CN117671013B - 点云定位方法、智能设备及计算机可读存储介质 - Google Patents
点云定位方法、智能设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117671013B CN117671013B CN202410143550.2A CN202410143550A CN117671013B CN 117671013 B CN117671013 B CN 117671013B CN 202410143550 A CN202410143550 A CN 202410143550A CN 117671013 B CN117671013 B CN 117671013B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- map
- ndt
- pose
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000004927 fusion Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 235000001275 Bouea macrophylla Nutrition 0.000 description 1
- 240000001160 Bouea macrophylla Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及自动驾驶技术领域，具体提供一种点云定位方法、智能设备及计算机可读存储介质，旨在解决在没有GNSS等定位系统信号或信号质量较差的场景下如何准确定位的问题。本申请提供的方法包括获取与智能设备的全局位姿匹配的局部NDT地图；获取智能设备上激光里程计得到的去畸变点云及其第一相对位姿；以去畸变点云的第二相对位姿为变量，以第一相对位姿为变量的初始值，对去畸变点云和局部NDT地图进行点云配准，以优化变量；根据优化的第二相对位姿与局部NDT地图，获取去畸变点云的点云位姿；第一相对位姿为去畸变点云与相邻点云的相对位姿，第二相对位姿为去畸变点云与局部NDT地图的相对位姿。基于上述方法，能够提高定位的准确性并减少算力消耗。
Description
技术领域
本申请涉及自动驾驶技术领域，具体涉及一种点云定位方法、智能设备及计算机可读存储介质。
背景技术
在对车辆进行自动驾驶控制时需要对车辆进行定位，获取准确的车辆位姿，再根据车辆位姿规划行驶路径，控制车辆按照路径行驶。在停车场、服务区和复杂路口等没有GNSS等定位系统信号或信号质量较差的场景，可以加载离线的先验地图，根据先验地图对车辆进行定位。
目前常规的利用先验地图定位的方法主要包括两种。一种方法是对车辆周围环境进行感知，根据感知结果建立语义矢量地图，利用这个语义矢量地图进行车辆定位，这种方法具有地图规模小、算力消耗小的优点，但是在没有语义标示的场景下，定位结果的准确性会比较低，即泛化性较差。另一种方法是采用SLAM（Simultaneous Localization andMapping）方法获取视觉或激光点云的特征地图，利用该特征地图进行车辆定位，这种方法具有较高的泛化性，但是地图规模大、算力消耗大。
相应地，本领域需要一种新的技术方案来解决上述问题。
发明内容
为了克服上述缺陷，提出了本申请，以提供解决或至少部分地解决在没有GNSS等定位系统信号或信号质量较差的场景下如何准确地进行车辆定位的技术问题的点云定位方法、智能设备及计算机可读存储介质。
在第一方面，提供一种点云定位方法，所述方法包括：
响应于智能设备进入地理围栏，根据所述智能设备的全局位姿，从预设的NDT地图中获取与所述全局位姿匹配的局部NDT地图；
获取智能设备上激光里程计得到的去畸变点云及其第一相对位姿；
以所述去畸变点云的第二相对位姿为变量，以所述第一相对位姿为所述变量的初始值，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，得到优化的第二相对位姿；
根据所述优化的第二相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿；
其中，所述全局位姿为所述智能设备在全局坐标系的位姿；所述去畸变点云为经过去畸变处理的点云；所述第一相对位姿为所述去畸变点云与相邻点云之间的相对位姿，所述相邻点云为与所述去畸变点云相邻且位于所述去畸变点云之前的一帧去畸变点云；所述第二相对位姿为所述去畸变点云与所述局部NDT地图之间的相对位姿。
在上述点云定位方法的一个技术方案中，在所述根据所述优化的第二相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿之前，所述方法还包括：
若所述点云配准失败，则根据所述第一相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿。
在上述点云定位方法的一个技术方案中，所述局部NDT地图被划分成多个地图体素，所述对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，包括：
采用所述局部NDT地图的地图体素的划分方法，将所述去畸变点云划分成多个点云体素；
根据所述第一相对位姿，从所述局部NDT地图的地图体素中分别获取与每个所述点云体素匹配的地图体素，将每个所述点云体素及其匹配的地图体素分别作为一个匹配对；
对所述匹配对进行筛选，以获取多个目标匹配对；
根据所述局部NDT地图，获取所述智能设备当前所在环境的先验高度，将所述变量的初始值中的高度替换为所述先验高度；
根据所述多个目标匹配对，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量；
其中，所述多个目标匹配对的数量为第一设定值，所述多个目标匹配对中的点云体素在所述局部NDT地图上均匀分布，每个所述目标匹配对的匹配分数均大于第二设定值，所述匹配分数表示目标匹配对中点云体素和地图体素之间的匹配程度。
在上述点云定位方法的一个技术方案中，所述根据所述局部NDT地图，获取所述智能设备当前所在环境的先验高度，包括：
根据所述智能设备的全局位姿，获取在所述局部NDT地图上以所述智能设备为中心一定范围内的地图体素；
根据所述一定范围内的地图体素的高度，获取所述先验高度。
在上述点云定位方法的一个技术方案中，所述根据所述多个目标匹配对，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，包括：
根据所述变量将每个所述目标匹配对中的点云体素投影至所述局部NDT地图上，并获取所述点云体素内的点云在所述局部NDT地图上的第一分布特征；
