一种全局地图构建方法与系统与流程

1.本发明涉及移动测量系统技术领域，特别涉及，一种全局地图构建方法与系统。


背景技术：

2.移动测量系统(mobile mapping system，mms)是当今测绘界最为前沿的科技之一，代表着未来道路电子地图测制领域的发展主流，它是在机动车上装配全球定位系统(global navigation satellite system,全球导航系统)、视频系统、惯性导航系统(inertial navigation system，ins)或航位推算系统等先进的传感器和设备，在车辆的高速行进之中快速采集道路及道路两旁地物的空间位置数据和属性数据，数据同步存储在车载计算机系统中经事后编辑处理形成各种有用的专题数据成果，如导航、电子地图等等。
3.传统的移动测量技术mms存在两个主要问题：(1)、基于全球导航系统/ins滤波的位置和方位测量系统(position and orientation measurement system,pos)在卫星通视条件恶劣的环境中极不可靠。例如，在城市峡谷和森林中，卫星信号往往会由于受到建筑物或树冠的遮挡，出现卫星定位精度不高甚至无法定位的问题。(2)、地图的一致性不够稳定，导致在地图中常常会出现点云的“重影”。传统mms是从定位模块到建图模块的单向结构，缺少从建图模块到定位模块的信息反馈。由于二者之间传递的位姿信息仅是从定位模块到建图模块的单向数据流，使得定位模块的位姿估计偏差将被传递至建图模块。
4.为了将mms的可用性扩展到复杂的城市区域，并提高mms所生产的高清(high definition，hd)地图的一致性，本发明针对mms存在的问题并结合(s惯性导航系统ltaneous localization and mapping，slam)的思想，提出了一种鲁棒的分层优化方法，能够在复杂的城市环境中自主产生具有全局一致性的hd地图。


技术实现要素：

5.针对上述缺陷，本发明解决的技术问题在于，提供一种全局地图构建方法与系统，以解决现在技术所存在的不能够很好的在复杂环境构建地图的问题。
6.本发明提供了一种全局地图构建方法，包括以下步骤：
7.步骤1、采用激光雷达采集地表数据得到激光点云，对所述激光点云进行滤波得到滤波后的激光点云；
8.步骤2、采用全球导航系统/惯性导航系统采集所述地表数据得到速度位置信息；
9.步骤3、对所述滤波后的激光点云和所述速度位置信息进行预处理得到得到预积分因子和运动估计因子；
10.步骤4、根据所述速度位置信息对所述滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云；
11.步骤5、对所述消除点云畸变的激光点云进行点云到地图的配准得到配准因子；
12.步骤6、根据所述预积分因子、运动估计因子和配准因子构成因子图，并利用第一优化方程对所述因子图进行优化生成局部地图；
13.步骤7、根据约束因子利用第二优化方程优化所述局部地图并构建全局因子图；
14.步骤8、根据所述全局因子图构建全局地图。
15.优选的，所述步骤1包括：
16.步骤1.1：获取所述激光点云上的三维坐标量测量值；
17.步骤1.2：根据所述三维坐标量测量值利用曲面方程进行曲面拟合得到曲面模型，其中所述曲面模型为：
18.其中，x表示三维坐标量测量值x方向的值，y表示三维坐标量测量值y方向的值，z表示三维坐标量测量值z方向的值，ea表示偶然误差矩阵，e表示观测向量矩阵，ea表示列矢量化ea，vec表示矩阵列向量化算子，in表示n
×
n阶的单位矩阵，im表示m
×
m阶的单位矩阵，表示矩阵之间的直积，a1表示第一多项系数，a2表示第二多项系数，a3表示第三多项系数，a4表示第四多项系数，a5表示第五多项系数，a6表示第六多项系数；
19.步骤1.3：根据所述曲面模型建立目标函数；其中，所述目标函数为：
20.e
t
e (ea)
t
(ea)＝min；
21.步骤1.4：利用最小二乘法对所述目标函数求解得到滤波模型；
22.步骤1.5：利用所述滤波模型对所述激光点云进行滤波得到所述滤波后的激光点云。
23.优选的，所述步骤3包括：
24.步骤3.1、对惯性导航系统测量值进行预积分得到所述预积分因子，所述预积分因子为：
[0025][0026]
其中，表示第i 1次点云相比于第i次时载体坐标系的旋转的观测变化量，表示第i 1次点云相比于第i次载体坐标系的速度的观测变化量，为表示第i 1次点云相比于第i次载体坐标系的位置的观测变化量，
