CN117991259A - 基于激光雷达和毫米波雷达的无人船重定位方法及装置 - Google Patents
基于激光雷达和毫米波雷达的无人船重定位方法及装置 Download PDFInfo
- Publication number
- CN117991259A CN117991259A CN202410409379.5A CN202410409379A CN117991259A CN 117991259 A CN117991259 A CN 117991259A CN 202410409379 A CN202410409379 A CN 202410409379A CN 117991259 A CN117991259 A CN 117991259A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- millimeter wave
- laser radar
- radar
- instant
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims abstract description 154
- 230000009466 transformation Effects 0.000 claims abstract description 78
- 238000010586 diagram Methods 0.000 claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 241001421235 Radara Species 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 9
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了基于激光雷达和毫米波雷达的无人船重定位方法及装置,方法包括:构建点云地图;获取即时点云和参考点云;将即时点云和参考点云分别转换为激光雷达即时点云栅格图、激光雷达参考点云栅格图、毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。本发明提高了无人船在各种恶劣环境条件下的重定位精度。
Description
技术领域
本发明涉及无人船重定位技术领域,更具体地说是基于激光雷达和毫米波雷达的无人船重定位方法及装置。
背景技术
近年来,随着自动驾驶技术与移动机器人技术的迅猛发展与应用,水面自动驾驶无人船的发展与应用也有了长足进展,并且无人船重定位技术在水面自动驾驶技术中具有重要意义。
重定位技术是基于预先构建的地图,结合无人船当前的环境观测,直接进行定位或矫正定位结果的技术。激光雷达传感器可以感知到当前环境的准确几何结构,在重定位任务中有很强的优势,当前,无人船在实现返航、自主停泊等重定位功能时主要依赖于基于激光雷达先验环境的3D点云图,通过点云配准实现无人船重定位。然而,激光雷达容易受到恶劣天气影响,雨、雾、强烈反光等可能导致激光雷达点云中有较多杂波点,因此基于激光雷达点云的重定位方法也易受地面环境如雨、雾、霾、雪天气及地面积水、积雪等环境因素的影响,对船只使用激光雷达感知目标环境产生明显的影响。如何克服在水面环境下遇到的气候环境带来的影响,使船只在复杂气候环境下的重定位更加具有鲁棒性,是无人船重定位技术领域的技术难点。
发明内容
本发明的目的在于克服现有技术的不足,提供基于激光雷达和毫米波雷达的无人船重定位方法及装置,旨在解决无人船在复杂候环境下重定位精度较低的问题。
为实现上述目的,本发明采用以下技术方案:
第一方面,本发明提供了基于激光雷达和毫米波雷达的无人船重定位方法,包括:
构建环境的激光雷达点云地图和毫米波雷达点云地图;
从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;
将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;
对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;
将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
其进一步技术方案为:所述构建环境的激光雷达点云地图和毫米波雷达点云地图,包括:
记录无人船在每处位置的激光雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的激光雷达点云信息与无人船定位信息构建激光雷达点云地图;
记录无人船在每处位置的毫米波雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的毫米波雷达点云信息与无人船定位信息构建毫米波雷达点云地图。
其进一步技术方案为:所述从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云,包括:
获取无人船的即时信息,所述即时信息包括即时位姿、即时激光雷达数据和即时毫米波雷达数据;
根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为激光雷达参考点云和激光雷达参考位姿;
从激光雷达传感器获取即时点云;
根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波雷达参考点云和毫米波雷达参考位姿;
从毫米波雷达传感器获取即时点云。
其进一步技术方案为:所述将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图,包括:
提取并保留激光雷达参考点云和毫米波雷达参考点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的参考点云图和二维毫米波雷达的参考点云图;
将二维激光雷达的参考点云图和二维毫米波雷达的参考点云图以设定分辨率转换为激光雷达参考点云栅格图和毫米波雷达参考点云栅格图;
提取并保留激光雷达的即时点云和毫米波雷达的即时点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的即时点云图和二维毫米波雷达的即时点云图;
将二维激光雷达的即时点云图和二维毫米波雷达的即时点云图以设定分辨率转换为激光雷达即时点云栅格图和毫米波雷达即时点云栅格图。
其进一步技术方案为:所述对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵,包括:
