CN117421434A - 点云定位地图的存储方法、装置、电子设备及存储介质 - Google Patents
点云定位地图的存储方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117421434A CN117421434A CN202311162772.0A CN202311162772A CN117421434A CN 117421434 A CN117421434 A CN 117421434A CN 202311162772 A CN202311162772 A CN 202311162772A CN 117421434 A CN117421434 A CN 117421434A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- grids
- determining
- grid
- roughness
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 150
- 230000015654 memory Effects 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 168
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请提供了一种点云定位地图的存储方法、装置、电子设备及存储介质，该方法包括：获取车辆在当前环境下的多个点云数据和车辆的位姿信息，并确定多个三维栅格；确定与位姿信息对应的多个三维栅格；根据多个点云数据各自对应的位置信息将多个点云数据添加至多个三维栅格中，得到多个点云栅格；确定多个点云栅格各自对应的粗糙度，并根据多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量；将多个点云栅格和多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，其中，多个目标点云栅格用于生成点云定位地图。本申请能够减小点云数据的存储压力，提高确定的点云定位地图的准确性，进而提高定位的准确性。
Description
技术领域
本申请涉及地图存储技术领域，更具体地，涉及一种点云定位地图的存储方法、装置、电子设备及存储介质。
背景技术
随着科技的快速发展，人们使用车辆的场景越来越多，定位技术在车辆的应用有着举足轻重的地位。目前，即时定位与地图构建在定位技术中的应用越来越广泛，但是由于即时定位与地图构建需要获取庞大的点云数据量，并直接存储原始点云，其存储量比较大，并且无法涉及大范围点云的存储，导致对定位不够准确。因此，如何减小电子设备对点云数据的存储压力的同时能够保证定位准确称为亟待解决的问题。
发明内容
有鉴于此，本申请实施例提出了一种点云定位地图的存储方法、装置、电子设备及存储介质，以改善上述问题。
根据本申请实施例的第一个方面，提供了一种点云定位地图的存储方法，所述方法包括：获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格；获取所述多个点云数据各自对应的位置信息；根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格；确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量；将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
根据本申请实施例的第二个方面，提供了一种点云定位地图的存储装置，所述装置包括：获取模块，用于获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格；位置信息获取模块，用于获取所述多个点云数据各自对应的位置信息；点云栅格确定模块，用于根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格；特征向量确定模块，用于确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量；存储模块，用于将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
根据本申请实施例的第三个方面，提供了一种电子设备，包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上所述点云定位地图的存储方法。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被处理器执行时，实现如上所述点云定位地图的存储方法。
在本申请的方案中，通过根据车辆在当前环境下的多个点云数据和车辆的位姿信息来确定多个三维栅格，以此将多个点云数据添加至对应的栅格中得到多个点云栅格，然后再根据多个点云栅格各自的点云数据来确定对应的点云栅格的粗糙度，以此能够根据多个点云栅格各自对应的粗糙度来确定多个点云栅格各自对应的特征向量，最后将多个点云栅格与多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，以此减小电子设备的存储压力，提高确定多个目标点云栅格的速度，并且由于根据粗糙度确定了多个点云栅格的面特征向量或线特征向量，提高根据多个目标点云栅格确定的点云定位地图的准确性，进而提高定位的准确性。
