CN117804421A - 栅格地图更新方法及相关产品 - Google Patents
栅格地图更新方法及相关产品 Download PDFInfo
- Publication number
- CN117804421A CN117804421A CN202211165982.0A CN202211165982A CN117804421A CN 117804421 A CN117804421 A CN 117804421A CN 202211165982 A CN202211165982 A CN 202211165982A CN 117804421 A CN117804421 A CN 117804421A
- Authority
- CN
- China
- Prior art keywords
- map
- dynamic obstacle
- vehicle
- sub
- sensor data
- 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 69
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3859—Differential updating map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开栅格地图更新方法及相关产品,其中,一种栅格地图更新方法,包括:基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;若大于预设阈值,根据传感器数据生成局部栅格地图。本申请实施例的方案可以实现车辆在行驶过程中一边进行定位导航一边进行地图更新。
Description
技术领域
本发明属于无人驾驶系统技术领域,尤其涉及栅格地图更新方法及相关产品。
背景技术
近年来,自动驾驶得到了广泛关注和快速发展。随着技术和性能的不断提高,自动驾驶系统逐渐成为军用、民用等智慧交通领域中越来越重要的组成部分。而在室内或室外的清洁机器人领域,由于道路建设产生的地理数据变更、环境中的动态、半静态以及静态物体的变化在机器人定位过程中会产生巨大的影响,地图数据也会因此变得陈旧。例如,在地下停车场进行清洁工作的机器人会经常面临频繁的地图变化情况(车辆的进出),如果仅依靠预先建立的地图进行定位,对于单线激光机器人来说,存在很大的定位丢失风险。
现有技术中,可以通过移动端众包的方式,向所有移动端发布众包任务,根据移动端与地图的匹配效果来更新地图,计算流程以及所依赖的软硬件系统较为复杂,而且不能满足车辆定位所需的实时性。另一种现有技术是将更新地图数据按区域存储于非易失性存储器,从非易失性存储器读取更新后的地图,从记录介质(CD-ROM)读取旧地图进行定位;将被更新区域以网格单元的方式写入硬盘等非易失性存储器中,根据块管理信息,检查非易失性存储介质中是否存在构成块的更新地图数据,如果不存在,则从记录介质读取地图数据,如果存在,则从非易失性存储介质读出,并用新数据进行定位导航;缺陷是需要使用CD-ROM等存储介质和硬盘等存储器,硬件方面存在诸多问题。
发明内容
本发明实施例提供一种栅格地图更新方法及相关产品,能够一边进行定位导航一边进行地图更新。
第一方面,本发明实施例提供一种栅格地图更新方法,包括:基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;若大于预设阈值,根据传感器数据生成局部栅格地图。
第二方面,本发明实施例提供一种栅格地图更新执行设备,包括:建立模块,配置为基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;构建模块,配置为基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;判断模块,配置为判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;生成模块,配置为若大于预设阈值,根据传感器数据生成局部栅格地图。
第三方面,提供一种电子设备,其包括: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,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的栅格地图更新方法的步骤。
第四方面,本发明实施例提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任一实施例的栅格地图更新方法的步骤。
第五方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的栅格地图更新方法的步骤。
第六方面,本发明实施例还提供一种移动工具,所述移动工具包括第三方面所述的电子设备。
本申请的方法通过根据车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型,然后基于动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,并基于剩余的激光点云构建车辆当前位置实时子地图,最后基于实时子地图与车辆中存储的当前位置的历史子地图的差异判断是否生成局部栅格地图,从而可以实现车辆在行驶过程中一边进行定位导航一边进行地图更新。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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。
图1为本发明一实施例提供的一种栅格地图更新方法的流程图;
图2为本发明一实施例提供的另一种栅格地图更新方法的流程图;
图3为本发明一实施例提供的又一种栅格地图更新方法的流程图;
图4为本发明一实施例提供的再一种栅格地图更新方法的流程图;
图5为本发明一实施例提供的栅格地图更新方法的一个具体示例的系统框架图;
图6为本发明一实施例提供的栅格地图更新执行设备的结构示意图;