[0027]
残差项e
pre
记为：
[0028][0029]
其中，表示第i次扫描的相对于载体坐标系的姿态预测量，表示第i 1次扫描的载体坐标系的速度预测量，表示第i 1次扫描相比于第i次载体坐标系的平移变化量；
[0030]
步骤3.2、对所述速度位置信息滤波融合得到所述运动估计因子，其中所述运动估计因子为：
[0031][0032]
其中，i表示激光雷达扫描时刻，上标(～)表示含有高斯噪声的观测量，n表示第n个，为当前时刻ni局部视图相对于相对参考时刻n
ref
的θ观测量的变化量，为当前时刻ni相对于参考时刻n
ref
的ρ观测量的变化量，
[0033]
误差项为：
[0034][0035]
其中，表示两个李代数的和，上标(-)表示预测量，e
odom
为残差项，为当前时刻相对于参考时刻n
ref-1
的θ的预测量，为参考时刻n
ref
的θ的预测量，为当前时刻ni的θ的观测量，为当前时刻ni的ρ的观测量，为参考时刻n
ref
的ρ的观测量，为当前时刻相对于参考时刻n
ref
的ρ预测量。
[0036]
优选的，所述步骤4包括：
[0037]
步骤4.1、根据激光雷达扫描过程建立激光雷达扫描模型，其中所述激光雷达扫描模型为：
[0038][0039]
其中，x
p
表示消除点云畸变的激光点云的x坐标，y
p
表示消除点云畸变的激光点云的y坐标，z
p
表示消除点云畸变的激光点云的z坐标，l表示激光雷达与目标点距离，表示激光束的俯仰角，θ表示激光束的方位角，k表示补偿系数，δt表示激光束从发出到返回的接受时间，v
1x
表示激光雷达在x轴方向的速度，v
1y
表示激光雷达在y轴方向的速度，v
1z
表示激光雷达在z轴方向的速度，v
0x
表示目标点在x轴方向的速度，v
0y
表示目标点在y轴方向的速度，v
0z
表示目标点在z轴方向的速度；
[0040]
步骤4.2、根据所述速度位置信息和所述激光雷达扫描模型对所述滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云。
[0041]
优选的，所述步骤5包括：
[0042]
步骤5.1、将所述消除点云畸变的激光点云采用投影的方式生成深度图；
[0043]
步骤5.2、利用所述预积分因子和所述运动估计因子生成有序深度图；
[0044]
步骤5.3、根据所述有序深度图对激光点云进行配准得到点云到地图的配准因子，其中所述配准因子为：
[0045][0046]
记e
reg
为残差项，则局部地图中各扫描点云相对局部地图的配准误差为：
[0047][0048]
其中，[∑
reg
]i为信息矩阵。
[0049]
优选的，所述约束因子包括：闭环因子、地图到地图的配准误差方程和地图到地图的配准因子误差方程；
[0050]
其中所述闭环因子为：
[0051][0052]
地图到地图的配准误差方程为：
[0053][0054]
其中，m表示闭环地图的索引值，表示第n个参考局部地图相对于第m个参考局部地图的θ姿态观测量的变化量,表示第n个参考局部地图相对于第m个参考局部地图的ρ位置观测量的变化量；
[0055]
地图到地图的配准因子误差方程为：
[0056][0057]
优选的，所述第一优化方程为：
[0058][0059]
其中，上标(^)表示参数的估计量，参数x表示一个15
×
1的位姿向量，i表示激光雷达扫描时刻，ni表示第n个局部地图的i时刻，e
odom
表示运动估计因子的误差项，e
pre
表示预积分因子的残差项，e
reg
为点云到地图配准因子的残差项，mn表示局部地图。
[0060]
本发明还提供了一种全局地图构建系统，包括：
[0061]
滤波模块，用于采用激光雷达采集地表数据得到激光点云，对所述激光点云进行滤波得到滤波后的激光点云；
[0062]
速度位置信息采集模块，用于采用全球导航系统/惯性导航系统采集所述地表数据得到速度位置信息；
[0063]
预处理模块，用于对所述滤波后的激光点云和所述速度位置信息进行预处理得到得到预积分因子和运动估计因子；
[0064]
消除点云畸变模块，用于根据所述速度位置信息对所述滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云；
[0065]
