一种全局混合地图创建方法技术

本发明专利技术基于栅格地图、拓扑地图以及几何特征地图各自的优缺点，汲取各种地图模型的优点，提出了一种可同时服务于位姿估计以及无人车辆导航的全局混合地图模型。全局混合地图主要由子地图节点以及子地图节点间连通关系构成。子地图节点中的地图数据包括三维概率特征子地图、三维概率栅格子地图以及可通行区域。三维概率特征子地图以及三维概率栅格子地图采用基于顺序存储结构和树形结构的混合数据结构进行数据组织，以提高其数据更新的实时性，并通过概率滤波提高了子地图对于系统噪声的鲁棒性。三维概率特征子地图以及三维概率栅格子地图共同与点云匹配进行位姿估计。基于三维概率栅格子地图提取用于无人车辆导航的可通行区域。通行区域。

【技术实现步骤摘要】
一种全局混合地图创建方法


[0001]本专利技术涉及无人车
，尤其涉及一种可同时服务于位姿估计以及无人车辆导航的方法。

技术介绍

[0002]目前，常用于进行环境建模的地图模型包括几何地图、栅格地图、拓扑地图、点云地图以及混合地图等。几何特征地图通过提取环境中的点、线、面等几何特征来进行环境建模，几何特征地图是一种比较紧凑的地图模型，便于进行位姿估计，计算资源耗费以及存储空间占用都比较小，但要求环境中存在较为明显的点、线、面等特征，对于地面、树等有明显几何特征的环境目标可以较好地描述，但对于其他复杂的环境状况就显得无能为力了。通过几何特征不能区分哪里是障碍区域哪里是可通行的，因此一般也不能用于无人车辆导航。点云地图作为对传感器原始点云的简单拼凑，虽然保留了环境观测的几乎所有信息，但其数据量过大，不适用于构建在线地图。栅格地图将环境划分为均匀大小的栅格，每个栅格被赋予是否被占据的属性，分为二维栅格地图以及三维栅格地图。栅格地图描述环境比几何地图更为细致，同时比点云地图稀疏，从数据量以及内存空间占用上来讲是一种比较折中的地图模型。栅格地图可以降低环境噪声以及观测噪声对于地图精度的负面影响，同时易于创建和更新，可以方便的用于无人车辆路径规划和位姿估计。但随着栅格地图分辨率减小以及地图尺度的增长栅格数量会迅速增加，内存占用量以及更新计算量迅速增长，导致地图更新的实时性降低。拓扑地图基于拓扑理论表达环境，将环境中的目标表示为节点，并用节点间的连线表示目标间的关系，拓扑地图对于无人车辆的定位要求低，实际上基于拓扑地图也难以实现精确的无人车辆定位。拓扑地图对于环境数据的抽象程度较高，可以非常方便的用于无人车辆的全局规划，对于室内环境，拓扑结构可以方便的表示办公室、走廊等目标，可以高效的用于室内自主平台的导航，但越野环境较为复杂，节点的提取以及节点间关系的描述都比较困难，而且拓扑地图一般无法实现分米级的精确定位，因此难以用于局部导航和定位