根据无人船即时位姿和激光雷达参考位姿,确定激光雷达即时点云栅格图与激光雷达参考点云栅格图之间的转换矩阵;
利用转换矩阵将激光雷达即时点云栅格图中的栅格点转换至激光雷达参考点云栅格图中,以得到转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置;
以激光雷达参考点云栅格图的尺寸为模板,创建矩形空白栅格图;
以转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点,以得到转换后新的激光雷达即时点云栅格图;
根据转换后新的激光雷达即时点云栅格图创建遍历区域;
根据遍历区域遍历计算所在栅格点位置和对应旋转角度的激光雷达的位姿变换矩阵;
将转换后新的激光雷达即时点云栅格图与激光雷达参考点云栅格图进行差值计算,以得到激光雷达差异栅格图;
根据激光雷达差异栅格图确定出激光雷达的重合度信息矩阵。
其进一步技术方案为:所述将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果,包括:
从激光雷达的重合度信息矩阵中筛选出激光雷达点云的最优重合度,并根据激光雷达点云的最优重合度确定激光雷达点云的最优变换矩阵,以及从毫米波雷达的重合度信息矩阵中筛选出毫米波雷达点云的最优重合度,并根据毫米波雷达点云的最优重合度确定毫米波雷达点云的最优变换矩阵;
结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果;
根据判断结果校正无人船的位姿,以得到无人船的重定位结果。
其进一步技术方案为:所述结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果,包括:
若激光雷达点云的最优重合度大于毫米波雷达点云的最优重合度,则使用激光雷达数据进行重定位;
若激光雷达点云的最优重合度小于或等于毫米波雷达点云的最优重合度,则采用毫米波雷达数据进行重定位。
第二方面,本发明还提供了基于激光雷达和毫米波雷达的无人船重定位装置,包括构建单元、获取单元、转换单元、重合度计算单元以及融合单元;
所述构建单元,用于构建环境的激光雷达点云地图和毫米波雷达点云地图;
所述获取单元,用于从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;
所述转换单元,用于将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;
所述重合度计算单元,用于对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;
所述融合单元,用于将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
第三方面,本发明还提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述的基于激光雷达和毫米波雷达的无人船重定位方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,使得所述处理器执行如上述的基于激光雷达和毫米波雷达的无人船重定位方法。
本发明与现有技术相比的有益效果是:基于激光雷达和毫米波雷达的无人船重定位方法,包括:构建环境的激光雷达点云地图和毫米波雷达点云地图;从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。本发明结合了激光雷达和毫米波雷达,激光雷达在视觉范围内提供高精度的空间数据,而毫米波雷达则能在恶劣天气或光线条件下工作,两者结合可以克服单一传感器的局限性,同时对点云数据进行栅格化处理和重合度计算可以简化点云匹配过程,减少计算复杂度,可能提高数据处理的速度和效率,此外,通过计算重合度信息矩阵和位姿变换矩阵,可以更加精确地估计无人船的位置和方向,整体而言,提高了无人船在各种恶劣环境条件下的重定位精度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的特征及优点能够更明显易懂,以下特举较佳实施例,详细说明如下。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本发明具体实施例提供的基于激光雷达和毫米波雷达的无人船重定位方法的流程图;
图2为本发明具体实施例提供的基于激光雷达和毫米波雷达的无人船重定位装置的示意图框图;
图3为本发明具体实施例提供的一种计算机设备的示意图框图;
图4为本发明具体实施例提供的参考点云栅格图示意图;
图5为本发明具体实施例提供的参考点云栅格图与参考点云栅格图中的即时点云栅格图。
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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
首先,对本申请所涉及到的一些相关技术术语做以下解释,在本申请中,将从地图中选取的,用于重定位点云匹配的局部地图点,称为参考点云,其对应的位姿称为参考位姿。将重定位过程中实时获取的点云称为即时点云。实时通过GNSS获取的,用于匹配的位姿初值称为即时位姿。下面通过具体实施例来介绍本发明。
如图1所示,本发明实施例提供了基于激光雷达和毫米波雷达的无人船重定位方法,该方法包括以下步骤:S10-S50。
S10、构建环境的激光雷达点云地图和毫米波雷达点云地图。
在一实施例中,步骤S10具体包括以下步骤:S101-S104。
S101、记录无人船在每处位置的激光雷达点云信息与无人船定位信息,无人船定位信息包括定位经纬度和航向角。
S102、通过每处位置的激光雷达点云信息与无人船定位信息构建激光雷达点云地图。
S103、记录无人船在每处位置的毫米波雷达点云信息与无人船定位信息,无人船定位信息包括定位经纬度和航向角。
S104、通过每处位置的毫米波雷达点云信息与无人船定位信息构建毫米波雷达点云地图。
对于步骤S10,在本实施例中,记录无人船在每处位置的激光雷达点云信息与无人船定位信息,其中定位信息包括的经纬度、以及航向角;由每处定位信息、激光雷达点云信息共同构建激光雷达点云地图。
,其中,指环境中无人船所在的所有记录位置的数目。
记录无人船在每处位置的激光雷达点云信息与无人船定位信息时,同步记录无人船在每处位置的毫米波雷达点云信息,由每处定位信息、毫米波雷达点云信息共同构建毫米波雷达点云地图。
