[go: up one dir, main page]

CN107179086B - 一种基于激光雷达的制图方法、装置及系统 - Google Patents

一种基于激光雷达的制图方法、装置及系统 Download PDF

Info

Publication number
CN107179086B
CN107179086B CN201710378189.1A CN201710378189A CN107179086B CN 107179086 B CN107179086 B CN 107179086B CN 201710378189 A CN201710378189 A CN 201710378189A CN 107179086 B CN107179086 B CN 107179086B
Authority
CN
China
Prior art keywords
data frame
initial data
coordinate system
point
global coordinate
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
Application number
CN201710378189.1A
Other languages
English (en)
Other versions
CN107179086A (zh
Inventor
郭彦明
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 Digital Green Earth Technology Co.,Ltd.
Original Assignee
Beijing Greenvalley Technology 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 Greenvalley Technology Co ltd filed Critical Beijing Greenvalley Technology Co ltd
Priority to CN201710378189.1A priority Critical patent/CN107179086B/zh
Publication of CN107179086A publication Critical patent/CN107179086A/zh
Priority to US15/895,943 priority patent/US10578742B2/en
Application granted granted Critical
Publication of CN107179086B publication Critical patent/CN107179086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map 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
    • G01S17/88—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
    • 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
    • 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
    • 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
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明实施例公开了一种基于激光雷达的制图方法、装置及系统。该方法包括：分别获取相邻扫描时段对应的两帧初始数据帧，采用第一预设算法分别提取两帧初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，实现两帧初始数据帧的配准，采用第一预设算法分别提取两个中间数据帧中的点、线和面特征，并再次配准，将再次配准后得到的局部坐标系下的局部坐标数据帧转换到全局坐标系并更新地图。本发明实施例通过采用上述技术方案，能够提高所得地图的精度和准确度，并提高绘图效率，节省系统所占空间及制造成本。