图7是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本领域技术人员知道,本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
为了便于理解,以下对本申请涉及的技术术语进行解释:
本申请所称的“移动工具”包括但不限于国际自动机工程师学会(Society ofAutomotive Engineers International,SAE International)或中国国家标准《汽车驾驶自动化分级》制定的L0-L5自动驾驶技术等级的车辆。
在一些实施例中,移动工具可以是具有如下各种功能的车辆设备或机器人设备:
(1)载人功能,如家用轿车、公共汽车等;
(2)载货功能,如普通货车、厢式货车、甩挂车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等;
(3)工具功能,如物流配送车、自动导引运输车AGV、巡逻车、起重机、吊车、挖掘机、推土机、铲车、压路机、装载机、越野工程车、装甲工程车、污水处理车、环卫车、吸尘车、洗地车、洒水车、扫地机器人、送餐机器人、导购机器人、割草机、高尔夫球车等;
(4)娱乐功能,如娱乐车、游乐场自动驾驶装置、平衡车等;
(5)特殊救援功能,如消防车、救护车、电力抢修车、工程抢险车等。
请参考图1,其示出了本申请的栅格地图更新方法一实施例的流程图。
如图1所示,在步骤101中,基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;
在步骤102中,基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;
在步骤103中,判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;
在步骤104中,若大于预设阈值,根据传感器数据生成局部栅格地图。
在本实施例中,对于步骤101,栅格地图更新装置基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型,例如,可以使用DBSCAN(Density-BasedSpatial Clustering of Applications with Noise)对动态障碍物进行聚类并提取障碍物的形体特征,然后对每一帧的障碍物进行数据关联,从而进行跟踪,其中,DBSCAN是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。
然后,对于步骤102,栅格地图更新装置基于动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图,例如,可以使用卡尔曼滤波器或粒子滤波器对目标障碍物位置进行滤波和预测,其中,卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法;粒子滤波器(particle filter)是一种使用蒙特卡罗方法(Monte Carlo method)的递归滤波器,透过一组具有权重的随机样本来表示随机事件的后验机率,从含有噪声或不完整的观测序列,估计出动态系统的状态,粒子滤波器可以运用在任何状态空间的模型上。
之后,对于步骤103,栅格地图更新装置判断实时子地图与车辆中存储的当前位置的历史子地图的差异是否大于预设阈值,其中,历史子地图能够预先写入记录介质并分块存储,进一步地,地图数据通过序号的方法进行管理,所以在机器人读取地图数据时,可以识别是否处于地图更新后的区域,从而判断是否需要重新加载地图。
最后,对于步骤104,若大于预设阈值,根据传感器数据生成局部栅格地图,然后更新所用激光雷达数据并非激光雷达的所有点,若不大于预设阈值,则表明实时子地图与历史子地图差异不大,不需要更新地图。
本实施例的方法通过车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型,然后基于动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,并基于剩余的激光点云构建车辆当前位置实时子地图,最后基于实时子地图与车辆中存储的当前位置的历史子地图的差异判断是否生成局部栅格地图,从而可以实现车辆在行驶过程中一边进行定位导航一边进行地图更新。
在上述实施例的方法中,所述传感器数据包括激光雷达数据、惯性测量单元数据和轮速计数据,所述根据传感器数据生成局部栅格地图包括:栅格地图更新装置根据激光雷达数据中的单线激光采集的点云构建2D地图,其中,惯性测量单元数据是测量物体三轴姿态角(或角速率)以及加速度的装置,在导航中有着很重要的应用价值。其中,单线激光雷达是指激光源发出的线束是单线的雷达,其扫描速度快、分辨率强、可靠性高,相比多线激光雷达,单线激光雷达在角频率及灵敏度上反应更快捷,从而可以在测试周围障碍物的距离和精度上都更加精准。
进一步参考图2,其示出了本申请一实施例提供的另一种栅格地图更新方法的流程图。该流程图主要是对流程图1“根据所述激光雷达数据中的单线激光采集的点云构建2D地图”的流程进一步限定的步骤的流程图。
如图2所示,在步骤201中,根据所述单线激光雷达当前帧采集的点云的位置姿态,更新最近距离TSDF值;
在步骤202中,融合所述最近距离TSDF值生成2D地图。
在本实施例中,对于步骤201,栅格地图更新装置根据单线激光雷达当前帧采集的点云的位置姿态,更新最近距离TSDF值,之后,对于步骤202,栅格地图更新装置融合最近距离TSDF值生成2D地图,其中,TSDF(truncated signed distance function)基于截断地带符号距离函数,是一种常见的在3D重建中计算隐势面的方法,可以利用多次测量数据来实现更为精确的表面重构。
本实施例的方法通过融合最近距离TSDF值生成2D地图,从而可以使地图更加精确。
进一步参考图3,其示出了本申请一实施例提供的又一种栅格地图更新方法的流程图。该流程图主要是对流程图1“基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型”的流程进一步限定的步骤的流程图。
如图3所示,在步骤301中,从所述传感器数据中提取动态数据点进行聚类和数据关联构建动态障碍物跟踪模型;