配准模块，用于对所述消除点云畸变的激光点云进行点云到地图的配准得到配准因子；
[0066]
第一优化模块，用于根据所述预积分因子、运动估计因子和配准因子构成因子图，并利用第一优化方程对所述因子图进行优化生成局部地图；
[0067]
第二优化模块，用于根据约束因子利用第二优化方程优化所述局部地图并构建全局因子图；
[0068]
全局地图构建模块，用于根据所述全局因子图构建全局地图。
[0069]
由上述方案可知，本发明提供了一种全局地图构建方法与系统，与现有技术相比，
本发明提供了一种全局地图构建方法融合的mms的测量方法，观测设备观测得到数据，通过分层优化法对数据优化并生成地图，第一层优化增加了地图构建模块对定位模块的反馈，点云到局部地图配准的配准因子的插入，激光扫描点云和局部地图之间的一致性约束来优化局部地图，使当前扫描和局部图的一致性得到了保证。如果遇到复杂的测量环境，全球导航系统信号失锁，还可以通过将惯性导航系统观测量预积分处理，加入局部地图的优化，也可构建一致性的地图，本发明通过多种传感器紧密耦合，实现了mms在全球导航系统信号失锁环境下构建全局一致性的高清地图，解决了传统mms在复杂环境中地图构建极不稳定，且一致性差的问题，同时作用效果显著，适于广泛推广。
附图说明
[0070]
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简单地介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其他的附图。
[0071]
图1为本发明实施例提供的一种全局地图构建方法流程图；
[0072]
图2为本发明提供的效果对比图，其中a为传统mms测量方法优化构建的地图，b为利用本发明一种全局地图构建方法优化构建的地图。
具体实施方式
[0073]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0074]
请一并参阅图1至图2，现对本发明提供的一种全局地图构建方法的一种具体实施方式进行说明。
[0075]
本发明提供了一种全局地图构建方法，包括以下步骤：
[0076]
s1、采用激光雷达采集地表数据得到激光点云，对激光点云进行滤波得到滤波后的激光点云；
[0077]
s1具体包括：
[0078]
s1.1：获取激光点云上的三维坐标量测量值；
[0079]
s1.2：根据三维坐标量测量值利用曲面方程进行曲面拟合得到曲面模型，其中曲
面模型为：
[0080]
其中，x表示三维坐标量测量值x方向的值，y表示三维坐标量测量值y方向的值，z表示三维坐标量测量值z方向的值，ea表示偶然误差矩阵，e表示观测向量矩阵，ea表示列矢量化ea，vec表示矩阵列向量化算子，in表示n
×
n阶的单位矩阵，im表示m
×
m阶的单位矩阵，表示矩阵之间的直积，a1表示第一多项系数，a2表示第二多项系数，a3表示第三多项系数，a4表示第四多项系数，a5表示第五多项系数，a6表示第六多项系数；
[0081]
s1.3：根据曲面模型建立目标函数；其中，目标函数为：
[0082]et
e (ea)
t
(ea)＝min；
[0083]
s1.4：利用最小二乘法对目标函数求解得到滤波模型；
[0084]
s1.5：利用滤波模型对激光点云进行滤波得到滤波后的激光点云。
[0085]
s2、采用全球导航系统/惯性导航系统采集地表数据得到速度位置信息；
[0086]
s3、对滤波后的激光点云和速度位置信息进行预处理得到得到预积分因子和运动估计因子；
[0087]
激光雷达扫描得到激光点云，局部视图mn由连续的激光扫描点云累加得到，同时得到由全球导航系统/惯性导航系统得到的pos位姿观测量xk。
[0088]
其中，参数x表示一个15
×
1的向量，包括姿态θ，位置ρ，速度v以及加速度零偏ab和陀螺仪零偏gb，k表示传感器采样时刻，位姿和雷达的变换矩阵为和其中rx表示三维旋转矩阵，t表示三维平移矩阵，变换矩阵的右上标表示目标系，右下标表示原始系，w表示世界坐标系，b表示移动测量系统车所在的载体坐标系，l表示激光雷达坐标系。
[0089]
上述世界坐标系以惯性测量系统(inertial measurement unit，imu)起始位置为原点，z轴与重力方向保持一致；载体坐标系以载体重心为原点，x轴指向沿载体纵轴并指向前进方向，z轴指向载体底部，y轴指向前进方向的右手边；激光雷达坐标系以激光发射中心为原点，x轴指向前进方向，z轴指向载体底部，y轴指向载体面向前进方向的右侧。