,其中,指环境中无人船所在的所有记录位置的数目。
S20、从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云。
在一实施例中,步骤S20具体包括以下步骤:
S201、获取无人船的即时信息,即时信息包括即时位姿、即时激光雷达数据和即时毫米波雷达数据。
S202、根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为激光雷达参考点云和激光雷达参考位姿。
S203、从激光雷达传感器获取即时点云。
S204、根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波雷达参考点云和毫米波雷达参考位姿。
S205、从毫米波雷达传感器获取即时点云。
对于步骤S20,在本实施例中,获取无人船即时信息。在重定位过程中,获取无人船当前时刻的即时位姿、即时激光雷达数据和即时毫米波雷达数据,其中,即时位姿具有无人船GNSS定位信息中的经度、纬度以及航向角三种信息。
计算得到参考位姿。重定位过程中,根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为参考点云与参考位姿。具体的,已知即时位姿,计算得到激光雷达点云地图中与即时位姿在定位(,)经纬度最接近的无人船定位信息,其中指环境中无人船所在的所有位置;同时得到与对应的激光雷达点云信息:
;
。
从激光雷达地图和毫米波雷达地图提取相应点云。重定位过程中,根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波参考点云信息。具体的,由于已知即时位姿,计算得到中与即时位姿的定位(,)经纬度最接近的无人船定位信息,其中指环境中无人船所在的所有位置;同时得到与对应的毫米波雷达点云信息:
。
S30、将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图。
在一实施例中,步骤S30具体包括以下步骤:S301-S304。
S301、提取并保留激光雷达参考点云和毫米波雷达参考点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的参考点云图和二维毫米波雷达的参考点云图;
S302、将二维激光雷达的参考点云图和二维毫米波雷达的参考点云图以设定分辨率转换为激光雷达参考点云栅格图和毫米波雷达参考点云栅格图;
S303、提取并保留激光雷达的即时点云和毫米波雷达的即时点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的即时点云图和二维毫米波雷达的即时点云图;
S304、将二维激光雷达的即时点云图和二维毫米波雷达的即时点云图以设定分辨率转换为激光雷达即时点云栅格图和毫米波雷达即时点云栅格图。
对于步骤S30,在本实施例中,提取并保留参考点云中在激光雷达坐标系下位于:0米<X<10米,-8.25米<Y<8.25米区域(即上述的设定区域)内的所有点云,忽略Z轴信息,以此获得10m*16m大小范围(即上述的设定范围)的二维激光雷达点云图(X轴朝前、Y轴朝右、Z轴朝上);将得到的二维激光雷达点云图以0.5m*0.5m大小的分辨率(即上述的设定分辨率)转换为20*33(单位:栅格)的点云栅格图栅格数计算公式如下:
10m / 0.5m = 20;
(8.25+8.25)m / 0.5m = 33;
其中,在20*33矩形栅格图最后一行居中的栅格即为雷达坐标系原点。参考点云栅格图示意图如图4所示,图4中,蓝色为雷达坐标系原点,黑色为环境的点云栅格。
同理,按照上述过程将参考点云转换为点云栅格图。分别对激光雷达、毫米波雷达的即时点云转换为点云栅格图与。将即时激光雷达数据转换为点云栅格图,其中点云栅格数量为。将即时毫米波雷达数据转换为点云栅格图,其中点云栅格数量为。
S40、对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵。
分别对激光雷达即时点云栅格图与参考点云栅格图做重合度估计、对毫米波雷达即时点云栅格图与参考点云栅格图做重合度估计,输出各自所有重合度信息矩阵与对应的位姿变换矩阵。
在一实施例中,步骤S40具体包括以下步骤:S401-S408。
S401、根据无人船即时位姿和激光雷达参考位姿,确定激光雷达即时点云栅格图与激光雷达参考点云栅格图之间的转换矩阵。
S402、利用转换矩阵将激光雷达即时点云栅格图中的栅格点转换至激光雷达参考点云栅格图中,以得到转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置。
S403、以激光雷达参考点云栅格图的尺寸为模板,创建矩形空白栅格图。
S404、以转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点,以得到转换后新的激光雷达即时点云栅格图。
S405、根据转换后新的激光雷达即时点云栅格图创建遍历区域。
S406、根据遍历区域遍历计算所在栅格点位置和对应旋转角度的激光雷达的位姿变换矩阵。
S407、将转换后新的激光雷达即时点云栅格图与激光雷达参考点云栅格图进行差值计算,以得到激光雷达差异栅格图。
S408、根据激光雷达差异栅格图确定出激光雷达的重合度信息矩阵。
对于步骤S40,在本实施例中,结合参考位姿信息与即时位姿信息,可求得即时栅格图与参考栅格图之间的转换矩阵,利用转换矩阵将即时点云栅格图中的栅格点转换在参考点云栅格图中并得到转换后的即时点云栅格点在参考点云栅格图中的位置,并以参考点云栅格图尺寸为模板,创建20*33矩形空白栅格图(空白处栅格点其值为0),以转换后的即时点云栅格点在参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点(其值为1),即得到转换后新的即时点云栅格图(即内容做了更新)。将转换后新的即时点云栅格图与参考点云栅格图重叠的示意图如图5所示,图5中,红色栅格点与绿色栅格点为转换到参考栅格图中的即时栅格图;红色栅格点为即时栅格图中的雷达坐标系原点、绿色栅格点为环境的点云栅格;黄色栅格点为需要遍历的区域。
激光雷达即时点云栅格图与参考点云栅格图之间点云图的匹配,需要计算即时点云栅格图与参考点云栅格图二者之间的位姿关系,二者间的最优位姿关系可使二者栅格图中的点云栅格更多地匹配重合;为得到最优位姿,则需将即时栅格图点云在不同位移、角度上遍历以获得不同的位姿结果。