在步骤302中,计算所述动态障碍物跟踪模型当前帧的预测值与所述动态障碍物的原始数据点特征的距离值;
在步骤303中,若所述距离值小于预设范围,则所述动态障碍物配对成功;
在步骤304中,若所述距离值不小于预设范围,则继续检测下一个动态障碍物模型。
在本实施例中,对于步骤301,栅格地图更新装置从传感器数据中提取动态数据点进行聚类和数据关联构建动态障碍物跟踪模型,例如,可以使用DBSCAN对动态数据点进行聚类,然后使用最近邻域方法进行数据关联,其中,最近邻域方法是指算法规则与最小距离分类方法相似,都使用距离的远近作为类别归属的依据,只是不使用均值。
然后,对于步骤302,栅格地图更新装置计算动态障碍物跟踪模型当前帧的预测值与动态障碍物的原始数据点特征的距离值,例如,可以使用卡尔曼滤波器或粒子滤波器进行动态障碍物追踪模型匹配,其中,粒子滤波器是卡尔曼滤波器的一般化方法,卡尔曼滤波器建立在线性的状态空间和高斯分布的噪声上;而粒子滤波器的状态空间模型可以是非线性,且噪声分布可以是任何型式,在一具体实施例中,可以通过卡尔曼滤波器计算挡墙时刻物体状态的预测值,然后计算预测值的距离值。
之后,对于步骤303,若动态障碍物跟踪模型当前帧的预测值与动态障碍物的原始数据点特征的距离值小于预设范围,则动态障碍物配对成功。
最后,对于步骤304,若动态障碍物跟踪模型当前帧的预测值与动态障碍物的原始数据点特征的距离值不小于预设范围,则继续检测下一个动态障碍物模型。
本实施例的方法通过从传感器数据中提取动态数据点进行聚类和数据关联构建动态障碍物跟踪模型,然后计算动态障碍物跟踪模型当前帧的预测值与动态障碍物的原始数据点特征的距离值,从而可以在后台根据场景变化对地图进行实时更新定位。
在一些可选的实施例中,在所述判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值之前,所述方法还包括:将各历史子地图写入记录介质,并对各历史子地图标记序列号分块存储。
本实施例的方法通过将各历史子地图写入记录介质,并对各历史子地图标记序列号分块存储,从而可以在导航定位时可以有效降低系统内存的负载。
进一步参考图4,其示出了本申请一实施例提供的另一种栅格地图更新方法的流程图。该流程图主要是对流程图1“根据传感器数据生成局部栅格地图”之后的流程进一步限定的步骤的流程图。
如图4所示,在步骤401中,根据所述局部栅格地图进行导航;
在步骤402中,使用局部栅格地图替换所述历史子地图以更新地图。
在本实施例中,对于步骤401,栅格地图更新装置根据传感器数据生成的局部栅格地图进行导航。
然后,对于步骤402,栅格地图更新装置使用局部栅格地图替换历史子地图以更新地图,例如,对应该更新的历史子地图文件,用新的局部栅格地图文件对历史子地图文件进行移除,然后增加地图覆盖效果。
本实施例的方法通过使用局部栅格地图替换历史子地图以更新地图,从而可以实现一边进行定位导航一边进行地图更新。
在一些可选的实施例中,在所述判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值之后,所述方法还包括:若实时子地图与所述车辆中存储的当前位置的历史子地图的差异不大于预设阈值,根据历史子地图进行导航。
请参考图5,其示出了本发明一实施例提供的栅格地图更新方法的一个具体示例的系统框架图。
如图5所示,提取动态障碍物点使用DBSCAN进行聚类,使用最近邻域(NN)方法进行数据关联,并采用卡尔曼滤波器对目标障碍物位置进行滤波和预测。NN法具有计算量小的优点,但因为抗干扰能力差等原因导致偶尔无法获取全局最优匹配。计算障碍物模型和原始数据点特征的关联性和距离值,如果距离值小于一定阈值,则认为初步匹配成功。初步匹配的方法为:已知跟踪模型,通过卡尔曼滤波器计算挡墙时刻物体状态的预测值,计算预测值的距离值,如果距离值小于一定范围,则配对成功,否则继续检查下一个模型。
旧地图文件会预先写入记录介质,并分块存储,在导航定位时可以有效降低系统内存的负载。
如果导航定位时检测到地图匹配差异较大(比如无效点较多等多种判断方法),则用激光雷达、IMU和轮速计数据生成局部栅格地图。更新所用激光雷达数据并非激光雷达的所有点。
根据单线激光采集的点云构建2D地图;根据所述当前单线激光的位置姿态,更新最近距离TSDF值;融合TSDF值,生成2D地图。地图更新将旧地图文件改写为新地图文件,导航装置根据有标记的序列号判断所处子地图区域是否发生了地图更新行为,若所处地段发生了地图更新,则使用更新后的地图进行导航控制。
地图更新判定系统包括目标与其他里程计的定位值比较,目标转角变化率等等。
请参考图6,其示出了本发明一实施例提供的栅格地图更新执行设备的结构示意图。
如图6所示,栅格地图更新设备600,包括建立模块610、构建模块620、判断模块630和生成模块640。
其中,建立模块610,配置为基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;构建模块620,配置为基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;判断模块630,配置为判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;生成模块640,配置为若大于预设阈值,根据传感器数据生成局部栅格地图。
应当理解,图6中记载的诸模块与参考图1、图2、图3和图4中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图6中的诸模块,在此不再赘述。
值得注意的是,本公开的实施例中的模块并不用于限制本公开的方案,例如建立模块可以描述为基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型的模块。另外,还可以通过硬件处理器来实现相关功能模块,例如建立模块也可以用处理器实现,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种非易失性计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的栅格地图更新方法;
