一种位姿优化方法及装置与流程

1.本说明书涉及无人驾驶领域，尤其涉及一种位姿优化方法及装置。


背景技术：

2.在无人驾驶领域中，位姿的准确确定可以影响到构建出的高精地图的准确性，即，在高精地图的构建过程中，需要确定出采集点云数据的采集设备的位姿，从而将点云数据转换到世界坐标系下，以通过点云数据进行高精地图的构建，因此，采集设备的位姿的准确性会影响到构建出的高精地图的准确性。
3.在现有技术中，可以直接通过对采集到的点云数据进行匹配等方式，得到采集设备采集每帧点云数据时的位姿，但是这种方式可能会存在一定的不准确性。
4.所以，如何提高确定出的位姿的准确性，则是一个亟待解决的问题。


技术实现要素：

5.本说明书提供一种位姿优化方法及装置，以部分的解决现有技术存在的上述问题。
6.本说明书采用下述技术方案：
7.本说明书提供了一种位姿优化方法，包括：
8.获取指定设备采集到的若干点云数据；
9.针对为所述若干点云数据划分出的每组点云数据，根据该组点云数据，确定所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定所述指定设备在采集该组点云数据中每帧点云数据时分别对应的位姿估计值，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点；
10.根据所述位姿估计值以及所述相对位姿，确定该组点云数据对应的相对位姿残差，以及确定该组点云数据对应的相对位姿残差的权重；
11.根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差；
12.根据各组点云数据对应的补偿后相对位姿残差，确定综合残差，并以最小化所述综合残差为目标，优化所述指定设备在采集每帧点云数据时的位姿估计值。
13.可选地，根据所述位姿估计值以及所述相对位姿，确定该组点云数据对应的相对位姿残差，具体包括：
14.针对该组点云数据中每两帧点云数据，确定该两帧点云数据分别对应的位姿估计值，以及所述指定设备在采集该两帧点云数据时的相对位姿；
15.根据所述指定设备在采集该两帧点云数据时的相对位姿与该两帧点云数据分别对应的位姿估计值，确定该两帧点云数据对应的相对位姿残差；
16.将该组点云数据中每两帧点云数据对应的相对位姿残差，作为该组点云数据对应的相对位姿残差。
17.可选地，确定该组点云数据对应的相对位姿残差的权重，具体包括：
18.确定该组点云数据每两帧点云数据之间的重叠度；
19.根据该组点云数据每两帧点云数据之间的重叠度，确定该组点云数据对应的相对位姿残差的权重，其中，重叠度越高，相对位姿残差的权重越高。
20.可选地，确定该组点云数据对应的相对位姿残差的权重，具体包括：
21.根据至少一个定位传感器所采集到的定位数据，确定所述指定设备在采集每帧点云数据时的观测位姿；
22.根据所述观测位姿，确定所述指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿；
23.确定所述指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿，与基于所述点云数据确定出的所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿之间的差异程度，并根据所述差异程度，确定该组点云数据对应的相对位姿残差的权重，其中，差异程度越大，相对位姿的权重越低。
24.可选地，确定该组点云数据对应的相对位姿残差的权重，具体包括：
25.针对每一轮迭代优化，确定上一轮迭代优化后得到的每帧点云数据对应的优化后位姿；
26.根据上一轮迭代优化后得到的该组点云数据中每帧点云数据对应的优化后位姿，重新确定出当前轮迭代优化中的该组点云数据的相对位姿残差；
27.根据重新确定出的当前轮迭代优化中的该组点云数据的相对位姿残差，确定当前轮迭代优化中该组点云数据的相对位姿残差对应的权重，其中，重新确定出的相对位姿残差越小，当前轮迭代优化中相对位姿残差对应的权重越高；
28.根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差，具体包括：
29.在当前轮迭代优化中，根据确定出的当前轮迭代优化中该组点云数据的相对位姿残差对应的权重，对重新确定出的当前轮迭代优化中的该组点云数据的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差。
30.可选地，根据各组点云数据对应的补偿后位姿残差，确定综合残差之前，所述方法还包括：