应当理解的是，以上的一般描述和后文细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是根据本申请一实施例示出的点云定位地图的存储方法的流程示意图。
图2是根据本申请一实施例示出的划分多个二维栅格的示意图。
图3是根据本申请另一实施例示出的路线规划方法的流程示意图。
图4是根据本申请一实施例示出的步骤240的具体步骤的流程示意图。
图5是根据本申请还一实施例示出的点云定位地图的存储方法的流程示意图。
图6是根据本申请又一实施例示出的点云定位地图的存储方法的流程示意图。
图7是根据本申请一实施例示出的点云定位地图的存储装置的框图。
图8是根据本申请一实施例示出的电子设备的硬件结构图。
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述，这些附图和文字描述并不是为了通过任何方式限值本发明构思的范围，而是通过特定实施例为本领域计算书人员说明本发明的概念。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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、产品或设备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。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
请参阅图1，图1示出了本申请一实施例提供的点云定位地图的存储方法，在具体的实施例中，该点云定位地图的存储方法可以应用于如图6所示的点云定位地图的存储装置500以及配置有点云定位地图的存储装置500的电子设备600(图7)。下面将说明本实施例的具体流程，当然，可以理解的，该方法可以由具备计算处理能力的云服务器执行。下面将针对图1所示的流程进行详细的阐述，所述点云定位地图的存储方法具体可以包括以下步骤：
步骤110，获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格。
作为一种方式，可通过车辆的激光雷达来对车辆在当前环境下的点云数据进行采集以此获取车辆在当前环境下的多个点云数据。还可通过激光雷达来获取车辆在当前环境下的位姿信息，可选的，车辆在当前环境下的位姿信息可以是以车辆上的激光雷达为坐标原点对应的坐标系下的位姿信息。可选的，在获取到车辆在当前环境下的多个点云数据可用PCD格式进行文件存储，车辆在当前环境下的位姿信息可以是以文本文件保存的。
可选的，在获取车辆在当前环境下的多个点云数据的同时，也获取多个点云数据的采集时间戳，并将采集时间戳作为对应点云数据存储的文件名。可选的，车辆在当前环境下的多个点云数据中可包括经度、维度和高程，为各点云在世界大地测量系统(WGS84)的坐标下的位置。
在一些实施例中，所述步骤110包括：确定与所述位姿信息对应的多个二维栅格；获取预设高程，并根据所述预设高程和所述多个二维栅格确定多个三维栅格。
作为一种方式，在获取到车辆在当前环境下的多个点云数据后，可先根据车辆在当前环境下的位姿信息在云端获取与该位姿信息对应的多个二维栅格。其中，多个二维栅格可以是在云端所存储全球对应的全局栅格地图。可选的，可通过先在通用横墨卡托格网系统(Universal Transverse Mercator Grid System，UTM)坐标系下将全球地图划分为多个二维栅格。如图2所示，UTM坐标系由椭圆柱的横正轴割地球于北纬84度、南纬80度，椭圆柱的中心线位于椭球体赤道面上，且通过椭球体质点，两个割线圆中间为中央经线圆，再将椭球体上的点投影到椭圆柱面，最后，将圆柱展开便可得到地球表面的UTM投影平面。在这个UTM平面中，以(0，0)点为原点，可将地球表面划分为多个预设规格的瓦片，也可以划分为预设规格的栅格，其中，预设规格的瓦片可以是100×100M的瓦片，然后再将瓦片划分为0.1M×0.1M的2D栅格。然后，在获取预先设定的高程，以此将预先设定的高程与2D栅格融合，以此得到3D栅格，其中，该预设高程可以是0.1M，得到的3D栅格器的规格可以是0.1×0.1×0.1M。
作为另一种方式，可在获取到车辆在当前环境下的位姿信息后，根据当前位姿信息对预设范围内的地图进行栅格划分，以此得到车辆在当前环境下对应的多个二维栅格，然后再获取预设高程，将预设高程与多个二维栅格进行融合，以此得到多个三维栅格。
步骤120，获取所述多个点云数据各自对应的位置信息。
作为一种方式，在获取到多个点云数据后，可根据点云数据中各点云数据的WGS84坐标信息来获取多个点云数据各自对应的位置信息。可选的，可先将各点云数据的WGS84坐标转换至UTM坐标系下，以此来获取点云数据的位置信息。
步骤130，根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格。
