CN117470280A - 激光slam实时精度评估方法、装置、介质和设备 - Google Patents

激光slam实时精度评估方法、装置、介质和设备 Download PDF

Info

Publication number
CN117470280A
CN117470280A CN202311764432.5A CN202311764432A CN117470280A CN 117470280 A CN117470280 A CN 117470280A CN 202311764432 A CN202311764432 A CN 202311764432A CN 117470280 A CN117470280 A CN 117470280A
Authority
CN
China
Prior art keywords
map
point
point cloud
points
distance
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
Application number
CN202311764432.5A
Other languages
English (en)
Other versions
CN117470280B (zh
Inventor
闫臻
李滨
吴俊�
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.)
Huajian Technology Shenzhen Co ltd
Original Assignee
Huajian Technology Shenzhen 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 Huajian Technology Shenzhen Co ltd filed Critical Huajian Technology Shenzhen Co ltd
Priority to CN202311764432.5A priority Critical patent/CN117470280B/zh
Publication of CN117470280A publication Critical patent/CN117470280A/zh
Application granted granted Critical
Publication of CN117470280B publication Critical patent/CN117470280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种激光SLAM实时精度评估方法、装置、介质和设备，先基于当前采集到的目标物体的点云数据更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；再均匀选取当前的点云地图中的地图点，计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；最后根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。本发明相较于现有技术，无需事先提供高精度的轨迹数据，能实现实时分析的效果。