获取每个所述目标匹配对中的地图体素在所述局部NDT地图上的第二分布特征；
获取每个所述目标匹配对中的点云体素的第一分布特征和地图体素的第二分布特征之间的距离，并根据所述距离构建一个残差项；
以所有目标匹配对的残差项之和达到最小为目标，对所述变量进行迭代优化；
获取所述残差项之和达到最小时的变量作为优化的第二相对位姿。
在上述点云定位方法的一个技术方案中，所述方法还包括通过以下方式确定所述点云配准是否失败：
获取所述优化的第二相对位姿与所述变量的初始值之间的差值；
获取所述目标匹配对中有效匹配对的数量；
根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败；
其中，所述有效匹配对为使所述残差项之和收敛的目标匹配对。
在上述点云定位方法的一个技术方案中，所述根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败，包括：
若所述差值处于第一预设范围内且所述有效匹配对的数量处于第二预设范围内，则所述点云配准成功；否则，所述点云配准失败。
在上述点云定位方法的一个技术方案中，所述根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败，包括：
获取所述有效匹配对在所述目标匹配对中的比例；
若所述差值处于第一预设范围内且所述有效匹配对的数量处于第二预设范围内且所述比例处于第三预设范围内，则所述点云配准成功；否则，所述点云配准失败。
在上述点云定位方法的一个技术方案中，所述智能设备上设置有多个不同的传感器，所述方法还包括通过以下方式获取所述智能设备的全局位姿：
获取所述多个不同的传感器中各传感器得到的所述智能设备的运动信息，所述运动信息包括所述智能设备的位置和/或姿态；
采用多传感器融合定位方法，对所述各传感器得到的所述智能设备的运动信息进行融合定位，以获取所述智能设备的全局位姿。
在上述点云定位方法的一个技术方案中，所述对所述各传感器得到的所述智能设备的运动信息进行融合定位，包括：
获取所述去畸变点云的点云位姿；
采用多传感器融合定位方法，对所述各传感器得到的所述智能设备的运动信息以及所述去畸变点云的点云位姿进行融合定位。
在第二方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述点云定位方法的技术方案中任一项技术方案所述的方法。
在第三方面，提供一种智能设备，该智能设备包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现上述点云定位方法的技术方案中任一项技术方案所述的方法。
本申请上述一个或多个技术方案，至少具有如下一种或多种有益效果：
在实施本申请提供的点云定位方法的一个技术方案中，可以响应于智能设备进入地理围栏，根据智能设备的全局位姿，从预设的NDT地图中获取与全局位姿匹配的局部NDT地图；获取智能设备上激光里程计得到的去畸变点云及其第一相对位姿；以去畸变点云的第二相对位姿为变量，以第一相对位姿为变量的初始值，对去畸变点云和局部NDT地图进行点云配准，以优化变量，得到优化的第二相对位姿；根据优化的第二相对位姿与局部NDT地图，获取去畸变点云的点云位姿；其中，全局位姿为智能设备在全局坐标系的位姿；去畸变点云为经过去畸变处理的点云；第一相对位姿为去畸变点云与相邻点云之间的相对位姿，相邻点云为与去畸变点云相邻且位于去畸变点云之前的一帧去畸变点云；第二相对位姿为去畸变点云与局部NDT地图之间的相对位姿。
在上述实施方案中，激光里程计能够进行高精度定位，利用激光里程计得到的第一相对位姿作为点云配准中变量的初始值，能够显著提高点云配准的准确性。由于去畸变点云是经过去畸变处理的点云，具有较高的准确性，因而利用去畸变点云进行点云配准能够进一步提高点云配准的准确性。此外，利用激光里程计得到的去畸变点云进行点云配准，实现了对激光里程计得到的去畸变点云的复用，无需再对点云进行去畸变处理，节省了进行去畸变处理占用的算力。
去畸变点云、局部NDT地图都是三维的，对去畸变点云和局部NDT地图进行点云配准，实际上是对三维点云和三维地图进行点云配准，这样当智能设备处于任意一种三维场景时都可以准确地得到点云位姿，不需要对场景进行区分，无论是停车场，还是服务区和复杂路口等等场景，通过上述实施方案都能够准确得到点云位姿，具有较高的泛化性。此外，NDT地图具有地图规模小的优点，不会占用过多的存储空间。
在实施本申请提供的点云定位方法的一个技术方案中，若点云配准失败，则可以根据第一相对位姿与局部NDT地图，获取去畸变点云的点云位姿。在一些情况下，局部NDT地图可能出现部分缺失或变形，这些都可能导致点云配准失败，而基于上述实施方案，可以在点云配准失败时仍然可以得到较为准确的点云位姿，保证了智能设备在进入地理围栏之后可以持续、稳定地进行点云定位。
在实施本申请提供的点云定位方法的一个技术方案中，在进行点云配准时，可以采用局部NDT地图的地图体素的划分方法，将去畸变点云划分成多个点云体素；根据第一相对位姿，从局部NDT地图的地图体素中分别获取与每个点云体素匹配的地图体素，将每个点云体素及其匹配的地图体素分别作为一个匹配对；对匹配对进行筛选，以获取多个目标匹配对；根据局部NDT地图，获取智能设备当前所在环境的先验高度，将变量的初始值中的高度替换为先验高度；根据多个目标匹配对，对去畸变点云和局部NDT地图进行点云配准，以优化变量；多个目标匹配对的数量为设定值，多个目标匹配对中的点云体素在局部NDT地图上均匀分布，每个目标匹配对的匹配分数均大于第二设定值，匹配分数表示目标匹配对中点云体素和地图体素之间的匹配程度。
在上述实施方案中，对匹配对进行筛选可以减少匹配对的数量，从而节省了点云配准占用的算力，同时对匹配对进行筛选还可以保证参与点云配准的匹配对具有较高的质量，从而保证点云配准的准确性。
当智能设备处于地下停车场，特别是地下的多层停车场时，对于高度的定位稳定性要求比较高，而将变量的初始值中的高度替换为上述先验高度，能够确保高度的定位稳定性，提高点云配准的精度。
附图说明
参照附图，本申请的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本申请的保护范围组成限制。其中：
图1是根据本申请的一个实施例的点云定位方法的主要步骤流程示意图；
图2是根据本申请的一个实施例的对去畸变点云和局部NDT地图进行点云配准的主要步骤流程示意图；
图3是根据本申请的一个实施例的获取智能设备全局位姿的主要步骤流程示意图；
图4是根据本申请的一个实施例的对车辆进行点云定位、路径规划和导航的主要步骤流程示意图；
图5是根据本申请的一个实施例的智能设备的主要结构示意图。