遍历区域的设置:以红色栅格点为中心的7*7栅格区域,自区域左上角开始从左到右、由上到下的顺序对该区域内的栅格按照行、列信息依次编号,如左上角为(1,1)、右上角为(1,7)、左下角为(7,1)、右下角为(7,7)以此类推。
在遍历区域中每一个栅格点位置处遍历角度(称角度遍历范围为,范围区间为-45°至 45°),计算对应变换矩阵下即时点云栅格图的重复度。
遍历计算所在栅格点位置、对应旋转角度的即时点云栅格图的变换矩阵。如计算在编号为(1,1)的区域栅格点处,遍历所有角度遍历范围(-45°至 45°)中所有的角度、每间隔1°取一次计算角度,并计算对应角度的变换矩阵。变换矩阵计算公式如下:
。
计算所在栅格点位置、对应旋转角度对应的变换矩阵下,将参考点云栅格图中的即时点云栅格点(绿色栅格点与红色栅格点)变换得到在参考栅格图中变换后的即时点云栅格点,以变换后的即时点云栅格点在参考点云栅格图中的位置填充(填充值为1)在以参考点云栅格图为模板生成的即时点云栅格图空白模板(尺寸为20*33的矩形空白栅格图,其值为0)中对应位置处,得到即时点云栅格图,变换后的即时点云栅格图与参考点云栅格图其数据格式均为7*7的二维矩阵,栅格点处值为1,其余均为0。
计算与的重合度。差异栅格图 = - ,即与作差,得到的差异栅格图 矩阵数据中为0的个数为,可得重复度;
。
同理,对毫米波雷达数据做重合度估计与上述的激光雷达数据做重合度估计方法相同,对毫米波雷达即时点云栅格图与参考点云栅格图做重合度估计,得到不同栅格位置、旋转角度对应变换矩阵,与重合度。
S50、将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
在一实施例中,步骤S50具体包括以下步骤:S501-S503。
S501、从激光雷达的重合度信息矩阵中筛选出激光雷达点云的最优重合度,并根据激光雷达点云的最优重合度确定激光雷达点云的最优变换矩阵,以及从毫米波雷达的重合度信息矩阵中筛选出毫米波雷达点云的最优重合度,并根据毫米波雷达点云的最优重合度确定毫米波雷达点云的最优变换矩阵。
得到激光雷达即时栅格图所有位姿对应的重合度集合 = {, …,, …, , …, , … …, };
激光雷达最优重合度为:
。
对应地最优变换矩阵为:。
计算得到毫米波雷达即时栅格图所有位姿对应的重合度集合 = {,…, , …, , … , … …, };
毫米波雷达最优重合度 为:
。
对应地最优变换矩阵为:。
S502、结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果。
在一实施例中,步骤S502具体包括以下步骤:S5021-S5022。
S5021、若激光雷达点云的最优重合度大于毫米波雷达点云的最优重合度,则使用激光雷达数据进行重定位。
S5022、若激光雷达点云的最优重合度小于或等于毫米波雷达点云的最优重合度,则采用毫米波雷达数据进行重定位
S503、根据判断结果校正无人船的位姿,以得到无人船的重定位结果。
依据输出的位姿变换矩阵,校正无人船位姿实现重定位。具体的,根据判断结果,可得到相应地激光雷达变换矩阵 或毫米波雷达变换矩阵;无人船重定位的计算方式为:
,其中,为无人船的重定位结果;上述公式中的(1)为使用激光雷达数据重定位的计算方式;上述公式中的(2)为使用毫米波雷达数据重定位的计算方式。
本申请结合了激光雷达和毫米波雷达,激光雷达在视觉范围内提供高精度的空间数据,而毫米波雷达则能在恶劣天气或光线条件下工作,两者结合可以克服单一传感器的局限性,同时对点云数据进行栅格化处理和重合度计算可以简化点云匹配过程,减少计算复杂度,可能提高数据处理的速度和效率,此外,通过计算重合度信息矩阵和位姿变换矩阵,可以更加精确地估计无人船的位置和方向,整体而言,提高了无人船在各种恶劣环境条件下的重定位精度。
对应于上述的基于激光雷达和毫米波雷达的无人船重定位方法,本发明实施例还提供了基于激光雷达和毫米波雷达的无人船重定位装置。
如图2所示,基于激光雷达和毫米波雷达的无人船重定位装置100,包括构建单元110、获取单元120、转换单元130、重合度计算单元140以及融合单元150。其中,构建单元110,用于构建环境的激光雷达点云地图和毫米波雷达点云地图。获取单元120,用于从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云转换单元130,用于将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图。重合度计算单元140,用于对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵。融合单元150,用于将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
在一实施例中,构建单元110包括第一记录模块、第一构建模块、第二记录模块以及第二构建模块。其中,
第一记录模块,用于记录无人船在每处位置的激光雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角。第一构建模块,用于通过每处位置的激光雷达点云信息与无人船定位信息构建激光雷达点云地图。第二记录模块,用于记录无人船在每处位置的毫米波雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角。第二构建模块,用于通过每处位置的毫米波雷达点云信息与无人船定位信息构建毫米波雷达点云地图。
在一实施例中,获取单元120包括第一获取模块、第二获取模块、第一计算模块、第三获取模块以及第二计算模块,其中,第一获取模块,用于获取无人船的即时信息,所述即时信息包括即时位姿、即时激光雷达数据和即时毫米波雷达数据。第二获取模块,用于根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为激光雷达参考点云和激光雷达参考位姿。第一计算模块,用于从激光雷达传感器获取即时点云。第三获取模块,用于根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波雷达参考点云和毫米波雷达参考位姿。第二计算模块,用于从毫米波雷达传感器获取即时点云。
