一种点云地图构建方法、装置、设备及计算机存储介质

技术领域

本发明属于高精度地图技术领域，尤其涉及一种点云地图构建方法、装置、设备及计算机存储介质。

背景技术

随着车辆自动驾驶技术的发展，车辆在开放道路上的自动驾驶，常常需要结合高精度地图对车辆自动驾驶作为参考。例如，通过高精度地图可以用于无人驾驶路径规划，还可以应用于无人驾驶定位等。

点云地图是高精度地图的一个非常重要的图层，目前，主要依据激光同步定位与地图构建(Simultaneous Localization And Mapping，SLAM)构建点云地图。在激光SLAM的运行过程中，理想情况下，车辆在相同地点的位置和姿态是相同的，但由于传感器存在噪声和测量带来的误差，会使累计误差越来越多，车辆即使回到之前经过的相同地点，得到位置和姿态会相差很大，导致车辆的轨迹无法形成闭环，从而无法有效构建得到全局一致的点云地图。

发明内容

本发明实施例提供一种点云地图构建方法、装置、设备及计算机存储介质，能够提高闭环检测的鲁棒性，有效减少累计误差，实现快速构建全局一致的点云地图。

第一方面，本发明实施例提供一种点云地图构建方法，方法包括：

获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息；

当所述状态信息为第一状态时，根据预设第一闭环检测算法对第一点云轨迹闭环检测，生成第一点云轨迹对应的第一轨迹约束条件；

基于第一轨迹约束条件和第一点云轨迹生成点云地图。

在第一方面的一些可实现方式中，预设第一闭环检测算法为Scan Context算法。

在第一方面的一些可实现方式中，基于第一轨迹约束条件和第一点云轨迹生成点云地图，包括：

确定预设第一时间段内第一轨迹约束条件的第一数量，其中，第一预设时间段为目标时刻之前的时间段；

当第一数量大于预设第一阈值时，根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集；

根据修正后的第一点云轨迹集，生成点云地图。

在第一方面的一些可实现方式中，当状态信息为第二状态时，方法还包括：

根据预设第二闭环检测对第一点云轨迹闭环检测，生成第一点云轨迹对应的第二轨迹约束条件；

确定预设第一时间段内第一轨迹约束条件的第一数量，包括：

确定预设第一时间段内第一轨迹约束条件和第二轨迹约束条件的和，得到第一数量；

当第一数量大于预设第一阈值时，根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集，包括：

根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，以及第二轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集。

在第一方面的一些可实现方式中，在获取目标时刻对应的第一点云轨迹之前，方法还包括：

获取预设第一时间段内的第一点云数据集；

基于第一预设点云配准算法和预设第一时间段内的第一点云数据集，生成第一点云轨迹。

在第一方面的一些可实现方式中，根据预设第一闭环检测算法对第一点云轨迹闭环检测，生成第一点云轨迹对应的第一轨迹约束条件，包括：

获取目标时刻的第二点云数据的描述子；

根据第二点云数据的描述子和第一点云数据集的预设K维检索树，从第一点云数据集中确定第一预设数量的与第二点云数据相似度满足预设第三阈值的第三点云数据；

根据第二预设点云配准算法，确定第一预设数量的第三点云数据中与第二点云数据匹配的第三点云数据，得到第四点云数据；

根据第二点云数据与第四点云数据，生成第一轨迹约束条件。

在第一方面的一些可实现方式中，在获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息之前，方法还包括：

在第二预设时间段内，根据预设第一闭环检测算法和预设第二闭环检测算法分别对第二点云轨迹闭环检测，得到第一检测结果和第二检测结果，其中，第二预设时间段为第一预设时间段之前的时段；