作为一种方式，在确定多个点云数据各自对应的位置信息后，确定多个点云数据各自对应的栅格，进而能够将多个点云数据添加至对应的栅格中。可选的，可根据多个点云数据各自对应的位置信息在多个三维栅格中确定对应的栅格，并将点云数据和对应的栅格设置相同的标识，以此可根据该标识将点云数据添加至对应的栅格中得到多个点云栅格。
作为一种方式，在将多个点云数据添加至各自对应的栅格中之前，可先确定多个点云数据是否属于已有栅格。可选的，可通过基于多个点云数据各自对应的位置信息来确定，可根据栅格的预设格式确定各栅格对应的位置范围，然后根据多个点云数据各自对应的位置信息是否存在对应的位置范围，若存在对应的位置范围，则将点云数据添加至对应位置范围的栅格中，以此得到点云栅格；若不存在对应的位置范围，可根据点云数据对应的位置信息构建对应的栅格，以此将点云数据添加至对应的栅格中，得到点云栅格。
可选的，在将多个点云数据添加至多个三维栅格中之前，可先将多个点云数据转换至UTM坐标系下，以此保证点云数据与栅格的格式保持一致，避免点云栅格中的数据由于格式不同导致的无法使用的问题。
步骤140，确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量。
作为一种方式，点云粗糙度是点云的一项重要的局部特征，为点云表面的光滑程度，可根据在点云栅格各自对应的粗糙度来确定多个点云栅格各自对应的特征类型以及多个点云栅格各自对应的特征向量，以此便于在对车辆进行定位时，可直接根据对应的点云栅格的特征向量来确定车辆的位置。可选的，多个点云栅格各自对应的粗糙度可以是根据多个点云栅格各自对应的点云数据计算得到的。
可选的，由于点云数据具有稀疏性和无序性，并且受采集设备的影响无法直接根据点云栅格中的点云数据来进行定位，并且一个点云栅格中的点云数据的数量较多，因此可以先根据多个点云栅格各自对应的粗糙度来确定多个电源栅格各自对应的特征，然后再根据各点云栅格中的点云数据来确定多个三维栅格各自对应的特征向量。可选的，线特征对应的线特征向量与面特征对应的面特征向量计算方法不同。
步骤150，将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
作为一种方式，在确定了多个点云栅格各自对应的特征向量后，为了保证能够根据车辆所在位置对应的栅格中特征向量来进行定位，可以将点云栅格与特征向量进行关联存储，以此在确定车辆所在位置对应的目标点云栅格后，能够根据目标点云栅格中的特征向量来进行定位。其中，多个目标点云栅格用于生成点云定位地图。可选的，可将多个点云栅格和各地对应的特征向量设置相同的唯一标识，以此根据该标识将多个点云栅格和多个点云栅格各自对应的特征向量进行关联存储，得到多个目标点云栅格。可选的，在对多个点云栅格和多个点云栅格各自对应的特征向量进行关联存储时，可将多个点云栅格中的点云数据替换为对应的特征向量，以此减小电子设备的存储压力。
在本申请的实施例中，通过根据车辆在当前环境下的多个点云数据和位姿信息来确定多个三维栅格，以此将多个点云数据添加至对应的栅格中得到多个点云栅格，然后再根据多个点云栅格各自的点云数据来确定对应的点云栅格的粗糙度，以此能够根据多个点云栅格各自对应的粗糙度来确定多个点云栅格各自对应的特征向量，最后将多个点云栅格与多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，以此减小电子设备的存储压力，提高确定多个目标点云栅格的速度，并且由于根据粗糙度确定了多个点云栅格的面特征向量或线特征向量，提高根据多个目标点云栅格确定的点云定位地图的准确性，进而提高定位的准确性。
请参阅图3，图3示出了本申请一实施例提供的点云定位地图的存储方法。下面将针对图3所示的流程进行详细的阐述，所述点云定位地图的存储方法具体可以包括以下步骤：
步骤210，获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格。
步骤220，获取所述多个点云数据各自对应的位置信息。
步骤230，根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格。
其中，步骤210-步骤230的具体步骤描述可参阅步骤110-步骤130，在此不再进行赘述。
步骤240，确定所述多个点云栅格各自包括的点云数据的数据数量和所述多个点云栅格中各自包括的点云数据的数据坐标。
作为一种方式，为了确定多个点云栅格各自对应的粗糙度可通过多个点云栅格中各自包括的点云数据的数据数量和多个点云栅格中各自包括的点云数据的数据坐标来确定。可选的，可通过确定各点云栅格中的不同坐标的点云数据以此来确定各点云栅格包括的点云数据的数据数量。可选的，可通过确定多个点云栅格中的WGS84坐标系下的坐标来确定多个点云栅格中包括的点云数据的数据坐标，还可以是确定多个点云栅格中在UTM坐标系下的点云数据的数据坐标。
步骤250，根据所述数据数量和所述数据坐标确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量。