在一实施例中,转换单元130包括第一提取模块、第一转换模块、第二提取模块以及第二转换模块,其中,第一提取模块,用于提取并保留激光雷达参考点云和毫米波雷达参考点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的参考点云图和二维毫米波雷达的参考点云图。第一转换模块,用于将二维激光雷达的参考点云图和二维毫米波雷达的参考点云图以设定分辨率转换为激光雷达参考点云栅格图和毫米波雷达参考点云栅格图。第二提取模块,用于提取并保留激光雷达的即时点云和毫米波雷达的即时点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的即时点云图和二维毫米波雷达的即时点云图。第二转换模块,用于将二维激光雷达的即时点云图和二维毫米波雷达的即时点云图以设定分辨率转换为激光雷达即时点云栅格图和毫米波雷达即时点云栅格图。
在一实施例中,重合度计算单元140包括第一确定模块、第三转换模块、第一创建模块、填充模块、第二创建模块、第三计算模块、第四计算模块以及第二确定模块,其中,第一确定模块,用于根据无人船即时位姿和激光雷达参考位姿,确定激光雷达即时点云栅格图与激光雷达参考点云栅格图之间的转换矩阵。第三转换模块,用于利用转换矩阵将激光雷达即时点云栅格图中的栅格点转换至激光雷达参考点云栅格图中,以得到转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置。第一创建模块,用于以激光雷达参考点云栅格图的尺寸为模板,创建矩形空白栅格图。填充模块,用于以转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点,以得到转换后新的激光雷达即时点云栅格图。第二创建模块,用于根据转换后新的激光雷达即时点云栅格图创建遍历区域。第三计算模块,用于根据遍历区域遍历计算所在栅格点位置和对应旋转角度的激光雷达的位姿变换矩阵。第四计算模块,用于将转换后新的激光雷达即时点云栅格图与激光雷达参考点云栅格图进行差值计算,以得到激光雷达差异栅格图。第二确定模块,用于根据激光雷达差异栅格图确定出激光雷达的重合度信息矩阵。
在一实施例中,融合单元150包括筛选模块、结合模块以及校正模块。其中,筛选模块,用于从激光雷达的重合度信息矩阵中筛选出激光雷达点云的最优重合度,并根据激光雷达点云的最优重合度确定激光雷达点云的最优变换矩阵,以及从毫米波雷达的重合度信息矩阵中筛选出毫米波雷达点云的最优重合度,并根据毫米波雷达点云的最优重合度确定毫米波雷达点云的最优变换矩阵。结合模块,用于结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果。校正模块,用于根据判断结果校正无人船的位姿,以得到无人船的重定位结果。
在一实施例中,结合模块包括第一判断子模块和第二判断子模块,其中,第一判断子模块,用于若激光雷达点云的最优重合度大于毫米波雷达点云的最优重合度,则使用激光雷达数据进行重定位。第二判断子模块,用于若激光雷达点云的最优重合度小于或等于毫米波雷达点云的最优重合度,则采用毫米波雷达数据进行重定位。
上述基于激光雷达和毫米波雷达的无人船重定位方法可以实现为计算机程序的形式,该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3,图3是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备700可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
如图3所示,该计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的基于激光雷达和毫米波雷达的无人船重定位方法步骤。
该计算机设备700可以是终端或服务器。该计算机设备700包括通过系统总线710连接的处理器720、存储器和网络接口750,其中,存储器可以包括非易失性存储介质730和内存储器740。
该非易失性存储介质730可存储操作系统731和计算机程序732。该计算机程序732被执行时,可使得处理器720执行任意一种基于激光雷达和毫米波雷达的无人船重定位方法。
该处理器720用于提供计算和控制能力,支撑整个计算机设备700的运行。
该内存储器740为非易失性存储介质730中的计算机程序732的运行提供环境,该计算机程序732被处理器720执行时,可使得处理器720执行任意一种基于激光雷达和毫米波雷达的无人船重定位方法。
该网络接口750用于进行网络通信,如发送分配的任务等。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计算机设备700的限定,具体的计算机设备700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。其中,所述处理器720用于运行存储在存储器中的程序代码,以实现以下步骤:
基于激光雷达和毫米波雷达的无人船重定位方法,包括:
构建环境的激光雷达点云地图和毫米波雷达点云地图;
从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;
将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;
对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;
将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
进一步地:所述构建环境的激光雷达点云地图和毫米波雷达点云地图,包括:
记录无人船在每处位置的激光雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的激光雷达点云信息与无人船定位信息构建激光雷达点云地图;
记录无人船在每处位置的毫米波雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的毫米波雷达点云信息与无人船定位信息构建毫米波雷达点云地图。
进一步地:所述从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云,包括:
获取无人船的即时信息,所述即时信息包括即时位姿、即时激光雷达数据和即时毫米波雷达数据;
根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为激光雷达参考点云和激光雷达参考位姿;
从激光雷达传感器获取即时点云;
根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波雷达参考点云和毫米波雷达参考位姿;
从毫米波雷达传感器获取即时点云。
