，分别确定该已存储的目标点与当前时刻采集的各目标点的水平距离，当所述各水平距离中存在小于预设的距离阈值的水平距离时，删除该已存储的目标点。
可选的，所述构建模块604，针对每个已存储的目标点，确定该已存储的目标点的采集时刻与当前时刻的时间差，确定采集该已存储的目标点时所述无人机的高度与当前时刻所述无人机的高度差，确定在所述时间差下所述无人机与该已存储的目标点之间的角度变化，判断所述时间差是否大于预设的时间阈值，所述高度差是否大于预设的高度阈值，所述角度变化是否大于预设的角度阈值，若上述判断结果中任一为是，则删除该已存储的目标点，若上述判断结果均为否，则不删除该已存储的目标点。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的地图构建的方法。
本说明书还提供了图7所示的无人机的示意结构图。如图7所述，在硬件层面，该无人机包括传感器、处理器、通信单元、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的地图构建的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种地图构建的方法，其特征在于，包括：
获取无人机上二维雷达采集的各目标点的二维点云数据；
根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息；
根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
2.根据权利要求1所述的方法，其特征在于，根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息，具体包括：
确定所述无人机的视觉建图中各特征点的三维位置信息；
针对每个目标点，根据所述各特征点的三维位置信息、该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，判断是否存在与该目标点匹配的特征点；
若是，则根据与该目标点匹配的特征点的三维位置信息，确定该目标点的高度信息；
若否，则根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围，并根据所述预估高度范围上边界和下边界的平均值确定该目标点的高度信息。
3.根据权利要求2所述的方法，其特征在于，根据所述各特征点的三维位置信息、该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，判断是否存在与该目标点匹配的特征点，具体包括：
根据该目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定该目标点的预估高度范围；
根据各特征点的三维位置信息，判断是否存在三维位置信息的高度值落入所述预估高度范围，且特征点的水平位置与该目标点的水平位置的差值小于预设的位置阈值的特征点。
4.根据权利要求3所述的方法，其特征在于，根据与该目标点匹配的特征点的三维位置信息，确定该目标点的高度信息，具体包括：
当与该目标点匹配的特征点有多个时，从匹配的各特征点中，确定与该目标点距离最小的特征点的高度值，并将确定出的高度值作为该目标点的高度信息；
当与该目标点匹配的特征点为单个时，将所述匹配的特征点的高度值，作为该目标点的高度信息。
5.根据权利要求1所述的方法，其特征在于，根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，具体包括：
针对每个目标点，根据该目标点与所述无人机的位置关系，确定该目标点与所述无人机的水平距离；
根据预设的膨胀函数中的水平阈值与所述水平距离的差值，确定水平膨胀范围；
根据预设的膨胀函数中的垂直阈值与所述水平距离的差值，确定垂直膨胀范围；
根据所述水平膨胀范围以及所述垂直膨胀范围，确定该目标点对应的膨胀范围；
根据该目标点的二维点云数据、高度信息以及对应的膨胀范围，确定表征该目标点的点阵；
根据分别表征各目标点的点阵，构建雷达三维点云地图。
6.根据权利要求5所述的方法，其特征在于，根据该目标点的二维点云数据、高度信息以及对应的膨胀范围，确定表征该目标点的点阵，具体包括：
根据该目标点的二维点云数据以及该目标点的高度信息，确定该目标点的膨胀中心；
根据该目标点与所述无人机的位置关系以及该目标点的膨胀中心，确定该目标点相对所述无人机的方位角以及该目标点相对所述无人机的俯仰角；
根据该目标点对应的膨胀范围、所述方位角以及所述俯仰角，确定表征该目标点的点阵。
7.根据权利要求1所述的方法，其特征在于，根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图，具体包括：
根据已存储的各历史时刻采集的各目标点的二维点云数据以及高度信息，以及当前时刻采集的各目标点的二维点云数据以及高度信息，构建雷达三维点云地图；
存储当前时刻采集的各目标点的二维点云数据以及高度信息。
8.根据权利要求7所述的方法，其特征在于，构建雷达三维点云地图之前，所述方法还包括：
针对每个已存储的目标点，分别确定该已存储的目标点与当前时刻采集的各目标点的水平距离；
当所述各水平距离中存在小于预设的距离阈值的水平距离时，删除该已存储的目标点。
9.根据权利要求7所述的方法，其特征在于，构建雷达三维点云地图之前，所述方法还包括：
针对每个已存储的目标点，确定该已存储的目标点的采集时刻与当前时刻的时间差，确定采集该已存储的目标点时所述无人机的高度与当前时刻所述无人机的高度差，确定在所述时间差下所述无人机与该已存储的目标点之间的角度变化；
判断所述时间差是否大于预设的时间阈值，所述高度差是否大于预设的高度阈值，所述角度变化是否大于预设的角度阈值；
若上述判断结果中任一为是，则删除该已存储的目标点；
若上述判断结果均为否，则不删除该已存储的目标点。
10.一种地图构建的装置，其特征在于，包括：
获取模块，用于获取无人机上二维雷达采集的各目标点的二维点云数据；
高度模块，用于根据各目标点的二维点云数据，确定各目标点与所述无人机的位置关系，并根据所述无人机的视觉建图、各目标点与所述无人机的位置关系、所述无人机的位姿以及所述二维雷达的波束宽度，确定各目标点的高度信息；
构建模块，用于根据各目标点的二维点云数据以及各目标点的高度信息，构建雷达三维点云地图以控制所述无人机飞行。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～8任一项所述的方法。
12.一种生成雷达三维点云地图的无人机，所述无人机包括：多个传感器，被配置为收集关于所述无人机工作环境的数据；一个或多个处理器，被配置为使用所述数据控制所述无人机飞行；一个或多个通信单元，被配置为将所述数据发送给所述无人机外的一个或多个处理器；一个或多个存储器，被配置为存储可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～9任一项所述的方法。
CN202210055515.6A 2022-01-18 2022-01-18 一种地图构建的方法及装置 Pending CN116499447A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210055515.6A CN116499447A (zh) 2022-01-18 2022-01-18 一种地图构建的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210055515.6A CN116499447A (zh) 2022-01-18 2022-01-18 一种地图构建的方法及装置

