CN117011486A - 栅格地图构建的方法、装置、电子设备和计算机存储介质 - Google Patents
栅格地图构建的方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN117011486A CN117011486A CN202311161310.7A CN202311161310A CN117011486A CN 117011486 A CN117011486 A CN 117011486A CN 202311161310 A CN202311161310 A CN 202311161310A CN 117011486 A CN117011486 A CN 117011486A
- Authority
- CN
- China
- Prior art keywords
- value
- characteristic value
- grid
- dimensional grid
- preset
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 66
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 230000001174 ascending effect Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 30
- 238000004590 computer program Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000008901 benefit 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
- 238000001914 filtration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种栅格地图构建的方法、装置、电子设备和计算机存储介质，涉及自动驾驶技术领域。该方法包括：根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；根据所述点云数据计算所述三维栅格的均值和协方差矩阵；根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值；将所述三维栅格的均值、协方差矩阵、特征向量、线特征值或面特征值存储于所述三维栅格中，生成栅格地图。该方法充分考虑了点云数据的线特征和面特征，在三维栅格地图存储了线特征值或面特征值，实现了更精确的地图表示，以及提高了后续通过地图实现目标定位的准确度。
Description
技术领域
本申请涉及自动驾驶技术领域，并且具体的，涉及一种栅格地图构建的方法、装置、电子设备和计算机存储介质。
背景技术
正态分布变换算法(Normal Distributions Transform，NDT)算法是一种在三维空间中进行点云匹配的算法，其可同时用于点云数据的建图和定位。在建图阶段，NDT算法的主要思想是先将点云数据分割成多个小立方体(或称体素)，并计算每个小立方体的高斯分布参数(均值和协方差矩阵)，然后根据高斯分布参数实现地图的构建。在定位阶段，NDT算法将待匹配点云数据投影到相应小立方体上，并计算其与参考小立方体的概率分布的相似度，进而实现待匹配点云与参考点云的配准，从而实现定位功能。
NDT算法具有计算相对快速且对于各种环境几何特征具有较好的适应性的优点。然而，NDT算法的缺点是没有直接针对点云数据的线面特征进行提取和表达。忽略了点云数据中的线面特征，影响了更精确的地图表示，以及后续通过地图实现定位的准确度。
发明内容
本申请实施例提供了一种栅格地图构建的方法、装置、电子设备和计算机存储介质，该方法充分考虑了点云数据的线特征和面特征，在三维栅格地图存储了点云数据的线特征值或面特征值，实现了更精确的地图表示，以及提高了后续通过地图实现目标定位的准确度。
第一方面，本申请实施例提供了一种栅格地图构建的方法，包括：
根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；
根据所述点云数据计算所述三维栅格的均值和协方差矩阵；
根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值；
将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
第二方面，本申请实施例提供了一种栅格地图构建的装置，包括：
处理单元，用于根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；
所述处理单元还用于根据所述点云数据计算所述三维栅格的均值和协方差矩阵；
所述处理单元还用于根据所述协方差矩阵确定所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值；
所述处理单元还用于将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
第三方面，本申请实施例本申请提供了一种电子设备，包括：
处理器，适于实现计算机指令；以及，
存储器，存储有计算机指令，计算机指令适于由处理器加载并执行上述第一方面的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被计算机设备的处理器读取并执行时，使得计算机设备执行上述第一方面的方法。
第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面的方法。