根据第一检测结果和第二点测结果，确定预设第一阈值。

第二方面，本发明实施例提供一种点云地图构建装置，装置包括：

获取模块，用于获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息；

检测模块，用于当的状态信息为第一状态时，根据预设第一闭环检测算法对第一点云轨迹闭环检测，生成第一点云轨迹对应的第一轨迹约束条件；

地图生成模块，用于基于第一轨迹约束条件和第一点云轨迹生成点云地图。

第三方面，本发明提供一种点云地图构建设备，该设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现第一方面或者第一方面任一可实现方式中的点云地图构建方法。

第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面或者第一方面任一可实现方式中的点云地图构建方法。

本发明实施例提供了一种点云地图构建方法，在对第一点云轨迹进行闭环检测时，根据定位信号的状态信息确定接下来用于闭环检测的算法，尤其是在定位信号的状态信息为第一状态信息时，采用Scan Context闭环检测算法，生成第一轨迹约束条件，避免了由于定位信号在不同的状态下，采用同一闭环检测算法存在精度低甚至不可以使用时从而导致的鲁棒性低的情况；之后，基于述第一轨迹约束条件和第一点云轨迹生成点云地图，提高了闭环检测过程整体的鲁棒性，实现消除累积误差，以及快速构建全局一致的点云地图。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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是本发明实施例提供的一种点云地图构建方法的流程示意图；

图2是本发明实施例提供的一种点云地图构建装置的结构示意图；

图3是本发明实施例提供的一种点云地图构建设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本发明，而不是限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，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”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，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。

随着车辆自动驾驶技术的发展，车辆在开放道路上的自动驾驶，常常需要结合高精度地图对车辆自动驾驶作为参考。例如，通过高精度地图可以用于无人驾驶路径规划，还可以应用于无人驾驶定位等。

点云地图是高精度地图的一个非常重要的图层，目前，主要依据激光同步定位与地图构建(Simultaneous Localization And Mapping，SLAM)构建点云地图。在激光SLAM的运行过程中，需要对得到的轨迹进行闭环检测，理想情况下，车辆在相同地点的位置和姿态是相同的，但由于传感器存在噪声和测量带来的误差，会使累计误差越来越多，车辆即使回到之前经过的相同地点，得到位置和姿态会相差很大，导致车辆的轨迹无法形成闭环，从而无法有效构建得到全局一致的点云地图。例如，可以基于卫星定位系统的闭环检测，但是基于卫星定位系统的闭环检测不仅成本高，而且在一些遮挡场景，存在精度低、甚至不可以使用的问题，因此，基于卫星定位系统的闭环检测存在鲁棒性比较低的缺点。

为了解决现有技术问题，本发明实施例提供了一种点云地图构建方法，在构建点云地图的过程中，通过判断定位信号的状态信息，确定当前用于闭环检测的闭环检测算，通过使用信任度高的闭环检测算进行闭环检测，并生成对应轨迹约束条件，从而提高闭环检测过程整体的鲁棒性，实现消除累积误差，以及快速构建全局一致的点云地图。

下面首先对本发明实施例所提供的点云地图构建方法进行介绍。图1示出了本发明一个实施例提供的点云地图构建方法的流程示意图。如图1所示，该方法可以包括S110-S130：

S110、获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息。

在一些实施例中，通过激光雷达可以实时采集得到点云数据，每一个点云数据可以包括三维坐标、反射强度信息(Intensity)等。其中，激光雷达可以安装在汽车、机器人等可移动的设备上。

激光雷达可以连续采集获取点云数据，在一些实施例中，通过获取预设第一时间段内的第一点云数据集；之后，基于第一预设点云配准算法和预设第一时间段内的第一点云数据集，生成第一点云轨迹。

例如，当车辆移动时，激光雷达通过连续采集获取点云数据，可以跟踪得到车辆的运动轨迹。其中，预设的点云配准算法，例如迭代最近点算法(Iterative Closest Point，ICP)算法，正态分布变换(Normal Distributions Transform,NDT)算法等。