Description

一种基于激光雷达的制图方法、装置及系统
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种基于激光雷达的制图方法、装置及系统。
背景技术
目前，移动测图系统在林业资源调查、交通设施监测以及隧道测量等领域已显现出广阔的应用前景。全球定位系统(Global Positioning System，GPS)与惯性测量单元(Inertial Measurement Unit，IMU，又可称惯性导航系统)组合导航几乎是主流移动测图系统的标配，但这些系统在GPS信号失效的情况很难有效工作。
SLAM(Simultaneous Localization and Mapping，同步定位与制图)技术可以克服上述不足，同时还能降低三维测图系统整体成本。将SLAM技术应用于移动测量已成为国际上的研究热点，在现代三维测绘、无人驾驶和智能机器人领域具有广泛需求。目前流行的移动测量方案主要有三种：基于激光的SLAM、基于双目视觉的SLAM以及基于深度相机的SLAM。其中，基于激光的SLAM是目前相对稳定及可靠的方式。
然而，现有技术中将SLAM技术应用于基于激光雷达的移动测图系统时，输出地图的精度有待于提高。
发明内容
本发明实施例的目的是提供一种基于激光雷达的制图方法、装置及系统，以解决基于激光雷达及SLAM技术的移动测图系统的输出地图精度低的问题。
第一方面，本发明实施例提供了一种基于激光雷达的制图方法，包括：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
第二方面，本发明实施例提供了一种基于激光雷达的制图装置，包括：
初始数据帧获取模块，用于分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
中间数据帧计算模块，用于采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
局部坐标数据帧计算模块，用于采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
地图更新模块，用于将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
第三方面，本发明实施例提供了一种激光雷达扫描系统，包括激光雷达扫描仪、惯性测量单元、处理器、存储器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
本发明实施例中提供的基于激光雷达的制图方案，获取包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据的初始数据帧，采用预设算法提取数据帧中的点、线和面特征，根据所提取的特征进行数据帧配准，能够提高配准精度及准确度，随后再进行局部坐标系到全局坐标系的转换，实现更新地图，所得地图精度高，准确度高，且制图过程中无需GPS参与，能够适用于室内及室外等多种使用场景，尤其适合应用于移动式激光雷达扫描系统中，可精简扫描系统的硬件组成，节约系统的占用空间以及制造成本。此外，传统方案需要扫描仪架站，并进行手动拼接，本发明实施例可实现自动拼接。
附图说明
图1为本发明实施例一提供的一种基于激光雷达的制图方法的流程示意图；
图2为本发明实施例二提供的一种基于激光雷达的制图方法的流程示意图；
图3为本发明实施例三提供的一种基于激光雷达的制图方法的流程示意图；
图4为本发明实施例三提供的一种点云效果图；
图5为本发明实施例三提供的又一种点云效果图；
图6为本发明实施例四提供的一种基于激光雷达的制图装置的结构框图；
图7为本发明实施例六提供的一种终端的结构框图；
图8为本发明实施例七提供的一种激光雷达扫描系统的结构框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种基于激光雷达的制图方法的流程示意图，该方法可以由基于激光雷达的制图装置执行，其中该装置可由软件和/或硬件实现，一般可集成在激光雷达扫描系统中。如图1所示，该方法包括：
步骤110、分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧。
其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1。
示例性的，基于激光雷达的制图装置可集成于激光雷达扫描系统中的存储控制系统中，存储控制系统可由个人电脑(Personal Computer，PC)或者其他类型的具备存储及运算能力的终端实现。以PC为例，PC可通过激光雷达扫描仪接口与激光雷达扫描仪连接，用于获取激光雷达扫描仪数据，该激光雷达扫描仪接口可以由网口实现；PC还可通过惯性测量单元接口(IMU接口)与IMU连接，用于获取IMU测量的导航数据，IMU接口可以由串口实现。其中，PC可通过开启一个线程通过网口获取激光雷达扫描仪数据(简称激光雷达数据)，激光雷达数据具体可以数据包的形式发送至PC，数据包中的原始数据可包含测距信息和角度信息。每次接收到激光雷达数据包后，可通过一个线程将其转换为包含X、Y、Z和时间信息的点云数据格式的数据(简称点云数据)。PC可通过开启一个线程从串口采集IMU数据，IMU数据中可包括时间信息、陀螺仪数据和加速度计数据。PC可控制激光雷达扫描仪和IMU按照预设的频率来采集数据，一次采集操作对应的时间可称为一个扫描时段，同一个扫描时段内的点云数据和导航数据构成了该扫描时段对应的初始数据帧。优选的，本发明实施例中可将扫描360°的数据认为是可用数据，现有方案一般是架站扫描的方式，而本发明实施例中采用自动扫描的方式，通过激光雷达扫描仪获取的数据中记录的角度信息可判断数据是否为可用数据，将可用数据作为初始数据帧。
需要说明的是，在首次执行本实施例的方法时，已存在部分地图数据，即若按照扫描时段的时间先后顺序对初始数据帧进行排序，第一初始数据帧的序号大于1，第二初始数据帧的序号大于2。相邻扫描时段对应的第一初始数据帧和第二初始数据帧即序号相邻的初始数据帧。
步骤120、采用第一预设算法分别提取第一初始数据帧和第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将第二初始数据帧乘以第一转换矩阵得到第二中间数据帧。
一般的，基于SLAM的图像数据配准过程中，普遍采用选择显著特征区域并基于显著特征区域进行配准的方式，显著特征区域一般为易于识别的实体(又称路标)，通常对该实体的要求比较高，且该匹配方式的匹配精度、准确度以及效率都比较低。本发明实施例中，提取初始数据帧中的点、线和面特征，并基于这些特征计算转换矩阵，实现数据帧之间的配准，可提高配准精度、准确度以及效率。