上述技术方案，通过将点云数据投影到对应的三维栅格中，然后根据所述点云数据的坐标计算三维栅格的均值和协方差矩阵，进而根据协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，提取了点云数据的线特征或者面特征，并将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图，所述栅格地图中存储有点云数据的线特征值或者面特征值，使得地图表示中充分考虑了点云数据的线特征或者面特征，实现了更精确的地图表示，以及有利于提高后续通过地图实现目标定位的准确度。
附图说明
图1为本申请实施例涉及的系统架构的一个可选的示意图；
图2示出了本申请实施例的应用场景的一个示意图；
图3为本申请实施例提供的一种基于线面特征的栅格地图构建的方法200的示意性流程图；
图4为NDT算法的三维栅格的参数的示意性框图；
图5为本申请实施例提供的一种新的三维栅格的参数的示意性框图；
图6是本申请实施例的装置300的示意性框图；
图7为本申请实施例提供的电子设备400的示意性框图。
具体实施方式
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。
本申请涉及地图领域，并且具体的，涉及车联网领域的地图的构建。
为了更清楚的理解本申请实施例，下面对本申请涉及到的相关术语进行简单描述。
点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合。其中，该集合以点的形式记录，每一个点包含有三维坐标，并且可以携带有关该点属性的其他信息，例如颜色、反射率、强度等。点云数据通常由激光扫描仪、相机、三维扫描仪等设备获取，可以用于三维建模、场景重建、机器人导航、虚拟现实和增强现实等应用中。
点云数据的主要特点是具有高精度、高分辨率和高维度的几何信息，可以直观地表示空间中的物体形状、表面和纹理等信息。点云数据的处理和分析通常需要使用计算机视觉和计算机图形学的技术，例如点云滤波、配准、分割、重建、识别和分类等。
常用的点云数据为激光雷达采集的数据，激光雷达的非接触式测量特点，具有测量速度快、精度高、识别准确等优点，是移动机器人定位导航的核心传感器。
定位地图需要进行瓦片划分、栅格划分。瓦片就是100m*100m的平面范围的区域，在瓦片内划分0.1m或者0.2m或0.5m的栅格，每次计算的过程中栅格的大小是固定的。
栅格地图是一种基于网格的地图表示方法，其中地图区域被划分为均匀的网格单元，并为每个网格单元分配特定的属性信息。每个网格单元可以表示不同的地理特征、地物类型、高度、障碍物等信息。栅格地图常用于自动驾驶、机器人导航、游戏开发、地理信息系统等领域。
本申请提供的方案可应用于城市道路场景下的地图的构建。
图1为本申请实施例涉及的系统架构100的一个可选的示意图。如图1所示，激光雷达110采集当前环境的点云数据，激光雷达110将采集到的点云数据发送给服务器120，服务器120接收激光雷达110发送的点云数据，并进一步处理点云数据，进而根据点云数据构建当前环境的地图，服务器可以将构建的地图数据发送给终端设备，如车载终端、用户终端等。
系统架构100仅用于示例，并不对本申请造成任何限定。激光雷达110可以安装于路边设备，也可以是车辆上的雷达，服务器120可以是第三方机构的服务器，例如腾讯公司的服务器，该服务器用于根据激光雷达数据生成或更新腾讯地图；服务器120还可以是车载设备，如某汽车自带了地图，车载设备根据激光雷达数据生成或更新地图。
图2示出了本申请实施例的应用场景的一个示意图。
如图2所示，该应用场景包括服务器和终端设备。其中，终端设备可以包括车载终端和用户终端。应理解，此处仅是示例性说明，并不对本申请实施例的应用场景进行具体限定。
车载终端可以包括行车电脑或车载单元(On Board Unit，OBU)等。车载终端还可以是终端上的应用程序(application，APP)、智能后视镜上的APP、手机上的APP或小程序等，在此不作限定。
用户终端(user equipment，UE)可以是无线终端设备也可以是有线终端设备，无线终端设备可以是指一种具有无线收发功能的设备，用户终端可以是手机(mobilephone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(Virtual Reality，VR)用户设备、增强现实(Augmented Reality，AR)用户设备、智能语音交互设备、智能家电、车载终端、飞行器等，在此不作限定。
终端设备上可以部署客户端，其中客户端可以通过浏览器的形式运行于终端设备上，也可以通过独立的APP的形式运行于终端上，对于客户端的具体展现形式，此处不作限定。
服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，参数分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器也可以成为区块链的节点。
服务器可以是一台或多台。服务器是多台时，存在至少两台服务器用于提供不同的服务，和/或，存在至少两台服务器用于提供相同的服务，比如以负载均衡方式提供同一种服务，本申请实施例对此不加以限定。
终端设备和服务器可以通过无线通信的方式进行直接或间接的连接，本申请对此不作限定。本申请对服务器或终端设备的数量不作限定。本申请提供的方案可以由终端设备独立完成，也可以由服务器独立完成，还可以由终端设备和服务器配合完成，本申请对此不作限定。
示例性的，以终端设备为智能手机为例，在智能手机上安装有手机导航应用。服务器可以将构建的地图数据向智能手机发送。智能手机结合实时车辆检测信息以及地图数据，能够确定实时的车辆定位结果。基于此，在手机导航应用上可以显示实时的车辆定位结果。
示例性的，以终端设备为车载设备为例，在车载设备上安装有车载导航应用。服务器可以向车载设备发送地图数据。车载设备结合实时车辆检测信息以及地图数据，能够确定实时的车辆定位结果。基于此，在车载导航应用上可以显示实时的车辆定位结果。
