CN117908035A - 用于动态场景的单线激光定位方法、移动装置和存储介质 - Google Patents

用于动态场景的单线激光定位方法、移动装置和存储介质 Download PDF

Info

Publication number
CN117908035A
CN117908035A CN202211242529.5A CN202211242529A CN117908035A CN 117908035 A CN117908035 A CN 117908035A CN 202211242529 A CN202211242529 A CN 202211242529A CN 117908035 A CN117908035 A CN 117908035A
Authority
CN
China
Prior art keywords
laser
map
invalid
current frame
real
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
Application number
CN202211242529.5A
Other languages
English (en)
Inventor
顾浩
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.)
Beijing Idriverplus Technologies Co Ltd
Original Assignee
Beijing Idriverplus Technologies 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 Beijing Idriverplus Technologies Co Ltd filed Critical Beijing Idriverplus Technologies Co Ltd
Priority to CN202211242529.5A priority Critical patent/CN117908035A/zh
Publication of CN117908035A publication Critical patent/CN117908035A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例提供一种用于动态场景的单线激光定位方法、移动装置和存储介质。该方法包括：确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；实时的将单线激光与动态场景的原始地图进行匹配，构建无效点栅格集；确定当前帧激光中落入无效点栅格集中的无效激光点，并对有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；基于激光里程计，对第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。本发明实施例在高动态环境中，充分利用了实时单线激光自身有限的数据，在不增加传感器，不过多增加计算消耗的情况下，使得单线激光可以在地图局部环境变化的场景中保证实时激光定位精度与稳定。