Description

激光SLAM实时精度评估方法、装置、介质和设备
技术领域
本发明激光SLAM涉及技术领域，尤其是涉及一种激光SLAM实时精度评估方法、装置、介质和设备。
背景技术
激光同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）在许多领域，如自动驾驶、无人机、增强现实和机器人导航中具有广泛应用。
在激光SLAM系统中，精度评估用于评估定位和地图构建结果的准确性和可靠性。现有的激光精度评估方式常采用高精度轨迹对定位结果进行评估分析，这种方式需要事先提供高精度的轨迹数据，且只能应用在事后分析中，无法实现实时分析。
发明内容
基于此，有必要提供激光SLAM实时精度评估方法、装置、介质和设备，以解决只能应用在事后分析中，无法实现实时分析的问题。
一种激光SLAM实时精度评估方法，所述方法包括：
获取当前采集到的目标物体的点云数据；
提取点云数据中的几何特征点，并对所述几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；
均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；
根据所述绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算所述估计距离与所述激光测距距离之间的距离差值；
根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
在其中一个实施例中，所述提取点云数据中的几何特征点，包括：
将当前帧的点云数据分割为预设段，且计算每段点云数据的曲率；其中，曲率的计算公式为：
上式中，指示目标点，/>指示在目标点预设范围内的近邻点云数据集，/>指示目标点的近邻点；
按照曲率大小对每段点云数据进行排序，并从非地面点中选取曲率最大的预设N个点作为目标物体几何特征点中的边缘点，选取曲率最小的预设N个点作为目标物体几何特征点中的平面点。
在其中一个实施例中，所述对所述几何特征点进行帧间点云配准，包括：
对当前帧的边缘点，在上一帧点云中搜索一对匹配点/>，建立点到线距离最小的约束，表示为：
上式中，指示当前帧，/>指示上一帧；
对当前帧的平面点，在上一帧点云中搜索3个匹配点/>，建立点到面距离最小的约束，表示为：
基于几何特征点构建目标方程，表示为：
上式中，为两帧间的位姿变换；
通过列文伯格-马夸尔特算法迭代优化所述目标方程来对两帧间的几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达位置点在世界坐标系下的估计位姿。
在其中一个实施例中，所述均匀选取当前的点云地图中的地图点，并确定地图点在世界坐标系下的绝对地图点坐标，包括：
将当前的点云地图均匀划分为预设数量的方格，并分别在每个方格内筛选出一个约束最小的地图点；
基于当前帧的激光雷达在世界坐标系下的估计位姿，将地图点在激光雷达坐标系下的相对地图点坐标转换为在世界坐标系下的绝对地图点坐标。
在其中一个实施例中，第i个地图点到激光雷达的估计距离的计算公式，表示为：
上式中，指示第i个地图点的估计距离，/>指示第i个地图点的绝对地图点坐标，/>指示当前帧的激光雷达在世界坐标系下的估计位置。
在其中一个实施例中，所述根据地图点的可观测性确定地图点的权值，包括：
令第i个地图点的权值为；其中，
。
在其中一个实施例中，所述精度评估值的计算公式，表示为：
上式中，指示精度评估值，/>指示第i个地图点到激光雷达的距离差值，/>指示第i个权值。
一种激光SLAM实时精度评估装置，所述装置包括：
数据采集模块，用于获取当前采集到的目标物体的点云数据；
地图更新及位姿确定模块，用于提取点云数据中的几何特征点，并对所述几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；
距离估计模块，用于均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；根据所述绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算所述估计距离与所述激光测距距离之间的距离差值；
精度评估模块，用于根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述激光SLAM实时精度评估方法的步骤：
一种激光SLAM实时精度评估设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述激光SLAM实时精度评估方法的步骤：
本发明提供了激光SLAM实时精度评估方法、装置、介质和设备，先基于当前采集到的目标物体的点云数据更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；再均匀选取当前的点云地图中的地图点，计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；最后根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。本发明相较于现有技术，无需事先提供高精度的轨迹数据，能实现实时分析的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
其中：
图1为激光SLAM实时精度评估方法的流程示意图；
图2为激光SLAM实时精度评估装置的结构示意图；
图3为激光SLAM实时精度评估设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，图1为一个实施例中激光SLAM实时精度评估方法的流程示意图，本实施例中激光SLAM实时精度评估方法提供的步骤包括：
S101，获取当前采集到的目标物体的点云数据。
具体的来说，点云数据是由大量点构成的集合，每个点都有三维坐标（X、Y、Z）以及可能的属性信息（如颜色、强度等）。点云数据由激光雷达扫描获取，用于表示场景的三维结构。
在一个具体实施例中，在获取上述数据之前，还需对激光雷达进行标定，以确保数据的准确性：
在对激光雷达进行标定时，在已知位置和姿态下采集激光雷达对已知标定目标的扫描数据，记录标定目标的真实世界坐标，并使用标定工具进行激光雷达的内参标定，包括激光雷达的角度分辨率和偏移参数。同时估计激光雷达相对于预设固定点（例如车辆底座）的位置和方向，并进行误差校正和参数调整，以实现激光雷达的外参标定。
在一个具体实施中，在获取到所需的采集数据之后，还对采集到的点云数据进行预处理，包括去除离群点和降采样，以减少数据量、提高匹配效率。