附图标记列表：
11：存储器；12：处理器。
具体实施方式
下面参照附图来描述本申请的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本申请的技术原理，并非旨在限制本申请的保护范围。
在本申请的描述中，“处理器”可以包括硬件、软件或者两者的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。
本申请各实施例中可能涉及的相关用户个人信息，均为严格按照法律法规的要求，遵循合法、正当、必要的原则，基于业务场景的合理目的，处理用户在使用产品/服务过程中主动提供或因使用产品/服务而产生的，以及经用户授权获取的个人信息。
本申请处理的用户个人信息会因具体产品/服务场景而有所不同，需以用户使用产品/服务的具体场景为准，可能会涉及用户的账号信息、设备信息、驾驶信息、车辆信息或其他相关信息。本申请会以高度的勤勉义务对待用户的个人信息及其处理。
本申请非常重视用户个人信息的安全，已采取符合业界标准、合理可行的安全防护措施保护用户的信息，防止个人信息遭到未经授权访问、公开披露、使用、修改、损坏或丢失。
下面对本申请提供的点云定位方法的实施例进行说明。
参阅附图1，图1是根据本申请的一个实施例的点云定位方法的主要步骤流程示意图。如图1所示，本申请实施例中的点云定位方法主要包括下列步骤S101至步骤S104。
步骤S101：响应于智能设备进入地理围栏，根据智能设备的全局位姿，从预设的NDT（Normal Distribution Transform）地图中获取与全局位姿匹配的局部NDT地图。
智能设备，可以包括驾驶设备、智能车、机器人等设备。可选地，智能设备还可以包括自动驾驶系统，自动驾驶系统用于引导智能设备自行行驶或辅助驾驶。
地理围栏可以是用于标记现实物理世界中一个地理区域的多边形区域，这个多边形区域的顶点对应的是现实物理世界中的经纬度坐标。地理围栏标记的地理区域可以被上述预设的NDT地图覆盖。
预设的NDT地图是采用常规的NDT技术预先建立好的地图，在需要进行点云定位时直接调用这个NDT地图即可，本申请实施例不对NDT地图的建立方法作具体限定。
智能设备的全局位姿为智能设备在全局坐标系的位姿。其中，全局坐标系是以地球作为参考的坐标系，在本实施例中可以采用常规的全局坐标系，例如可以采用东北天坐标系。
下面对获取局部NDT地图的方法进行简单说明。
首先，确定智能设备在NDT地图上的位姿。如果预设的NDT地图的地图坐标系也是全局坐标系，那么这个全局位姿也可以表示智能设备在NDT地图上的位姿。如果预设的NDT地图的地图坐标系不是全局坐标系，那么可以根据全局坐标系和地图坐标系之间的转换关系，将全局位姿转换到NDT地图上，得到智能设备在NDT地图上的位姿。
然后，根据智能设备在预设的NDT地图上的位姿获取局部NDT地图。在一些实施方式中，预设的NDT地图可以预先被划分成多个地图块，这些地图块的地图范围是连续的，每一个地图块就是一个局部NDT地图。在得到智能设备在NDT地图上的位姿之后，可以获取这个位姿位于哪个局部NDT地图中，这个局部NDT地图就是与全局位姿匹配的局部NDT地图。在一些实施方式中，可以根据智能设备在预设的NDT地图上的位姿，获取在NDT地图上以智能设备为中心一定范围内的区域作为局部NDT地图。本领域技术人员可以根据实际需求灵活地设定上述一定范围的具体数值，本实施方式对此不作具体限定。
步骤S102：获取智能设备上激光里程计得到的去畸变点云及其第一相对位姿。
激光里程计是预先设置在智能设备上的，智能设备上还设置有激光雷达，激光雷达可以采集智能设备周围的三维点云，激光里程计可以利用三维点云获取智能设备的运动状态量，运动状态量包括但不限于位置、姿态、速度等。为了确保运动状态量的准确性，激光里程计会先对三维点云进行去畸变处理，得到去畸变点云，再根据去畸变点云获取运动状态量。此外，在获取运动状态量的过程中会获取每两帧相邻去畸变点云之间的相对位姿，再利用该相对位姿去获取运动状态量。其中，该相对位姿也即是两帧相邻去畸变点云之间位姿的变化量，其能够表示两帧相邻去畸变点云之间的坐标转换关系，上述位姿的变化量包括位置的变化量和姿态的变化量。在一些实施方式中，可以采用由专利申请号为202211569521.X的中国专利公开的激光里程计的实现方法得到的激光里程计。
在本实施例中可以获取激光里程计得到的每一帧去畸变点云，以及每一帧去畸变点云的第一相对位姿。第一相对位姿为去畸变点云与相邻点云之间的相对位姿，该相邻点云为与去畸变点云相邻且位于去畸变点云之前的一帧去畸变点云。
步骤S103：以去畸变点云的第二相对位姿为变量，以第一相对位姿为变量的初始值，对去畸变点云和局部NDT地图进行点云配准，以优化变量，得到优化的第二相对位姿。
第二相对位姿为去畸变点云与局部NDT地图之间的相对位姿，该相对位姿也即是去畸变点云与局部NDT地图之间位姿的变化量，其能够表示去畸变点云与局部NDT地图之间的坐标转换关系，上述位姿的变化量包括位置的变化量和姿态的变化量。
在本实施例中可以采用常规的点云配准方法，以去畸变点云的第二相对位姿为变量，对去畸变点云和局部NDT地图进行点云配准，本实施例不对点云配准的方法作具体限定，只要能够对去畸变点云和局部NDT地图的点云配准，完成变量优化，得到优化的第二相对位姿即可。
由于第一相对位姿是由激光里程计得到的比较准确的位姿，将其作为变量的初始值，能够显著提高点云配准的准确性。此外，直接复用激光里程计得到的去畸变点云进行点云配准，就无需再进行去畸变处理，节省了进行去畸变处理占用的算力。
步骤S104：根据优化的第二相对位姿与局部NDT地图，获取去畸变点云的点云位姿。
根据前述步骤S103可知，第二相对位姿实际可以表示去畸变点云和局部NDT地图之间的坐标转换关系，因此，可以根据优化的第二相对位姿将去畸变点云转换到或投影到局部NDT地图上，得到去畸变点云在局部NDT地图上的位姿，这个位姿就是本步骤要获取的点云位姿。
基于上述步骤S101至步骤S104所述的方法，可以利用具有高精度定位优点的激光里程计，提高点云配准的准确性并减少了算力消耗，从而也就提高了点云定位的准确性和效率。此外，由于去畸变点云、局部NDT地图都是三维的，上述方法实际上是对三维点云和三维地图进行点云配准，这样当智能设备处于任意一种三维场景时都可以准确地得到点云位姿，不需要对场景进行区分，无论是停车场，还是服务区和复杂路口等等场景，通过上述方法都能够准确得到点云位姿，具有较高的泛化性。
下面对上述步骤S103和步骤S104作进一步说明。
一、对步骤S103进行说明。
在上述步骤S103的一些实施方式中，可以通过图2所示的下列步骤S1031至步骤S1035，对去畸变点云和局部NDT地图进行点云配准，以优化变量，即优化第二相对位姿。