作为一种实施方式,本发明的非易失性计算机存储介质存储有计算机可执行指令,计算机可执行指令设置为:
基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;
基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;
判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;
若大于预设阈值,根据传感器数据生成局部栅格地图。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据栅格地图更新装置的使用所创建的数据等。此外,非易失性计算机可读存储介质可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至栅格地图更新装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一些实施例中,本发明实施例还提供一种移动装置,包括本体和所述本体上安装的根据前述任一实施例所述的电子设备。其中,移动装置可以是无人驾驶车辆,例如无人驾驶清扫车、无人驾驶洗地车、无人驾驶物流车、无人驾驶乘用车、无人驾驶环卫车、无人驾驶小巴车/大巴车、卡车、矿车等,还可以是机器人等。
本发明实施例还提供一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述任一项栅格地图更新方法。
图7是本发明实施例提供的电子设备的结构示意图,如图7所示,该设备包括:一个或多个处理器710以及存储器720,图7中以一个处理器710为例。栅格地图更新方法的设备还可以包括:输入装置730和输出装置740。处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接,图7中以通过总线连接为例。存储器720为上述的非易失性计算机可读存储介质。处理器710通过运行存储在存储器720中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例栅格地图更新方法。输入装置730可接收输入的数字或字符信息,以及产生与通讯补偿装置的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于栅格地图更新装置中,用于客户端,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,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;
基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;
判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;
若大于预设阈值,根据传感器数据生成局部栅格地图。
在一些实施例中,上述电子设备可以实现为自动驾驶域控制器。具体的,自动驾驶域控制器与移动工具上装载的各种传感器(包括但不限于激光雷达、相机、毫米波雷达、超声波雷达、惯性测量单元、轮速计等)通信连接,通过这些传感器获取环境感知数据和车身速度信息,并根据获取的环境感知数据和车身速度信息提取障碍物信息及生成移动工具的位置信息,以及根据位置信息和障碍物信息进行路径规划。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种栅格地图更新方法,其特征在于,包括:
基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;
基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;
判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;
若大于预设阈值,根据传感器数据生成局部栅格地图。
2.根据权利要求1所述的方法,其特征在于,所述传感器数据包括激光雷达数据、惯性测量单元数据和轮速计数据,所述根据传感器数据生成局部栅格地图包括:
根据所述激光雷达数据中的单线激光采集的点云构建2D地图。
3.根据权利要求2所述的方法,其特征在于,所述根据所述激光雷达数据中的单线激光采集的点云构建2D地图包括:
根据所述单线激光雷达当前帧采集的点云的位置姿态,更新最近距离TSDF值;
融合所述最近距离TSDF值生成2D地图。
4.根据权利要求1所述的方法,其特征在于,所述基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型包括:
从所述传感器数据中提取动态数据点进行聚类和数据关联构建动态障碍物跟踪模型;
计算所述动态障碍物跟踪模型当前帧的预测值与所述动态障碍物的原始数据点特征的距离值;
若所述距离值小于预设范围,则所述动态障碍物配对成功;
若所述距离值不小于预设范围,则继续检测下一个动态障碍物模型。
5.根据权利要求1所述的方法,其特征在于,在所述判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值之前,所述方法还包括:
将各历史子地图写入记录介质,并对各历史子地图标记序列号分块存储。
6.根据权利要求1所述的方法,其特征在于,在所述根据传感器数据生成局部栅格地图之后,所述方法还包括:
根据所述局部栅格地图进行导航;
使用局部栅格地图替换所述历史子地图以更新地图。
7.根据权利要求1所述的方法,其特征在于,在所述判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值之后,所述方法还包括:
若所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异不大于预设阈值,根据所述历史子地图进行导航。
8.一种栅格地图更新执行设备,其特征在于,包括:
建立模块,配置为基于车辆传感器采集的传感器数据对动态障碍物建立动态障碍物跟踪模型;
构建模块,配置为基于所述动态障碍物跟踪模型剔除每一帧中的动态障碍物的激光点云,基于剩余的激光点云构建车辆当前位置实时子地图;