Description

用于动态场景的单线激光定位方法、移动装置和存储介质
技术领域
本发明涉及自动驾驶领域，尤其涉及一种用于动态场景的单线激光定位方法、移动装置和存储介质。
背景技术
随着无人驾驶和机器人技术的进步，除了室外的大型机器人，能够在室内自主作业的室内机器人也得到了迅速发展。室内机器人通常用于楼宇内的清扫、洗地、吸尘等自动化作业，可以有效降低人力需求、提高工作效率、节省运营成本。
由于单线激光雷达价格低廉，环境适应性强，精度高，可以在低速室内机器人上广泛应用。在实际应用过程中，室内机器人一般采用先建图后定位方案，将单线激光雷达采集到的激光点云与历史建图信息进行匹配，确定出定位信息，但由于一些室内场景存在高动态环境影响，(例如，商超场景中有着各种优惠促销互动，通常会对商超场景的布局进行小范围调整，例如，在商超道路中添加优惠立牌)。这就会使预先建立的地图会存在局部环境变化而失效，单线激光有效距离有限，如果还使用局部环境变化而失效的地图会对定位稳定性造成较大的干扰。
目前针对高动态室内环境，为了保证机器人定位的稳定性通常会使用：1、基于地图更新的方案；2、基于局部地图切换的方案。
在实现本发明过程中，发明人发现相关技术中至少存在如下问题：
1、基于地图更新的方案计算量大，内存消耗高，实际作业过程中无法实时保证定位稳定，存在运营风险，只有地图更新完成后才能保证实时定位稳定。
2、基于局部地图切换的方案要求能够实时构建一个足够覆盖出问题区域的较完整的局部地图，适用于360度扫描的长距离多线激光实时定位。对于单线激光，由于单线激光的测距较短，室内清扫等产品使用单线激光测量角度一般小于270度，实时感知的局部地图范围有限，无法保证能够提前构建有效地图，无法保证定位的精度。
发明内容
为了至少解决现有技术中室内动态环境使得地图内的局部环境失效，无法保证定位精度的问题。第一方面，本发明实施例提供一种用于动态场景的单线激光定位方法，包括：
确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
第二方面，本发明实施例提供一种用于动态场景的单线激光定位执行设备，包括：
相对位置确定模块，用于确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
栅格集构建模块，用于实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
位置估计模块，用于采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
位姿优化模块，用于基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
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用于动态场景的单线激光定位方法的步骤。
第四方面，本发明实施例提供一种移动装置，包括本体和所述本体上安装的本发明任一实施例所述的电子设备。
第五方面，本发明实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任一实施例的用于动态场景的单线激光定位方法的步骤。
第六方面，本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明实施例中任意一项所述的用于动态场景的单线激光定位方法。
本发明实施例的有益效果在于：在高动态环境中，充分利用了实时单线激光自身有限的数据，在不增加传感器，不过多增加计算消耗的情况下，使得单线激光可以在地图局部环境变化的场景中保证实时激光定位精度与稳定性，从而使得依赖单线激光工作的低速室内机器人可以在商超，工厂等室内运营，使用体验更加稳定可靠，增加室内机器人应用环境的普适性，推动室内商业机器人快速发展。
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是本发明一实施例提供的一种用于动态场景的单线激光定位方法的流程图；
图2是本发明一实施例提供的一种用于动态场景的单线激光定位执行设备的结构示意图；
图3为本发明一实施例提供的一种用于动态场景的单线激光定位的电子设备的实施例的结构示意图。
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“移动装置”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，移动装置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。
如图1所示为本发明一实施例提供的一种用于动态场景的单线激光定位方法的流程图，包括如下步骤：
S11：确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
S12：实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
S13：采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
S14：基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
在本实施方式中，可以将本方法应用于室内的移动装置，例如，应用于商超环境的自动洗地车，在自动洗地车在使用前预先部署商超环境的地图，也就是商超环境的原始地图。然而，商超中会存在局部场景发生变化，例如，某产品有促销，在原本空荡的道路中摆设了标识牌。而商超中会频频搞各种活动，使得商超环境存在高动态变化。由于商超内各商家的活动并不规律，在商场内摆放/拆卸的格局也不规整，每当商超内的局部场景发生变化时，很难及时的将新的地图配置给自动洗地车。考虑到这种高动态场景的情况，本方法配置在自动洗地车的地图，使用商超环境的原始地图即可。
考虑到室内自动洗地车的使用场景，用不到过于精准的多线激光雷达，通常搭载单线激光雷达即满足室内场景的定位。
对于步骤S11，自动洗地车在商超的工作中，实时定位时启动激光里程计线程，利用自动洗地车的IMU(Inertial Measurement Unit，惯性测量单元)测量自动洗地车在商超的高动态场景空间中的角速度和加速度，并利用自动洗地车的轮速计以及单线激光采集的单线激光点云数据，进行实时激光里程计推算。
由于动态场景中局部场景可能会发生变化，对于单线激光的匹配需要在实时子地图中进行。
作为一种实施方式，所述实时子地图的构建包括：
基于惯性测量单元数据、轮速计以及实时采集的单线激光确定激光里程计的实时推算结果；
将所述激光里程计的实时推算结果按照预设要求周期性地插入至采用原始地图生成的原始子地图中，构建实时子地图。
在本实施方式中，由于场景中的地图巨大，在匹配时，通常仅会用到地图中的部分地图进行匹配。因此，在地图构建时，提取原始地图中的部分子地图来进行实时子地图的构建。
具体的，实时子地图构建可以根据实时推算结果每隔0.3米将单帧激光插入子地图中拼接形成新子地图(上述示例中，可以根据实际需求调整预设要求，不限于0.3米，例如，自动洗地车的配置较高，有较强的计算能力，可以设置每隔0.1米、0.15米，如果自动洗地车的配置较低，计算能力没有那么强，可以设置每隔0.35米)。
考虑到动态场景中并不是所有区域都发生变化，也考虑到自动洗地车的计算能力，可以利用共同维护两个子地图(原始子地图和实时子地图)：目标子地图与待切换子地图进行匹配。在自动洗地车启动时，原始子地图作为目标子地图进行地图，此时构建的实时子地图作为待切换子地图。当目标子地图中激光帧数据超过20帧后，将同时更新目标子地图及待切换子地图，当目标子地图中激光帧数据超过40帧时(此时待切换子地图中激光帧为20帧)，将待切换子地图作为目标子地图，并重置待切换子地图重新开始更新。利用上述示例周期进行待切换子地图与目标子地图的轮换。
激光里程计中的激光帧与当前子地图的匹配可以采用图优化的方式，具体的，利用上一帧激光点云中各点云数据的位置基础上进行IMU推算获得当前帧的预测位置，以当前帧的预测位置作为图优化的顶点，已IMU和轮速计信息作为一类约束，激光帧每个点与地图最近点距离作为二类约束，通过当前自动洗地车的旋转情况，是否静止及有效激光点的数量设计两类约束的权重，可以通过最小二乘方式迭代获取当前帧位置的最优估计。通过激光里程计，可以获得实时场景下上一帧激光与当前帧激光的相对位置，不受原始地图局部场景变化的干扰。具体可用下述公式进行确定：
上述公式中，其中β表示单个激光点约束权重，n表示所有参与约束激光点的总数量，T表示需要优化的车辆当前位姿(x,y,θ),θ为角度，pi表示第i个激光点在激光系下的坐标(xi,yi,θi)，Dis表示第i个激光点通过T转换到地图系下后与最近障碍物的距离，γ表示预测位姿在优化模型中的权重，Tpre表示通过里程计推算出的当前帧的预测位姿。
对于步骤S12，为保证定位结果与原始地图的一致性，需要实时进行当前帧的单线激光与原始地图进行匹配，匹配位置称为基于地图坐标系的绝对位置。在地图环境变化场景中，单线激光实时感知的数据和原始地图无法完全对应。例如商超场景中，一侧墙面被增添了广告标识牌，单线激光数据获取的就不是原有的墙面数据，若以广告牌数据与原始地图进行匹配，绝对位置就偏离了实际位置。为保证绝对位置的准确性，就需要剔除原始地图中的无效点。
作为一种实施方式，所述实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集包括：
将所述单线激光基于激光里程计的实时推算结果投影至所述原始地图的坐标系；
若所述单线激光中的激光点与所述原始地图中匹配距离超过设定阈值时，将所述激光点确定为无效点；
对所述原始地图进行栅格化处理，所述无效点所在的栅格为无效栅格，构建无效点栅格集。