31.根据至少一个定位传感器所采集到的定位数据，确定所述指定设备在采集每帧点云数据时的观测位姿；
32.针对每帧点云数据，根据该点云数据对应的位姿估计值以及所述指定设备在采集每帧点云数据时的观测位姿，确定该点云数据对应的位姿残差；
33.根据各组点云数据对应的补偿后相对位姿残差，确定综合残差。具体包括：
34.根据所述若干点云数据中每帧点云数据对应的位姿残差以及各组点云数据对应的补偿后相对位姿残差，确定所述综合残差。
35.可选地，根据所述若干点云数据中每帧点云数据对应的位姿残差以及各组点云数据对应的补偿后位姿残差，确定所述综合残差，具体包括：
36.针对所述若干点云数据中每帧点云数据，根据确定出的该点云数据对应的位姿残差的权重，对该点云数据对应的位姿残差进行补偿，得到该点云数据对应的补偿后位姿残
差；
37.根据所述若干点云数据对应的补偿后位姿残差以及各组点云数据对应的补偿后相对位姿残差，确定所述综合残差。
38.可选地，确定出该点云数据对应的位姿残差的权重，具体包括：
39.根据基于所述定位传感器确定出的所述指定设备在采集该点云数据时的观测位姿的标准差，确定该点云数据对应的位姿残差的权重；和/或
40.根据所述定位传感器对应的传感器基本信息，确定该点云数据对应的位姿残差的权重；和/或
41.根据与该点云数据相邻的点云数据对应的观测位姿，确定该点云数据对应的位姿残差的权重。
42.可选地，各组点云数据中包括至少一个组指定点云数据，针对每组指定点云数据，该组指定点云数据中每帧点云数据对应的采集位置不超过设定距离，或该组指定点云数据中每帧点云数据对应的点云特征之间的相似度不小于设定相似度。
43.可选地，所述方法还包括：
44.根据所述若干点云数据，以及优化后的所述指定设备在采集每帧点云数据时的位姿估计值，构建高精地图。
45.本说明书提供一种位姿优化装置，包括：
46.获取模块，用于获取指定设备采集到的若干点云数据；
47.划分模块，用于针对为所述若干点云数据划分出的每组点云数据，根据该组点云数据，确定所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定所述指定设备在采集该组点云数据中每帧点云数据时分别对应的位姿估计值，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点；
48.权重确定模块，用于根据所述位姿估计值以及所述相对位姿，确定该组点云数据对应的相对位姿残差，以及确定该组点云数据对应的相对位姿残差的权重；
49.补偿模块，用于根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差；
50.优化模块，用于根据各组点云数据对应的补偿后相对位姿残差，确定综合残差，并以最小化所述综合残差为目标，优化所述指定设备在采集每帧点云数据时的位姿估计值。
51.本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述位姿优化方法。
52.本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述位姿优化方法。
53.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
54.从本说明书提供的位姿优化方法及装置中可以看出，服务器可以获取指定设备采集到的若干点云数据，并针对为若干点云数据划分出的每组点云数据，根据该组点云数据，确定指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定指定设备在采集该组点云数据中每帧点云数据时分别对应的位姿估计值，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点，根据位姿估
计值以及相对位姿，确定该组点云数据对应的相对位姿残差，以及确定该组点云数据对应的相对位姿残差的权重，根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差，根据各组点云数据对应的补偿后相对位姿残差，确定综合残差，并以最小化综合残差为目标，优化指定设备在采集每帧点云数据时的位姿估计值。
55.从上述内容中可以看出，本方法可以确定出每组点云数据对应的相对位姿残差，以及每组点云数据对应的相对位姿残差的权重，并结合每帧点云数据对应的相对位姿残差，以及相对位姿残差的权重，整体性的以相对位姿的准确性作为约束对若干点云数据的位姿进行优化，从而能够在一定程度上提高优化得到的位姿估计值的准确性。
附图说明
56.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
57.图1为本说明书中一种位姿优化方法的流程示意图；
58.图2为本说明书中的一种位姿优化的流程示意图；
59.图3为本说明书提供的一种位姿优化装置的示意图；
60.图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
61.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
62.以下结合附图，详细说明本说明书各实施例提供的技术方案。
63.图1为本说明书中一种位姿优化方法的流程示意图，具体包括以下步骤：
64.s101：获取指定设备采集到的若干点云数据。
65.s102：针对为所述若干点云数据划分出的每组点云数据，根据该组点云数据，确定所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定所述指定设备在采集该组点云数据中每帧点云数据时分别对应的位姿估计值，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点。
66.在无人驾驶设备领域中，在高精地图的构建过程中，指定设备(如地图采集车、安装有激光雷达等传感器的无人驾驶设备)等进行点云数据的采集后，需要确定出指定设备在采集每帧点云数据时准确的位姿，从而保证后续通过指定设备采集到的点云数据进行高精地图的构建时，能够构建出准确地高精地图。
67.因此，本说明书中提供的位姿优化的方法主要用于对指定设备采集每一帧点云数据时的位姿进行优化，基于此，服务器可以获取指定设备采集到的若干点云数据，并针对为若干点云数据划分出的每组点云数据，并根据该组点云数据，确定指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定该指定设备在采集该组点云数据中每帧
点云数据时，分别对应的位姿估计值。
68.指定设备采集两帧点云数据时的相对位姿，即，指定设备在采集两帧点云数据时位姿之间的相对关系，这里提到的相对位姿可以通过对两帧点云数据进行点云匹配得到，例如，可以通过icp点云匹配算法得到该相对位姿；再例如，可以通过确定出两帧点云数据中具有一定特点的部分点云，如，可以确定出平面点云、树干点云(形状如树干状的点云)等，并通过确定两帧点云数据中具有相同特征的部分点云的位置差异关系，得到指定设备在两帧点云数据时的相对位姿。
69.其中，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点，即，两帧点云数据中存在相重合的点云点。当然，每组点云数据中可以仅包括两帧点云数据，在确定相对位姿时，可以仅确定指定设备在采集这两帧点云数据时所对应的位姿之间的相对位姿，若每组点云数据中包括两帧以上的点云数据，则可以确定出这组点云数据中指定设备在采集每两帧点云数据时所对应的位姿之间的相对位姿。
70.s103：根据所述位姿估计值以及所述相对位姿，确定该组点云数据对应的相对位姿残差，以及确定该组点云数据对应的相对位姿残差的权重。
71.s104：根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差。
72.确定出该组点云数据中，指定设备在采集每帧点云数据时的位姿估计值(可以是未知数，也可以是在迭代优化中上一次迭代得到的位姿估计值)，以及指定设备在采集每两帧点云数据时位姿之间的相对位姿后，可以根据该组点云数据中，指定设备在采集每帧点云数据时的位姿估计值，以及指定设备在采集每两帧点云数据时位姿之间的相对位姿，确定出该组点云数据对应的相对位姿残差，以及确定出该组点云数据对应的相对位姿残差的权重。
73.也就是说，通过该组点云数据中每帧点云数据对应的位姿估计值，则可以通过每帧点云数据对应的位姿估计值，确定出每两帧点云数据对应的相对位姿的估计值，从而通过每两帧点云数据对应的相对位姿的估计值，与基于点云数据之间相匹配而得到的相对位姿之间的差异，得到该组点云数据对应的相对位姿残差的权重。
74.具体的，可以针对，该组点云数据中每两帧点云数据，确定该两帧点云数据分别对应的位姿估计值，以及指定设备在采集该两帧点云数据时的相对位姿，而后根据指定设备在采集该两帧点云数据时的相对位姿与该两帧点云数据分别对应的位姿估计值，确定该两帧点云数据对应的相对位姿残差，并将该组点云数据中每两帧点云数据对应的相对位姿残差，作为该组点云数据对应的相对位姿残差。当然，若该组点云数据中仅包含两帧点云数据，则可以直接确定出这两帧点云数据对应的相对位姿残差，作为该组点云数据对应的相对位姿残差。
75.在本说明书中，确定出一组点云数据对应的相对位姿残差的权重的方式可以存在多种：一、可以确定该组点云数据每两帧点云数据之间的重叠度，并根据该组点云数据每两帧点云数据之间的重叠度，确定该组点云数据对应的相对位姿残差的权重，其中，重叠度越高，相对位姿残差的权重越高。
76.由于一组点云数据中可能会存在两帧以上的点云数据，因此，一组点云数据对应
的相对位姿残差可以包含这组点云数据中每两帧点云数据对应的相对位姿残差，因此，一组点云数据对应的相对位姿残差的权重可以包含这组点云数据中每两帧点云数据对应的相对位姿残差的权重，对于每两帧点云数据来说，若是这两帧点云数据之间重叠度较高，则这两帧点云数据之间的重叠度越高，则这两帧点云数据对应的相对位姿残差的权重可以较高，这是由于若两帧点云数据的重叠度较低，则可能在指定采集设备采集这两帧点云数据时环境出现了一定变换，因此，重叠度较低，则可以将权重设得较低。
77.二、可以根据至少一个定位传感器所采集到的定位数据，确定该指定设备在采集每帧点云数据时的观测位姿，并确定该指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿，从而确定指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿，与指定设备在采集该组点云数据中每两帧点云数据时的相对位姿之间的差异程度，并根据该差异程度，确定该组点云数据对应的相对位姿残差的权重，其中，差异程度越大，相对位姿残差的权重越低。
78.同样的，一组点云数据对应的相对位姿残差的权重可以包含这组点云数据中每两帧点云数据对应的相对位姿残差的权重，因此，针对该组点云数据中的每两帧点云数据，若该两帧点云数据对应的观测相对位姿与直接基于这两帧点云数据确定出的相对位姿之间的差异程度越大，该两帧点云数据对应的相对位姿残差的权重越低。
79.三、还可以在迭代优化的过程中，在每一迭代优化的轮次中，本轮次通过上一轮次优化后得到的位姿估计值，重新计算本轮次内的相对位姿残差，并根据重新计算得到的相对位姿残差，来确定出本轮次内的相对位姿残差的权重。即，可以针对每一轮迭代优化，确定上一轮迭代优化后得到的每帧点云数据对应的优化后位姿，并根据上一轮迭代优化后得到的该组点云数据中每帧点云数据对应的优化后位姿，重新确定出当前轮迭代优化中的该组点云数据的相对位姿残差，以及根据重新确定出的当前轮迭代优化中的该组点云数据的相对位姿残差，确定当前轮迭代优化中该组点云数据的相对位姿残差对应的权重，其中，重新确定出的相对位姿残差越小，当前轮迭代优化中相对位姿残差对应的权重越高。
80.最后，在当前轮迭代优化中，可以根据确定出的当前轮迭代优化中该组点云数据的相对位姿残差对应的权重，对重新确定出的当前轮迭代优化中的该组点云数据的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差，从而根据补偿后相对位姿残差，在当前轮迭代优化的轮次中对位姿估计值进行优化。
81.也就是说，对指定设备采集每帧点云数据时的位姿估计值的优化可以存在多轮迭代，在每一轮迭代中，上述优化得到的位姿估计值，可以作为这一轮中点云数据的位姿估计值的初始值，通过该初始值，可以重新进行点云数据之间的匹配，从而重新计算得到这一轮中指定设备采集一组点云数据中每两帧点云数据时的相对位姿，进而，重新计算得到这一组点云数据对应的相对位姿残差，并通过重新计算出的这一组点云数据对应的相对位姿残差，得到这一组点云数据对应的相对位姿残差的权重。
82.同样的，一组点云数据对应的相对位姿残差的权重可以包含这组点云数据中每两帧点云数据对应的相对位姿残差的权重，因此，针对该组点云数据中的每两帧点云数据，重新确定出的这两帧点云数据对应的相对位姿残差越小，这两帧点云数据对应的相对位姿残差的权重越小。
83.s105：根据各组点云数据对应的补偿后相对位姿残差，确定综合残差，并以最小化
所述综合残差为目标，优化所述指定设备在采集每帧点云数据时的位姿估计值。
84.确定出各组点云数据对应的补偿后相对位姿残差，可以确定综合残差，并以最小化该综合残差为目标，优化该指定设备在采集每帧点云数据时的位姿估计值，其中，若是若干点云数据用于构建高精地图，那么，可以根据若干点云数据，以及优化后的该指定设备在采集每帧点云数据时的位姿估计值，构建高精地图。
85.确定通过补偿后相对位姿残差，确定综合残差之前，还可以将针对每帧点云数据的位姿的约束加入到综合残差中，即，可以根据至少一个定位传感器采集到的定位数据，确定指定设备在采集每帧点云数据时的观测位姿，并针对每帧点云数据，根据该点云数据对应的位姿估计值，以及指定设备在采集每帧点云数据时的观测位姿，确定该点云数据对应的位姿残差(可以理解为，位姿残差是针对一个位姿的约束，而相对位姿残差是针对相对位姿的约束)。
86.在确定一帧点云数据对应的位姿残差时，也可以确定出该点云数据对应的位姿残差的权重，从而在进行位姿优化时，可以结合确定出该点云数据对应的位姿残差的权重，来进行位姿优化。具体的，可以针对若干点云数据中每帧点云数据，根据确定出的该点云数据对应的补偿后位姿残差，并根据该若干点云数据对应的补偿后位姿残差以及各组点云数据对应的补偿后相对位姿残差，确定出综合残差。
87.在确定一帧点云数据对应的位姿残差的权重时，可以根据基于定位传感器确定出的指定设备在采集每帧点云数据时的观测位姿的标准差，确定该点云数据对应的权重，和/或根据定位传感器对应的传感器基本信息，确定该点云数据对应的位姿残差的权重，和/或根据与该点云数据相邻的点云数据对应的观测位姿，确定该点云数据对应的位姿残差的权重。
88.上述提到的定位传感器可以是指全球定位系统(global positioning system，gps)传感器，惯性测量单元(inertial measurement unit，imu)等，上述提到的观测位姿的标准差可以是通过gps传感器、imu得到的，若标准差若高，则说明观测位姿所存在的误差可能会越大，因此，标准差越高，权重可以越低，而上述提到的传感器基本信息，可以包括gps所使用的卫星数量、imu的噪声参数(如零偏、角度随机游走)等，若是卫星数量越多，则权重可以越高，若是噪声参数越高，则权重可以越小。
89.对于与该点云数据相邻的点云数据对应的观测位姿，这里提到的相邻的点云数据可以是指与该点云数据的采集时长相隔不小于设定时长所采集到的点云数据，如，与该点云数据相隔1s内所采集到的点云数据，若该点云数据对应的观测位姿与相邻的点云数据对应的观测位姿的差异程度越大，则该点云数据对应的位姿残差的权重越小。
90.需要说明的是，上述是以服务器为执行主体进行说明的，当然，还可以由指定设备自身来执行本说明书的位姿优化方法，具体的执行主体在此不进行限定。
91.上述提到的无人驾驶设备可以是指无人车、无人机、自动配送设备等能够实现自动驾驶的设备。基于此，采用本说明书提供的位姿优化方法，可以用于无人驾驶设备行驶相关的高精地图构建(也可以用于普通电子地图的构建)，该无人驾驶设备具体可应用于通过无人设备进行配送的领域，如，使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。
92.上述提到的一组点云数据中的点云数据可以为时间上连续的，即，一组点云数据中包含有采集时间距离较近的点云数据。当然，为了更进一步地保证位姿优化的准确性，在
各组点云数据中，可以存在至少一组指定点云数据，针对每个指定点云数据，该组指定点云数据中每帧点云数据对应的采集位置不超过设定距离，或该组指定点云数据中每帧点云数据对应的点云特征之间的相似度不小于设定相似度。即，在通过相对位姿的约束来进行位姿优化时，不仅需要考虑在采集时间距离较近的点云数据之间所对应的相对位姿，还可以考虑到采集位置相接近的点云数据之间所对应的相对位姿，如图2所示。
93.图2为本说明书中提供的一种位姿优化的示意图。
94.在图2中示出的是，指定设备从a点进行点云数据的采集，一直采集到g点的示意图，在将各点云数据进行分组时，可以按照时间顺序，将a点与b点所采集到的点云数据作为一组、将b点与c点所采集到的点云数据作为一组、将c点与d点所采集到的点云数据作为一组、将d点与e点所采集到的点云数据作为一组、将e点与f点所采集到的点云数据作为一组、将f点与g点所采集到的点云数据作为一组。其中，虽然a点与g点采集点云数据时不是时间连续的，但是由于a点所处的采集位置与g点所处的采集位置相近，也可以将a点与g点所采集到的点云数据作为一组(在这一例子中是以两帧点云数据为一组为例进行说明的，在实际应用中，也可以将两个以上的点云数据作为一组)。
95.在确定指定组点云数据时，可以计算点云数据的描述子，并确定出与该点云数据的采集位置或点云特征相接近的其他点云数据作为匹配候选，而后，设置一个距离阈值，如果该点云数据与其他点云数据之间描述子的距离小于阈值，则认为是该点云数据与该其他点云数据可以组成指定组点云数据。在确定指定组点云数据之间的相对位姿时，可以通过全局粗匹配 精匹配的方式得到相对位姿关系。
96.在进行位姿优化时，既可以确定出每组点云数据中两帧点云数据所对应的位姿之间的相对位姿的相对位姿残差，也可以确定出每帧点云数据对应的位姿残差，也就是说，在优化位姿时，即使用到了相对位姿的误差作为约束，也是用到了位姿的误差作为约束，以得到优化后的准确位姿。
97.从上述方法中可以看出，本方法提供的位姿优化方法，确定出每组点云数据对应的相对位姿残差、每组点云数据对应的相对位姿残差的权重、每帧点云数据对应的位姿残差、每帧点云数据对应的位姿残差的权重，并结合每帧点云数据对应的相对位姿残差，以及相对位姿残差的权重，每帧点云数据对应的位姿残差，位姿残差的权重，整体性的以相对位姿的准确性作为约束对若干点云数据的位姿进行优化，从而能够在一定程度上提高得到的位姿估计值的准确性。
98.以上为本说明书的一个或多个实施例提供的位姿优化方法，基于同样的思路，本说明书还提供了相应的位姿优化装置，如图3所示。
99.图3为本说明书提供的一种位姿优化装置示意图，具体包括：
100.获取模块301，用于获取指定设备采集到的若干点云数据；
101.划分模块302，用于针对为所述若干点云数据划分出的每组点云数据，根据该组点云数据，确定所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿，以及确定所述指定设备在采集该组点云数据中每帧点云数据时分别对应的位姿估计值，每组点云数据中包含有至少两帧点云数据，一组点云数据中的任意两帧点云数据存在相互匹配的点云点；
102.权重确定模块303，用于根据所述位姿估计值以及所述相对位姿，确定该组点云数
据对应的相对位姿残差，以及确定该组点云数据对应的相对位姿残差的权重；
103.补偿模块304，用于根据该组点云数据对应的相对位姿残差的权重，对该组点云数据对应的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差；
104.优化模块305，用于根据各组点云数据对应的补偿后相对位姿残差，确定综合残差，并以最小化所述综合残差为目标，优化所述指定设备在采集每帧点云数据时的位姿估计值。
105.可选地，所述权重确定模块303具体包括：针对该组点云数据中每两帧点云数据，确定该两帧点云数据分别对应的位姿估计值，以及所述指定设备在采集该两帧点云数据时的相对位姿；根据所述指定设备在采集该两帧点云数据时的相对位姿与该两帧点云数据分别对应的位姿估计值，确定该两帧点云数据对应的相对位姿残差；将该组点云数据中每两帧点云数据对应的相对位姿残差，作为该组点云数据对应的相对位姿残差。
106.可选地，所述权重确定模块303具体包括：确定该组点云数据每两帧点云数据之间的重叠度；根据该组点云数据每两帧点云数据之间的重叠度，确定该组点云数据对应的相对位姿残差的权重，其中，重叠度越高，相对位姿残差的权重越高。
107.可选地，所述权重确定模块303具体用于，根据至少一个定位传感器所采集到的定位数据，确定所述指定设备在采集每帧点云数据时的观测位姿；根据所述观测位姿，确定所述指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿；确定所述指定设备在采集该组点云数据中每两帧点云数据时的观测相对位姿，与基于所述点云数据确定出的所述指定设备在采集该组点云数据中每两帧点云数据时的相对位姿之间的差异程度，并根据所述差异程度，确定该组点云数据对应的相对位姿残差的权重，其中，差异程度越大，相对位姿的权重越低。
108.可选地，所述权重确定模块303具体用于，针对每一轮迭代优化，确定上一轮迭代优化后得到的每帧点云数据对应的优化后位姿；根据上一轮迭代优化后得到的该组点云数据中每帧点云数据对应的优化后位姿，重新确定出当前迭代优化中的该组点云数据的相对位姿残差；根据重新确定出的当前迭代优化中的该组点云数据的相对位姿残差，确定当前迭代优化中该组点云数据的相对位姿残差对应的权重，其中，重新确定出的相对位姿残差越小，当前迭代优化中相对位姿残差对应的权重越高；
109.所述补偿模块304具体用于，在当前迭代优化中，根据确定出的当前迭代优化中该组点云数据的相对位姿残差对应的权重，对重新确定出的当前迭代优化中的该组点云数据的相对位姿残差进行补偿，得到该组点云数据对应的补偿后相对位姿残差。
110.可选地，根据各组点云数据对应的补偿后位姿残差，确定综合残差之前，所述优化模块305还用于，根据至少一个定位传感器所采集到的定位数据，确定所述指定设备在采集每帧点云数据时的观测位姿；针对每帧点云数据，根据该点云数据对应的位姿估计值以及所述指定设备在采集每帧点云数据时的观测位姿，确定该点云数据对应的位姿残差；所述优化模块305具体用于，根据所述若干点云数据中每帧点云数据对应的位姿残差以及各组点云数据对应的补偿后相对位姿残差，确定所述综合残差。
111.可选地，所述优化模块305具体用于，针对所述若干点云数据中每帧点云数据，根据确定出的该点云数据对应的位姿残差的权重，对该点云数据对应的位姿残差进行补偿，得到该点云数据对应的补偿后位姿残差；根据所述若干点云数据对应的补偿后位姿残差以
及各组点云数据对应的补偿后相对位姿残差，确定所述综合残差。
112.可选地，所述优化模块305具体用于，根据基于所述定位传感器确定出的所述指定设备在采集每帧点云数据时的观测位姿的标准差，确定该点云数据对应的位姿残差的权重；和/或根据所述定位传感器对应的传感器基本信息，确定该点云数据对应的位姿残差的权重；和/或根据与该点云数据相邻的点云数据对应的观测位姿，确定该点云数据对应的位姿残差的权重。
113.可选地，各组点云数据中包括至少一个组指定点云数据，针对每组指定点云数据，该组指定点云数据中每帧点云数据对应的采集位置不超过设定距离，或该组指定点云数据中每帧点云数据对应的点云特征之间的相似度不小于设定相似度。
114.可选地，所述装置还包括：
115.地图构建模块306，用于根据所述若干点云数据，以及优化后的所述指定设备在采集每帧点云数据时的位姿估计值，构建高精地图。
116.本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的位姿优化方法。
117.本说明书还提供了图4所示的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的位姿优化方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
118.在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
119.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
120.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
121.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
122.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
123.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
124.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
125.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
126.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
127.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
128.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
129.还需要说明的是，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、商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、商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“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
130.本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
131.本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
132.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
133.以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。