进一步地:所述将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图,包括:
提取并保留激光雷达参考点云和毫米波雷达参考点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的参考点云图和二维毫米波雷达的参考点云图;
将二维激光雷达的参考点云图和二维毫米波雷达的参考点云图以设定分辨率转换为激光雷达参考点云栅格图和毫米波雷达参考点云栅格图;
提取并保留激光雷达的即时点云和毫米波雷达的即时点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的即时点云图和二维毫米波雷达的即时点云图;
将二维激光雷达的即时点云图和二维毫米波雷达的即时点云图以设定分辨率转换为激光雷达即时点云栅格图和毫米波雷达即时点云栅格图。
进一步地:所述对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵,包括:
根据无人船即时位姿和激光雷达参考位姿,确定激光雷达即时点云栅格图与激光雷达参考点云栅格图之间的转换矩阵;
利用转换矩阵将激光雷达即时点云栅格图中的栅格点转换至激光雷达参考点云栅格图中,以得到转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置;
以激光雷达参考点云栅格图的尺寸为模板,创建矩形空白栅格图;
以转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点,以得到转换后新的激光雷达即时点云栅格图;
根据转换后新的激光雷达即时点云栅格图创建遍历区域;
根据遍历区域遍历计算所在栅格点位置和对应旋转角度的激光雷达的位姿变换矩阵;
将转换后新的激光雷达即时点云栅格图与激光雷达参考点云栅格图进行差值计算,以得到激光雷达差异栅格图;
根据激光雷达差异栅格图确定出激光雷达的重合度信息矩阵。
进一步地:所述将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果,包括:
从激光雷达的重合度信息矩阵中筛选出激光雷达点云的最优重合度,并根据激光雷达点云的最优重合度确定激光雷达点云的最优变换矩阵,以及从毫米波雷达的重合度信息矩阵中筛选出毫米波雷达点云的最优重合度,并根据毫米波雷达点云的最优重合度确定毫米波雷达点云的最优变换矩阵;
结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果;
根据判断结果校正无人船的位姿,以得到无人船的重定位结果。
进一步地:所述结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果,包括:
若激光雷达点云的最优重合度大于毫米波雷达点云的最优重合度,则使用激光雷达数据进行重定位;
若激光雷达点云的最优重合度小于或等于毫米波雷达点云的最优重合度,则采用毫米波雷达数据进行重定位。
应当理解,在本申请实施例中,处理器720可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器720还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域技术人员可以理解,图3中示出的计算机设备700结构并不构成对计算机设备700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
在本发明的另一实施例中提供了一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的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,其中计算机程序被处理器执行时实现本发明实施例公开的基于激光雷达和毫米波雷达的无人船重定位方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
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单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,包括:
构建环境的激光雷达点云地图和毫米波雷达点云地图;
从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;
将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;
对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;
将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
2.根据权利要求1所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述构建环境的激光雷达点云地图和毫米波雷达点云地图,包括:
记录无人船在每处位置的激光雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的激光雷达点云信息与无人船定位信息构建激光雷达点云地图;
记录无人船在每处位置的毫米波雷达点云信息与无人船定位信息,所述无人船定位信息包括定位经纬度和航向角;
通过每处位置的毫米波雷达点云信息与无人船定位信息构建毫米波雷达点云地图。
3.根据权利要求1所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云,包括:
获取无人船的即时信息,所述即时信息包括即时位姿、即时激光雷达数据和即时毫米波雷达数据;
根据无人船即时位姿,从激光雷达点云地图中获取无人船即时位姿周围环境的局部激光雷达点云地图作为激光雷达参考点云和激光雷达参考位姿;
从激光雷达传感器获取即时点云;
根据无人船即时位姿,从毫米波雷达点云地图中获取无人船即时位姿周围环境的局部毫米波雷达点云地图作为毫米波雷达参考点云和毫米波雷达参考位姿;
从毫米波雷达传感器获取即时点云。
4.根据权利要求1所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图,包括:
提取并保留激光雷达参考点云和毫米波雷达参考点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的参考点云图和二维毫米波雷达的参考点云图;