在本实施方式中，每一帧激光与原始地图匹配完成后，根据每个激光点与原始地图的最近匹配距离(例如可以设置为超过10cm，示例的10cm仅为示例，具体数值不做限定)判断该点是否属于变化点(无效点)，例如，自动洗地车当前所处的局部场景没有发生变化，此时每个激光点与原始地图的最近匹配距离通常在自动洗地车抖动、单线激光雷达误差以内。如果自动洗地车当前所处的局部场景发生变化，那么变化的区域中，此时每个激光点与原始地图的最近匹配距离通常较大。如果某个激光点与原始地图的最近匹配距离超过设定的10cm则认定为该激光点为无效点。
对所述原始地图进行栅格化处理，将原始地图划分为若干个栅格，确定为无效的激光点所处的栅格作为无效栅格，利用所有无效的激光点确定出无效点栅格集。考虑到无效点栅格集的使用，每一帧无效点栅格集对应的栅格索引可以采用哈希表方式，称为单帧无效索引集。无效点栅格集可以由50帧的实时循环队列Q构成，新的单帧无效索引集构建完成后插入队列Q中，循环队列Q保持最大数量为50，超出队列数量则丢弃最旧的单帧无效索引集。
对于步骤S13，考虑到自动洗地车的计算量，在匹配时，选择自动洗地车当前区域的原始子地图进行匹配。采用原始地图生成原始子地图，将已确定的相邻两帧激光的相对位置叠加至上一帧激光在所述原始子地图中的绝对位置中，获取当前帧激光的预测位置。将当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定当前帧激光中落入无效点栅格集中的无效激光点。具体匹配中，由于无效点栅格集使用哈希表的方式存储，在无效激光点的匹配时计算每个激光点的哈希值，查询该激光点是否属于无效点栅格集中的无效激光点。若某个激光点属于无效点栅格集中的无效激光点，则认为该点大概率属于动态变化无效点进行排除，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化得到优化的位置估计。
作为一种实施方式，所述对未落入所述无效点栅格集中的有效激光点进行对应的约束优化包括：
对所述有效激光点进行与障碍物距离约束相关的第一轮优化；
对所述第一轮优化后的有效激光点进行卡方相关的第二轮优化，得到绝对位置估计。
在本实施方式中，在第一轮优化时，上一轮判断出的无效点直接不参与优化，统计各有效激光点到地图障碍物的最近距离d及最终有效点的数量。参与优化的约束：1、各有效点距离障碍物最近距离d约束；2、激光里程计预测的位置约束。各约束权重由是否退化，是否有效点过少等状态确定。经过第一轮优化完成后会得到相对准确的粗优化位姿。
对于第二轮优化会根据第一轮优化结果，校验各点约束的卡方，如果某点约束卡方超过预设的阈值说明该约束不可信，将该约束边缘化。同时根据激光里程计预测约束的卡方，调整激光点约束的分布(例如，若卡方大，则过滤集中在小区域内的激光约束)。通过第二轮约束，提高优化效果，保证优化姿态的准确。
对于步骤S14，为保证位置输出的平滑性，防止跳点对步骤S13约束优化的第一估计绝对位置进行进一步优化。具体的，以所述绝对位置作为定点，相邻两帧激光的相对位置作为约束，进行滑动窗口的滤波处理，得到优化后的当前帧的第二估计位置。
在本实施方式中，可以采用滑动窗口滤波的方式进行绝对位置估计的平滑处理。滑动窗口中采用固定长度队列的方式维护最新的10帧激光计算数据，以绝对位置估计作为顶点，以激光里程计两帧间的相对位置作为约束，优化后输出最新一帧的优化结果，用于在激光里程计约束下的后端能纠正绝对位置的跳动。以该结果作为当前帧最优位置估计。
通过该实施方式可以看出，在高动态环境中，充分利用了实时单线激光自身有限的数据，在不增加传感器，不过多增加计算消耗的情况下，使得单线激光可以在地图局部环境变化的场景中保证实时激光定位精度与稳定性，从而使得依赖单线激光工作的低速室内机器人可以在商超，工厂等室内运营，使用体验更加稳定可靠，增加室内机器人应用环境的普适性，推动室内商业机器人快速发展。
如图2所示为本发明一实施例提供的一种用于动态场景的单线激光定位执行设备的结构示意图，该系统可执行上述任意实施例所述的用于动态场景的单线激光定位方法，并配置在终端中。
本实施例提供的一种用于动态场景的单线激光定位执行设备10包括：相对位置确定模块11，栅格集构建模块12，位置估计模块13和位姿优化模块14。
其中，相对位置确定模块11用于确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；栅格集构建模块12用于实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；位置估计模块13用于采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；位姿优化模块14用于基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
进一步地，所述相对位置确定模块用于：
基于惯性测量单元数据、轮速计以及实时采集的单线激光确定激光里程计的实时推算结果；
将所述激光里程计的实时推算结果按照预设要求周期性地插入至采用原始地图生成原始子地图中，构建实时子地图。
进一步地，所述栅格集构建模块用于：将所述单线激光基于激光里程计的实时推算结果投影至所述原始地图的坐标系；
若所述单线激光中的激光点与所述原始地图中匹配距离超过设定阈值时，将所述激光点确定为无效点；
对所述原始地图进行栅格化处理，所述无效点所在的栅格为无效栅格，构建无效点栅格集。
进一步地，所述位姿优化模块用于：
以所述绝对位置作为定点，相邻两帧激光的相对位置作为约束，进行滑动窗口的滤波处理，得到优化后的当前帧的第二估计位置。
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用于动态场景的单线激光定位方法；
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：
确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的方法对应的程序指令/模块。一个或者多个程序指令存储在非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的用于动态场景的单线激光定位方法。
本发明实施例还提供一种电子设备，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用于动态场景的单线激光定位方法。
本实施例提供的电子设备可以以自动驾驶域控制器的形式实现，其中，自动驾驶域控制器与移动装置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装置的位置信息，以及根据位置信息和障碍物信息进行路径规划。
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。
在一些实施例中，本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明实施例中任意一项所述的用于动态场景的单线激光定位方法。
图3是本申请另一实施例提供的用于动态场景的单线激光定位方法的电子设备的硬件结构示意图，如图3所示，该设备包括：
一个或多个处理器310以及存储器320，图3中以一个处理器310为例。用于动态场景的单线激光定位方法的设备还可以包括：输入装置330和输出装置340。
处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器320作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的用于动态场景的单线激光定位方法对应的程序指令/模块。处理器310通过运行存储在存储器320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用于动态场景的单线激光定位方法。
存储器320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；存储数据区可存储数据等。此外，存储器320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，存储器320可选包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至移动装置。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。
输入装置330可接收输入的数字或字符信息。输出装置340可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器320中，当被所述一个或者多个处理器310执行时，执行上述任意方法实施例中的用于动态场景的单线激光定位方法。
上述产品可执行本申请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，可参见本申请实施例所提供的方法。
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。
本申请实施例的电子设备还可以以其他多种形式存在，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、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，例如平板电脑。
(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，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)其他具有数据处理功能的移动装置。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所描述的装置实施例仅仅是示意性的，其中所述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所述的方法。
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 (9)