地图数据的准确度对后续车辆定位有着至关重要的影响。目前，一般采用NDT算法和激光雷达里程计与构建地图(Lidar Odometry and Mapping，LOAM)来构建地图。
NDT算法是一种在三维空间中进行点云匹配的算法，其可同时用于点云数据的建图和定位。在建图阶段，NDT算法的主要思想是先将点云数据分割成多个小立方体或称体素，并计算每个小立方体的高斯分布参数(均值和协方差矩阵)，然后根据高斯分布参数实现地图的构建。
LOAM算法是一种基于激光雷达数据的同时定位与建图方法。LOAM算法是将激光雷达数据分解为离散的特征点，然后通过匹配和检测这些特征点来估计机器人的位姿(定位)和创建环境地图。它主要包含两个步骤：特征提取和特征匹配。
在特征提取阶段，LOAM算法通过将连续的点云数据转换为离散的特征点集合，这些特征点通常是表征环境表面的特征，如边缘特征(线特征)和平面特征(面特征)，loam在提取特征的过程中，更关注的是周围的某个距离内的几个点的信息。
在特征匹配阶段，LOAM算法对当前帧的特征点与前一帧的特征点进行匹配。通过优化算法(例如最小二乘法)，可以估计机器人的位姿变化(运动估计)，同时用这些匹配点更新地图。
NDT算法具有计算相对快速且对于各种环境几何特征具有较好的适应性的优点。然而，NDT算法的缺点是没有直接针对点云数据的线面特征进行提取和表达。忽略了点云数据中的线面特征，影响了更精确的地图表示，以及后续通过地图实现定位的准确度。
与NDT相比，LOAM算法具有较强的鲁棒性，并可在复杂的环境中实现实时地图创建和更新。LOAM算法关注点云中的边缘和平面特征，这些特征对于准确地匹配和定位是很有帮助的。但是，LOAM算法中涉及到许多参数调整，对于不同环境下的参数调整可能较为敏感，当环境改变时，LOAM算法中涉及到许多参数的调整。
因此，本申请提出了一种栅格地图构建的方法，该方法是对NDT算法的改进，该方法根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；根据所述点云数据计算所述三维栅格的均值和协方差矩阵；根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值；将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
本申请提出的栅格地图构建的方法，通过将点云数据投影到对应的三维栅格中，然后根据所述点云数据的坐标计算三维栅格的均值和协方差矩阵，进而根据协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，提取了点云数据的线特征或者面特征，并将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图，所述栅格地图中存储有点云数据的线特征值或者面特征值，使得地图表示中充分考虑了点云数据的线特征或者面特征，实现了更精确的地图表示，以及有利于提高后续通过地图实现目标定位的准确度。
以下结合附图对本申请实施例提供的方案进行描述。
图3为本申请实施例提供的一种栅格地图构建的方法200的示意性流程图。方法200可以由任何具有数据处理能力的电子设备执行。例如，该电子设备可实施为服务器或计算机。下面以该电子设备是终端设备为例进行说明。如图3所示，方法200可以包括步骤210至240。
S210，终端设备根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格。
S220，所述终端设备根据所述点云数据计算所述三维栅格的均值和协方差矩阵。
S230，所述终端设备根据所述协方差矩阵确定所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
S240，所述终端设备将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
该方法200中，终端设备通过将点云数据投影到对应的三维栅格中，然后根据所述点云数据的坐标计算三维栅格的均值和协方差矩阵，进而根据协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，提取了点云数据的线特征或者面特征，并将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图，所述栅格地图中存储有点云数据的线特征值或者面特征值，使得地图表示中充分考虑了点云数据的线特征或者面特征，实现了更精确的地图表示，以及有利于提高后续通过地图实现目标定位的准确度。
为了更清楚地理解本申请实施例，下面首先对本申请提出的三维栅格进行说明。
与现有的NDT算法不同，本申请提出的一种栅格地图构建的方法在栅格中对点云数据进行了特征提取，因此，本申请提出了一种新的三维栅格，这与NDT算法不同，如图4所示，图4为NDT算法的三维栅格的参数的示意性框图，NDT算法中栅格只需要保留点云的均值(means)、协方差(covariance)和点的数量(count)的信息。如图5所示，图5为本申请实施例提供的一种新的三维栅格的参数的示意性框图，三维栅格包括均值、协方差矩阵、点的数量、特征向量(eigen vector)、线特征值(linearity)和面特征值(planarity)。由此可见，本申请实施例定义的栅格内的信息，增加了特征向量和线特征的特征值与面特征的特征值的信息，对栅格的定义更为丰富。
下面分步骤对方法200进行详细描述。
可选的，在步骤S210之前，所述方法200还包括:
所述终端设备获取激光雷达传感器采集的原始点云数据；
所述终端设备对所述原始点云数据进行预处理，得到处理后的点云数据。