示例性的，第一时间段可以是目标时刻以及目标时刻之前的一段时间，在该时间段内，激光雷达可以采集到多帧点云数据，从而得到第一点数据集。在激光雷达采集点云数据的过程中，每采集到一帧点云数据，通过预设点云配准算法，基于当前帧之前采集到的点云数据进行匹配，可以得到生成第一点云轨迹，其中，第一点云数据集包括当前帧之前采集到的点云数据。

由于激光雷达存在测量误差，而且结合配准算法的也存在计算精度误差，随着时间段推移，误差会逐渐累积，难以得到全局一致的点云地图。示例性的，当累计误差越来越大，即使装载激光雷达的车辆，在运动一定的路线后回到原来的位置，得到的运动轨迹却没有形成轨迹闭环，因此，为了得到全局一致的点云地图，在获取点云轨迹的过程中，进行闭环检测来减少累计误差，即通过识别到曾经到过的场景，生成相应的约束条件，以用于减少累计误差。

在一些实施例中，为了提高闭环检测的准确性，避免出现累计误差，因此，可以结合定位信号的状态，确定用于闭环检测的检测算法。因此，在本发明实施例S110中，在目标时刻，除了获取目标时刻对应的第一点云轨迹，还需要获取目标时刻的定位信号的状态信息。

示例性的，定位信号例如可以是基于全球卫星导航系统(Global NavigationSatellite System，GNSS)的定位信号。

其中，可以根据目标时刻可以观测到的卫星数量，以及信噪比进行评估，判断目标时刻的定位信号的状态信息。当的状态信息为第一状态时，也就是，GNSS信号状态差，基于GNSS信号难以得到准确的闭环检测，因此，可以执行S120。

S120、根据预设第一闭环检测算法对第一点云轨迹闭环检测，生成第一点云轨迹对应的第一轨迹约束条件。

在一些实施例中，生成第一轨迹约束条件可以是，首先，获取目标时刻的第二点云数据的描述子。

第二点云数据为在目标时刻得到的点云数据，由于激光雷达直接获取的点云数据为三维数据。获取第二点云数据的描述子也就是将三维点云数据降成二维矩阵。由于激光雷达测量时存在噪声，为了充分利用激光雷达测量区域的统计特性，可以计算在测量区域内，激光雷达已测量数据的平均高度或平均反射强度，使二维矩阵的值为平均高度。

然后，根据第二点云数据的描述子和第一点云数据集的预设K维检索树，从第一点云数据集中确定第一预设数量的与第二点云数据相似度满足预设第三阈值的第三点云数据。

其中，第一点云数据集是目标时刻之前的点云数据。激光雷达每获得到一个点云数据，都会将点云数据添加到预设K维检索树。通过使用第一点云数据集的预设K维检索树，可以提高从第一点云数据集中确定第一预设数量的第三点云数据。

接下来，根据第二预设点云配准算法，确定第一预设数量的第三点云数据中与第二点云数据匹配的第三点云数据，得到第四点云数据。

由于在为第二点云数据匹配第三点云数据时，对第二点云数据进行了特征提取，将三维数据设置二维数据，因此，为了提高匹配的准确性，为第二点云数据确定了第一预设数量的相似度满足预设第三阈值的第三点云数据。其中，第一预设数量可以为多个，例如五个。

为了在本步骤中，通过第二预设点云配准算法，从多个第三点云数据中确定与第二点云数据匹配的第三点云数据，得到第四点云数据。其中，第二预设点云配准算法例如可以是ICP配准算法。

在得到第四点云数据之后，接下来可以执行下一步骤。

最后，根据第二点云数据与第四点云数据，生成第一轨迹约束条件。

其中，为了提高闭环检测的精度和计算速度，预设第一闭环检测算法可以为ScanContext算法。

在得到第一轨迹约束条件和第一点云轨迹之后，接下来可以执行S130。

S130、基于第一轨迹约束条件和第一点云轨迹生成点云地图。

在一些实施例中，为了减少计算负担，避免冗余计算，可以确定预设第一时间段内第一轨迹约束条件的第一数量，其中，第一预设时间段为第一时刻之前的时间段；当第一数量大于预设第一阈值时，根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集；最后，根据修正后的第一点云轨迹集，生成点云地图。