步骤S1031：采用局部NDT地图的地图体素的划分方法，将去畸变点云划分成多个点云体素。
在本实施方式中，局部NDT地图被划分成多个地图体素，采用局部NDT地图的地图体素的划分方法对去畸变点云进行划分，可以保证地图体素和点云体素的分辨率相同，有利于提高后续步骤获取匹配对的准确性。在本实施方式中，可以采用常规的体素划分方法对局部NDT地图和去畸变点云进行体素划分，本实施方式对此不作具体限定。
步骤S1032：根据第一相对位姿，从局部NDT地图的地图体素中分别获取与每个点云体素匹配的地图体素，将每个点云体素及其匹配的地图体素分别作为一个匹配对。
在此步骤中，第一相对位姿作为变量的初始值，也就是第二相对位姿的初始值，而第二相对位姿为去畸变云和局部NDT地图之间的相对位姿，因此，可以根据第一相对位姿将点云体素转换到或投影到局部NDT地图上，得到点云体素在局部NDT地图上的位姿，再获取与这个最近邻的一个地图体素，这个地图体素就是与点云体素匹配的地图体素。点云体素在局部NDT地图上的位姿可以表示为，/>表示第二相对位姿的初始值，即第一相对位姿，/>为点云体素在去畸变点云中的位姿，也即转换到或投影到局部NDT地图之前的位姿。
在得到与点云体素匹配的地图体素之后，还可以根据点云体素和地图体素的位姿，获取二者之间的匹配分数，匹配分数的大小可以表示二者匹配程度的高低。例如，匹配分数越大，则二者匹配程度越高，二者形成的匹配对的质量也就越好；匹配分数越小，则二者匹配程度越低，二者形成的匹配对的质量也就越不好。在本实施方式中可以采用常规的匹配分数获取方法，分别获取每个匹配对中点云体素和地图体素之间的匹配分数。例如，在一些实施方式中，可以根据点云体素和地图体素的位姿，获取点云体素和地图体素之间的欧式距离，将欧式距离的倒数作为匹配分数。本实施方式不对匹配分数的获取方法作具体限定，只要能够获取到每个匹配对中点云体素和地图体素之间的匹配分数即可。
步骤S1033：对匹配对进行筛选，以获取多个目标匹配对。
上述多个目标匹配对的数量为第一设定值，上述多个目标匹配对中的点云体素在局部NDT地图上均匀分布，每个目标匹配对的匹配分数均大于第二设定值。
由于一个点云体素就可以形成一个匹配对，因此，匹配对的数量会非常多，当匹配对的数量太多时会显著降低点云配准的效率。对此，本实施方式预先设置了一个第一设定值，使得筛选后保留的匹配对的数量为这个第一设定值，以达到减小匹配对数量的目的，从而提高点云配准的效率。
如果对匹配对进行随机筛选，可能会将高质量的匹配对去除掉，保留了很多质量不好的匹配对，当利用较多质量不好的匹配对进行点云配准时会降低点云配准的准确性。根据前述步骤S1032的描述可知，匹配对的匹配分数可以表示匹配对的质量，因此，在本实施方式中可以利用匹配对的匹配分数进行筛选，以筛选出高质量匹配对。其中，若匹配对的匹配分数大于第二设定值，则表示匹配对是高质量匹配对，否则匹配对不是高质量匹配对。
此外，如果对匹配对进行随机筛选，还可能会导致筛选保留下来的匹配对分布不均匀，也即这些匹配对中的点云体素在局部NDT地图上分布不均匀。当这些匹配对分布不均匀时，也会降低点云配准的准确性。因此，在本实施方式中可以按照匹配对分布均匀的原则，对匹配对进行筛选。需要说明的是，本实施方式不对均匀筛选匹配对的方法作具体限定，只要保证筛选保留下来的匹配对能够分布均匀即可。另外，本领域技术人员也可以根据实际需求灵活地设定上述第一设定值、第二设定值的数值，本实施方式同样不作具体限定。
步骤S1034：根据局部NDT地图，获取智能设备当前所在环境的先验高度，将变量的初始值中的高度替换为先验高度。
当智能设备处于地下停车场，特别是地下的多层停车场时，对于高度的定位稳定性要求比较高。但是，在地下停车场如果没有GNSS等定位系统信号或信号质量较差，那么将无法得到比较准确的高度。即使将具有高精度定位优点的激光里程计得到的第一相对位姿作为变量的初始值，但是这个初始值中的高度仍然可能存在偏差。对此，在本实施方式中，可以利用局部NDT地图的高度，来获取智能设备当前所在环境的高度。由于局部NDT地图是预先建立好的比较准确地的地图，因此，可以利用局部NDT地图的高度准确得到智能设备当前所在环境的高度，将这个高度作为先验高度，然后将变量的初始值中的高度替换为先验高度，提高这个初始值的准确性，从而有利于提高点云配准的精度。
步骤S1035：根据多个目标匹配对，对去畸变点云和局部NDT地图进行点云配准，以优化变量。
在本实施方式中可以采用常规的点云配准方法，根据多个目标匹配对，对去畸变点云和局部NDT地图进行点云配准，本实施方式不对点云配准的方法作具体限定，只要能够对去畸变点云和局部NDT地图的点云配准，完成变量优化，得到优化的第二相对位姿即可。
基于上述步骤S1031至步骤S1035所述的方法，能够显著提高点云配准的准确性，并减少点云配准占用的算力。
下面对上述步骤S1034和步骤S1035作进一步说明。
（一）对步骤S1034进行说明。
在上述步骤S1034的一些实施方式中，可以通过以下步骤11至步骤12，根据局部NDT地图，获取智能设备当前所在环境的先验高度。
步骤11：根据智能设备的全局位姿，获取在局部NDT地图上以智能设备为中心一定范围内的地图体素。
根据前述步骤S101的描述可知，根据智能设备的全局位姿可以得到智能设备在局部NDT地图上的位姿，可以将这个位姿处的点作为中心，获取在这个中心一定范围内的地图体素。
本领域技术人员可以根据实际需求灵活地设定上述第一范围的具体数值，本实施方式对此不作具体限定。
步骤12：根据上述一定范围内的地图体素的高度，获取先验高度。例如，可以获取上述一定范围内所有地图体素的高度均值，将这个高度均值作为先验高度。
基于上述步骤11至步骤12所述的方法，可以利用局部NDT地图，便捷且准确地获取到智能设备当前所在环境的先验高度。
（二）对步骤S1035进行说明。
在上述步骤S1035的一些实施方式中，可以通过以下步骤21至步骤25，根据多个目标匹配对，对去畸变点云和局部NDT地图进行点云配准，以优化变量，得到优化的第二相对位姿。
步骤21：根据变量将每个目标匹配对中的点云体素投影至局部NDT地图上，并获取点云体素内的点云在局部NDT地图上的第一分布特征。第一分布特征可以是点云的正态分布特征，该正态分布特征包括点云的均值和协方差矩阵。
步骤22：获取每个目标匹配对中的地图体素在局部NDT地图上的第二分布特征。第二分布特征可以是地图体素中点云的正态分布特征，该正态分布特征包括点云的均值和协方差矩阵。
步骤23：获取每个目标匹配对中的点云体素的第一分布特征和地图体素的第二分布特征之间的距离，并根据距离构建一个残差项。