在利用激光雷达传感器收集的点云数据时，会受到传感器设备、周围环境、人为扰动、目标特性等影响，使得点云数据无法避免的存在一些噪点，导致数据无法正确表达扫描对象的空间位置。因此需要对原始点云数据进行去噪处理，如可使用平滑滤波去噪法、均值滤波、体素滤波(voxel filter)等方法，以减小点云数据的数据量并提高点云数据的处理效率。
可选的，在步骤S210中，所述根据所述点云数据的坐标将所述点云数据投影到对应的三维栅格中，包括：
所述终端设备根据激光雷达自身的位姿，将将点云数据中的每个点转到世界坐标系中，根据转换后的点的坐标投到对应的三维栅格中。
可选的，在步骤S220中，所述终端设备根据所述点云数据计算所述所述三维栅格的均值和协方差矩阵，包括：
所述终端设备根据所述点云数据的坐标，计算所述对应的所述三维栅格的均值，所述三维栅格的均值包括三个不同维度的均值，如X，Y，Z轴三个方向的点的均值；
所述终端设备根据所述点云数据的坐标和所述三维栅格的均值，计算所述三维栅格对应的所述点云数据点的协方差矩阵，其中，所述协方差矩阵是3*3的矩阵，有效数据是六个。
可选的，在步骤S230中，所述终端设备根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
所述终端设备分解所述协方差矩阵，得到所述协方差矩阵的三个特征值和三个特征向量；
所述终端设备根据所述特征值和所述特征向量确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
可选的，所述协方差矩阵的三个特征值(eigen value)按升序排列，所述三个特征值对应的所述三个特征向量(eigen vector)按升序排列。
例如，特征值的集合用eigen_value表示，eigen_value是升序排列，也就是eigen_value[2]>eigen_value[1]>eigen_value[0]。
可选的，特征值的相对大小可以用来判断点云的形状。例如，如果一个特征值远大于另外两个，那么该点云可能呈线状；如果两个特征值相近且远大于第三个，那么点云可能呈平面状；如果三个特征值都相近，那么点云可能呈球状。
可选的，所述协方差矩阵的三个特征值(eigen value)按降序排列，所述三个特征值对应的所述三个特征向量(eigenvector)按降序排列。
可选的，所述根据所述特征值和所述特征向量确定所述对应的所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
根据所述协方差矩阵的三个特征值计算预设线特征值和预设面特征值；
根据所述预设线特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
可选的，所述根据所述协方差矩阵的三个特征值计算预设线特征值和预设面特征值，包括：
根据下式(1)计算预设线特征值：
(1)
根据下式(2)计算预设面特征值：
(2)
其中，是线特征值，/>是面特征值，/>是按升序排列的第一个特征值，/>是按升序排列的第二个特征值。
可选的，所述根据所述预设特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值，包括：
当所述预设线特征值大于所述预设面特征值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值小于所述预设面特征值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值。
可选的，所述根据所述预设特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值，包括：
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值大于或等于第一阈值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值小于第一阈值时，所述栅格的特征向量和所述栅格的线特征值为0；或者，
当所述预设线特征值小于所述预设面特征值，且所述预设面特征值大于或等于第二阈值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值；或者，
当所述预设线特征值小于所述预设面特征值，且所述预设面特征值小于第二阈值时，所述栅格的特征向量和所述栅格的面特征值为0。
具体而言，当所述预设线特征值大于所述预设面特征值时，所述三维栅格被判定为线特征linearity，当所述预设线特征值大于或等于第一阈值(例如，所述第一阈值为0.3)时，则对所述三维栅格进行赋值，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，当所述预设线特征值大于所述预设面特征值时，所述三维栅格被判定为线特征linearity，当所述预设线特征值小于第一阈值(例如，所述第一阈值为0.3)时，则所述栅格的特征向量和所述栅格的面特征值赋值为0；或者，当所述预设线特征值小于所述预设面特征值，且所述预设面特征值大于或等于第二阈值(例如，所述第二阈值为0.2)时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值；或者，当所述预设线特征值小于所述预设面特征值，且所述预设面特征值小于第二阈值(例如，所述第二阈值为0.2)时，所述栅格的特征向量和所述栅格的面特征值为0。
可选的，在所述根据所述点云数据计算所述三维栅格的均值和协方差矩阵之后，所述方法还包括：
标识所述三维栅格；
所述根据所述协方差矩阵确定所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值，包括：
当多个点云数据加载完毕时，确定标识的所述三维栅格的特征向量、线特征值或面特征值。