[0090]
s3具体包括：
[0091]
s3.1、对惯性导航系统测量值进行预积分得到预积分因子，预积分因子为：
[0092]
[0093]
其中，表示第i 1次点云相比于第i次时载体坐标系的旋转的观测变化量，表示第i 1次点云相比于第i次载体坐标系的速度的观测变化量，为表示第i 1次点云相比于第i次载体坐标系的位置的观测变化量，
[0094]
残差项e
pre
记为：
[0095][0096]
其中，表示第i次扫描的相对于载体坐标系的姿态预测量，表示第i 1次扫描的载体坐标系的速度预测量，表示第i 1次扫描相比于第i次载体坐标系的平移变化量。
[0097]
通过对imu(惯性导航系统)测量载体加速度和角速度，对imu输出数据进行时间上的积分，得到载体位置、速度和姿态量。
[0098]
s3.2、对速度位置信息滤波融合得到运动估计因子，其中运动估计因子为：
[0099][0100]
其中，i表示激光雷达扫描时刻，上标(～)表示含有高斯噪声的观测量，n表示第n个，为当前时刻ni局部视图相对于相对参考时刻n
ref
的θ观测量的变化量，为当前时刻ni相对于参考时刻n
ref
的ρ观测量的变化量，
[0101]
误差项为：
[0102][0103]
其中，表示两个李代数的和，上标(-)表示预测量，e
odom
为残差项，为当前时刻相对于参考时刻n
ref-1
的θ的预测量，为参考时刻n
ref
的θ的预测量，为当前时刻ni的θ的观测量，为当前时刻ni的ρ的观测量，为参考时刻n
ref
的ρ的观测量，为当前时刻相对于参考时刻n
ref
的ρ预测量。
[0104]
在本发明中，滤波融合即为多传感器通过规定的滤波方法进行测量信息融合，得
到最优的状态估计量，通过gnss测量得到位置和速度值，修正imu测量得到的位置、速度和姿态量。
[0105]
在一个实施例中，gnss信号是否良好通过gnss是否能够接收到信号判断。
[0106]
在gnss信号良好时，第一层优化器接收gnss/imu滤波输出位姿和协方差矩阵∑
odom
，得到的载体平台相对运动的运动估计因子为：
[0107][0108]
其中，i表示激光雷达扫描时刻，上标(～)表示含有高斯噪声的观测量，n表示第n个，为当前时刻ni局部视图相对于相对参考时刻n
ref
的θ观测量的变化量，为当前时刻ni相对于参考时刻n
ref
的ρ观测量的变化量。
[0109]
局部地图中各扫描点云相对局部视图的误差项为：
[0110][0111]
其中，表示两个李代数的和，上标(-)表示预测量，e
odom
为残差项，为当前时刻相对于参考时刻n
ref-1
的θ的预测量，为参考时刻n
ref
的θ的预测量，为当前时刻ni的θ的观测量，为当前时刻ni的ρ的观测量，为参考时刻n
ref
的ρ的观测量，为当前时刻相对于参考时刻n
ref
的ρ预测量。
[0112]
在gnss信号失锁，imu观测量被用来进行预积分处理，预积分观测量可以为：
[0113][0114][0115][0116]
其中，k表示传感器的采样时刻，表示imu加速度和角速度观测量，δt表示采样时间间隔。表示第i 1次激光点云相比于第i次载体坐标系的旋转的观测变化量，表示k 1时刻相比于k时刻的载体坐标系的速度的观测变化量，表示k 1时刻相比于k时刻载体坐标系的位置的观测变化量，上述p表示imu测量的位置量。
[0117]
由于预积分因子是关于零偏量(ab，gb)
t
的变量，因此关于零偏变化量(δab，δgb)
t
的线性形式有：
[0118][0119][0120][0121]
其中，上标(-)表示参数的预测量，表示求偏导，表示第i 1次点云相比于第i次时载体坐标系的旋转的观测变化量，表示第i 1次点云相比于第i次载体坐标系的速度的观测变化量，为表示第i 1次点云相比于第i次载体坐标系的位置的观测变化量。
[0122]
将预积分观测记为信息矩阵∑
pre
，预积分因子为：
[0123][0124]
预积分因子描述在imu采样间隔中的运动载体的相对运动情况。
[0125]
残差项e
pre
记为：
[0126][0127]
其中，表示第i次扫描的相对于载体坐标系的姿态预测量，表示第i 1次扫描的载体坐标系的速度预测量，表示第i 1次扫描相比于第i次载体坐标系的平移变化量。
[0128]