作为一种方式，为了确定对一个点云栅格各自对应的特征为面特征还是线特征，进而基于线特征或面特征来确定对应的特征向量，可先确定多个点云栅格各自对应的粗糙度。可选的。可以通过方式：c＝∑j∈S‖pj―pi‖/(s*‖pi‖)，其中，s为各点云栅格中的点云数据的数据数量，S为多个点云栅格对应的点云集合，pj表示在点云栅格中的第j个点，pi表示在点云栅格与点云栅格中所有点云数据的均值最近的点，‖pi‖为pi的模长。
可选的，为了使得确定的多个点云栅格各自对应的粗糙度更加准确，可先确定多个点云栅格中包括的点云数据的均值，该均值可以是点云数据在UTM坐标系下的各坐标的坐标值的均值。
在一些实施例中，针对所述多个点云栅格中的每个点云栅格，如图4所示，所述步骤250包括：
步骤251，若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量。
作为一种方式，由于面特征所包含特征多于线特征所包含的特征，其对应的粗糙度也就小于线特征的粗糙度，并且由于线特征与面特征的粗糙度之间存在一粗糙度阈值，该粗糙度阈值用于区分面特征与线特征，进而可在确定点云栅格对应的粗糙度小于粗糙度阈值时确定点云栅格的特征为面特征，以此能够确定面特征对应的面特征向量作为点云栅格的特征向量。
在一些实施例中，所述步骤251包括：若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并根据所述点云栅格中包括的点云数据确定第一超定方程；根据所述第一超定方程确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量。
作为一种方式，当确定点云栅格对应的特征为面特征时，可根据点云栅格中的所有点云数据来确定第一超定方程，并对该第一超定方程进行求解，以此得到点云栅格对应的面特征，并将该面特征确定为点云栅格对应的特征向量。其中，超定方程组是指方程个数大于未知量个数的方程组，对于方程组RA＝Y，R为N×M矩阵，如果R列满秩，且N>M，则方程组没有精确解，此时称方程组为超定方程组。在本实施例中，第一超定方程为nTpj+d＝0，其中，n为面特征的法向量，d为距离，分别将点云栅格中的多有点云数据均带入至第一超定方程中，以此得到点云栅格的法向量和距离，并将法向量和距离确定面特征向量，以此作为点云栅格的特征向量。
请继续参阅图4，步骤252，若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
作为一种方式，由于线特征所包含特征少于面特征所包含的特征，其对应的粗糙度也就大于面特征的粗糙度，进而可在确定点云栅格对应的粗糙度大于或等于粗糙度阈值时确定点云栅格的特征为线特征，以此能够确定线特征对应的线特征向量作为点云栅格的特征向量。
在一些实施例中，所述步骤252包括：若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并根据所述点云栅格中包括的点云数据确定第二超定方程；根据所述第二超定方程确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
作为一种方式，当确定点云栅格对应的特征为线特征时，可根据点云栅格中的所有点云数据来确定第二超定方程，并对该第二超定方程进行求解，以此得到点云栅格对应的线特征，并将该线特征确定为点云栅格对应的特征向量。在本实施例中，第二超定方程为l×(pj―pm)/‖pj―pm‖＝0，其中，l为线特征的方向向量，分别将点云栅格中的多有点云数据均带入至第二超定方程中，以此得到点云栅格的方向向量，并将方向向量确定为先特征向量，以此作为点云栅格的特征向量。
请继续参阅图3，步骤260，将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
作为一种方式，在确定多个点云栅格各自对应的特征向量后，为了得到用于定位的点云定位地图，可将多个点云栅格和多个点云栅格对应的特征向量进行关联存储得到多个目标点云栅格，进而能够根据多个目标点云栅格来确定点云定位地图。
在一些实施例中，当所述特征为面特征时，所述步骤260包括：确定所述点云栅格中包括的点云数据的均值和方差；将所述面特征向量、所述均值和所述方差与所述点云栅格进行关联存储，得到所述目标点云栅格。
作为一种方式，当确定点云栅格的特征为面特征时，为了丰富对应的点云栅格的特征向量，以便于在根据特征为面特征的点云栅格来进行定位，以此确定出点云栅格中包括的点云数据的均值和方差，其中，均值可以是多个点云数据对应的模长的均值以及点云数据对应的模长的方差。
可选的，在确定了点云栅格中包括的点云数据的均值和方差后，将作为点云栅格的特征向量的面特征向量、点云数据对应的均值和点云数据对应的方差进行关联存储，以此能够得到目标点云栅格。
在本实施例中，通过确定多个点云栅格包括的点云数据的数据巨量以及点云数据的数据坐标来确定多个点云栅格各自对应的粗糙度，以此能够根据多个点云栅格各自对应的点云栅格的粗糙度来确定多个点云栅格各自对应的特征，以此来确定多个点云栅格各自对应的特征向量，进而能够将多个点云与多个点云栅格各自对应的特征向量进行关联存储，以此得到用于定位的点云定位地图，以此减少各栅格对应点云存储量，提高点云定位地图的确定效率，并保证各点云栅格的特征向量的准确性。
