[发明专利]局部地图构建方法及装置

说明书

技术领域

本发明涉及地图采集领域，尤其涉及一种用于超大闭环地图方法中的局部地图构建方法及装置。

背景技术

无人车(或者其他机器人)的工程化、实用化过程中一个重要问题是如何在一个超大的范围内(几公里、几十公里、甚至几千公里的区域)，以及长时间的行驶过程中实现对自身的精准的定位的同时记录下经过的环境的地图。

虽然先验地图的好处不言而喻，但是先验地图并不是所有的情形下都能获取。不依赖先验地图可以极大地拓展机器人的使用范围。比如，应用范围从城市拓展到野外。对于其它类型的需要导航定位的机器人，比如说无人水下机器人或者无人飞行器，获取先验地图可能十分困难或者不现实。因此，具备实时构建地图的能力对于无人车(或者其它机器人)很有用。

上述的问题需要在两个层面上解决：

1.在本地层面(受机器人传感器的有效范围和算法的影响，一般在米/十米/百米级别)，需要解决在时间和空间上临近的几个位置上采集的传感器数据的关联性问题。将几个不同连续的位置采集的传感器数据通过某种方式匹配，是构建本地地图的基础。

2.在全局层面，需要一种寻找当前的局部数据和全局(整个地图)数据之间匹配的方法。也就是说，当无人车重新回到之前到过的一个地点的时候，无人车要能够辨别出当前的本地环境就是地图上之前记录过的某一个地点。这个功能对于超大范围的自主导航至关重要，因为一般定位所依赖的惯性导航仪或者里程计有累积误差的问题，距离越远误差越大。而不受距离影响的一些定位方法，如卫星定位系统，又有诸多限制。在这种情况下，无人车重新回到之前到过的地点时就有机会把两次到达之间累积的误差基本消除。这也是所谓的导航中的闭环问题。

本方法提出一种全局地图匹配技术中局部地图构建的技术，可以应用于全局范围内地图匹配，并且运用修正方法减小了局部地图构建中存在的误差，提高了地图精度。解决全局范围内的匹配。这种技术可以用于本方法中的定位和地图构建系统的匹配，也可以用作其它需要解决闭环问题的系统，比如另一篇中提到的(一种依靠经历数据库提高无人车定位应变能力的方法)。另外，全局地图匹配技术可以作用于实时采集的地图，也可以作用于先验的地图。

发明内容

为此，需要提供一种应用于局部地图构建技术，解决地图构建误差太大的问题。

为实现上述目的，发明人提供了一种局部地图构建方法，包括如下步骤，

建立局部坐标系；

每次快照时记录位姿信息，所述快照为激光扫描地图信息，所述位姿包括相对局部坐标系偏移量和方向角；

基于所述快照和位姿信息进行卡尔曼滤波；

对上述卡尔曼滤波的结果进行最近邻匹配：匹配第一点集中的每个点到第二点集中的最近点，计算坐标变换，减小匹配点间的误差。

具体地，所述“基于所述快照和位姿信息进行卡尔曼滤波”包括：

基于绝对位姿的卡尔曼滤波和基于固定滞后位姿的卡尔曼滤波；

具体地，所述计算坐标变换，减小匹配点间的误差具体包括步骤：

用对准误差计算公式计算每对匹配点在法向上的差值，所述差值记为匹配误差，

对所述匹配误差进行洛伦兹修正；

用匹配误差的方差和匹配误差相对于位姿变换参数的雅克比矩阵用来生成最近领匹配变换的协方差。

一种局部地图构建装置，包括坐标建立模块、快照记录模块、滤波模块和最近邻匹配模块，

所述坐标建立模块用于建立局部坐标系；

所述快照记录模块用于每次快照时记录位姿信息，所述快照为激光扫描地图信息，所述位姿包括相对局部坐标系偏移量和方向角；

所述滤波模块用于基于所述快照和位姿信息进行卡尔曼滤波；

所述最近邻匹配模块用于对上述卡尔曼滤波的结果进行最近邻匹配：匹配第一点集中的每个点到第二点集中的最近点，计算坐标变换，减小匹配点间的误差。

具体地，

所述滤波模块用于基于绝对位姿的卡尔曼滤波和基于固定滞后位姿的卡尔曼滤波；

具体地，所述最近邻匹配模块具体还用于：

用对准误差计算公式计算每对匹配点在法向上的差值，所述差值记为匹配误差，

对所述匹配误差进行洛伦兹修正；

用匹配误差的方差和匹配误差相对于位姿变换参数的雅克比矩阵用来生成最近领匹配变换的协方差。

区别于现有技术，上述技术方案通过建立局部坐标系并记录快照和位置信息，以及后续的滤波匹配步骤，达到了减小局部地图构建中存在的误差的技术效果。

附图说明