优选的，采用第一预设算法提取所述第一初始数据帧中的点、线和面特征，包括：
采用如下公式提取所述第一初始数据帧中的点、线和面特征：
Figure BDA0001303417120000071
其中，第一初始数据帧为Pk，Pk的点特征为Fk1，线特征为Fk2，面特征为Fk3，i为Pk中的一个点，Xi为点i的坐标，p为点i的邻域点集合，j为p中的点，Xj为点j的坐标，f为特征值；预先给定阈值M1、M2、M3和M4，小于M1的f为Fk1，大于M2小于M3的f为Fk2，大于M4的f为Fk3。
优选的，M1＝0.1，M2＝0.4，M3＝0.6，M4＝0.8。
同理，可采用上述公式提取第二初始数据帧中的点、线和面特征。
可选的，采用第二预设算法根据所提取的特征计算第一转换矩阵，可包括：基于所提取的特征通过最小二乘法求解第一初始数据帧和第二初始数据帧之间的旋转和平移参数，得到第一转换矩阵。
具体的，可通过如下公式求解旋转和平移参数。
Y＝RX+T
Figure BDA0001303417120000072
Figure BDA0001303417120000073
其中，Y表示从第二初始数据帧中提取的特征，X表示从第一初始数据帧中提取的特征，R中的三个角度表示旋转参数，T中的三个增量表示平移参数，由R和T得到第一转换矩阵。
步骤130、采用第一预设算法分别提取第一初始数据帧对应的第一中间数据帧和第二中间数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第二转换矩阵，将第二中间数据帧乘以第二转换矩阵得到第二局部坐标数据帧。
具体的提取点、线和面特征的方式以及计算第二转换矩阵的方式可参照步骤120中的相关描述，此处不再赘述。
本实施例中，将经过一次配准得到的第二中间数据帧与第一初始数据帧对应的第一中间数据帧进行再次配准，可提高配准精度。
步骤140、将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
示例性的，经过步骤130配准过程得到的数据帧为局部坐标系下的数据帧，需要将其进一步转换到全局坐标系下，并与已有的当前地图进行融合拼接，以实现地图的更新。其中，局部坐标系与全局坐标系之间的转换方式本发明实施例不作限定，如通过平移和转换矩阵来实现。
可以理解的是，本发明实施例给出了在扫描制图过程中对于相邻的两帧原始数据帧的处理过程，而扫描制图过程中会涉及多帧原始数据帧的拼接以及地图的更新，本领域技术人员可根据本发明实施例的内容得到整个扫描制图过程中对各原始数据帧的处理流程，进而完成整张地图的绘制，本发明实施例在此不做赘述。
本发明实施例一提供的基于激光雷达的制图方法，获取包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据的初始数据帧，采用预设算法提取数据帧中的点、线和面特征，根据所提取的特征进行数据帧配准，能够提高配准精度及准确度，随后再进行局部坐标系到全局坐标系的转换，实现更新地图，所得地图精度高，准确度高，且制图过程中无需GPS参与，能够适用于室内及室外等多种使用场景，尤其适合应用于移动式激光雷达扫描系统中，可精简扫描系统的硬件组成，节约系统的占用空间以及制造成本。此外，传统方案需要扫描仪架站，并进行手动拼接，本发明实施例可实现自动拼接。
实施例二
图2为本发明实施例二提供的一种基于激光雷达的制图方法的流程示意图，本实施例以上述实施例为基础进行优化，如图2所示，本实施例的方法包括如下步骤：
步骤210、分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧。
其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1。
步骤220、采用第一预设算法分别提取第一初始数据帧和第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将第二初始数据帧乘以第一转换矩阵得到第二中间数据帧。
步骤230、采用第一预设算法分别提取第一初始数据帧对应的第一中间数据帧和第二中间数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第二转换矩阵，将第二中间数据帧乘以第二转换矩阵得到第二局部坐标数据帧。
步骤240、将局部坐标系下的第二局部坐标数据帧转换到全局坐标系，得到第二全局坐标系数据帧。
步骤250、根据第二全局坐标系数据帧和当前地图进行闭环检测，当检测结果为非闭环时，执行步骤260；当检测结果为闭环时，执行步骤270。
示例性的，本步骤可包括：确定当前地图中与所述第二全局坐标系数据帧对应的待匹配数据帧；计算所述第二全局坐标系数据帧的几何中心与所述待匹配数据帧的几何中心的欧式距离；当所述欧式距离处于第一预设范围内时，确定检测结果为闭环；当所述欧式距离处于所述第一预设范围外时，确定检测结果为非闭环。
优选的，所述待匹配数据帧可以是当前地图中与第一初始数据帧对应的第一全局坐标系数据帧。第一预设范围可根据实际需求来确定。
步骤260、将所述第二全局坐标系数据帧添加入当前地图。
步骤270、进行闭环优化。
优选的，本步骤可包括：计算所述第二全局坐标系数据帧与所述第一初始数据帧对应的第一全局坐标系数据帧中相对应的特征点对的协方差矩阵；判断所述协方差矩阵是否满足预设配准要求，若是，则进行闭环优化；若否，则对第二全局坐标系数据帧进行更新调整，并重复执行上述计算协方差矩阵的相关步骤。
可选的，所述预设配准要求为协方差矩阵与单位矩阵之间的差异在第二预设范围内，即协方差矩阵的特征值与单位矩阵的特征值之间的差值小于预设数值，所述预设数值可以为0.1。
示例性的，所述特征点对可以是基于本发明实施例中所述第一预设算法提取到的点、线和面特征，也可以是基于其他方式提取的其他特征，本发明实施例不做限定。
示例性的，对第二全局坐标系数据帧进行更新调整可包括：将第二局部坐标数据帧作为新的第二中间数据帧，采用第一预设算法分别提取第一初始数据帧对应的第一中间数据帧和所述新的第二中间数据帧中的点、线和面特征，并根据所提取的特征计算新的第二转换矩阵，将所述新的第二中间数据帧乘以所述新的第二转换矩阵得到新的第二局部坐标数据帧，将所述新的第二局部坐标数据帧转换成新的第二全局坐标系数据帧。
优选的，进行闭环优化可包括：
采用如下公式计算第三转换矩阵：
Ei,j＝Xi-Ti,j·Xj
Figure BDA0001303417120000111
其中，i为所述当前地图中的待配准数据帧中的点，Xi为i的坐标，j为所述第二全局坐标系数据帧中的点，Xj为j的坐标，Ti,j为第三转换矩阵，Ei,j为配准误差，
Figure BDA0001303417120000112
为预设范数；
将所述第二全局坐标系数据帧乘以所述第三转换矩阵后添加入所述当前地图。