具体而言就是每一次来新的点，都会重新增量式计算一次协方差矩阵，记录下来有新的点加入的三维栅格的序号，直到全部点云加载完毕，再重新计算三维栅格的特征部分。
这种增量式算法，使得收到新数据时，不需要每次计算特征部分，直到全部点云加载完毕，再重新计算三维栅格的特征部分，可以减少计算量，提高计算速度，快速地更新现有地图。
以上结合附图详细描述了本申请的具体实施方式，但是，本申请并不限于上述实施方式中的具体细节，在本申请的技术构思范围内，可以对本申请的技术方案进行多种简单变型，这些简单变型均属于本申请的保护范围。例如，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本申请对各种可能的组合方式不再另行说明。又例如，本申请的各种不同的实施方式之间也可以进行任意组合，只要其不违背本申请的思想，其同样应当视为本申请所公开的参数。
还应理解，在本申请的各种方法实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。应理解这些序号在适当情况下可以互换，以便描述的本申请的实施例能够以除了在图示或描述的那些以外的顺序实施。
上文结合图1至图5，详细描述了本申请的方法实施例，下文结合图6和图7，详细描述本申请的装置实施例。
图6是本申请实施例的装置300的示意性框图，该装置300可以实现上述方法中终端设备的功能。如图3所示，装置300可包括处理单元310和获取单元320。
所述处理单元310用于根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格。
所述处理单元310还用于根据所述点云数据计算所述三维栅格的均值和协方差矩阵。
所述处理单元310还用于根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值。
所述处理单元310还用于将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
在一些实施例中，所述处理单元310具体用于：
分解所述协方差矩阵，得到所述协方差矩阵的三个特征值和三个特征向量；
根据所述特征值和所述特征向量确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
在一些实施例中，所述协方差矩阵的三个特征值按升序排列，所述三个特征值对应的所述三个特征向量按升序排列。
在一些实施例中，所述处理单元310具体用于包括：
根据所述协方差矩阵的三个特征值计算预设线特征值和预设面特征值；
根据所述预设线特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
在一些实施例中，所述处理单元310具体用于：
根据下式(3)计算预设线特征值：
(3)
根据下式(4)计算预设面特征值：
(4)
其中，是线特征值，/>是面特征值，/>是按升序排列的第一个特征值，/>是按升序排列的第二个特征值。
在一些实施例中，所述处理单元310具体用于：
当所述预设线特征值大于所述预设面特征值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值小于所述预设面特征值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值。
在一些实施例中，所述处理单元310具体用于：
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值大于或等于第一阈值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值小于第一阈值时，所述栅格的特征向量和所述栅格的线特征值为0；或者，
当所述预设线特征值小于所述预设面特征值，且所述预设面特征值大于或等于第二阈值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值；或者，
当所述预设线特征值大于所述预设面特征值，且所述预设面特征值小于第二阈值时，所述栅格的特征向量和所述栅格的面特征值为0。
在一些实施例中，所述根据处理单元310具体用于：
在所述根据所述点云数据计算所述三维栅格的均值和协方差矩阵之后，标识所述三维栅格；
所述处理单元310还用于：
当多个点云数据加载完毕时，确定标识的所述三维栅格的特征向量、线特征值或面特征值。
在一些实施例中，所述根据获取单元320具体用于：
获取所述点云数据。
应理解，装置实施例与方法实施例可以相互对应，类似的描述可以参照方法实施例。为避免重复，此处不再赘述。具体地，当在该实施例中数据处理的装置300可以对应于执行本申请实施例的方法200的执行主体时，装置300中的各个模块的前述和其它操作和/或功能分别为了实现图5中的各个方法相应流程，为了简洁，在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置和系统。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。可选地，软件模块可以位于随机存储器，闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法实施例中的步骤。
如图7是本申请实施例提供的电子设备400的示意性框图。
如图7所示，该电子设备400可包括：
存储器410和处理器420，该存储器410用于存储计算机程序，并将该程序代码传输给该处理器420。换言之，该处理器420可以从存储器410中调用并运行计算机程序，以实现本申请实施例中的方法。
例如，该处理器420可用于根据该计算机程序中的指令执行上述方法300中各执行主体的步骤。
在本申请的一些实施例中，该处理器420可以包括但不限于：