s4、根据速度位置信息对滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云；
[0129]
s4具体包括：
[0130]
s4.1、根据激光雷达扫描过程建立激光雷达扫描模型，其中激光雷达扫描模型为：
[0131][0132]
其中，x
p
表示消除点云畸变的激光点云的x坐标，y
p
表示消除点云畸变的激光点云的y坐标，z
p
表示消除点云畸变的激光点云的z坐标，l表示激光雷达与目标点距离，表示激光束的俯仰角，θ表示激光束的方位角，k表示补偿系数，δt表示激光束从发出到返回的接受时间，v
1x
表示激光雷达在x轴方向的速度，v
1y
表示激光雷达在y轴方向的速度，v
1z
表示激光雷达在z轴方向的速度，v
0x
表示目标点在x轴方向的速度，v
0y
表示目标点在y轴方向的速度，v
0z
表示目标点在z轴方向的速度；
[0133]
s4.2、根据速度位置信息和激光雷达扫描模型对滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云。
[0134]
s5、对消除点云畸变的激光点云进行点云到地图的配准得到配准因子；
[0135]
s5具体包括：
[0136]
s5.1、将消除点云畸变的激光点云采用投影的方式生成深度图；
[0137]
s5.2、利用预积分因子和运动估计因子生成有序深度图；
[0138]
s5.3、根据有序深度图对激光点云进行配准得到点云到地图的配准因子，其中配准因子为：
[0139][0140]
记e
reg
为残差项，则局部地图中各扫描点云相对局部地图的配准误差为：
[0141][0142]
其中，[∑
reg
]i为信息矩阵。
[0143]
s6、根据预积分因子、运动估计因子和配准因子构成因子图，并利用第一优化方程对因子图进行优化生成局部地图；第一优化方程为：
[0144][0145]
其中，上标(^)表示参数的估计量，参数x表示一个15
×
1的位姿向量，i表示激光雷达扫描时刻，ni表示第n个局部地图的i时刻，e
odom
表示运动估计因子的误差项，e
pre
表示预积分因子的残差项，e
reg
为点云到地图配准因子的残差项，mn表示局部地图。
[0146]
在一个实施例中，第一层优化接收gnss/imu滤波得到的运动估计因子或imu构成
的预积分因子和基于surfel的点云到地图模型的配准因子构成因子图，并对各时刻的点云位姿进行优化生成局部地图。
[0147]
局部因子图中的因子包括来自gnss/imu滤波得到的运动估计因子或由imu预积分得到的预积分因子和基于surfel的点云到地图模型的配准因子构成因子图，确定每一个扫描点在局部地图中的相对参考地图的相对位姿，采用基于局部因子图的平滑方法处理方法进行局部因子图的优化，得到：
[0148][0149]
其中，上标(^)表示参数的估计量，参数x表示一个15
×
1的位姿向量，i表示激光雷达扫描时刻，ni表示第n个局部地图的i时刻，e
odom
表示运动估计因子的误差项，e
pre
表示预积分因子的残差项，e
reg
为点云到地图配准因子的残差项，mn表示局部地图；
[0150]
每当优化完成，局部地图都将被重新渲染。一旦局部地图时间长度满足要求，局部地图将被传输至第二层优化中进行进一步处理。
[0151]
在一个实施例中，从已知全局地图所渲染的当前时刻位姿的深度图，将当前时刻的激光点云投影为深度图，并利用该深度图像生成相应的法矢图。而后，从已有的局部地图中渲染出位于前一时刻的地图模型深度图和对应的法矢图。然后，将激光点云深度图与局部地图中渲染的深度图对齐，估计点云在局部地图下的相对位姿，将相对位姿作为点云到局部地图的空间约束。
[0152]
在一个实施例中，通过增量平滑算法，对imu或gnss/imu滤波得到的运动估计因子和激光扫描得到的点云观测量优化。增量平滑算法为：利用最大似然估计方法求解位姿估计。采用增量平滑算法来优化因子图，每当局部图添加新的点云时，同时优化局部因子图中的所有变量，直到局部地图的时间跨度达到时间窗口的长度为止。
[0153]
s7、根据约束因子利用第二优化方程优化局部地图并构建全局因子图；约束因子包括：闭环因子、地图到地图的配准误差方程和地图到地图的配准因子误差方程；
[0154]
其中闭环因子为：
[0155][0156]
地图到地图的配准误差方程为：
[0157][0158]