基于图论的原理设图G＝{V,E}，由节点和边组成，V为不同节点，E为边的权重；每一个节点有一个位置和姿态信息，由平移和旋转矩阵来表示，第i帧数据和第j帧数据之间通过T配准。理想情况下：
Xi＝Ti,j·Xj
但实际情况下，它们的估计值存在一定的误差：
Ei,j＝Xi-Ti,j·Xj
每条边都有一定的误差，对这些误差定义一个范数，就得到了图优化的目标函数：
Figure BDA0001303417120000113
对这个函数进行求解即可。
本发明实施例中在进行地图更新过程中添加了闭环检测环节，并针对闭环情况进行了闭环优化，可进一步提高输出地图的精度以及准确度。
实施例三
本发明实施例三在上述实施例的基础上提供了一种具体的优选实施方式。图3为本发明实施例三提供的一种基于激光雷达的制图方法的流程示意图。
(1)开启一个线程从网口采集激光雷达的数据包。
(2)一个线程接收激光雷达数据包，每接收一次数据之后转换为包含包含X、Y、Z和时间信息的点云数据格式的数据。
(3)一个线程从串口采集IMU数据。
(4)一个线程根据曲率提取点、线、面特征并进行匹配。
假设当前扫描数据为Pk，下一次扫描数据为Pk+1，且两次扫描数据均是可用的，从Pk+1中提取点、线和面特征，分别记为Fk1+1、Fk2+1和Fk3+1，在Pk中找到对应的点、线和面特征，分别记为Fk1、Fk2和Fk3，基于这些特征点对通过最小二乘求解得到两次扫描获取的点云数据之间的旋转和平移参数，得到转换矩阵T，并对Pk和Pk+1进行匹配，将Pk+1乘以转换矩阵，得到Pk+1’，转换到Pk所在坐标系，实现两帧数据配准。
(5)里程计线程，接收特征进行配准。
输入：Pk’、Pk+1’
输出：Pk+1”、新的转换矩阵T’
步骤1：如果当前扫描数据为第一帧，则T＝0；
步骤2：检测Pk+1’中的点、线和面特征，分别记为Fk1+1’、Fk2+1’和Fk3+1’；
步骤3：对于Fk1+1’、Fk2+1’和Fk3+1’中的每个点，分别在Pk’中查找其同名点；
步骤4：更新转换矩阵T，得到T’；
步骤5：对Pk+1’中的点进行重投影，得到Pk+1”；
步骤6：返回新的转换矩阵T’。
(6)地图绘制线程，接收点云数据Pk+1”和里程计线程发布的POS数据，进行地图构建。
其中，POS数据包含旋转和平移关系。第(5)步结束之后，将生成一个点云数据Pk+1”和新的转换矩阵T’，其中包含两次扫描的点云数据之间的转换关系。第(6)步将局部坐标系下的点云数据通过乘以转换矩阵转换到全局坐标系。
(7)闭环检测，如果是闭环，则进行步骤(8)，如果不是则添加这一次扫描的数据至地图，并更新地图，然后重复上述步骤。可选的，如图3所示，也可先更新地图，再进行闭环检测。
(8)闭环优化，更新之前的地图，添加这一次扫描的数据至地图，更新地图，然后重复上述步骤。
发明人对某园区的地下车库、树林、室外建筑物和室内办公室等区域进行了扫描，图4为本发明实施例三提供的一种点云效果图，显示了从室外到地下车库一层的点云数据的显示效果图。图5为本发明实施例三提供的又一种点云效果图，显示了从地下车库A区一层到二层，经过长廊到B区二层，然后再到一层点云效果图。发明人发现应用本发明实施例方法的移动式激光雷达扫描系统(LiBackpack)获取的数据精度在5cm以内，完全满足应用需求。以地下车库扫描为例，只需450s即可完成室外到室内地下车库的高精度扫描，快速还原真实场景，用于地下空间管理和整治等。
实施例四
图6为本发明实施例四提供的一种基于激光雷达的制图装置的结构框图，该装置可由软件和/或硬件实现，一般可集成在激光雷达扫描系统中，可通过执行基于激光雷达的制图方法来进行地图绘制。如图6所示，该装置包括：
初始数据帧获取模块61，用于分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
中间数据帧计算模块62，用于采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
局部坐标数据帧计算模块63，用于采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
地图更新模块64，用于将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
本发明实施例提供的基于激光雷达扫描的地图构建装置，所得地图精度高，准确度高，且制图过程中无需GPS参与，能够适用于室内及室外等多种使用场景，尤其适合应用于移动式激光雷达扫描系统中，可精简扫描系统的硬件组成，节约系统的占用空间以及制造成本。此外，传统方案需要扫描仪架站，并进行手动拼接，本发明实施例可实现自动拼接。
在上述实施例的基础上，采用第一预设算法提取所述第一初始数据帧中的点、线和面特征，包括：
采用如下公式提取所述第一初始数据帧中的点、线和面特征：
Figure BDA0001303417120000151
其中，第一初始数据帧为Pk，Pk的点特征为Fk1，线特征为Fk2，面特征为Fk3，i为Pk中的一个点，Xi为点i的坐标，p为点i的邻域点集合，j为p中的点，Xj为点j的坐标，f为特征值；预先给定阈值M1、M2、M3和M4，小于M1的f为Fk1，大于M2小于M3的f为Fk2，大于M4的f为Fk3。
在上述实施例的基础上，采用第二预设算法根据所提取的特征计算第一转换矩阵，包括：
基于所提取的特征通过最小二乘法求解所述第一初始数据帧和所述第二初始数据帧之间的旋转和平移参数，得到第一转换矩阵。
在上述实施例的基础上，将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图，包括：
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系，得到第二全局坐标系数据帧；
根据所述第二全局坐标系数据帧和当前地图进行闭环检测，当检测结果为非闭环时，则将所述第二全局坐标系数据帧添加入所述当前地图；当检测结果为闭环时，进行闭环优化。
在上述实施例的基础上，根据所述第二全局坐标系数据帧和当前地图进行闭环检测，包括：
确定当前地图中与所述第二全局坐标系数据帧对应的待匹配数据帧；
计算所述第二全局坐标系数据帧的几何中心与所述待匹配数据帧的几何中心的欧式距离；
当所述欧式距离处于第一预设范围内时，确定检测结果为闭环；当所述欧式距离处于所述第一预设范围外时，确定检测结果为非闭环。
在上述实施例的基础上，当检测结果为闭环时，进行闭环优化，包括：
计算所述第二全局坐标系数据帧与所述第一初始数据帧对应的第一全局坐标系数据帧中相对应的特征点对的协方差矩阵；
判断所述协方差矩阵是否满足预设配准要求，若是，则进行闭环优化；若否，则对第二全局坐标系数据帧进行更新调整，并重复执行上述计算协方差矩阵的相关步骤。
在上述实施例的基础上，所述预设配准要求为协方差矩阵与单位矩阵之间的差异在第二预设范围内。