通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。
在本申请的一些实施例中，该存储器410包括但不限于：
易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器（Read-Only Memory，ROM）、可编程只读存储器（Programmable ROM，PROM）、可擦除可编程只读存储器（Erasable PROM，EPROM）、电可擦除可编程只读存储器（Electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（Random Access Memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（Static RAM，SRAM）、动态随机存取存储器（Dynamic RAM，DRAM）、同步动态随机存取存储器（Synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（Double DataRate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（Enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synch link DRAM，SLDRAM）和直接内存总线随机存取存储器（Direct Rambus RAM，DR RAM）。
在本申请的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器410中，并由该处理器420执行，以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该电子设备400中的执行过程。
可选的，该电子设备400还可包括：
通信接口430，该通信接口430可连接至该处理器420或存储器410。
其中，处理器420可以控制该通信接口430与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。示例性的，通信接口430可以包括发射机和接收机。通信接口430还可以进一步包括天线，天线的数量可以为一个或多个。
应当理解，该电子设备400中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
根据本申请的一个方面，提供了一种通信装置，包括处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行所述存储器中存储的计算机程序，使得所述编码器执行上述方法实施例的方法。
根据本申请的一个方面，提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说，本申请实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述方法实施例的方法。
根据本申请的另一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方法实施例的方法。
换言之，当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriber line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如数字视频光盘（digital video disc，DVD））、或者半导体介质（例如固态硬盘（solid state disk，SSD））等。
应理解，在本申请实施例中，“与A对应的B”表示B与A相关联。在一种实现方式中，可以根据A确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
在本申请的描述中，除非另有说明，“至少一个”是指一个或多个，“多个”是指两个或多于两个。另外，“和/或”，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的情况，其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
还应理解，本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。
还应理解，说明书中与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是，在本申请的具体实施方式中，可能涉及到用户信息等相关的数据。当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块的划分，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，例如多个模块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接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，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模块来实现本实施例方案的目的。例如，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
以上仅为本申请的具体实施方式，但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，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以该权利指示信息的保护范围为准。
Claims (11)
1.一种栅格地图构建的方法，其特征在于，包括：