此外，在一些实施例中，定位信号可以是基于GNSS的定位信号。根据在目标时刻观测到的卫星的数量，以及信噪比进行评估，判断目标时刻的定位信号的状态信息。当状态信息为第二状态时，也就是，GNSS信号状态良好，基于GNSS信号可以进行准确的闭环检测。也就是说，当定位信号的状态信息为第二状态时，闭环检测可以执行以下步骤：首先，根据预设第二闭环检测对第一点云轨迹闭环检测，生成第一点云轨迹对应的第二轨迹约束条件。接下来，确定预设第一时间段内第一轨迹约束条件和第二轨迹约束条件的和，得到第一数量。当第一数量大于预设第一阈值时，根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，以及第二轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集。

因此，在本发明实施例S130中，根据修正后的第一点云轨迹集，生成点云地图，还可以包括基于GNSS生成的第二约束条件，以提高闭环检测过程整体的鲁棒性。而且，由于能够融合多种闭环检测算法，因此，例如，基于GNSS的闭环检测存在遮挡环境存在误差大甚至无信号的问题时，可以结合Scan Context算法，提高了闭环检测的鲁棒性。可以实现大场景的闭环检测，实现有效减少累积误差。

在一些实施例中，为了降低计算资源的消耗，同时提高定位检测的准确性，因此，可以提前设定预设第一阈值，作为是否基于生成的约束条件修正第一点云轨迹。

因此，在获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息之前，还可以包括一下步骤：在第二预设时间段内，根据预设第一闭环检测算法和预设第二闭环检测算法分别对第二点云轨迹闭环检测，得到第一检测结果和第二检测结果，其中，第二预设时间段为第一预设时间段之前的时段；根据第一检测结果和第二检测结果，确定预设第一阈值。

示例性的，在第二预设时间段内，启动GNSS和Scan Context检测闭环并进行闭环检测，例如，对于同一时刻得到的点云轨迹，当GNSS的状态好，并且检测到闭环，而ScanContext没有检测到闭环时，可以提高预设第一阈值；同理，对于同一时刻得到的点云轨迹，当GNSS没有检测到闭环，而Scan Context检测到闭环时，可以减小预设第一阈值，以提高闭环检测过程的检测精度。

通过本发明实施例的点云地图构建的方法，在得到第一点云轨迹之后，对第一点云轨迹进行闭环检测时，根据定位信号的状态信息确定接下来用于闭环检测的算法，尤其是在定位信号的状态信息为第一状态信息时，采用Scan Context闭环检测算法，生成第一轨迹约束条件，避免了由于定位信号在不同的状态下，采用同一闭环检测算法存在精度低甚至不可以使用时从而导致的鲁棒性低的情况；之后，基于述第一轨迹约束条件和第一点云轨迹生成所述点云地图，提高了闭环检测过程整体的鲁棒性，实现消除累积误差，以及快速构建全局一致的点云地图。

图2是本发明实施例提供的一种点云地图构建装置的结构示意图，如图2所示，该点云地图构建装置200可以包括：获取模块210、检测模块220和地图生成模块230。

获取模块210，用于获取目标时刻对应的第一点云轨迹和目标时刻的定位信号的状态信息；

检测模块220，用于当的状态信息为第一状态时，根据预设第一闭环检测算法对第一点云轨迹闭环检测，生成第一点云轨迹对应的第一轨迹约束条件；

地图生成模块230，用于基于第一轨迹约束条件和第一点云轨迹生成点云地图。

在一些实施例中，预设第一闭环检测算法为Scan Context算法。

在一些实施例中，地图生成模块230，还用于确定预设第一时间段内第一轨迹约束条件的第一数量，其中，第一预设时间段为目标时刻之前的时间段；当第一数量大于预设第一阈值时，根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集；根据修正后的第一点云轨迹集，生成点云地图。