在上述实施例的基础上，所述进行闭环优化包括：
采用如下公式计算第三转换矩阵：
Ei,j＝Xi-Ti,j·Xj
Figure BDA0001303417120000161
其中，i为所述当前地图中的待配准数据帧中的点，Xi为i的坐标，j为所述第二全局坐标系数据帧中的点，Xj为j的坐标，Ti,j为第三转换矩阵，Ei,j为配准误差，
Figure BDA0001303417120000162
为预设范数；
将所述第二全局坐标系数据帧乘以所述第三转换矩阵后添加入所述当前地图。
实施例五
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种基于激光雷达的制图方法，该方法包括：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的基于激光雷达的制图方法的技术方案。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
实施例六
本发明实施例提供了一种终端，包括本发明任意实施例所提供的基于激光雷达扫描的地图构建装置。
具体的，如图7所示，本发明实施例提供一种终端，该终端包括处理器70、存储器71、输入装置72和输出装置73；终端中处理器70的数量可以是一个或多个，图7中以一个处理器70为例；终端中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于激光雷达扫描的地图构建方法对应的程序指令/模块(例如，基于激光雷达扫描的地图构建装置中的初始数据帧获取模块61、中间数据帧计算模块62、局部坐标数据帧计算模块63和地图更新模块64)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的基于激光雷达扫描的地图构建方法。
存储器71可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71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。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至终端。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72可用于接收输入的数字或字符信息，以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例七
本发明实施例提供一种激光雷达扫描系统，包括激光雷达扫描仪、惯性测量单元、处理器、存储器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
优选的，该激光雷达扫描系统还包括存储控制系统、电源、背包、下固定板、连接竖杆和上固定板；
所述下固定板与所述上固定板通过所述连接竖杆连接，所述上固定板与所述连接竖杆之间为可拆卸式连接，所述下固定板位于所述背包中，所述上固定板位于所述背包外；
所述存储控制系统位于所述下固定板上，所述处理器和所述存储器集成于所述存储控制系统中，所述存储控制系统还包括激光雷达扫描仪接口和惯性测量单元接口；
所述激光雷达扫描仪和惯性测量单元位于所述上固定板上，所述激光雷达扫描仪通过所述激光雷达扫描仪接口与所述存储控制系统连接，所述惯性测量单元通过所述惯性测量单元接口与所述存储控制系统连接。
图8为本发明实施例七提供的一种激光雷达扫描系统的结构框图，如图8所示，激光雷达扫描系统包括激光雷达扫描仪811、惯性导航系统(IMU)812、存储控制系统和供电系统，还可以包括一个或多个外接传感器(如光学相机、高光谱相机等)。激光雷达扫描仪811利用高速旋转的高频测距激光头，不断地记录不同方向的测距数据，从而得出以扫描中心为基准的三维坐标信息，用于获取高密度、高精度的激光雷达点云数据，重现真实三维场景，可选Velodyne VLP-16或Velodyne HDL-32E激光扫描仪，实时获取厘米级高精度三维点云数据。IMU812由高精度三轴陀螺仪以及三个坐标轴方向上的加速度计组成，它的主要优点是能够在没有外部参考的情况下实时获取姿态以及坐标位置，用于实时获取姿态和坐标位置，并实现存储控制系统和激光雷达扫描仪二者之间的时间同步。存储控制系统可包括外壳、微型PC833、存储硬盘、连接接口等。在工作时，供电系统给所有设备供电，包括IMU812、激光雷达扫描仪811等设备。微型PC833可采用Intel NUC主板，用来控制激光雷达扫描仪811和IMU812何时开始采集数据和工作状态等。激光雷达扫描仪811和IMU812采集的数据由硬盘存储记录。外接传感器采集到的数据传送到微型PC833进行存储记录。
激光雷达扫描仪811、IMU812、存储控制系统和外接传感器均固定安装到安装架上。安装架包括上固定板81、下固定板83、上固定板81和下固定板83由连接竖杆82连接。还包括IMU固定接口、激光雷达扫描仪固定接口、一个或多个外接传感器接口、HDMI接口、网口等。激光雷达扫描仪811和IMU812置于上固定板81之上，其中，IMU812放置在激光雷达扫描仪811下方，进行一体化的设计，使得扫描系统的结构更为紧凑，节省了大量的空间。IMU812和激光雷达扫描仪811通过连接竖杆82与下固定板83相连，下固定板83放置于背包内，主要包括微型PC833、电池837、IMU接口831、激光雷达扫描仪接口832、HDMI接口836、USB存储口834、外接传感器口835以及网口等。平板电脑84可通过HDMI口836与微型PC833连接，用于在行走过程中控制数据采集、实时显示和存储。
背包平台能在无GPS信号区域有效工作，为了实现既可背包使用，又可手持使用，本发明在连接竖杆与背包连接处(下固定板)设计了可拆卸结构，可以在扫描过程中随时将扫描设备拆卸下来。
本发明实施例提供的激光雷达扫描系统结合激光雷达和SLAM算法实现室内外一体化移动测量，相比传统的固定站扫描方式，省去了搬站、数据拼接等繁琐工作，可对目标进行全方位无死角的扫描，所得地图精度高、准确度高且绘图效率高，制图过程中无需GPS参与，能够适用于室内及室外等多种使用场景，尤其适合应用于移动式激光雷达扫描系统中，可精简扫描系统的硬件组成，设计紧凑，方便携带，节约系统的占用空间以及制造成本。
上述实施例中提供的基于激光雷达的制图装置、存储介质、终端以及激光雷达扫描系统可执行本发明任意实施例所提供的基于激光雷达的制图方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于激光雷达的制图方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (14)