当第一、第二分布特征都包含均值和协方差矩阵时，需要构建两个残差项，一个是根据均值之间的距离构建的残差项，另一个是根据协方差矩阵之间的距离构建的残差项。
步骤24：以所有目标匹配对的残差项之和达到最小为目标，对变量进行迭代优化。
步骤25：获取残差项之和达到最小时的变量作为优化的第二相对位姿。在得到优化的第二相对位姿之后，就可以执行步骤S104，根据优化的第二相对位姿和局部NDT地图，获取去畸变点云的点云位姿。
基于上述步骤21至步骤25所述的方法，可以利用点云体素和地图体素内点云的分布特征，准确地完成对去畸变点云和局部NDT地图的点云配准，得到最优的第二相对位姿。
二、对步骤S104进行说明。
在通过步骤S103对去畸变点云和局部NDT地图进行点云配准时可能发生配准失败，此时通过点云配准得到的优化的第二相对位姿，准确性较低，如果在步骤S104中仍然使用上述优化的第二相对位姿，获取去畸变点云的点云位姿，会降低点云位姿的准确性。
对此，在上述步骤S104的一些实施方式中，如果确定点云配准成功，则根据优化的第二相对位姿与局部NDT地图，获取去畸变点云的点云位姿；如果确定点云配准失败，则根据第一相对位姿与局部NDT地图，获取去畸变点云的点云位姿。具体地，可以根据第一相对位姿将去畸变点云转换到或投影到局部NDT地图上，得到去畸变点云在局部NDT地图上的位姿，这个位姿就是要获取的点云位姿。
下面对确定点云配准是否失败的方法进行说明。
在上述步骤S104的一些实施方式中，可以通过以下步骤S1041至步骤S1043，确定点云配准是否失败。
步骤S1041：获取优化的第二相对位姿与变量的初始值之间的差值。其中，变量的初始值也就是第二相对位姿的初始值。
步骤S1042：获取目标匹配对中有效匹配对的数量。
有效匹配对为使残差项之和收敛的目标匹配对，残差项之和是前述步骤21至步骤25所述方法中所有目标匹配对的残差项之和。
残差项之和收敛是指残差项之和向着最小靠近。根据前述步骤21至步骤25所述的方法可知，本申请实施例是以所有目标匹配对的残差项之和达到最小为目标，对变量进行迭代优化，因此，如果一个匹配对能够使残差项之和收敛，则表明这个匹配对是有效的，否则这个匹配对是无效的。在本实施方式中可以采用常规的有效评估方法，来评估每个匹配对是否有效，本实施方式不对有效评估方法作具体限定，只要能够评估出匹配对是否有效即可。
步骤S1043：根据差值与有效匹配对的数量，确定点云配准是否失败。
根据前述方法实施例的描述可知，第二相对位姿的初始值（即变量的初始值）的准确性已经比较高了，如果经过点云配准之后优化的第二相对位姿与这个初始值相差比较大，则表明点云配准可能失败。如果有效匹配对的数量比较少，则也表明点云配准可能失败。因此，在本实施方式中，可以根据上述差值和有效匹配对的数量，确定点云配准是否失败。例如，若差值比较大且有效匹配对的数量比较少，则点云配准失败。
在一些实施方式中，可以根据差值与有效匹配对的数量，并通过以下方式确定点云配准是否失败。
若差值处于第一预设范围内且有效匹配对的数量处于第二预设范围内，则点云配准成功；否则，点云配准失败。
其中，若差值处于第一预设范围内，则表明差值比较小；若有效匹配对的数量处于第二预设范围内，则表明有效匹配对的数量比较多。本领域技术人员可以根据实际需求灵活地设定第一、第二预设范围的数值，本实施方式对此不作具体限定。
通过上述实施方式，可以从差值和有效匹配对的数量这两个维度，准确地判断出点云配准是否失败。
在一些实施方式中，可以根据差值与有效匹配对的数量，并通过以下方式确定点云配准是否失败。
获取有效匹配对在目标匹配对中的比例。若差值处于第一预设范围内且有效匹配对的数量处于第二预设范围内且比例处于第三预设范围内，则点云配准成功；否则，点云配准失败。
其中，第一、第二预设范围与前述方式中的第一、第二预设范围相同。若有效匹配对的比例处于第三预设范围内，则表明有效匹配对的比例比较高。本领域技术人员可以根据实际需求灵活地设定第三预设范围的数值，本实施方式对此不作具体限定。
通过上述实施方式，可以从差值、有效匹配对的数量和比例这三个维度，准确地判断出点云配准是否失败。
下面对智能设备全局位姿的获取方法进行简单说明。
在根据本申请的一些实施例中，智能设备上设置有多个不同的传感器，多个传感器可以包括激光雷达、轮速计、IMU、相机等，并可以通过图3所示的以下步骤S201至步骤S202，获取智能设备的全局位姿。
步骤S201：获取多个不同的传感器中各传感器得到的智能设备的运动信息，运动信息包括智能设备的位置和/或姿态。此外，运动信息也可以包括智能设备的速度、加速度等。
在本实施方式中可以采用常规的运动信息获取方法，根据每个传感器得到的数据来获取智能设备的运动信息，本实施方式不对各个传感器如何得到智能设备的运动信息作具体限定，只要能够获取到各传感器得到的智能设备的运动信息即可。
步骤S202：采用多传感器融合定位方法，对各传感器得到的智能设备的运动信息进行融合定位，以获取智能设备的全局位姿。
在本实施方式中可以采用常规的多传感器融合定位方法，对上述运动信息进行融合定位，得到智能设备的全局位姿，本实施方式不对多传感器融合定位方法作具体限定，只要能够对各传感器得到的智能设备的运动信息进行融合定位，得到智能设备的全局位姿即可。
基于上述步骤S201至步骤S202所述的方法，即使在没有GNSS等定位系统信号或信号质量较差的场景下，也能够准确得到智能设备的全局位姿，从而保证点云定位的准确性。
根据前述方法实施例可知，在智能设备进入地理围栏之后，可以对去畸变点云和局部NDT地图进行点云配准，进而根据点云配准得到的第二相对位姿和局部NDT地图，得到去畸变点云的点云位姿。
在上述步骤S202的一些实施方式中，也可以将上述点云位姿作为一个虚拟传感器得到的智能设备的运动信息，将点云位姿与其他传感器得到的运动信息一起进行融合定位，从而提高全局位姿的准确性。具体而言，在采用多传感器融合定位方法，对各传感器得到的智能设备的运动信息进行融合定位时，可以获取去畸变点云的点云位姿，然后采用多传感器融合定位方法，对各传感器得到的智能设备的运动信息以及去畸变点云的点云位姿进行融合定位，得到智能设备的全局位姿。
通过该实施方式，可以在智能设备进入地理围栏之后，提高智能设备在地理围栏中全局位姿的准确性，进一步提高了点云定位的准确性。
下面结合附图4，对一些实施方式中，同时采用了前述各实施例所述方法的点云定位方法进行简单说明。在本实施方式中，智能设备为车辆，输入数据包括激光里程计得到的去畸变点云、第一相位位姿、NDT地图、车辆的全局位姿，输出数据包括去畸变点云的点云位姿。
如图4所示，在车辆行驶过程中获取车辆的全局位姿，根据全局位姿判断车辆是否进入地理围栏；若未进入，则继续根据获取到的全局位姿判断车辆是否进入地理围栏；若进入，则执行以下步骤1至步骤13。