根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；
根据所述点云数据计算所述三维栅格的均值和协方差矩阵；
根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值；
将所述均值、所述协方差矩阵、所述特征向量、所述线特征值或所述面特征值存储于所述三维栅格中，生成栅格地图。
2.根据权利要求1所述的方法，其特征在于，所述根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
分解所述协方差矩阵，得到所述协方差矩阵的三个特征值和三个特征向量；
根据所述特征值和所述特征向量确定所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值。
3.根据权利要求2所述的方法，其特征在于，所述协方差矩阵的三个特征值按升序排列，所述三个特征值对应的所述三个特征向量按升序排列。
4.根据权利要求3所述的方法，其特征在于，所述根据所述特征值和所述特征向量确定所述对应的三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
根据所述协方差矩阵的三个特征值计算预设线特征值和预设面特征值；
根据所述预设线特征值和所述预设面特征值的大小关系，确定所述对应的三维栅格的特征向量、所述三维栅格的线特征值或面特征值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述协方差矩阵的三个特征值计算预设线特征值和预设面特征值，包括：
根据下式（1）计算预设线特征值：
(1)
根据下式（2）计算预设面特征值：
(2)
其中，是线特征值，/>是面特征值，/>是按升序排列的第一个特征值，/>是按升序排列的第二个特征值。
6.根据权利要求4或5所述的方法，其特征在于，所述根据所述线预设特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
当所述预设线特征值大于所述预设面特征值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值小于所述预设面特征值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值。
7.根据权利要求4或5所述的方法，其特征在于，所述根据所述线预设特征值和所述预设面特征值的大小关系，确定所述对应的所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值大于或等于第一阈值时，所述栅格的特征向量为按升序排列的最后一个向量，所述栅格的线特征值为所述预设线特征值；或者，
当所述预设线特征值大于所述预设面特征值，且所述预设线特征值小于第一阈值时，所述栅格的特征向量和所述栅格的线特征值为0；或者，
当所述预设线特征值小于所述预设面特征值，且所述预设面特征值大于或等于第二阈值时，所述栅格的特征向量为按升序排列的第一个向量，所述栅格的面特征值为所述预设面特征值；或者，
当所述预设线特征值大于所述预设面特征值，且所述预设面特征值小于第二阈值时，所述栅格的特征向量和所述栅格的面特征值为0。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述点云数据计算所述三维栅格的均值和协方差矩阵之后，所述方法还包括：
标识所述三维栅格；
所述根据所述协方差矩阵确定所述三维栅格的特征向量、所述三维栅格的线特征值或面特征值，包括：
当多个点云数据加载完毕时，确定标识的所述三维栅格的特征向量、线特征值和面特征值。
9.一种栅格地图构建的装置，其特征在于，包括：
处理单元，用于根据点云数据的坐标将所述点云数据投影到对应的三维栅格中，所述三维栅格是将目标地理区域划分的多个三维栅格中的任一三维栅格；
所述处理单元还用于根据所述点云数据计算所述三维栅格的均值和协方差矩阵；
所述处理单元还用于根据所述协方差矩阵确定所述三维栅格的特征向量，所述三维栅格的线特征值或面特征值；
所述处理单元还用于将所述三维栅格的均值、协方差矩阵、特征向量、线特征值或面特征值存储于所述三维栅格中，生成栅格地图。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有指令，所述处理器运行所述指令时，使得所述处理器执行权利要求1-8任一项所述的方法。
11.一种计算机存储介质，其特征在于，包括指令，当其在计算机上运行时，使得所述计算机执行权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311161310.7A CN117011486B (zh) | 2023-09-11 | 2023-09-11 | 栅格地图构建的方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311161310.7A CN117011486B (zh) | 2023-09-11 | 2023-09-11 | 栅格地图构建的方法、装置、电子设备和计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117011486A true CN117011486A (zh) | 2023-11-07 |
| CN117011486B CN117011486B (zh) | 2024-01-09 |
Family