Publications (1)

Publication Number Publication Date
CN116499447A true CN116499447A (zh) 2023-07-28

Family

ID=87321819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210055515.6A Pending CN116499447A (zh) 2022-01-18 2022-01-18 一种地图构建的方法及装置

Country Status (1)

Country Link
CN (1) CN116499447A (zh)

Similar Documents

Publication Publication Date Title
CN108319655B (zh) 用于生成栅格地图的方法和装置
EP3620823B1 (en) Method and device for detecting precision of internal parameter of laser radar
CN112154356B (zh) 点云数据处理方法及其装置、激光雷达、可移动平台
WO2021016854A1 (zh) 一种标定方法、设备、可移动平台及存储介质
CN118259692A (zh) 一种无人机路径规划方法、装置及无人机
WO2020186444A1 (zh) 物体检测方法、电子设备与计算机存储介质
CN110515390B (zh) 飞行器自主降落方法及装置、电子设备、存储介质
CN114111774B (zh) 车辆的定位方法、系统、设备及计算机可读存储介质
CN111077555A (zh) 一种定位方法及装置
CN111288971B (zh) 一种视觉定位方法及装置
CN113887400B (zh) 障碍物检测方法、模型训练方法、装置及自动驾驶车辆
CN112907745B (zh) 一种数字正射影像图生成方法及装置
CN112051575A (zh) 一种毫米波雷达与激光雷达的调整方法及相关装置
WO2022078342A1 (zh) 动态占据栅格估计方法及装置
CN115273027A (zh) 环境感知方法、域控制器、存储介质及车辆
CN112119428A (zh) 获取降落位置的方法、设备、无人机、系统及存储介质
CN111257882A (zh) 数据融合方法、装置、无人驾驶设备和可读存储介质
CN117389305A (zh) 一种无人机巡检路径规划方法、系统、设备及介质
CN116608847A (zh) 基于面阵激光传感器和图像传感器的定位和建图方法
CN111781606A (zh) 一种新型激光雷达和超声波雷达融合的小型化实现方法
JP2018206038A (ja) 点群データ処理装置、移動ロボット、移動ロボットシステム、および点群データ処理方法
WO2022099620A1 (zh) 三维点云分割方法和装置、可移动平台
CN110427034B (zh) 一种基于车路协同的目标追踪系统及方法
CN116465393A (zh) 基于面阵激光传感器的同步定位和建图方法及装置
CN116499447A (zh) 一种地图构建的方法及装置

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