步骤1：获取激光里程计得到的去畸变点云和第一相对位姿，对第一相对位姿和车辆的全局位姿进行数据同步。
步骤2：从全局NDT地图缓存器中获取当前地理围栏对应的全局NDT地图，根据车辆的全局位姿从全局NDT地图中获取与全局位姿匹配的局部NDT地图。
步骤3：根据去畸变点云和局部NDT地图，获取多个匹配对。
步骤4：对匹配对进行筛选，以获取多个目标匹配对。
步骤5：根据局部NDT地图，获取车辆当前所在环境的先验高度，将点云配准中变量初始值中的高度替换为这个先验高度。
步骤6：根据目标匹配对和替换成先验高度的变量初始值，进行点云配准，以优化变量，得到优化的第二相对位姿。
步骤7：评估点云配准的有效性，也即评估匹配对是否有效，获取有效匹配对。
步骤8：确定点云配准是否成功。
若成功，则根据优化的第二相对位姿和局部NDT地图，获取去畸变点云的点云位姿；若失败，则根据第一相对位姿和局部NDT地图，获取去畸变点云的点云位姿。
步骤9：根据去畸变点云的点云位姿，生成点云定位的结果消息，该结果消息包含了去畸变点云的点云位姿。
步骤10：采用多传感器融合定位方法，对车辆上各传感器得到的车辆运动信息以及去畸变点云的点云位姿进行融合定位，以获取车辆的全局位姿。
步骤11：根据车辆的全局位姿，确定车辆所在位置的道路拓扑，即对车辆进行拓扑定位。
步骤12：根据车辆所在位置的道路拓扑，规划车辆的行驶路径，即对车辆进行路径规划。
步骤13：车辆座舱控制器按照规划的路径控制车辆自动驾驶，即对车辆进行座舱导航。
基于上述步骤1至步骤13所述的方法，即使在没有GNSS等定位系统信号或信号质量较差的场景下，也能进行准确的点云定位，并对车辆进行安全、可靠地自动驾驶控制。需要说明的是，上述步骤1至步骤13的具体方法，均可以参见前述各方法实施例中的相关方法，在此不再赘述。
需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本申请的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时（并行）执行或以其他顺序执行，这些调整之后的方案与本申请中描述的技术方案属于等同技术方案，因此也将落入本申请的保护范围之内。
本领域技术人员能够理解的是，本申请实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
本申请的另一方面还提供了一种计算机可读存储介质。
在根据本申请的一个计算机可读存储介质的实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的点云定位方法的程序，该程序可以由处理器加载并运行以实现上述点云定位方法。为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本申请实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
本申请的另一方面还提供了一种智能设备。
在根据本申请的一个智能设备的实施例中，智能设备可以包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器中存储有计算机程序，计算机程序被至少一个处理器执行时实现上述任一实施例所述的方法。本申请所述的智能设备，可以包括驾驶设备、智能车、机器人等设备。参阅附图5，图5中示例性地示出了存储器11和处理器12通过总线通信连接。
在本申请的一些实施例中，智能设备还可以包括至少一个传感器，传感器用于感知信息。传感器与本申请提到的任何一种类型的处理器通信连接。可选地，智能设备还可以包括自动驾驶系统，自动驾驶系统用于引导智能设备自行行驶或辅助驾驶。处理器与传感器和/或自动驾驶系统通信，用于完成上述任一实施例所述的方法。
至此，已经结合附图所示的一个实施方式描述了本申请的技术方案，但是，本领域技术人员容易理解的是，本申请的保护范围显然不局限于这些具体实施方式。在不偏离本申请的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本申请的保护范围之内。
Claims (11)
1.一种点云定位方法，其特征在于，所述方法包括：
响应于智能设备进入地理围栏，根据所述智能设备的全局位姿，从预设的NDT地图中获取与所述全局位姿匹配的局部NDT地图；
获取智能设备上激光里程计得到的去畸变点云及其第一相对位姿；
以所述去畸变点云的第二相对位姿为变量，以所述第一相对位姿为所述变量的初始值，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，得到优化的第二相对位姿；
根据所述优化的第二相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿；
其中，所述全局位姿为所述智能设备在全局坐标系的位姿；所述去畸变点云为经过去畸变处理的点云；所述第一相对位姿为所述去畸变点云与相邻点云之间的相对位姿，所述相邻点云为与所述去畸变点云相邻且位于所述去畸变点云之前的一帧去畸变点云；所述第二相对位姿为所述去畸变点云与所述局部NDT地图之间的相对位姿；
所述局部NDT地图被划分成多个地图体素，所述对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，包括：
采用所述局部NDT地图的地图体素的划分方法，将所述去畸变点云划分成多个点云体素；根据所述第一相对位姿，从所述局部NDT地图的地图体素中分别获取与每个所述点云体素匹配的地图体素，将每个所述点云体素及其匹配的地图体素分别作为一个匹配对；对所述匹配对进行筛选，以获取多个目标匹配对；根据所述局部NDT地图，获取所述智能设备当前所在环境的先验高度，将所述变量的初始值中的高度替换为所述先验高度；根据所述多个目标匹配对，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量；所述多个目标匹配对的数量为第一设定值，所述多个目标匹配对中的点云体素在所述局部NDT地图上均匀分布，每个所述目标匹配对的匹配分数均大于第二设定值，所述匹配分数表示目标匹配对中点云体素和地图体素之间的匹配程度。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述优化的第二相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿之前，所述方法还包括：
若所述点云配准失败，则根据所述第一相对位姿与所述局部NDT地图，获取所述去畸变点云的点云位姿。