将二维激光雷达的参考点云图和二维毫米波雷达的参考点云图以设定分辨率转换为激光雷达参考点云栅格图和毫米波雷达参考点云栅格图;
提取并保留激光雷达的即时点云和毫米波雷达的即时点云坐标系下位于设定区域内的所有点云,以获得设定范围的二维激光雷达的即时点云图和二维毫米波雷达的即时点云图;
将二维激光雷达的即时点云图和二维毫米波雷达的即时点云图以设定分辨率转换为激光雷达即时点云栅格图和毫米波雷达即时点云栅格图。
5.根据权利要求1所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵,包括:
根据无人船即时位姿和激光雷达参考位姿,确定激光雷达即时点云栅格图与激光雷达参考点云栅格图之间的转换矩阵;
利用转换矩阵将激光雷达即时点云栅格图中的栅格点转换至激光雷达参考点云栅格图中,以得到转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置;
以激光雷达参考点云栅格图的尺寸为模板,创建矩形空白栅格图;
以转换后的激光雷达即时点云栅格点在激光雷达参考点云栅格图中的位置,将矩形空白栅格图中对应的栅格点填充为点云栅格点,以得到转换后新的激光雷达即时点云栅格图;
根据转换后新的激光雷达即时点云栅格图创建遍历区域;
根据遍历区域遍历计算所在栅格点位置和对应旋转角度的激光雷达的位姿变换矩阵;
将转换后新的激光雷达即时点云栅格图与激光雷达参考点云栅格图进行差值计算,以得到激光雷达差异栅格图;
根据激光雷达差异栅格图确定出激光雷达的重合度信息矩阵。
6.根据权利要求1所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果,包括:
从激光雷达的重合度信息矩阵中筛选出激光雷达点云的最优重合度,并根据激光雷达点云的最优重合度确定激光雷达点云的最优变换矩阵,以及从毫米波雷达的重合度信息矩阵中筛选出毫米波雷达点云的最优重合度,并根据毫米波雷达点云的最优重合度确定毫米波雷达点云的最优变换矩阵;
结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果;
根据判断结果校正无人船的位姿,以得到无人船的重定位结果。
7.根据权利要求6所述的基于激光雷达和毫米波雷达的无人船重定位方法,其特征在于,所述结合激光雷达点云的最优重合度和毫米波雷达点云的最优重合度判断出使用激光雷达数据或毫米波雷达数据进行重定位,以得到判断结果,包括:
若激光雷达点云的最优重合度大于毫米波雷达点云的最优重合度,则使用激光雷达数据进行重定位;
若激光雷达点云的最优重合度小于或等于毫米波雷达点云的最优重合度,则采用毫米波雷达数据进行重定位。
8.基于激光雷达和毫米波雷达的无人船重定位装置,其特征在于,包括构建单元、获取单元、转换单元、重合度计算单元以及融合单元;
所述构建单元,用于构建环境的激光雷达点云地图和毫米波雷达点云地图;
所述获取单元,用于从构建的激光雷达点云地图中获取激光雷达的参考点云,从构建的毫米波雷达点云地图中获取毫米波雷达的参考点云,在实时环境中分别从激光雷达传感器、毫米波雷达传感器中获取激光雷达的即时点云、毫米波雷达的即时点云;
所述转换单元,用于将激光雷达的即时点云和参考点云分别转换为激光雷达即时点云栅格图和激光雷达参考点云栅格图,以及将毫米波雷达的即时点云和参考点云分别转换为毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图;
所述重合度计算单元,用于对激光雷达即时点云栅格图和激光雷达参考点云栅格图进行重合度计算,以得到激光雷达的重合度信息矩阵和位姿变换矩阵,以及对毫米波雷达即时点云栅格图和毫米波雷达参考点云栅格图进行重合度计算,以得到毫米波雷达的重合度信息矩阵和位姿变换矩阵;
所述融合单元,用于将激光雷达的重合度信息矩阵和位姿变换矩阵以及毫米波雷达的重合度信息矩阵和位姿变换矩阵进行融合,以得到无人船的重定位结果。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~7中任意一项所述的基于激光雷达和毫米波雷达的无人船重定位方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,使得所述处理器执行如权利要求1~7任意一项所述的基于激光雷达和毫米波雷达的无人船重定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410409379.5A CN117991259B (zh) | 2024-04-07 | 2024-04-07 | 基于激光雷达和毫米波雷达的无人船重定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410409379.5A CN117991259B (zh) | 2024-04-07 | 2024-04-07 | 基于激光雷达和毫米波雷达的无人船重定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117991259A true CN117991259A (zh) | 2024-05-07 |
CN117991259B CN117991259B (zh) | 2024-07-16 |
Family
ID=90889359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410409379.5A Active CN117991259B (zh) | 2024-04-07 | 2024-04-07 | 基于激光雷达和毫米波雷达的无人船重定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117991259B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967011A (zh) * | 2019-12-25 | 2020-04-07 | 苏州智加科技有限公司 | 一种定位方法、装置、设备及存储介质 |
CN112362059A (zh) * | 2019-10-23 | 2021-02-12 | 北京京东乾石科技有限公司 | 移动载体的定位方法、装置、计算机设备和介质 |
CN113324537A (zh) * | 2021-04-27 | 2021-08-31 | 的卢技术有限公司 | 车辆位姿获取方法、车辆定位方法和装置、设备和介质 |