S102，提取点云数据中的几何特征点，并对几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿。
在一个具体实施例中，提取点云数据中的几何特征点的步骤具体包括：
为了保证特征点分布均匀，将当前帧的点云数据分割为预设段，其中具体数量可根据实际需求自行设定，且计算每段点云数据的曲率；其中，曲率的计算公式为：
，
上式中，指示目标点，/>指示在目标点预设范围内的近邻点云数据集，/>指示目标点的近邻点；
接着按照曲率大小对每段点云数据进行排序，先判断当前点是否被标记为地面点，并从非地面点中选取曲率最大的预设N个点作为目标物体几何特征点中的边缘点，选取曲率最小的预设N个点作为目标物体几何特征点中的平面点。
在一个具体实施例中，对几何特征点进行帧间点云配准的步骤具体包括：
先对边缘点采用点到线的特征匹配方法，具体的，对当前帧的边缘点，在上一帧点云中搜索一对匹配点/>，建立点到线距离最小的约束，表示为：
上式中，指示当前帧，/>指示上一帧；
再对平面点采用点到面的特征匹配方法，具体的，对当前帧的平面点，在上一帧点云中搜索3个匹配点/>，建立点到面距离最小的约束，表示为：
进一步的，基于几何特征点构建目标方程，表示为：
上式中，为两帧间的位姿变换；
最后，通过列文伯格-马夸尔特（Levenberg-Marquardt Algorithm，L-M）算法迭代优化目标方程来对两帧间的几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达位置点在世界坐标系下的估计位姿。其中，L-M算法是一种非线性最小二乘问题的优化算法，用于解决参数估计和拟合问题。它结合了梯度下降和高斯-牛顿法的优点，可以高效地处理非线性优化问题。
同时值得注意的是，在进行上述地图更新时并不是所有的帧都是有效的，也不是所有的三维点都是有效的。需先根据时间间隔（时间间隔大于1秒）、运动距离（距离大于5米）和视角变化（视角变化大于3°）等阈值，选择当前帧是否作为关键帧；同时，将可被两个以上的关键帧观测到三维点选为关键点，将关键帧和关键点更新到当前地图中。然后，才运用后端优化算法对地图进行局部和全局优化，并确定激光雷达的位姿，以提高整体的精度。
S103，均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标。
处理所有地图点可能会消耗大量的计算资源，因此本步骤从更新后的点云地图中选取一部分具有代表性的地图点作为参考点，并将这些点的相对坐标转换为世界坐标系下的坐标，以用于后续更为快速的地评估精度。同时通过均匀选择地图点，也可以确保在整个环境中都有足够的参考点，降低局部误差对整体定位准确性的影响。
在一个具体实施中，先将当前的点云地图均匀划分为预设数量的方格，并分别在每个方格内筛选出一个约束最小的地图点，其中，该预设数量n可以根据实际需求自行设定，而通过选择约束最小的三维点作为地图点，可以选出每个方格内最为可靠的三维点，从而提高了定位的准确性。
再基于当前帧的激光雷达在世界坐标系下的估计位姿，通过转换矩阵将地图点在激光雷达坐标系下的相对地图点坐标转换为在世界坐标系下的绝对地图点坐标/>。其中，n为选取的地图点的数量，第i个地图点的绝对地图点坐标表示为/>。
S104，根据绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值。
其中，激光测距距离就是直接通过激光雷达测量得到的与目标物体地图点之间的距离。
在一个具体实施中，第i个地图点到激光雷达的估计距离的计算公式，表示为：
上式中，指示第i个地图点到激光雷达的估计距离，/>指示第i个地图点的绝对地图点坐标，/>指示当前帧的激光雷达在世界坐标系下的估计位置。
进一步的，第i个地图点的激光测距距离表示为，则进行比较求差，得到的第i个距离差值，表示为：
同理，依次计算所有符合条件的距离差值，得到。
S105，根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
本步骤是基于地图点的特性来确定其对定位的贡献程度。可观测性表示了一个地图点在当前场景中能够被有效地观测到的程度。本实施例中，可观测性高的地图点会被赋予较高的权值，因为它们提供了更为可靠的信息。再考虑所有地图点的权值，计算精度评估值。这个评估值反映了当前帧的定位结果的精确程度。
在一个具体实施中，根据地图点的可观测性确定地图点的权值，包括：
令第i个地图点的权值为；其中，
在一个具体实施中，精度评估值的计算公式，表示为：
上式中，指示精度评估值，/>指示第i个地图点到激光雷达的距离差值，/>指示第i个权值。
上述激光SLAM实时精度评估方法，先基于当前采集到的目标物体的点云数据更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；再均匀选取当前的点云地图中的地图点，计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；最后根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。上述激光SLAM实时精度评估方法相较于现有技术，无需事先提供高精度的轨迹数据，能实现实时分析的效果。
在一个实施例中，如图2所示，提出了一种激光SLAM实时精度评估装置，该装置包括：
数据采集模块201，用于获取当前采集到的目标物体的点云数据；
地图更新及位姿确定模块202，用于提取点云数据中的几何特征点，并对几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；
距离估计模块203，用于均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；根据绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；
精度评估模块204，用于根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
图3示出了一个实施例中激光SLAM实时精度评估设备的内部结构图。如图3所示，该激光SLAM实时精度评估设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该激光SLAM实时精度评估设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现激光SLAM实时精度评估方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行激光SLAM实时精度评估方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的激光SLAM实时精度评估设备的限定，具体的激光SLAM实时精度评估设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