1.一种基于激光雷达的制图方法，其特征在于，包括：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧，以将所述第二初始数据帧转换至所述第一初始数据帧的局部坐标系中；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
2.根据权利要求1所述的方法，其特征在于，采用第一预设算法提取所述第一初始数据帧中的点、线和面特征，包括：
采用如下公式提取所述第一初始数据帧中的点、线和面特征：
Figure FDA0002229039690000011
其中，第一初始数据帧为Pk，Pk的点特征为Fk1，线特征为Fk2，面特征为Fk3，i为Pk中的一个点，Xi为点i的坐标，p为点i的邻域点集合，j为p中的点，Xj为点j的坐标，f为特征值；预先给定阈值M1、M2、M3和M4，小于M1的f为Fk1，大于M2小于M3的f为Fk2，大于M4的f为Fk3。
3.根据权利要求1所述的方法，其特征在于，采用第二预设算法根据所提取的特征计算第一转换矩阵，包括：
基于所提取的特征通过最小二乘法求解所述第一初始数据帧和所述第二初始数据帧之间的旋转和平移参数，得到第一转换矩阵。
4.根据权利要求1所述的方法，其特征在于，将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图，包括：
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系，得到第二全局坐标系数据帧；
根据所述第二全局坐标系数据帧和当前地图进行闭环检测，当检测结果为非闭环时，则将所述第二全局坐标系数据帧添加入所述当前地图；当检测结果为闭环时，进行闭环优化。
5.根据权利要求4所述的方法，其特征在于，根据所述第二全局坐标系数据帧和当前地图进行闭环检测，包括：
确定当前地图中与所述第二全局坐标系数据帧对应的待匹配数据帧；
计算所述第二全局坐标系数据帧的几何中心与所述待匹配数据帧的几何中心的欧式距离；
当所述欧式距离处于第一预设范围内时，确定检测结果为闭环；当所述欧式距离处于所述第一预设范围外时，确定检测结果为非闭环。
6.根据权利要求4所述的方法，其特征在于，当检测结果为闭环时，进行闭环优化，包括：
计算所述第二全局坐标系数据帧与所述第一初始数据帧对应的第一全局坐标系数据帧中相对应的特征点对的协方差矩阵；
判断所述协方差矩阵是否满足预设配准要求，若是，则进行闭环优化；若否，则对第二全局坐标系数据帧进行更新调整，并重复执行上述计算协方差矩阵的相关步骤。
7.根据权利要求6所述的方法，其特征在于，所述预设配准要求为协方差矩阵与单位矩阵之间的差异在第二预设范围内。
8.根据权利要求4所述的方法，其特征在于，所述进行闭环优化包括：
采用如下公式计算第三转换矩阵：
Ei,j＝Xi-Ti,j·Xj
Figure FDA0002229039690000031
其中，i为所述当前地图中的待配准数据帧中的点，Xi为i的坐标，j为所述第二全局坐标系数据帧中的点，Xj为j的坐标，Ti,j为第三转换矩阵，Ei,j为配准误差，
Figure FDA0002229039690000032
为预设范数；
将所述第二全局坐标系数据帧乘以所述第三转换矩阵后添加入所述当前地图。
9.一种基于激光雷达的制图装置，其特征在于，包括：
初始数据帧获取模块，用于分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
中间数据帧计算模块，用于采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧，以将所述第二初始数据帧转换至所述第一初始数据帧的局部坐标系中；
局部坐标数据帧计算模块，用于采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
地图更新模块，用于将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
10.根据权利要求9所述的装置，其特征在于，采用第一预设算法提取所述第一初始数据帧中的点、线和面特征，包括：
采用如下公式提取所述第一初始数据帧中的点、线和面特征：
Figure FDA0002229039690000041
其中，第一初始数据帧为Pk，Pk的点特征为Fk1，线特征为Fk2，面特征为Fk3，i为Pk中的一个点，Xi为点i的坐标，p为点i的邻域点集合，j为p中的点，Xj为点j的坐标，f为特征值；预先给定阈值M1、M2、M3和M4，小于M1的f为Fk1，大于M2小于M3的f为Fk2，大于M4的f为Fk3。
11.根据权利要求9所述的装置，其特征在于，将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图，包括：
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系，得到第二全局坐标系数据帧；
根据所述第二全局坐标系数据帧和当前地图进行闭环检测，当检测结果为非闭环时，则将所述第二全局坐标系数据帧添加入所述当前地图；当检测结果为闭环时，进行闭环优化。
12.根据权利要求11所述的装置，其特征在于，所述进行闭环优化包括：
采用如下公式计算第三转换矩阵：
Ei,j＝Xi-Ti,j·Xj
Figure FDA0002229039690000051
其中，i为所述当前地图中的待配准数据帧中的点，Xi为i的坐标，j为所述第二全局坐标系数据帧中的点，Xj为j的坐标，Ti,j为第三转换矩阵，Ei,j为配准误差，
Figure FDA0002229039690000052
为预设范数；
将所述第二全局坐标系数据帧乘以所述第三转换矩阵后添加入所述当前地图。
13.一种激光雷达扫描系统，其特征在于，包括激光雷达扫描仪、惯性测量单元、处理器、存储器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
分别获取相邻扫描时段对应的第一初始数据帧和第二初始数据帧，其中，初始数据帧中包含激光雷达扫描的点云数据和惯性测量单元采集的导航数据，所述第一初始数据帧对应的扫描时段在所述第二初始数据帧对应的扫描时段之前，且所述第一初始数据帧的序号大于1；
采用第一预设算法分别提取所述第一初始数据帧和所述第二初始数据帧中的点、线和面特征，并采用第二预设算法根据所提取的特征计算第一转换矩阵，将所述第二初始数据帧乘以所述第一转换矩阵得到第二中间数据帧，以将所述第二初始数据帧转换至所述第一初始数据帧的局部坐标系中；
采用所述第一预设算法分别提取所述第一初始数据帧对应的第一中间数据帧和所述第二中间数据帧中的点、线和面特征，并采用所述第二预设算法根据所提取的特征计算第二转换矩阵，将所述第二中间数据帧乘以所述第二转换矩阵得到第二局部坐标数据帧；
将局部坐标系下的第二局部坐标数据帧转换到全局坐标系并更新地图。
14.根据权利要求13所述的激光雷达扫描系统，其特征在于，还包括存储控制系统、电源、背包、下固定板、连接竖杆和上固定板；
所述下固定板与所述上固定板通过所述连接竖杆连接，所述上固定板与所述连接竖杆之间为可拆卸式连接，所述下固定板位于所述背包中，所述上固定板位于所述背包外；
所述存储控制系统位于所述下固定板上，所述处理器和所述存储器集成于所述存储控制系统中，所述存储控制系统还包括激光雷达扫描仪接口和惯性测量单元接口；
所述激光雷达扫描仪和惯性测量单元位于所述上固定板上，所述激光雷达扫描仪通过所述激光雷达扫描仪接口与所述存储控制系统连接，所述惯性测量单元通过所述惯性测量单元接口与所述存储控制系统连接。
CN201710378189.1A 2017-05-24 2017-05-24 一种基于激光雷达的制图方法、装置及系统 Active CN107179086B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710378189.1A CN107179086B (zh) 2017-05-24 2017-05-24 一种基于激光雷达的制图方法、装置及系统
US15/895,943 US10578742B2 (en) 2017-05-24 2018-02-13 LIDAR-based mapping method, device and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710378189.1A CN107179086B (zh) 2017-05-24 2017-05-24 一种基于激光雷达的制图方法、装置及系统