技术实现思路

[0003]鉴于上述的分析，本专利技术旨在提供一种可同时服务于位姿估计以及无人车辆导航的方法，用以解决现有技术中无法同时进行位姿估计以及无人车辆导航的问题。
[0004]本专利技术的目的主要是通过以下技术方案实现的：
[0005]一种可同时服务于位姿估计以及无人车辆导航的方法，包括以下步骤：
[0006]地图创建与更新；
[0007]可通行区域提取；
[0008]进一步地，所述地图创建与更新包括：
[0009]1)地图创建初始化，分为全局混合地图创建初始化以及子地图创建初始化两个部分；
[0010]2)子地图数据匹配获得无人车辆和当前子地图原始位姿之间相对位姿关系，从而也可以获得无人车辆两相邻时刻间的相对位姿；
[0011]3)子地图更新及切换；
[0012]4)全局拓扑结构更新；
[0013]本专利技术有益效果如下：
[0014]本专利技术提出的一种可同时服务于位姿估计以及无人车辆导航的全局混合地图模型，充分考虑了越野环境路面颠簸，存在坡道、岔路口、桥、土路、水泥路等多种路况，且存在草地、土路、灌木丛、树林等多种环境表观场景，一方面保证地图更新实时性，另一方面创建误差较小的地图，从而为无人车辆定位以及安全导航提供基础，在无人驾驶领域具有广泛的使用前景。
[0015]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0016]附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。
[0017]图1为本专利技术实施例中三维概率特征子地图示意图；
[0018]图2为本专利技术实施例中点云线束编号示意图；
具体实施方式
[0019]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理。
[0020]首先，为了保障地图更新的实时性，降低地图数据的内存占用以及更新计算量，全局地图被划分为多个子地图，每个子地图作为全局拓扑结构中的一个节点节点间的连通关系构成拓扑结构的边，因此全局混合地图可以记作：
[0021][0022]其中，s
i
表示一个节点，每个节点的定义如式
[0023][0024]其中，N
i
表示节点s
i
唯一的编号表示该节点被初始创建时的位姿，称为子地图s
i
的原始位姿，节点的这一属性一旦被设定就不再改变；表示该节点经过全局位姿优化后的位姿，称为子地图i的优化位姿，该属性与每次优化后的结果保持一致；为该子地图节点建立时的IMU姿态中存储的为该子地图中包含的所有车辆原始位姿ξ
V
、车辆优化位姿ξ
Vop
IMU姿态ξ
Simu
、点云编号以及每个位姿处对应点云的旋转直方图特征旋转直方图特征将用于闭环检测时的第一层检测；为该节点的地图数据，即该节点对应的子地图。
[0025]E
i
是与每一个S
i
相对应的边约束信息，其定义如式
[0026][0027]其中，N
i
表示该边对应节点的编号；表示与节点S
i
地理上相邻的连通节点编号，该属性随着全局混合地图的不断更新和扩张而不断更新。
[0028]包含了一个节点内的所有地图数据信息，地图模型的基本形式为三维栅格地图，为了提高地图更新的实时性，使用树形数据结构与顺序存储结构组合而成的混合数据结构进行数据组织，以较小的数据访问实时性代价更大程度上提高了数据修改的实时性，在整体上提高了地图数据更新的实时性。
[0029]子地图数据模型采用三层架构进行数据组织。第一层为动态扩展层，该层采用顺序存储结构，随着无人车辆探测范围的不断增加而扩张。动态扩展层中的每个数据栅格中的细分栅格都以树形结构进行组织，从动态扩展层向下又分为中间数据层以及体素层。动态扩展层中的每个数据栅格包含23*23*23＝512个中间数据层栅格，而中间数据层中的每个栅格也包含23*23*23＝512个体素层栅格，体素层中的栅格又称为体素。子地图分辨率指的就是子地图中每个体素的边长，当子地图分辨率为0.2m时，动态扩展层中的每个栅格可以表示12.8*12.8*12.8m3范围的环境。每个体素中根据需要可以保存不同类型的数据，本文根据体素中保存的数据类型的不同将子地图分为两种。第一种子地图体素中保存的是该体素是否被点云击中的概率。该子地图可以看作是点云稀疏化后形成的子地图，本文称之为三维概率栅格子地图，其分辨率r
g
为0.2m，该子地图通过概率化体素状态的可信度，可以良好地降低环境噪声、观测噪声以及位姿估计噪声的影响。第二种子地图体素中保存的是该体素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可同时服务于位姿估计以及无人车辆导航的全局混合地图模型，其特征在于，包括以下步骤：创建与更新无人车辆全局混合地图；以三维概率栅格子地图为基础，在通过概率滤波滤除环境噪声、观测噪声以及位姿估计噪声的基础上，提取可通行区域地图。2.根据权利要求1所述的全局混合地图模型，其特征在于，所述地图创建与更新包括：1)地图创建初始化；2)子地图数据匹配；3)子地图更新及切换；4)全局拓扑结构更新。3.根据权利要求2所述的全局混合地图模型，其特征在于，所述地图创建初始化包括：全局混合地图创建初始化；子地图创建初始化。4.根据权利要求2所述的全局混合地图模型，其特征在于，所述子地图数据匹配为了获...

【专利技术属性】
技术研发人员：齐建永，高文祥，张哲华，龚建伟，陈慧岩，熊光明，吴绍斌，
申请(专利权)人：北理慧动北京科技有限公司北京理工大学，
类型：发明
国别省市：