请参阅图5，图5示出了本申请一实施例提供的点云定位地图的存储方法。下面将针对图5所示的流程进行详细的阐述，所述点云定位地图的存储方法具体可以包括以下步骤：
步骤310，获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格。
步骤320，获取所述多个点云数据各自对应的位置信息。
步骤330，根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格。
步骤340，确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量。
其中，步骤310-步骤340的具体步骤描述可参阅步骤110-步骤140，在此不再进行赘述。
步骤350，按照预设格式将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到所述多个目标点云栅格。
作为一种方式，预设格式可以是Protobuf格式，通过该格式将多个点云栅格和多个点云栅格各自对应的特征向量进行关联存储至二进制文件，以此得到多个目标点云栅格。
步骤360，确定所述多个目标点云栅格的栅格位置，其中，所述多个目标点云栅格的栅格位置用于生成所述点云定位地图。
作为一种方式，可根据多个目标点云栅格各自对应的位置关系，并按照位置关系来对多个目标点云栅进行排序，以此来确定多个目标点云栅格对应的栅格位置，进而能够根据多个目标点云栅格的栅格位置生成点云定位地图。其中，位置关系可以是多个目标点云栅格之间的相邻关系，可以是距离远近关系等。可选的，可根据多个目标点云栅格的栅格位置来进行拼接，以此得到点云定位地图。
在本实施例中，通过将各点云栅格对应的特征向量与对应的点云栅格进行关联存储，并进行分块保存的方法，可快速更新该点云定位地图，并且确定多个目标点云栅格的栅格位置用于生成点云定位地图保证了点云定位地图的准确性。
请参阅图6，图6示出了本申请一实施例提供的点云定位地图的存储方法。下面将针对图6所示的流程进行详细的阐述，所述点云定位地图的存储方法具体可以包括以下步骤：
步骤410，获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格。
步骤420，获取所述多个点云数据各自对应的位置信息。
步骤430，根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格。
步骤440，确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量。
步骤450，将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
其中，步骤410-步骤450的具体步骤描述可参阅步骤110-步骤150，在此不再进行赘述。
步骤460，获取所述车辆的当前位置。
作为一种方式，车辆的当前位置为较为粗略的位置(不包括车辆所在位置的经纬度信息)，车辆的当前位置可以是根据车辆所在周围环境的图片所确定的，可通过获取车辆当前位置对应的周围环境的图片，对图片进行识别来确定车辆的当前位置。
步骤470，在所述点云定位地图中确定与所述当前位置对应的当前点云栅格。
作为一种方式，在点云定位地图中可包括部分地区的图像，在确定当前位置后，将当前位置对应的图像与点云定位地图中的多个图像进行语义识别，以此确定当前位置对应的图像与点云定位地图中的多个图像之间的相似度大于相似度阈值的目标图像，然后再确定该目标图像对应的点云栅格，以此确定当前位置对应的当前点云栅格。
步骤480，在所述点云定位地图中获取位于所述当前点云栅格的预设范围内的所有目标点云栅格，并根据所述预设范围内的所有目标点云栅格各自的特征向量进行定位。
作为一种方式，在确定了当前点云栅格后，根据当前点云栅格在点云定位地图中的位置来加载该当前点云栅格周围的点云栅格。可选的，可加载当前点云栅格的预设范围内的所有点云栅格，该预设范围可以是与车辆的尺寸对应的范围，也可以是用户自定义的范围。可选的，在点云定位地图中还可以根据点云地图对应的实际地理位置来设置多个点云栅格的行列号，并按照该行列号进行拼接存储，在确定当前点云栅格后，确定当前点云栅格在点云定位地图中的行列号，以此根据该行列号加载预设范围内的所有目标点云栅格，进而能够根据预设范围内的所有目标点云栅格各自对应的特征向量进行定位。
在本实施例中，可通过根据车辆所在当前位置来确定在点云定位地图鱼中车辆的当前位置对应的当前点云栅格，以此能够根据当前点云栅格确定所有目标点云栅格，进而能够所有目标点云栅格来进行定位，提高定位的准确性，可快速加载当前位置对应的点云定位地图。
图7是根据本申请一实施例示出的点云定位地图的存储装置的框图，如图7所示，该点云定位地图的存储装置500包括：获取模块510、位置信息获取模块520、点云栅格确定模块530、特征向量确定模块540和存储模块550。