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程序，该计算机程序被处理器执行时实现如下步骤：获取当前采集到的目标物体的点云数据；提取点云数据中的几何特征点，并对几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；根据绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
一种激光SLAM实时精度评估设备，包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序，该处理器执行该计算机程序时实现如下步骤：获取当前采集到的目标物体的点云数据；提取点云数据中的几何特征点，并对几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；根据绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算估计距离与激光测距距离之间的距离差值；根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
需要说明的是，上述激光SLAM实时精度评估方法、装置、设备及计算机可读存储介质属于一个总的发明构思，激光SLAM实时精度评估方法、装置、设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种激光SLAM实时精度评估方法，其特征在于，所述方法包括：
获取当前采集到的目标物体的点云数据；
提取点云数据中的几何特征点，并对所述几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；
均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；
根据所述绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算所述估计距离与所述激光测距距离之间的距离差值；
根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
2.根据权利要求1所述的方法，其特征在于，所述提取点云数据中的几何特征点，包括：
将当前帧的点云数据分割为预设段，且计算每段点云数据的曲率；其中，曲率的计算公式为：
上式中，指示目标点，/>指示在目标点预设范围内的近邻点云数据集，/>指示目标点的近邻点；
按照曲率大小对每段点云数据进行排序，并从非地面点中选取曲率最大的预设N个点作为目标物体几何特征点中的边缘点，选取曲率最小的预设N个点作为目标物体几何特征点中的平面点。
3.根据权利要求2所述的方法，其特征在于，所述对所述几何特征点进行帧间点云配准，包括：
对当前帧的边缘点，在上一帧点云中搜索一对匹配点/>，建立点到线距离最小的约束，表示为：
上式中，指示当前帧，/>指示上一帧；
对当前帧的平面点，在上一帧点云中搜索3个匹配点/>，建立点到面距离最小的约束，表示为：
基于几何特征点构建目标方程，表示为：
上式中，为两帧间的位姿变换；
通过列文伯格-马夸尔特算法迭代优化所述目标方程来对两帧间的几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达位置点在世界坐标系下的估计位姿。
4.根据权利要求1所述的方法，其特征在于，所述均匀选取当前的点云地图中的地图点，并确定地图点在世界坐标系下的绝对地图点坐标，包括：
将当前的点云地图均匀划分为预设数量的方格，并分别在每个方格内筛选出一个约束最小的地图点；
基于当前帧的激光雷达在世界坐标系下的估计位姿，将地图点在激光雷达坐标系下的相对地图点坐标转换为在世界坐标系下的绝对地图点坐标。
5.根据权利要求1所述的方法，其特征在于，第i个地图点到激光雷达的估计距离的计算公式，表示为：
上式中，指示第i个地图点的估计距离，/>指示第i个地图点的绝对地图点坐标，/>指示当前帧的激光雷达在世界坐标系下的估计位置。
6.根据权利要求1所述的方法，其特征在于，所述根据地图点的可观测性确定地图点的权值，包括：
令第i个地图点的权值为；其中，
。
7.根据权利要求1所述的方法，其特征在于，所述精度评估值的计算公式，表示为：
上式中，指示精度评估值，/>指示第i个地图点到激光雷达的距离差值，/>指示第i个权值。
8.一种激光SLAM实时精度评估装置，其特征在于，所述装置包括：
数据采集模块，用于获取当前采集到的目标物体的点云数据；
地图更新及位姿确定模块，用于提取点云数据中的几何特征点，并对所述几何特征点进行帧间点云配准，以更新点云地图并计算得到当前帧的激光雷达在世界坐标系下的估计位姿；
距离估计模块，用于均匀选取当前的点云地图中的地图点，确定地图点在世界坐标系下的绝对地图点坐标；根据所述绝对地图点坐标和当前帧的激光雷达在世界坐标系下的估计位置计算地图点到激光雷达的估计距离，并获取激光测距距离，计算所述估计距离与所述激光测距距离之间的距离差值；
精度评估模块，用于根据地图点的可观测性确定地图点的权值，并根据确定的权值计算当前帧图像位姿的精度评估值。
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种激光SLAM实时精度评估设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
CN202311764432.5A 2023-12-21 2023-12-21 激光slam实时精度评估方法、装置、介质和设备 Active CN117470280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311764432.5A CN117470280B (zh) 2023-12-21 2023-12-21 激光slam实时精度评估方法、装置、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311764432.5A CN117470280B (zh) 2023-12-21 2023-12-21 激光slam实时精度评估方法、装置、介质和设备