Publications (2)

Publication Number Publication Date
CN107179086A CN107179086A (zh) 2017-09-19
CN107179086B true CN107179086B (zh) 2020-04-24

Family

ID=59832792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710378189.1A Active CN107179086B (zh) 2017-05-24 2017-05-24 一种基于激光雷达的制图方法、装置及系统

Country Status (2)

Country Link
US (1) US10578742B2 (zh)
CN (1) CN107179086B (zh)

Families Citing this family (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12123950B2 (en) 2016-02-15 2024-10-22 Red Creamery, LLC Hybrid LADAR with co-planar scanning and imaging field-of-view
CN107917712B (zh) * 2017-11-16 2020-07-28 苏州艾吉威机器人有限公司 一种同步定位与地图构建方法及设备
CN108007453A (zh) * 2017-12-11 2018-05-08 北京奇虎科技有限公司 基于点云的地图更新方法、装置及电子设备
CN108052914A (zh) * 2017-12-21 2018-05-18 中国科学院遥感与数字地球研究所 一种基于slam和图像识别的森林林木资源调查方法
CN108332759A (zh) * 2018-01-12 2018-07-27 浙江国自机器人技术有限公司 一种基于3d激光的地图构建方法及系统
EP3769114A1 (en) * 2018-03-19 2021-01-27 Outsight Methods and systems for identifying material composition of objects
CN110457407B (zh) * 2018-05-02 2022-08-12 北京京东尚科信息技术有限公司 用于处理点云数据的方法和装置
US11592833B2 (en) * 2018-05-04 2023-02-28 Direct Current Capital LLC Method for updating a localization map for a fleet of autonomous vehicles
CN109903330B (zh) 2018-09-30 2021-06-01 华为技术有限公司 一种处理数据的方法和装置
CN109507677B (zh) * 2018-11-05 2020-08-18 浙江工业大学 一种结合gps和雷达里程计的slam方法
CN109633665A (zh) * 2018-12-17 2019-04-16 北京主线科技有限公司 交通场景稀疏激光点云拼接方法
CN110109138A (zh) * 2019-01-31 2019-08-09 浙江工业大学 一种基于激光雷达点云数据的车辆外廓视图绘制方法
CN109916417B (zh) * 2019-02-20 2023-04-11 广州市山丘智能科技有限公司 一种地图建立方法、装置、计算机设备及其存储介质
CN109917418B (zh) * 2019-03-28 2023-04-07 安徽理工大学 一种激光雷达无反射区域的测量方法
CN111782739B (zh) * 2019-04-04 2024-11-15 西安四维图新信息技术有限公司 地图更新方法及装置
CN109975792B (zh) * 2019-04-24 2021-02-05 福州大学 基于多传感器融合矫正多线激光雷达点云运动畸变的方法
CN110288708B (zh) * 2019-05-05 2023-06-16 深圳大学 一种地图构建方法、装置及终端设备
CN110310373B (zh) * 2019-06-28 2023-12-12 京东方科技集团股份有限公司 一种增强现实设备的图像处理方法和增强现实设备
US11556000B1 (en) 2019-08-22 2023-01-17 Red Creamery Llc Distally-actuated scanning mirror
CN112444820B (zh) * 2019-08-28 2023-06-09 深圳市优必选科技股份有限公司 一种机器人位姿确定方法、装置、可读存储介质及机器人
CN112923933A (zh) * 2019-12-06 2021-06-08 北理慧动（常熟）车辆科技有限公司 一种激光雷达slam算法与惯导融合定位的方法
CN113252051B (zh) * 2020-02-11 2024-11-15 北京图森智途科技有限公司 一种地图构建方法及装置
CN111340797B (zh) * 2020-03-10 2023-04-28 山东大学 一种激光雷达与双目相机数据融合检测方法及系统
CN111461981B (zh) * 2020-03-30 2023-09-01 北京百度网讯科技有限公司 点云拼接算法的误差估计方法和装置
CN111504335B (zh) * 2020-04-23 2022-08-05 东软睿驰汽车技术（上海）有限公司 地图构建方法、装置、电子设备及存储介质
CN111678516B (zh) * 2020-05-08 2021-11-23 中山大学 一种基于激光雷达的有界区域快速全局定位方法
CN112035281A (zh) * 2020-08-31 2020-12-04 安徽江淮汽车集团股份有限公司 多激光雷达数据输出方法、装置、设备及存储介质
CN112258391B (zh) * 2020-10-12 2022-05-17 武汉中海庭数据技术有限公司 一种基于道路交通标线的碎片化地图拼接方法
JPWO2022107587A1 (zh) * 2020-11-18 2022-05-27
CN113761091B (zh) * 2020-11-27 2024-04-05 北京京东乾石科技有限公司 闭环检测方法、装置、电子设备、系统和存储介质
CN112348897B (zh) * 2020-11-30 2025-02-25 上海商汤临港智能科技有限公司 位姿确定方法及装置、电子设备、计算机可读存储介质
CN112612788B (zh) * 2020-12-11 2024-03-01 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112612034B (zh) * 2020-12-24 2023-10-13 长三角哈特机器人产业技术研究院 基于激光帧和概率地图扫描的位姿匹配方法
CN112710312B (zh) * 2020-12-24 2023-12-01 长三角哈特机器人产业技术研究院 融合距离残差和概率残差的激光slam前端匹配方法
CN113075686B (zh) * 2021-03-19 2024-01-12 长沙理工大学 一种基于多传感器融合的电缆沟智能巡检机器人建图方法
CN113066105B (zh) * 2021-04-02 2022-10-21 北京理工大学 激光雷达和惯性测量单元融合的定位与建图方法及系统
CN113160292B (zh) * 2021-04-27 2023-10-31 武汉理工大学 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法
CN112988079B (zh) * 2021-05-07 2021-11-26 成都奥伦达科技有限公司 一种面向超海量点云的管理方法及系统
CN113344995B (zh) * 2021-06-22 2024-10-01 平安普惠企业管理有限公司 基于直线特征的数据配准方法、装置、设备及存储介质
CN113343061A (zh) * 2021-06-24 2021-09-03 广州高新兴机器人有限公司 一种gps激光融合slam中坐标系动态对齐方法
CN113552585B (zh) * 2021-07-14 2023-10-31 浙江大学 一种基于卫星地图与激光雷达信息的移动机器人定位方法
KR20230013883A (ko) * 2021-07-20 2023-01-27 삼성전자주식회사 Slam 기반의 전자 장치 및 그 동작 방법
CN113470090A (zh) * 2021-07-23 2021-10-01 徐州中欧科技有限公司 基于sift-shot特征的多固态激光雷达外参标定方法
EP4124890A1 (en) 2021-07-28 2023-02-01 Continental Autonomous Mobility Germany GmbH Densified lidar point cloud
CN113706702B (zh) * 2021-08-11 2024-11-01 重庆九洲星熠导航设备有限公司 矿区三维地图构建系统和方法
CN113625301B (zh) * 2021-09-03 2024-01-19 国网山东省电力公司济宁供电公司 一种基于单扫描头激光雷达扩大建图视场的方法及系统
CN114119805B (zh) * 2021-10-28 2024-06-04 北京理工大学 点线面融合的语义建图slam方法
CN114131629B (zh) * 2021-12-10 2024-02-06 北京东方计量测试研究所 地面检测机器人
CN114370871A (zh) * 2022-01-13 2022-04-19 华南理工大学 一种可见光定位与激光雷达惯性里程计的紧耦合优化方法
CN114608554B (zh) * 2022-02-22 2024-05-03 北京理工大学 一种手持slam设备以及机器人即时定位与建图方法
CN114926533A (zh) * 2022-05-05 2022-08-19 广州小马智行科技有限公司 目标对象定位的地图表示方法、装置和计算机设备
CN118314221B (zh) * 2024-06-07 2024-08-20 安徽全采智能科技有限公司 一种道路交通的雷视一体机标定及拼接方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105783936A (zh) * 2016-03-08 2016-07-20 武汉光庭信息技术股份有限公司 用于自动驾驶中的道路标识制图及车辆定位方法及系统
WO2016157428A1 (ja) * 2015-03-31 2016-10-06 パイオニア株式会社 計測装置、計測方法、及び、プログラム
CN106199626A (zh) * 2016-06-30 2016-12-07 上海交通大学 基于摆动激光雷达的室内三维点云地图生成系统及方法
CN106441319A (zh) * 2016-09-23 2017-02-22 中国科学院合肥物质科学研究院 一种无人驾驶车辆车道级导航地图的生成系统及方法
CN106503248A (zh) * 2016-11-08 2017-03-15 深圳市速腾聚创科技有限公司 地图生成方法及地图生成装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9488492B2 (en) * 2014-03-18 2016-11-08 Sri International Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics
US10838426B2 (en) * 2016-07-21 2020-11-17 Mobileye Vision Technologies Ltd. Distributing a crowdsourced sparse map for autonomous vehicle navigation
US10453213B2 (en) * 2016-08-29 2019-10-22 Trifo, Inc. Mapping optimization in autonomous and non-autonomous platforms
SG10201700299QA (en) * 2017-01-13 2018-08-30 Otsaw Digital Pte Ltd Three-dimensional mapping of an environment
US10699481B2 (en) * 2017-05-17 2020-06-30 DotProduct LLC Augmentation of captured 3D scenes with contextual information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016157428A1 (ja) * 2015-03-31 2016-10-06 パイオニア株式会社 計測装置、計測方法、及び、プログラム
CN105783936A (zh) * 2016-03-08 2016-07-20 武汉光庭信息技术股份有限公司 用于自动驾驶中的道路标识制图及车辆定位方法及系统
CN106199626A (zh) * 2016-06-30 2016-12-07 上海交通大学 基于摆动激光雷达的室内三维点云地图生成系统及方法
CN106441319A (zh) * 2016-09-23 2017-02-22 中国科学院合肥物质科学研究院 一种无人驾驶车辆车道级导航地图的生成系统及方法
CN106503248A (zh) * 2016-11-08 2017-03-15 深圳市速腾聚创科技有限公司 地图生成方法及地图生成装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于SLAM的移动室内三维激光扫描研究;陈萍;《中国优秀硕士学位论文全文数据库·基础科学辑》;20170515;第A008-32页 *