获取模块510，用于获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格；位置信息获取模块520，用于获取所述多个点云数据各自对应的位置信息；点云栅格确定模块530，用于根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格；特征向量确定模块540，用于确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量；存储模块550，用于将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
在一些实施例中，所述特征向量确定模块540包括：第一确定子模块，用于确定所述多个点云栅格各自包括的点云数据的数据数量和所述多个点云栅格中各自包括的点云数据的数据坐标；特征向量确定子模块，用于根据所述数据数量和所述数据坐标确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量。
在一些实施例中，针对所述多个点云栅格中的每个点云栅格，所述特征向量确定子模块包括：特征向量第一确定单元，用于若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量；或者特征向量第二确定单元，用于若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
在一些实施例中，所述特征向量第一确定单元包括：第一超定方程确定子单元，用于若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并根据所述点云栅格中包括的点云数据确定第一超定方程；特征向量第一确定子单元，用于根据所述第一超定方程确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量。
在一些实施例中，所述存储模块550包括：第二确定子模块，用于确定所述点云栅格中包括的点云数据的均值和方差；存储第一子模块，用于将所述面特征向量、所述均值和所述方差与所述点云栅格进行关联存储，得到所述目标点云栅格。
在一些实施例中，所述特征向量第二确定单元包括：第二超定方程确定子单元，用于若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并根据所述点云栅格中包括的点云数据确定第二超定方程；特征向量第二确定子单元，用于根据所述第二超定方程确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
在一些实施例中，所述存储模块550还包括：存储第二子模块，用于按照预设格式将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到所述多个目标点云栅格；栅格位置确定子模块，用于确定所述多个目标点云栅格的栅格位置，其中，所述多个目标点云栅格的栅格位置用于生成所述点云定位地图。
在一些实施例中，所述点云定位地图的存储装置500还包括：当前位置获取模块，用于获取所述车辆的当前位置；当前点云栅格确定模块，用于在所述点云定位地图中确定与所述当前位置对应的当前点云栅格；定位模块，用于在所述点云定位地图中获取位于所述当前点云栅格的预设范围内的所有目标点云栅格，并根据所述预设范围内的所有目标点云栅格各自的特征向量进行定位。
根据本申请实施例的一个方面，还提供了一种电子设备，如图8所示，该车辆600包括处理器610以及一个或多个存储器620，一个或多个存储器620用于存储被处理器610执行的程序指令，处理器610执行程序指令时实施上述的点云定位地图的存储方法。
进一步地，处理器610可以包括一个或者多个处理核。处理器610运行或执行存储在存储器620内的指令、程序、代码集或指令集，以及调用存储在存储器620内的数据。可选地，处理器610可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器610可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器中，单独通过一块通信芯片进行实现。
根据本申请的一个方面，本申请还提供了一种计算机可读存储介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载计算机可读指令，当该计算机可读存储指令被处理器执行时，实现上述任一实施例中的方法。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (12)
1.一种点云定位地图的存储方法，其特征在于，所述方法包括：
获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格；
获取所述多个点云数据各自对应的位置信息；
根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格；
确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量；
将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格。
2.根据权利要求1所述的方法，其特征在于，所述确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量，包括：
