[发明专利]离线坐标校准和地图创建的方法及装置

说明书

技术领域

本发明涉及地图数据创建领域，尤其是离线坐标校准和地图创建的方法及装置。

背景技术

未知环境中，无人驾驶车辆的自主地图创建与自定位密切相关，相互依赖。车辆需 要依靠已创建的地图信息进行自定位；另一方面，根据定位结果对地图进行更新。但在误差 和噪音条件下，定位和地图创建技术上的复杂度不支持两者同时获得连续的解。即时定位 与地图创建(SLAM)是这样一个概念：把两方面的进程都捆绑在一个循环之中，以此支持双 方在各自进程中都求得连续解；不同进程中相互迭代的反馈对双方的连续解有改进作用。

即时定位与地图创建已成为近年来机器人及无人车辆领域的热点研究问题，并被 认为是实现真正车辆自主行驶的核心环节。当前，一类是基于在假定从0到t时刻的观测信 息以及控制信息对系统状态(包括车辆当前方位以及所有地图特征位置)的后验概率进行 估计。根据后验概率表示方式的不同，存在多种基于滤波器的方法。常用的包括扩展卡尔曼 滤波(EKF)方法、扩展信息滤波(EIF)方法、以及粒子滤波(PF)方法等。基于滤波的即时定位 与地图创建方法通常也被称为在线即时定位与地图创建(on-lineSLAM)，如图1所示。

然而，在线即时定位与地图创建有一个缺陷；数据经过滤波处理后就被删除了，这 样就导致了当我们完成地图创建后我们没有办法再回过头来重新审查这些数据。

发明内容

为此，需要提供一种能记录所有数据并在数据采集结束后再生成地图的方法，即 离线即时定位与地图创建方法(off-lineSLAM)开始被广泛使用。使用离线即使定位与地 图创建法采集到的数据会形成一张由相对稀疏的节点(对应车辆方位与环境特征)构成的 图，节点之间由非线性的，二次的束约连接，我们称之为边。利用本文将要介绍的基于图优 化的SLAM方法，我们可以最大程度上优化这些束约，以得到一张最大似然(用后验分布表示 的)地图以及车辆在地图上的轨迹。

为实现上述目的，发明人提供了一种离线坐标校准和地图创建的方法，包括如下 步骤：基于离线地图数据构建节点束约图，并提取节点间的软束约目标方程；对所述目标方 程进行线性化处理，得到信息矩阵和信息向量；对信息矩阵和信息向量进行降维，消除所述 信息矩阵与信息向量中与地图数据有关的变量；根据处理后的目标方程得到车辆轨迹的后 验分布地图；根据所述后验分布地图校准离线地图数据，创建地图。

具体地，所述步骤“基于离线地图数据构建节点束约图”具体包括步骤：依据离线 地图数据提取环境特征，根据环境特征构建节点束约图。

具体地，所述软束约目标方程具体为：

其中x_t是t时间车辆所在的位置，g是车辆的运动学模型，R_t是移动噪音的协方差，u_t是控制输入，是t时间环境特征i的测量数据，Ω是信息矩阵。

优选地，所述“根据处理后的目标方程得到车辆轨迹的后验分布地图”具体包括步 骤：根据处理后的目标方程用贝叶斯推论得到车辆轨迹的后验分布地图。

一种离线坐标校准和地图创建的装置，包括如下模块：目标方程提取模块、线性 化模块、降维模块、轨迹分布模块、数据校准模块；

所述目标方程提取模块用于基于离线地图数据构建节点束约图，并提取节点间的 软束约目标方程；

所述线性化模块用于对所述目标方程进行线性化处理，得到信息矩阵和信息向 量；

所述降维模块用于对信息矩阵和信息向量进行降维，消除所述信息矩阵与信息向 量中与地图数据有关的变量；

所述轨迹分布模块用于根据处理后的目标方程得到车辆轨迹的后验分布地图；

所述数据校准模块用于根据所述后验分布地图校准离线地图数据，创建地图。

具体地，所述目标方程提取模块还用于依据离线地图数据提取环境特征，根据环 境特征构建节点束约图。

具体地，所述软束约目标方程具体为：

其中x_t是t时间车辆所在的位置，g是车辆的运动学模型，R_t是移动噪音的协方差，u_t是控制输入，是t时间环境特征i的测量数据，Ω是信息矩阵。

优选地，所述轨迹分布模块还用于根据处理后的目标方程用贝叶斯推论得到车辆 轨迹的后验分布地图。