【技术实现步骤摘要】
处理数据的方法和装置
[0001]本申请涉及人工智能领域,并且更具体地,涉及处理数据的方法和装置。
技术介绍
[0002]激光雷达(light detection and ranging,LiDRA)能够捕获目标物基本形状特征及丰富局部细节,具有可靠性及测量精度高等优点,目前被广泛应用在智能设备(例如无人驾驶车辆、机器人等)环境感知中。
[0003]激光雷达,例如扫描式激光雷达,通过多束激光竖列而排,绕轴进行360度旋转,每一束激光扫描一个平面,纵向叠加后呈现出三维立体图形。具体地,激光雷达通过发射激光光束来探测目标,并通过搜集反射回来的光束获取点云数据。这些点云数据可以生成精确的三维立体图像。
[0004]通常,单帧激光点云数据不是瞬时获取的。目前,大部分激光雷达的扫描频率为5赫兹(Hz)至20赫兹。以激光雷达的扫描频率为10赫兹为例,单帧点云数据的获取时长为100微秒(ms)。但是,单帧点云数据的获取过程中,智能设备会发生运动。智能设备的运动会造成获取的激光点云数据的畸变,例如智能设备的速度、角速度等会造 ...
【技术保护点】
【技术特征摘要】
1.一种处理数据的方法,其特征在于,包括:获取智能设备的多个运动数据,所述多个运动数据中的每个运动数据包括位姿数据,所述多个运动数据是所述智能设备的运动数据采集单元在激光雷达的同一个扫描周期内的多个时刻采集的;根据所述多个运动数据,确定所述智能设备的平面运动模型中参数的值,所述平面运动模型为基于多项式的运动学模型;根据所述确定完参数值的平面运动模型,确定所述智能设备在基准时刻的运动数据,所述智能设备在所述基准时刻的运动数据包括所述智能设备在所述基准时刻的位姿数据;根据所述确定完参数值的平面运动模型,确定所述智能设备在目标时刻的运动数据,所述智能设备在所述目标时刻的运动数据包括所述智能设备在所述目标时刻的位姿数据,所述目标时刻与所述基准时刻位于所述同一个扫描周期内;根据所述智能设备在所述基准时刻的运动数据和所述智能设备在所述目标时刻的运动数据,对所述智能设备在所述目标时刻的点云数据进行消旋处理,经过所述消旋处理得到的点云数据用于确定所述智能设备的环境信息。2.根据权利要求1所述的方法,其特征在于,所述平面运动模型中,所述智能设备的位置数据和所述智能设备的姿态数据满足以下关系式:x
t
=a
x
·
t2+b
x
·
t+c
x
y
t
=a
y
·
t2+b
y
·
t+c
y
θ
t
=a
θ
·
t2+b
θ
·
t+c
θ
其中,x
t
表示t时刻所述智能设备在第一方向上的位置数据;y
t
表示t时刻所述智能设备在第二方向上的位置数据,所述第一方向与所述第二方向垂直;θ
t
表示所述智能设备在t时刻的姿态数据;a
x
、b
x
、c
x
、a
θ
、b
θ
、c
θ
、a
y
、b
y
、c
y
表示所述平面运动模型中的参数。3.根据权利要求1或2所述的方法,其特征在于,所述多个运动数据中的每个运动数据还包括线速度数据。4.根据权利要求3所述的方法,其特征在于,所述平面运动模型中,所述线速度数据满足以下关系式:v
t
·
cos(θ
t
)=2
·
a
x
·
t+b
x
v
t
·
sin(θ
t
)=2
·
a
y
·
t+b
y
其中,v
t
表示所述智能设备在t时刻的线速度数据;θ
t
表示所述智能设备在t时刻的姿态数据;a
x
、b
x
、a
y
、b
y
表示所述平面运动模型中的所述参数。5.根据权利要求2至4中任一项所述的方法,其特征在于,所述多个运动数据中的每个运动数据还包括角速度数据。6.根据权利要求5所述的方法,其特征在于,所述平面运动模型中,所述角速度数据满足以下关系式ω
t
=2
·
a
θ
·
t+b
θ
其中,ω
t
表示所述智能设备在t时刻的角速度数据;a
θ
、b
θ
表示所述平面运动模型中的所述参数。7.根据权利要求1至6中任一项所述的方法,其特征在于,所述根据所述智能设备在所述基准时刻的运动数据和所述智能设备在所述目标时刻的运动数据,对所述智能设备在所
述目标时刻的点云数据进行消旋处理,包括:根据所述智能设备在所述基准时刻的运动数据和所述智能设备在所述目标时刻的运动数据,确定所述智能设备在所述目标时刻的运动数据与所述智能设备在所述基准时刻的运动数据的变换关系;根据所述变换关系对所述智能设备在所述目标时刻的点云数据进行消旋处理。8.一种处理数据的装置,其特征在于,包括:获取单元,用于获取智能设备的多个运动数据,所述多个运动数据中的每个运动数据包括位姿数据,所述多个运动数据是所述智能设备的运动数据采集单元在所述智能设备的激光雷达的同一个扫描周期内的多个时刻...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。