确定所述多个点云栅格各自包括的点云数据的数据数量和所述多个点云栅格中各自包括的点云数据的数据坐标；
根据所述数据数量和所述数据坐标确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量。
3.根据权利要求2所述的方法，其特征在于，针对所述多个点云栅格中的每个点云栅格，所述根据所述多个点云栅格各自对应的粗糙度确定多个点云栅格各自对应的特征向量，包括：
若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量；或者
若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
4.根据权利要求3所述的方法，其特征在于，所述若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量，包括：
若所述点云栅格对应的粗糙度小于粗糙度阈值，则确定所述点云栅格的特征为面特征，并根据所述点云栅格中包括的点云数据确定第一超定方程；
根据所述第一超定方程确定所述面特征对应的面特征向量作为所述点云栅格对应的特征向量。
5.根据权利要求4所述的方法，其特征在于，所述将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，包括：
确定所述点云栅格中包括的点云数据的均值和方差；
将所述面特征向量、所述均值和所述方差与所述点云栅格进行关联存储，得到所述目标点云栅格。
6.根据权利要求3所述的方法，其特征在于，所述若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量，包括：
若所述点云栅格对应的粗糙度大于或等于粗糙度阈值，则确定所述点云栅格的特征为线特征，并根据所述点云栅格中包括的点云数据确定第二超定方程；
根据所述第二超定方程确定所述线特征对应的线特征向量作为所述点云栅格对应的特征向量。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，包括：
按照预设格式将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到所述多个目标点云栅格；
确定所述多个目标点云栅格的栅格位置，其中，所述多个目标点云栅格的栅格位置用于生成所述点云定位地图。
8.根据权利要求1-6任一项所述的方法，其特征在于，在所述将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格之后，所述方法还包括：
获取所述车辆的当前位置；
在所述点云定位地图中确定与所述当前位置对应的当前点云栅格；
在所述点云定位地图中获取位于所述当前点云栅格的预设范围内的所有目标点云栅格，并根据所述预设范围内的所有目标点云栅格各自的特征向量进行定位。
9.根据权利要求1-6任一项所述的方法，其特征在于，所述确定多个三维栅格，包括：
确定与所述位姿信息对应的多个二维栅格；
获取预设高程，并根据所述预设高程和所述多个二维栅格确定多个三维栅格。
10.一种点云定位地图的存储装置，其特征在于，所述方法包括：
获取模块，用于获取车辆在当前环境下的多个点云数据和所述车辆的位姿信息，并确定多个三维栅格；
位置信息获取模块，用于获取所述多个点云数据各自对应的位置信息；
点云栅格确定模块，用于根据所述多个点云数据各自对应的位置信息将所述多个点云数据添加至所述多个三维栅格中，得到多个点云栅格；
特征向量确定模块，用于确定所述多个点云栅格各自对应的粗糙度，并根据所述多个点云栅格各自对应的粗糙度确定所述多个点云栅格各自对应的特征向量，其中，所述多个点云栅格各自对应的特征向量包括线特征向量或面特征向量；
存储模块，用于将所述多个点云栅格和所述多个点云栅格各自对应的特征向量进行关联存储得到多个目标点云栅格，其中，所述多个目标点云栅格用于生成点云定位地图。
11.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至9中任一项所述的方法。
12.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162772.0A CN117421434A (zh) | 2023-09-08 | 2023-09-08 | 点云定位地图的存储方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162772.0A CN117421434A (zh) | 2023-09-08 | 2023-09-08 | 点云定位地图的存储方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117421434A true CN117421434A (zh) | 2024-01-19 |
Family
ID=89531496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311162772.0A Pending CN117421434A (zh) | 2023-09-08 | 2023-09-08 | 点云定位地图的存储方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117421434A (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 |