1.一种用于动态场景的单线激光定位方法，包括：
确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
2.根据权利要求1所述的方法，其特征在于，所述实时子地图的构建包括：
基于惯性测量单元数据、轮速计以及实时采集的单线激光确定激光里程计的实时推算结果；
将所述激光里程计的实时推算结果按照预设要求周期性地插入至采用原始地图生成的原始子地图中，构建实时子地图。
3.根据权利要求1所述的方法，其特征在于，所述实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集包括：
将所述单线激光基于激光里程计的实时推算结果投影至所述原始地图的坐标系；
若所述单线激光中的激光点与所述原始地图中匹配距离超过设定阈值时，将所述激光点确定为无效点；
对所述原始地图进行栅格化处理，所述无效点所在的栅格为无效栅格，构建无效点栅格集。
4.根据权利要求1所述的方法，其特征在于，所述对未落入所述无效点栅格集中的有效激光点进行对应的约束优化包括：
对所述有效激光点进行与障碍物距离约束相关的第一轮优化；
对所述第一轮优化后的有效激光点进行卡方相关的第二轮优化，得到绝对位置估计。
5.根据权利要求1所述的方法，其特征在于，所述基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置包括：
以所述绝对位置作为定点，相邻两帧激光的相对位置作为约束，进行滑动窗口的滤波处理，得到优化后的当前帧的第二估计位置。
6.一种用于动态场景的单线激光定位执行设备，包括：
相对位置确定模块，用于确定激光里程计实时构建的实时子地图中相邻两帧激光的相对位置；
栅格集构建模块，用于实时的将单线激光与动态场景的原始地图进行匹配，确定每帧激光中的所有无效点并栅格化处理，构建无效点栅格集；
位置估计模块，用于采用原始地图生成原始子地图，通过上一帧激光在所述原始子地图中的绝对位置以及已确定的相邻两帧激光的相对位置，获取当前帧激光的预测位置，将所述当前帧激光的预测位置投影至原始地图坐标系中进行匹配，确定所述当前帧激光中落入无效点栅格集中的无效激光点，并对未落入所述无效点栅格集中的有效激光点进行对应的约束优化，获取当前帧激光的第一估计绝对位置；
位姿优化模块，用于基于激光里程计，对所述第一估计绝对位置进行位姿优化，得到当前帧的第二估计位置。
7.一种电子设备，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1-5中任一项所述方法的步骤。
8.一种移动装置，包括根据权利要求7所述的电子设备。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
CN202211242529.5A 2022-10-11 2022-10-11 用于动态场景的单线激光定位方法、移动装置和存储介质 Pending CN117908035A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211242529.5A CN117908035A (zh) 2022-10-11 2022-10-11 用于动态场景的单线激光定位方法、移动装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211242529.5A CN117908035A (zh) 2022-10-11 2022-10-11 用于动态场景的单线激光定位方法、移动装置和存储介质