3.根据权利要求1所述的方法，其特征在于，所述根据所述局部NDT地图，获取所述智能设备当前所在环境的先验高度，包括：
根据所述智能设备的全局位姿，获取在所述局部NDT地图上以所述智能设备为中心一定范围内的地图体素；
根据所述一定范围内的地图体素的高度，获取所述先验高度。
4.根据权利要求1所述的方法，其特征在于，所述根据所述多个目标匹配对，对所述去畸变点云和所述局部NDT地图进行点云配准，以优化所述变量，包括：
根据所述变量将每个所述目标匹配对中的点云体素投影至所述局部NDT地图上，并获取所述点云体素内的点云在所述局部NDT地图上的第一分布特征；
获取每个所述目标匹配对中的地图体素在所述局部NDT地图上的第二分布特征；
获取每个所述目标匹配对中的点云体素的第一分布特征和地图体素的第二分布特征之间的距离，并根据所述距离构建一个残差项；
以所有目标匹配对的残差项之和达到最小为目标，对所述变量进行迭代优化；
获取所述残差项之和达到最小时的变量作为优化的第二相对位姿。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括通过以下方式确定所述点云配准是否失败：
获取所述优化的第二相对位姿与所述变量的初始值之间的差值；
获取所述目标匹配对中有效匹配对的数量；
根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败；
其中，所述有效匹配对为使所述残差项之和收敛的目标匹配对。
6.根据权利要求5所述的方法，其特征在于，所述根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败，包括：
若所述差值处于第一预设范围内且所述有效匹配对的数量处于第二预设范围内，则所述点云配准成功；否则，所述点云配准失败。
7.根据权利要求5所述的方法，其特征在于，所述根据所述差值与所述有效匹配对的数量，确定所述点云配准是否失败，包括：
获取所述有效匹配对在所述目标匹配对中的比例；
若所述差值处于第一预设范围内且所述有效匹配对的数量处于第二预设范围内且所述比例处于第三预设范围内，则所述点云配准成功；否则，所述点云配准失败。
8.根据权利要求1所述的方法，其特征在于，所述智能设备上设置有多个不同的传感器，所述方法还包括通过以下方式获取所述智能设备的全局位姿：
获取所述多个不同的传感器中各传感器得到的所述智能设备的运动信息，所述运动信息包括所述智能设备的位置和/或姿态；
采用多传感器融合定位方法，对所述各传感器得到的所述智能设备的运动信息进行融合定位，以获取所述智能设备的全局位姿。
9.根据权利要求8所述的方法，其特征在于，所述对所述各传感器得到的所述智能设备的运动信息进行融合定位，包括：
获取所述去畸变点云的点云位姿；
采用多传感器融合定位方法，对所述各传感器得到的所述智能设备的运动信息以及所述去畸变点云的点云位姿进行融合定位。
10.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至9中任一项所述的点云定位方法。
11.一种智能设备，其特征在于，包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现权利要求1至9中任一项所述的点云定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410143550.2A CN117671013B (zh) | 2024-02-01 | 2024-02-01 | 点云定位方法、智能设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410143550.2A CN117671013B (zh) | 2024-02-01 | 2024-02-01 | 点云定位方法、智能设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117671013A CN117671013A (zh) | 2024-03-08 |
| CN117671013B true CN117671013B (zh) | 2024-04-26 |
Family
ID=90075444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410143550.2A Active CN117671013B (zh) | 2024-02-01 | 2024-02-01 | 点云定位方法、智能设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117671013B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154676B (zh) * | 2024-05-09 | 2024-08-13 | 北京理工大学前沿技术研究院 | 一种基于激光雷达的场景定位方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111508021A (zh) * | 2020-03-24 | 2020-08-07 | 广州视源电子科技股份有限公司 | 一种位姿确定方法、装置、存储介质及电子设备 |
| CN115311349A (zh) * | 2022-08-05 | 2022-11-08 | 西南交通大学 | 一种车辆自动驾驶辅助定位融合方法及其域控制系统 |
| CN115496792A (zh) * | 2022-09-22 | 2022-12-20 | 北京航空航天大学杭州创新研究院 | 基于人在环优化的点云语义slam的方法、系统及装置 |
| CN115792943A (zh) * | 2022-12-23 | 2023-03-14 | 安徽蔚来智驾科技有限公司 | 自动驾驶车辆的定位方法、装置、可读存储介质及车辆 |
| CN115900730A (zh) * | 2022-05-16 | 2023-04-04 | 北京航空航天大学 | 一种自动驾驶车辆三维点云定位方法、装置及存储介质 |
| CN116148808A (zh) * | 2023-04-04 | 2023-05-23 | 江苏集萃清联智控科技有限公司 | 一种基于点云描述符的自动驾驶激光重定位方法和系统 |
| CN116399324A (zh) * | 2023-03-24 | 2023-07-07 | 清水湾(深圳)自动驾驶智能研究中心(有限合伙) | 建图方法、装置及控制器、无人驾驶车辆 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021021862A1 (en) * | 2019-07-29 | 2021-02-04 | Board Of Trustees Of Michigan State University | Mapping and localization system for autonomous vehicles |