| 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 |
| CN115661313A (zh) * | 2022-09-23 | 2023-01-31 | 深圳优艾智合机器人科技有限公司 | 点云地图生成方法、设备及存储介质 |
| 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
- 2023-09-08 CN CN202311162772.0A patent/CN117421434A/zh active Pending
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 |
| 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 |
| CN115661313A (zh) * | 2022-09-23 | 2023-01-31 | 深圳优艾智合机器人科技有限公司 | 点云地图生成方法、设备及存储介质 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10643103B2 (en) | Method and apparatus for representing a map element and method and apparatus for locating a vehicle/robot | |
| CN108981734B (zh) | 电子地图道路拓展方法、装置、电子设备及存储介质 | |
| CN112313703A (zh) | 点云的增量分割 | |
| US20220335635A1 (en) | Method and system for location detection of photographs using topographic techniques | |
| US20230334850A1 (en) | Map data co-registration and localization system and method | |
| CN102779165A (zh) | 栅格地图图片库的建立方法 | |
| Kim et al. | Interactive 3D building modeling method using panoramic image sequences and digital map | |
| CN114565863A (zh) | 无人机图像的正射影像实时生成方法、装置、介质及设备 | |
| CN112714266A (zh) | 标注信息展示方法、装置、电子设备及存储介质 | |
| CN105444773A (zh) | 一种基于实景识别与增强现实的导航方法及系统 | |
| JP5837404B2 (ja) | 画像処理装置、画像処理方法 | |
| CN112051921B (zh) | Ar导航地图生成方法、装置、计算机设备和可读存储介质 | |
| CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
| US10460420B2 (en) | Converting spatial features to map projection | |
| CN110827340B (zh) | 地图的更新方法、装置及存储介质 | |
| Brata et al. | An Enhancement of Outdoor Location-Based Augmented Reality Anchor Precision through VSLAM and Google Street View | |
| CN117421434A (zh) | 点云定位地图的存储方法、装置、电子设备及存储介质 | |
| CN115002196B (zh) | 一种数据处理方法、装置、车端采集设备 | |
| CN116402892A (zh) | 定位方法、装置、设备及程序产品 | |
| CN115661313A (zh) | 点云地图生成方法、设备及存储介质 | |
| CN115905441A (zh) | 空间数据处理方法、装置、电子设备及介质 | |
| CN112102398B (zh) | 一种定位方法、装置、设备及存储介质 | |
| CN114674328A (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN113009533A (zh) | 基于视觉slam的车辆定位方法、设备及云服务器 | |
| CN113077551A (zh) | 占据栅格地图构建方法、装置、电子设备和存储介质 |
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 |