判断模块,配置为判断所述实时子地图与所述车辆中存储的当前位置的历史子地图的差异是否大于预设阈值;
生成模块,配置为若大于预设阈值,根据传感器数据生成局部栅格地图。
9.一种电子设备,其包括: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,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7任一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
11.一种移动工具,所述移动工具包括权利要求9所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165982.0A CN117804421A (zh) | 2022-09-23 | 2022-09-23 | 栅格地图更新方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165982.0A CN117804421A (zh) | 2022-09-23 | 2022-09-23 | 栅格地图更新方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117804421A true CN117804421A (zh) | 2024-04-02 |
Family
ID=90430614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211165982.0A Pending CN117804421A (zh) | 2022-09-23 | 2022-09-23 | 栅格地图更新方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117804421A (zh) |
-
2022
- 2022-09-23 CN CN202211165982.0A patent/CN117804421A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3717324B1 (en) | Autonomous vehicle operational management scenarios | |
RU2759975C1 (ru) | Операционное управление автономным транспортным средством с управлением восприятием визуальной салиентности | |
CN111902782A (zh) | 集中式共享自主运载工具操作管理 | |
CN115235500B (zh) | 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置 | |
US20230105871A1 (en) | Data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
CN114926809A (zh) | 可通行区域检测方法及装置、移动工具、存储介质 | |
CN115143996A (zh) | 定位信息修正方法及电子设备和存储介质 | |
Lee et al. | Ods-bot: Mobile robot navigation for outdoor delivery services | |
WO2023283511A2 (en) | Systems and methods for particle filter tracking | |
Parra-Tsunekawa et al. | A kalman-filtering-based approach for improving terrain mapping in off-road autonomous vehicles | |
CN114771534A (zh) | 自动驾驶车辆的控制方法、训练方法、车辆、设备及介质 | |
CN114771533A (zh) | 自动驾驶车辆的控制方法、装置、设备、车辆及介质 | |
CN114802250A (zh) | 数据处理方法、装置、设备、自动驾驶车辆及介质 | |
US10769942B2 (en) | Method, device and system for wrong-way driver detection | |
CN114426030A (zh) | 一种行人穿行意图估计方法、装置、设备和汽车 | |
CN115269763B (zh) | 局部点云地图更新维护方法、装置、移动工具及存储介质 | |
CN117804421A (zh) | 栅格地图更新方法及相关产品 | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving | |
Mardiati et al. | Modeling motorcycle maneuvering in urban scenarios using Markov decision process with a dynamical-discretized reward field | |
Chipka et al. | Autonomous urban localization and navigation with limited information | |
CN115320623B (zh) | 车辆轨迹预测方法、设备、移动装置和存储介质 | |
CN116295391A (zh) | 建图定位方法及相关产品 | |
CN117805843A (zh) | 基于固态激光雷达的定位与建图方法及相关产品 | |
US20240239378A1 (en) | Systems and Methods for Handling Traffic Signs | |
CN117830976A (zh) | 车道线检测方法、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 |