Also Published As

Publication number Publication date
US10578742B2 (en) 2020-03-03
CN107179086A (zh) 2017-09-19
US20180341022A1 (en) 2018-11-29

Similar Documents

Publication Publication Date Title
CN107179086B (zh) 一种基于激光雷达的制图方法、装置及系统
CN105469405B (zh) 基于视觉测程的同时定位与地图构建方法
CN110084832B (zh) 相机位姿的纠正方法、装置、系统、设备和存储介质
CN112461210B (zh) 一种空地协同建筑测绘机器人系统及其测绘方法
CN112894832A (zh) 三维建模方法、装置、电子设备和存储介质
KR20220028042A (ko) 포즈 결정 방법, 장치, 전자 기기, 저장 매체 및 프로그램
CN109461208B (zh) 三维地图处理方法、装置、介质和计算设备
CN106595659A (zh) 城市复杂环境下多无人机视觉slam的地图融合方法
CN108981687B (zh) 一种视觉与惯性融合的室内定位方法
CN110033489A (zh) 一种车辆定位准确性的评估方法、装置及设备
CN106153048A (zh) 一种基于多传感器的机器人室内定位及制图系统
Ye et al. 6-DOF pose estimation of a robotic navigation aid by tracking visual and geometric features
CN109541630A (zh) 一种适用于建筑物室内平面2d slam测绘的方法
WO2021036587A1 (zh) 面向电力巡检场景的定位方法及系统
CN113587934A (zh) 一种机器人、室内定位方法、装置和可读存储介质
CN111161334B (zh) 一种基于深度学习的语义地图构建方法
CN114001736A (zh) 定位方法、定位装置、存储介质与电子设备
Feng et al. Visual Map Construction Using RGB‐D Sensors for Image‐Based Localization in Indoor Environments
CN114529585A (zh) 基于深度视觉和惯性测量的移动设备自主定位方法
Zhang et al. An overlap-free calibration method for LiDAR-camera platforms based on environmental perception
Zhang et al. Lidar-inertial 3d slam with plane constraint for multi-story building
CN106482711A (zh) 一种基于灰度特征提取和稠密光流法的室内定位方法
CN115112123A (zh) 基于视觉-imu融合的多移动机器人协同定位方法及系统
CN112762929B (zh) 一种智能导航方法、装置和设备
WO2022246812A1 (zh) 定位方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 100093 room 2301-2308, third floor, building 2, incubator of Dongbeiwang Zhongguancun Software Park, Haidian District, Beijing

Patentee after: Beijing Digital Green Earth Technology Co.,Ltd.

Address before: 100093 2a2308, building 2, incubator, Dongbeiwang Zhongguancun Software Park, Haidian District, Beijing

Patentee before: BEIJING GREENVALLEY TECHNOLOGY Co.,Ltd.

CP03 Change of name, title or address