CN114088099A (zh) * | 2021-11-18 | 2022-02-25 | 北京易航远智科技有限公司 | 基于已知地图的语义重定位方法、装置、电子设备及介质 |
CN114353807A (zh) * | 2022-03-21 | 2022-04-15 | 沈阳吕尚科技有限公司 | 一种机器人的定位方法及定位装置 |
WO2022253113A1 (zh) * | 2021-06-01 | 2022-12-08 | 北京有竹居网络技术有限公司 | 定位方法、装置、电子设备和存储介质 |
WO2024001083A1 (zh) * | 2022-06-28 | 2024-01-04 | 广东利元亨智能装备股份有限公司 | 一种定位方法、装置、设备和存储介质 |
-
2024
- 2024-04-07 CN CN202410409379.5A patent/CN117991259B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112362059A (zh) * | 2019-10-23 | 2021-02-12 | 北京京东乾石科技有限公司 | 移动载体的定位方法、装置、计算机设备和介质 |
CN110967011A (zh) * | 2019-12-25 | 2020-04-07 | 苏州智加科技有限公司 | 一种定位方法、装置、设备及存储介质 |
CN113324537A (zh) * | 2021-04-27 | 2021-08-31 | 的卢技术有限公司 | 车辆位姿获取方法、车辆定位方法和装置、设备和介质 |
WO2022253113A1 (zh) * | 2021-06-01 | 2022-12-08 | 北京有竹居网络技术有限公司 | 定位方法、装置、电子设备和存储介质 |
CN114088099A (zh) * | 2021-11-18 | 2022-02-25 | 北京易航远智科技有限公司 | 基于已知地图的语义重定位方法、装置、电子设备及介质 |
CN114353807A (zh) * | 2022-03-21 | 2022-04-15 | 沈阳吕尚科技有限公司 | 一种机器人的定位方法及定位装置 |
WO2024001083A1 (zh) * | 2022-06-28 | 2024-01-04 | 广东利元亨智能装备股份有限公司 | 一种定位方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
崔巍杰: "毫米波和激光雷达数据融合的SLAM算法研究", 中国硕士学位论文全文数据库信息科技辑, 15 January 2020 (2020-01-15), pages 4 * |
庄加兴;焦侬;殷非;: "毫米波雷达与激光雷达在无人船上的应用", 船舶工程, no. 11, 25 November 2019 (2019-11-25) * |
马跃龙;曹雪峰;陈丁;李登峰;蒋秉川;: "一种基于点云地图的机器人室内实时重定位方法", 系统仿真学报, no. 1, 8 December 2017 (2017-12-08) * |
Also Published As
Publication number | Publication date |
---|---|
CN117991259B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493407B (zh) | 实现激光点云稠密化的方法、装置及计算机设备 | |
JP7297017B2 (ja) | オンボードセンサの外部パラメータを較正する方法及び装置、並びに関連する車両 | |
CN110031824B (zh) | 激光雷达联合标定方法及装置 | |
CN112462350B (zh) | 雷达标定方法及装置、电子设备及存储介质 | |
CN103065323A (zh) | 一种基于单应性变换矩阵的分段空间对准方法 | |
CN112414417B (zh) | 自动驾驶地图生成方法、装置、电子设备及可读存储介质 | |
CN111380510B (zh) | 重定位方法及装置、机器人 | |
CN115187798A (zh) | 一种多无人机高精度匹配定位方法 | |
CN114047487B (zh) | 雷达和车体的外参标定方法、装置、电子设备和存储介质 | |
Jende et al. | A fully automatic approach to register mobile mapping and airborne imagery to support the correction of platform trajectories in GNSS-denied urban areas | |
CN112381026A (zh) | 航道岸线检测方法、系统、装置和存储介质 | |
CN113743385A (zh) | 一种无人船水面目标检测方法、装置及无人船 | |
CN115079168B (zh) | 基于激光雷达与毫米波雷达融合的建图方法、装置及设备 | |
CN113989766A (zh) | 道路边缘检测方法、应用于车辆的道路边缘检测设备 | |
CN111079786A (zh) | 一种基于ROS和Gazebo的旋转相机特征匹配算法 | |
CN114119682A (zh) | 一种激光点云和图像配准方法及配准系统 | |
CN117991259B (zh) | 基于激光雷达和毫米波雷达的无人船重定位方法及装置 | |
CN115932823B (zh) | 基于异源区域特征匹配的飞行器对地面目标定位方法 | |
CN115629374B (zh) | 基于毫米波雷达的无人船桥下定位方法及相关设备 | |
CN115100287B (zh) | 外参标定方法及机器人 | |
EP3664038A1 (en) | Geospatial surveying tool | |
CN114862938A (zh) | 雪堆体积的检测方法、电子设备及存储介质 | |
CN111061273A (zh) | 一种无人艇用自主避障融合方法和系统 | |
CN113593026B (zh) | 车道线标注辅助地图生成方法、装置和计算机设备 | |
CN117419690B (zh) | 一种无人船的位姿估计方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |