地图构建方法、装置、电子设备及存储介质与流程

1.本发明涉及激光测绘技术领域，尤其涉及一种地图构建方法、装置、电子设备及存储介质。


背景技术：

2.近些年来，智能化成为社会发展的趋势，各种先进的智能化技术应运而生，在许多领域，技术人员需要构建未知场景的地图，因此激光构建高精度地图的方式被广泛采用。
3.现有的激光构图技术采用3d激光雷达采集场景激光数据，利用slam算法对激光数据进行处理生成点云地图或栅格地图，用于目标定位和导航。
4.然而，该方法需要处理的3d激光数据量过大，导致在嵌入式平台上难以实时处理，而且生成的栅格地图容易受到动态目标干扰而影响精度。


技术实现要素：

5.本发明提供一种地图构建方法、装置、电子设备及存储介质，加快了点云地图的构建速度，同时提高了栅格地图的精度。
6.第一方面，本发明实施例提供一种地图构建方法，包括：
7.控制采集设备采集目标地理区域的原始激光数据；
8.获得所述采集设备采集得到的原始激光数据以及传感器数据，其中，所述传感器数据用于表示采集设备在采集所述目标地理区域时的运行状态；
9.对所述原始激光数据进行降维处理，得到降维激光数据；
10.利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。
11.可选实施例中，所述原始激光数据包括多条激光扫描线对所述目标地理区域进行扫描获得的激光数据；
12.所述对所述原始激光数据进行降维处理，得到降维激光数据，包括：
13.根据各条激光扫描线与水平面之间的夹角，选出夹角最小的目标激光扫描线，并获得目标激光扫描线扫描得到的目标激光数据；
14.所述目标激光数据作为所述降维激光数据。
15.可选实施例中，所述利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据，包括：
16.利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据；
17.根据与所述降维激光数据对应的原始激光数据，对所述2d轨迹数据进行基于数据维度的融合处理，得到3d轨迹数据；
18.利用3d-slam算法，对原始激光数据、3d轨迹数据以及所述传感器数据进行处理，得到目标地理区域对应的地图数据中的点云地图。
19.可选实施例中，所述利用3d-slam算法，对原始激光数据、3d轨迹数据以及所述传感器数据进行处理，得到目标地理区域对应的地图数据，包括：
20.根据原始激光数据，对所述点云地图进行去除噪声点云处理，得到去除了噪声点云的点云地图。
21.可选实施例中，所述利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据，包括：
22.确定采集的降维激光数据的采集时间；
23.选出与所述采集时间对应的传感器数据，并获得采集设备在所述采集时间下的初始运动状态；
24.利用所述2d-slam算法，对所述采集设备在所述采集时间下的初始运动状态以及所述降维激光数据进行处理，计算得到采集设备的2d轨迹数据。
25.可选实施例中，所述利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据，还包括：
26.获取预存的目标地理区域的二维平面图；
27.利用所述2d-slam算法，确定所述降维激光数据、所述传感器数据与所述二维平面图之间的匹配关系，获得目标地理区域对应的地图数据中的栅格地图。
28.可选实施例中，所述获得目标地理区域对应的地图数据中的栅格地图之后，还包括：
29.根据所述降维激光数据和3d轨迹数据确定目标地理区域中的干扰目标；
30.根据所述降维激光数据与栅格地图的对应关系，将目标地理区域对应的地图数据中的栅格地图中的干扰目标去除。
31.第二方面，本发明实施例提供一种地图构建装置，包括：数据采集模块、数据预处理模块以及地图构建模块；
32.所述数据采集模块，用于控制采集设备采集目标地理区域的原始激光数据；
33.所述数据预处理模块，用于获得所述采集设备采集得到的原始激光数据以及传感器数据；
34.所述数据预处理模块，还用于对所述原始激光数据进行降维处理，得到降维激光数据；
35.所述地图构建模块，用于利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。
36.第三方面，本发明实施例提供一种电子设备，包括：
37.存储器，处理器以及计算机程序；
38.其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现第一方面任一项所述的地图构建方法。
39.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面任一项所述的地图构建方法。
40.本发明提供一种地面数据处理采集方法，控制采集设备采集目标地理区域的原始激光数据；获得所述采集设备采集得到的原始激光数据以及传感器数据；对所述原始激光数据进行降维处理，得到降维激光数据；利用slam算法，对所述降维激光数据和所述传感器
数据进行数据融合处理，得到所述目标地理区域对应的地图数据。本发明提供的方案，对原始激光数据进行降维，进而对原始激光数据、降维激光数据和传感器数据进行融合处理，得到目标地理区域对应的地图数据，加快了点云地图的构建速度，同时提高了栅格地图的精度。
41.应当理解，上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
43.图1为本公开所基于的一种场景架构示意图；
44.图2为本公开实施例提供的一种地图构建方法的流程图；
45.图3为本公开实施例提供的另一种地图构建方法的流程图；
46.图4为本公开实施例提供的又一种地图构建方法的流程图
47.图5为本公开实施例提供的一种地图构建装置的结构示意图；
48.图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
49.下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
50.在对未知场景进行探索和研究时，构建场景地图是非常重要的，是进行定位导航的基础。在各种地图构建方法中，激光构图由于建图精确而被广泛采用。
51.激光构建场景地图包括2d激光构图和3d激光构图，其中，3d激光构图相比2d激光构图更加精确，因此得到了越来越多的应用。构建地图时，装载有3d激光雷达的机器人在场景中运动，通过3d激光雷达采集场景的激光扫描数据，基于3d-slam算法对采集的激光扫描数据进行处理，获得场景点云地图和机器人运动轨迹，如果需要执行导航任务，利用场景点云地图生成栅格地图。
52.然而，该地图构建方式要处理大量的三维激光扫描数据，计算过程消耗大量的资源和时间，因此难以应用到嵌入式系统中，而且通过点云地图生成栅格地图难以消除动态目标的干扰，导致生成的栅格地图中存在干扰信息。
53.针对这些问题，发明人研究发现，使用3d-slam算法处理三维激光扫描数据非常耗时，可以先对三维激光扫描数据进行降维采样获得二维激光扫描数据，利用二维激光扫描数据和传感器数据计算出二维的运动轨迹，再使用3d-slam算法对二维的运动轨迹和三维激光扫描数据进行处理，该过程不需要对全部三维激光扫描数据进行处理就可以生成点云
地图和机器人三维运动轨迹，可以节约大量的计算时间，使用3d-slam算法获得的机器人三维运动轨迹经过点云优化迭代，去除了动态目标的干扰，可以用来去除栅格地图中干扰目标，获得更精确的栅格地图。该发明方案，通过对激光数据进行降维生成二维运动轨迹来构建点云地图和三维运动轨迹，进而通过三维运动轨迹去除栅格地图中的干扰信息，加快了点云地图的构建速度，同时提高了栅格地图的精度。
54.图1为本公开所基于的一种场景架构示意图，如图1所示，本公开基于的一种场景架构可包括地图构建装置1以及机器人2，本技术实施例提供的地图构建方法可以通过本技术实施例提供的地图构建装置1执行，本技术实施例提供的地图构建装置1可以是机器人2的部分或者全部。
55.其中，地图构建装置1是可与机器人2进行交互的硬件或软件，其可用于执行下述各实施例中所述的地图构建方法。
56.当地图构建装置1为硬件时，包括具备运算功能的服务器。当地图构建装置1为软件时，其可以安装在具备运算功能的电子设备中，其中的电子设备包括但不限于便携计算机和台式计算机等等。
57.地图构建装置1可在机器人2上运行，并为机器人2提供构建地图服务，并且机器人2利用地图构建装置1获取地图信息进行定位和导航。
58.同时，地图构建装置1还可利用机器人2的3d激光扫描功能和传感器，以获取场景的三维扫描数据和传感器数据。
59.当然，在其他使用场景中，机器人2可将三维扫描数据和传感器数据发送至地图构建装置1，以使地图构建装置1以采用如下所示的方式构建地图。
60.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
61.图2为本公开实施例提供的一种地图构建方法的流程图，如图2所示，本实施例的方法可以包括：
62.s21、控制采集设备采集目标地理区域的原始激光数据；
63.本实施例中，控制采集设备进入目标地理区域，对目标地理区域进行激光扫描，采集目标地理区域的激光数据作为原始激光数据。
64.具体来说，采集设备向目标地理区域发射激光扫描线，根据激光的反射原理收集目标地理区域的激光数据，可用于构建目标地理区域地图和计算采集设备的运动轨迹。
65.举例来说，采集设备为可移动机器人，机器人安装有3d激光雷达，控制机器人进入目标地理区域，并向周围环境发射激光扫描线，收集反射回来的激光。
66.s22、获得所述采集设备采集得到的原始激光数据以及传感器数据，其中所述传感器数据用于表示采集设备在采集所述目标地理区域时的运行状态；
67.继续以上述机器人为例，机器人上安装有多种类型的传感器，用以采集运动信息来辅助地图构建，获取的传感器数据可以包括：速度信息、里程信息和方向信息等。
68.s23、对所述原始激光数据进行降维处理，得到降维激光数据；
69.本实施例中，原始激光数据包括多条激光扫描线对所述目标地理区域进行扫描获得的激光数据，而计算2d轨迹数据只需要一条激光扫描线的扫描数据，可以按照预设的降维方法，对原始激光数据进行采样，在一种可能的实施方式中，对所述原始激光数据进行降
维处理，得到降维激光数据，包括：根据各条激光扫描线与水平面之间的夹角，选出夹角最小的目标激光扫描线，并获得目标激光扫描线扫描得到的目标激光数据；所述目标激光数据作为所述降维激光数据。
70.举例来说，原始激光数据包括六条激光扫描线对目标地理区域进行扫描获得的激光数据，六条激光扫描线与水平面的夹角分别为10
°
、20
°
、30
°
、40
°
、50
°
和60
°
，选择与水平面的夹角分别为10
°
的激光扫面线作为目标激光扫描线，获得目标激光扫描线扫描得到的目标激光数据。
71.s24、利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。
72.本实施例中，用到的slam算法包括2d-slam算法和3d-slam算法，利用2d-slam算法和3d-slam算法对原始激光数据、降维激光数据和传感器数据进行融合处理，得到目标地理区域对应的地图数据。
73.本公开实施例提供的方案，控制采集设备采集目标地理区域的原始激光数据；获得所述采集设备采集得到的原始激光数据以及传感器数据；对所述原始激光数据进行降维处理，得到降维激光数据；利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。本发明提供的方案，对原始激光数据进行降维，进而对原始激光数据、降维激光数据和传感器数据进行融合处理，得到目标地理区域对应的地图数据，加快了点云地图的构建速度，同时提高了栅格地图的精度。
74.所述利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据，包括：利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据；根据与所述降维激光数据对应的原始激光数据，对所述2d轨迹数据进行基于数据维度的融合处理，得到3d轨迹数据；利用3d-slam算法，对原始激光数据、3d轨迹数据以及所述传感器数据进行处理，得到目标地理区域对应的地图数据中的点云地图。
75.由于直接利用3d-slam算法处理原始激光数据获得3d轨迹数据和点云地图，需要耗费大量时间，可以利用2d-slam算法处理降维激光数据可以获得采集设备的2d轨迹数据，将采集设备的2d轨迹数据和原始激光数据进行数据融合可以快速获得3d轨迹数据，利用3d-slam算法处理原始激光数据、3d轨迹数据以及传感器数据可以快速得到目标地理区域对应的地图数据中的点云地图。
76.在可选实施例中，在上述图2所述实施例的基础上，图3为本公开实施例提供的另一种地图构建方法的流程图。如图3所示，s24具体包括：
77.s241、利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据；
78.本实施例中，利用传感器数据计算出采集设备的初始运动状态，2d-slam算法根据采集设备的初始运动状态和降维激光数据可以计算出采集设备的2d轨迹数据。
79.具体来说，在一种可能的实施方式中，利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据，包括：确定采集的降维激光数据的采集时间；选出与所述采集时间对应的传感器数据，并获得采集设备在所述采集时间下的初始运动状态；利用所述2d-slam算法，对所述采集设备在所述采集时间下的初始运
动状态以及所述降维激光数据进行处理，计算得到采集设备的2d轨迹数据。
80.举例来说，降维激光数据的采集时间为9时0分10秒至9时0分30秒，选择9时0分10秒至9时0分30秒的传感器数据，进而获得采集设备的运动状态包括速度、距离以及方向等，利用2d-slam算法根据9时0分10秒至9时0分30秒之间的降维激光数据和采集设备的运动状态计算出采集设备的2d轨迹数据。
81.s242、根据与所述降维激光数据对应的原始激光数据，对所述2d轨迹数据进行基于数据维度的融合处理，得到3d轨迹数据；
82.本实施例中，在得到了2d轨迹数据的基础上，进一步根据降维激光数据对应的原始激光数据对2d轨迹数据进行处理，在2d轨迹数据中融合其他维度的数据获得3d轨迹数据。
83.举例来说，得到了9时0分10秒至9时0分30秒的2d轨迹数据，2d轨迹数据包括x、y、yaw三个维度，获得9时0分10秒至9时0分30秒的降维激光数据对应的原始激光数据，根据9时0分10秒至9时0分30秒的原始激光数据为2d轨迹数据增加z、roll、pitch三个维度，获得的3d轨迹数据包括x，y，z，roll，pitch，yaw六个维度。
84.s243、利用3d-slam算法，对原始激光数据、3d轨迹数据以及所述传感器数据进行处理，得到目标地理区域对应的地图数据中的点云地图。
85.本实施例中，3d-slam算法根据原始激光数据、3d轨迹数据以及传感器数据可以生成目标地理区域对应的地图数据中的点云地图。
86.进一步的，s24具体还包括：
87.s244、根据原始激光数据，对所述点云地图进行去除噪声点云处理，得到去除了噪声点云的点云地图。
88.本实施例中，随着原始激光数据的增多，经过多次点云迭代确定噪声点云，去除地图中的噪声点云。
89.与前述实施例不同的是，本公开实施例提供的方案，利用2d-slam算法处理降维激光数据获得采集设备的2d轨迹数据，将采集设备的2d轨迹数据和原始激光数据进行数据融合获得3d轨迹数据，利用3d-slam算法处理原始激光数据、3d轨迹数据以及传感器数据得到目标地理区域对应的地图数据中的点云地图，显著提高了处理速度。
90.由于在构建地图过程中，可能执行导航任务，因此需要进一步生成栅格地图。
91.在可选实施例中，在上述图2所述实施例的基础上，图4为本公开实施例提供的又一种地图构建方法的流程图。如图4所示，s24具体包括：
92.s245、获取预存的目标地理区域的二维平面图；
93.本实施例中，获取目标地理区域的二维平面图，用于对栅格地图进行校正，从而提高栅格地图的精度。
94.需要说明的是，目标地理区域的二维平面图可以包括建筑物平面布局图、区域平面规划图等。
95.s246、利用所述2d-slam算法，确定所述降维激光数据、所述传感器数据与所述二维平面图之间的匹配关系，获得目标地理区域对应的地图数据中的栅格地图。
96.本实施例中，2d-slam算法根据降维激光数据以及传感器数据可以生成目标地理区域对应的地图数据中的栅格地图，根据与二维平面图之间的匹配关系，利用二维平面图
相关信息对栅格地图进行校正。
97.由于目标地理区域中可能存在干扰目标，导致生成的栅格地图中也包含了干扰目标，因此需要去除干扰目标，在一种可能的实施方式中，获得目标地理区域对应的地图数据中的栅格地图之后，还包括：根据所述降维激光数据和3d轨迹数据确定目标地理区域中的干扰目标；根据所述降维激光数据与栅格地图的对应关系，将目标地理区域对应的地图数据中的栅格地图中的干扰目标去除。
98.本公开实施例提供的方案，利用所述2d-slam算法生成了栅格地图，并利用预存的目标地理区域的二维平面图对栅格地图进行了校正，利用3d轨迹数据去除干扰目标，提高了栅格地图的精度。
99.图5为本公开实施例提供的一种地图构建装置的结构示意图，如图5所示，本实施例的装置可以包括：
100.数据采集模块51，用于控制采集设备采集目标地理区域的原始激光数据；
101.数据预处理模块52，用于获得所述采集设备采集得到的原始激光数据以及传感器数据；
102.数据预处理模块52，还用于对所述原始激光数据进行降维处理，得到降维激光数据；
103.地图构建模块53，用于利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。
104.可选的，数据预处理模块32，具体用于根据各条激光扫描线与水平面之间的夹角，选出夹角最小的目标激光扫描线，并获得目标激光扫描线扫描得到的目标激光数据；所述目标激光数据作为所述降维激光数据。
105.可选的，地图构建模块33，具体用于利用所述2d-slam算法，对所述降维激光数据以及所述传感器数据进行处理，得到采集设备的2d轨迹数据；根据与所述降维激光数据对应的原始激光数据，对所述2d轨迹数据进行基于数据维度的融合处理，得到3d轨迹数据；利用3d-slam算法，对原始激光数据、3d轨迹数据以及所述传感器数据进行处理，得到目标地理区域对应的地图数据中的点云地图；根据原始激光数据，对所述点云地图进行去除噪声点云处理，得到去除了噪声点云的点云地图。
106.可选的，地图构建模块33，具体用于确定采集的降维激光数据的采集时间；选出与所述采集时间对应的传感器数据，并获得采集设备在所述采集时间下的初始运动状态；利用所述2d-slam算法，对所述采集设备在所述采集时间下的初始运动状态以及所述降维激光数据进行处理，计算得到采集设备的2d轨迹数据。
107.可选的，地图构建模块33，具体用于获取预存的目标地理区域的二维平面图；利用所述2d-slam算法，确定所述降维激光数据、所述传感器数据与所述二维平面图之间的匹配关系，获得目标地理区域对应的地图数据中的栅格地图。
108.可选的，地图构建模块33，具体用于根据所述降维激光数据和3d轨迹数据确定目标地理区域中的干扰目标；根据所述降维激光数据与栅格地图的对应关系，将目标地理区域对应的地图数据中的栅格地图中的干扰目标去除。
109.本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理类似，此处不再赘述。
110.本公开实施例提供一种地图构建装置，控制采集设备采集目标地理区域的原始激光数据；获得所述采集设备采集得到的原始激光数据以及传感器数据；对所述原始激光数据进行降维处理，得到降维激光数据；利用slam算法，对所述降维激光数据和所述传感器数据进行数据融合处理，得到所述目标地理区域对应的地图数据。本发明提供的方案，对原始激光数据进行降维，进而对原始激光数据、降维激光数据和传感器数据进行融合处理，得到目标地理区域对应的地图数据，加快了点云地图的构建速度，同时提高了栅格地图的精度。
111.图6为本公开实施例提供的一种电子设备的结构示意图，如图6所示，本实施例的电子设备60可以包括：存储器61、处理器62。
112.存储器61，用于存储计算机程序(如实现上述一种地图构建方法的应用程序、功能模块等)、计算机指令等；
113.上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器61中。并且上述的计算机程序、计算机指令、数据等可以被处理器62调用。
114.处理器62，用于执行存储器61存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
115.具体可以参见前面方法实施例中的相关描述。
116.存储器61和处理器62可以是独立结构，也可以是集成在一起的集成结构。当存储器61和处理器62是独立结构时，存储器61、处理器62可以通过总线63耦合连接。
117.本实施例的一种电子设备可以执行图2、图3和图4所示方法中的技术方案，其具体实现过程和技术原理参见图2、图3和图4所示方法中的相关描述，此处不再赘述。
118.此外，本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。
119.其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于asic中。另外，该asic可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
120.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
121.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。