其中，m表示闭环地图的索引值，表示第n个参考局部地图相对于第m个参考局部地图的θ姿态观测量的变化量,表示第n个参考局部地图相对于第m个参考局部地图的ρ位置观测量的变化量；
[0159]
地图到地图的配准因子误差方程为：
[0160][0161]
s8、根据全局因子图构建全局地图。
[0162]
在一个实施例中，第二层优化器接收第一层优化的局部地图，通过将约束因子作为因子节点插入全局因子图，采用一致性检测的增量式平滑算法估计其相对位姿关系，从而建立空间约束，对因子图整体优化，并以优化后的位姿更新全局地图。
[0163]
全局因子图g
global
由一系列位于不同相对位置的局部地图mn组成。通过对连续的局部地图mn和m
n-1
配准，进一步精化第一层的局部地图位姿估计量为：
[0164][0165]
连续局部地图的配准对象深度图和法矢图均由局部地图在参考位姿下渲染得到，误差方程可以为：
[0166][0167]
其中，为相对位姿初值，为第一层优化的结果。为第n个局部地图的深度图，为第n个局部地图的法矢图，n-1表示n-1个局部地图。
[0168]
优化后的相对位姿作为相邻空间的空间约束，相邻的局部地图相对局部地图的配准误差可写为：
[0169][0170]
闭环因子，即当前局部地图与之前所有产生的局部地图间可能存在的约束关系，以与当前地图间的距离小于阈值的局部地图均作为候选对象，而后将当前局部地图与候选局部地图配准，并根据内点所占比例确定是否为正确的闭环，并从中筛选出一个最优的候选对象作为争取的闭环对象。得到闭环因子：
[0171][0172]
地图到地图的配准误差方程为：
[0173][0174]
其中，m表示闭环地图的索引值，表示第n个参考局部地图相对于第m个参考局部地图的θ姿态观测量的变化量,表示第n个参考局部地图相对于第m个参考局部地图的ρ位置观测量的变化量。
[0175]
每当接收到一个新的局部地图，第二层基于因子图的全局优化执行一次。
[0176]
采用增量平滑式优化方法，通过闭环因子和相邻局部地图间的配准因子，优化全局因子图g
global
：
[0177][0178]
其中，n表示局部地图数量。
[0179]
将点云转换到世界坐标系中，由于在第一层优化中各帧点云相对局部地图的位姿已经确定了，因此在第二层优化得到各参考位置的优化位姿后，各帧点云的位姿也可直接得到。
[0180]
本发明还提供了一种全局地图构建系统，包括：
[0181]
滤波模块，用于采用激光雷达采集地表数据得到激光点云，对激光点云进行滤波得到滤波后的激光点云；
[0182]
速度位置信息采集模块，用于采用全球导航系统/惯性导航系统采集地表数据得到速度位置信息；
[0183]
预处理模块，用于对滤波后的激光点云和速度位置信息进行预处理得到得到预积分因子和运动估计因子；
[0184]
消除点云畸变模块，用于根据速度位置信息对滤波后的激光点云进行畸变补偿得到消除点云畸变的激光点云；
[0185]
配准模块，用于对消除点云畸变的激光点云进行点云到地图的配准得到配准因子；
[0186]
第一优化模块，用于根据预积分因子、运动估计因子和配准因子构成因子图，并利用第一优化方程对因子图进行优化生成局部地图；
[0187]
第二优化模块，用于根据约束因子利用第二优化方程优化局部地图并构建全局因子图；
[0188]
全局地图构建模块，用于根据全局因子图构建全局地图。
[0189]
本发明提供了一种全局地图构建方法与系统。本发明提供了一种全局地图构建方法，通过分层优化法对数据优化并生成地图，第一层优化增加了地图构建模块对定位模块的反馈，点云到局部地图配准的配准因子的插入，激光扫描点云和局部地图之间的一致性
约束来优化局部地图，使当前扫描和局部图的一致性得到了保证。如果遇到复杂的测量环境，全球导航系统信号失锁，还可以通过将惯性导航系统观测量预积分处理，加入局部地图的优化，也可构建一致性的地图，本发明通过多种传感器紧密耦合，实现了mms在全球导航系统信号失锁环境下构建全局一致性的高清地图，解决了传统mms在复杂环境中地图构建极不稳定，且一致性差的问题，同时作用效果显著，适于广泛推广。
[0190]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
[0191]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。