ID=88563794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311161310.7A Active CN117011486B (zh) | 2023-09-11 | 2023-09-11 | 栅格地图构建的方法、装置、电子设备和计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117011486B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411464A (zh) * | 2019-07-12 | 2019-11-05 | 中南大学 | 三维点云地图生成方法、装置、设备及存储介质 |
| CN111429574A (zh) * | 2020-03-06 | 2020-07-17 | 上海交通大学 | 基于三维点云和视觉融合的移动机器人定位方法和系统 |
| 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 |
| CN113628256A (zh) * | 2021-08-20 | 2021-11-09 | 北京京东乾石科技有限公司 | 一种数据处理方法和装置 |
| CN116051635A (zh) * | 2022-12-29 | 2023-05-02 | 新石器慧通（北京）科技有限公司 | 一种位姿确定方法和装置 |
-
2023
- 2023-09-11 CN CN202311161310.7A patent/CN117011486B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411464A (zh) * | 2019-07-12 | 2019-11-05 | 中南大学 | 三维点云地图生成方法、装置、设备及存储介质 |
| 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 |
| CN111429574A (zh) * | 2020-03-06 | 2020-07-17 | 上海交通大学 | 基于三维点云和视觉融合的移动机器人定位方法和系统 |
| CN113628256A (zh) * | 2021-08-20 | 2021-11-09 | 北京京东乾石科技有限公司 | 一种数据处理方法和装置 |
| CN116051635A (zh) * | 2022-12-29 | 2023-05-02 | 新石器慧通（北京）科技有限公司 | 一种位姿确定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117011486B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3506212B1 (en) | Method and apparatus for generating raster map | |
| KR102126724B1 (ko) | 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치 | |
| CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
| KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
| EP3875985B1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
| EP3875907B1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
| CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
| CN107796384B (zh) | 使用地理弧的2d交通工具定位 | |
| CN114140761A (zh) | 点云配准方法、装置、计算机设备和存储介质 | |
| EP3842836A1 (en) | Method, apparatus and storage medium for positioning object | |
| CN115147333A (zh) | 一种目标检测方法及装置 | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN117011486B (zh) | 栅格地图构建的方法、装置、电子设备和计算机存储介质 | |
| CN115588187B (zh) | 基于三维点云的行人检测方法、装置、设备以及存储介质 | |
| CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
| CN115761425A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
| CN115164919A (zh) | 基于双目相机的空间可行驶区域地图构建方法及装置 | |
| CN115222815A (zh) | 障碍物距离检测方法、装置、计算机设备和存储介质 | |
| CN113808196A (zh) | 平面融合定位方法、装置、电子设备及存储介质 | |
| CN117095036A (zh) | 一种点云配准的方法、装置、电子设备和计算机存储介质 | |
| CN112612788A (zh) | 一种无导航卫星信号下的自主定位方法 | |
| CN113625271B (zh) | 基于毫米波雷达和双目相机的同时定位与建图方法 | |
| CN116740681B (zh) | 目标检测方法、装置、车辆和存储介质 | |
| CN113112554B (zh) | 相机外参标定方法、装置、计算机设备和存储介质 | |
| CN116681884A (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 |