在一些实施例中，地图生成模块230，还用于根据预设第二闭环检测对第一点云轨迹闭环检测，生成第一点云轨迹对应的第二轨迹约束条件；以及确定预设第一时间段内第一轨迹约束条件和第二轨迹约束条件的和，得到第一数量；以及根据每个第一轨迹约束条件修正第一轨迹约束条件对应的第一点云轨迹，以及第二轨迹约束条件对应的第一点云轨迹，得到修正后的第一点云轨迹集。

在一些实施例中，获取模块210，还用于获取预设第一时间段内的第一点云数据集；基于第一预设点云配准算法和预设第一时间段内的第一点云数据集，生成第一点云轨迹。

在一些实施例中，检测模块220还用于获取目标时刻的第二点云数据的描述子；根据第二点云数据的描述子和第一点云数据集的预设K维检索树，从第一点云数据集中确定第一预设数量的与第二点云数据相似度满足预设第三阈值的第三点云数据；以及，根据第二预设点云配准算法，确定第一预设数量的第三点云数据中与第二点云数据匹配的第三点云数据，得到第四点云数据；根据第二点云数据与第四点云数据，生成第一轨迹约束条件。

在一些实施例中，点云地图构建装置200还可以包括阈值生成模块，用于在第二预设时间段内，根据预设第一闭环检测算法和预设第二闭环检测算法分别对第二点云轨迹闭环检测，得到第一检测结果和第二检测结果，其中，第二预设时间段为第一预设时间段之前的时段；以及，根据第一检测结果和第二点测结果，确定预设第一阈值。

可以理解的是，本发明实施例的点云地图构建装置200，可以对应于本发明实施例提供的点云地图构建方法的执行主体，点云地图构建装置200的各个模块/单元的操作和/或功能的具体细节可以参见上述本发明实施例提供的点云地图构建方法中的相应部分的描述，为了简洁，在此不再赘述。

本发明实施例的点云地图构建装置，在得到第一点云轨迹之后，对第一点云轨迹进行闭环检测时，根据定位信号的状态信息确定接下来用于闭环检测的算法，尤其是在定位信号的状态信息为第一状态信息时，采用Scan Context闭环检测算法，生成第一轨迹约束条件，避免了由于定位信号在不同的状态下，采用同一闭环检测算法存在精度低甚至不可以使用时从而导致的鲁棒性低的情况；之后，基于述第一轨迹约束条件和第一点云轨迹生成点云地图，提高了闭环检测过程整体的鲁棒性，实现消除累积误差，以及快速构建全局一致的点云地图。

图3是本发明实施例提供的一种点云地图构建设备的硬件结构示意图。

如图3所示，本实施例中的点云地图构建设备300包括输入设备301、输入接口302、中央处理器303、存储器304、输出接口305、以及输出设备306。其中，输入接口302、中央处理器303、存储器304、以及输出接口305通过总线310相互连接，输入设备301和输出设备306分别通过输入接口302和输出接口305与总线310连接，进而与点云地图构建设备300的其他组件连接。

具体地，输入设备301接收来自外部的输入信息，并通过输入接口302将输入信息传送到中央处理器303；中央处理器303基于存储器304中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器304中，然后通过输出接口305将输出信息传送到输出设备306；输出设备306将输出信息输出到点云地图构建设备300的外部供用户使用。

也就是说，图3所示的点云地图构建设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1所示实例描述的点云地图构建方法。

在一个实施例中，图3所示的点云地图构建设备300包括：存储器304，用于存储程序；处理器303，用于运行存储器中存储的程序，以执行本发明实施例提供的点云地图构建方法。

本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的点云地图构建方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，做出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(Read-Only Memory，ROM)、闪存、可擦除只读存储器(Erasable ReadOnly Memory，EROM)、软盘、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、光盘、硬盘、光纤介质、射频(Radio Frequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上所述，仅为本发明的具体实施方式，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，上述描述的系统、模块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。应理解，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。