| KR102257610B1 (ko) * | 2019-10-02 | 2021-05-28 | 고려대학교 산학협력단 | 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법 |
-
2024
- 2024-02-01 CN CN202410143550.2A patent/CN117671013B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111508021A (zh) * | 2020-03-24 | 2020-08-07 | 广州视源电子科技股份有限公司 | 一种位姿确定方法、装置、存储介质及电子设备 |
| CN115900730A (zh) * | 2022-05-16 | 2023-04-04 | 北京航空航天大学 | 一种自动驾驶车辆三维点云定位方法、装置及存储介质 |
| CN115311349A (zh) * | 2022-08-05 | 2022-11-08 | 西南交通大学 | 一种车辆自动驾驶辅助定位融合方法及其域控制系统 |
| CN115496792A (zh) * | 2022-09-22 | 2022-12-20 | 北京航空航天大学杭州创新研究院 | 基于人在环优化的点云语义slam的方法、系统及装置 |
| CN115792943A (zh) * | 2022-12-23 | 2023-03-14 | 安徽蔚来智驾科技有限公司 | 自动驾驶车辆的定位方法、装置、可读存储介质及车辆 |
| CN116399324A (zh) * | 2023-03-24 | 2023-07-07 | 清水湾(深圳)自动驾驶智能研究中心(有限合伙) | 建图方法、装置及控制器、无人驾驶车辆 |
| CN116148808A (zh) * | 2023-04-04 | 2023-05-23 | 江苏集萃清联智控科技有限公司 | 一种基于点云描述符的自动驾驶激光重定位方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| NDT-Transformer: Large-Scale 3D Point Cloud Localisation using the Normal Distribution Transform Representation;Zhicheng Zhou;《2021 IEEE International Conference on Robotics and Automation (ICRA 2021)》;20210604;第1-7页 * |
| 一种基于NDT 和ICP 融合的点云配准算法;李庆玲;《实验技术与管理》;20221130;第39卷(第11期);第23-28页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117671013A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11506769B2 (en) | Method and device for detecting precision of internal parameter of laser radar | |
| CN110163930B (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
| CN111874006B (zh) | 路线规划处理方法和装置 | |
| CN117671013B (zh) | 点云定位方法、智能设备及计算机可读存储介质 | |
| CN111627001B (zh) | 图像检测方法及装置 | |
| CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
| CN111539484A (zh) | 训练神经网络的方法及装置 | |
| CN111811525B (zh) | 一种基于遥感图像和浮动车轨迹的路网生成方法及系统 | |
| CN114120149B (zh) | 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质 | |
| CN115273027A (zh) | 环境感知方法、域控制器、存储介质及车辆 | |
| US11682124B2 (en) | Systems and methods for transferring map data between different maps | |
| CN115205803A (zh) | 自动驾驶环境感知方法、介质及车辆 | |
| CN112507857B (zh) | 一种车道线更新方法、装置、设备及存储介质 | |
| CN112597946A (zh) | 障碍物表示方法、装置、电子设备及可读存储介质 | |
| CN116142172A (zh) | 一种基于体素坐标系的泊车方法及装置 | |
| KR20220123901A (ko) | 무인 비행체 또는 항공기에 의해 촬영된 항공 영상에 기반하여 hd 맵을 생성하는 방법 및 시스템 | |
| CN117705125B (zh) | 定位方法、可读存储介质及智能设备 | |
| CN116152783B (zh) | 目标元素标注数据的获取方法、计算机设备及存储介质 | |
| CN117173257B (zh) | 3d目标检测及其标定参数增强方法、电子设备、介质 | |
| CN115420297B (zh) | 地图更新方法、计算机设备及计算机可读存储介质 | |
| CN117252899B (zh) | 目标跟踪方法和装置 | |
| CN111461982B (zh) | 用于拼接点云的方法和装置 | |
| CN111832947B (zh) | 风险评估方法、装置、计算机设备以及介质 | |
| US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
| CN117788597A (zh) | 点云定位方法、可读存储介质及智能设备 |
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 |