Publications (2)

Publication Number Publication Date
CN117470280A true CN117470280A (zh) 2024-01-30
CN117470280B CN117470280B (zh) 2024-04-05

Family

ID=89625898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311764432.5A Active CN117470280B (zh) 2023-12-21 2023-12-21 激光slam实时精度评估方法、装置、介质和设备

Country Status (1)

Country Link
CN (1) CN117470280B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法
CN113066105A (zh) * 2021-04-02 2021-07-02 北京理工大学 激光雷达和惯性测量单元融合的定位与建图方法及系统
CN115248439A (zh) * 2022-07-26 2022-10-28 中山大学 基于几何信息和强度信息的激光雷达slam方法及系统
WO2022246826A1 (zh) * 2021-05-28 2022-12-01 深圳市大疆创新科技有限公司 外参标定方法、装置、可移动平台和存储介质
CN115775242A (zh) * 2022-12-05 2023-03-10 北京航空航天大学 一种基于匹配的点云地图质量评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法
CN113066105A (zh) * 2021-04-02 2021-07-02 北京理工大学 激光雷达和惯性测量单元融合的定位与建图方法及系统
WO2022246826A1 (zh) * 2021-05-28 2022-12-01 深圳市大疆创新科技有限公司 外参标定方法、装置、可移动平台和存储介质
CN115248439A (zh) * 2022-07-26 2022-10-28 中山大学 基于几何信息和强度信息的激光雷达slam方法及系统
CN115775242A (zh) * 2022-12-05 2023-03-10 北京航空航天大学 一种基于匹配的点云地图质量评估方法

Also Published As

Publication number Publication date
CN117470280B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
Yang et al. An automated method to register airborne and terrestrial laser scanning point clouds
RU2609434C2 (ru) Выявление расположения и местоположения объектов
Liu et al. Automated matching of multiple terrestrial laser scans for stem mapping without the use of artificial references
US8194922B2 (en) System and methods for dynamically generating earth position data for overhead images and derived information
CN111220993A (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN111145227B (zh) 一种地下隧道空间多视点云的可迭代整体配准方法
CN111207762B (zh) 地图生成方法、装置、计算机设备和存储介质
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
Habib Accuracy, quality assurance, and quality control of LiDAR data
Konrad et al. Localization in digital maps for road course estimation using grid maps
CN116295279A (zh) 一种基于无人机遥感的建筑测绘方法及无人机
CN115685160A (zh) 基于标靶的激光雷达与相机标定方法、系统、电子设备
Ioli et al. UAV photogrammetry for metric evaluation of concrete bridge cracks
CN107463944A (zh) 一种利用多时相高分辨率sar图像的道路信息提取方法
CN116630442B (zh) 一种视觉slam位姿估计精度评估方法及装置
CN116299466B (zh) 一种输电通道地质形变监测方法和装置
Hasheminasab et al. Multiscale image matching for automated calibration of UAV-based frame and line camera systems
CN117470280B (zh) 激光slam实时精度评估方法、装置、介质和设备
CN110411449B (zh) 一种航空侦察载荷目标定位方法、系统及终端设备
CN114063024A (zh) 传感器的标定方法、装置、电子设备和存储介质
CN112767458B (zh) 激光点云与图像的配准的方法及系统
CN115713548A (zh) 一种多期实景三维模型自动配准方法
Bang et al. Integration of terrestrial and airborne LiDAR data for system calibration
Liu et al. Multiple natural features fusion for on-site calibration of LiDAR boresight angle misalignment
CN117456146B (zh) 激光点云拼接方法、装置、介质和设备

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