Publications (1)

Publication Number Publication Date
CN117908035A true CN117908035A (zh) 2024-04-19

Family

ID=90695174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211242529.5A Pending CN117908035A (zh) 2022-10-11 2022-10-11 用于动态场景的单线激光定位方法、移动装置和存储介质

Country Status (1)

Country Link
CN (1) CN117908035A (zh)

Similar Documents

Publication Publication Date Title
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
JP2021504825A (ja) 自律走行車両運行管理計画
CN110488818B (zh) 一种基于激光雷达的机器人定位方法、装置和机器人
US20190283766A1 (en) Drivetrain compensation for autonomous vehicles
US11565723B2 (en) Systems and methods for vehicle motion planning
CN114926809A (zh) 可通行区域检测方法及装置、移动工具、存储介质
US11975742B2 (en) Trajectory consistency measurement for autonomous vehicle operation
US20230056589A1 (en) Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles
CN115143996A (zh) 定位信息修正方法及电子设备和存储介质
CN115114387A (zh) 栅格地图生成方法及装置、移动工具、存储介质
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
KR20240100307A (ko) 자율 차량의 하나 이상의 센서에 대한 감지 주파수를 조정하는 방법 및 시스템
CN117908035A (zh) 用于动态场景的单线激光定位方法、移动装置和存储介质
CN117950395A (zh) 轨迹规划方法及装置、移动工具、存储介质
CN115981314A (zh) 基于二维激光雷达定位的机器人导航自动避障方法和系统
CN115420300A (zh) 一种运动调度方法、装置以及介质
CN115042806A (zh) 一种代客泊车的路径显示方法、装置及电子设备
CN115303291B (zh) 拖挂车的挂车轨迹预测方法和装置、电子设备和存储介质
US20240101106A1 (en) Systems and methods for scene understanding
CN115628736B (zh) 行人轨迹的预测方法、设备、移动装置和存储介质
US20240092358A1 (en) Systems and methods for scene understanding
US20240239378A1 (en) Systems and Methods for Handling Traffic Signs
CN114379584B (zh) 车辆控制方法、装置、车辆、设备和存储介质
CN117804434A (zh) 用于室内建图的前端里程计确定方法及设备和存储介质
US20240075923A1 (en) Systems and methods for deweighting veering margins based on crossing time

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