CN110275181A - 一种车载移动测量系统及其数据处理方法 - Google Patents
一种车载移动测量系统及其数据处理方法 Download PDFInfo
- Publication number
- CN110275181A CN110275181A CN201910611750.5A CN201910611750A CN110275181A CN 110275181 A CN110275181 A CN 110275181A CN 201910611750 A CN201910611750 A CN 201910611750A CN 110275181 A CN110275181 A CN 110275181A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- line laser
- point cloud
- data
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种车载移动测量系统及其数据处理方法，包括采集车、设置于采集车上的支撑机构，以及固定安装于所述支撑机构上的单线激光雷达、多线激光雷达、惯性导航系统和双目相机。采集车内设有数据处理装置，单线激光雷达、多线激光雷达、惯性导航系统和双目相机分别与数据处理装置连接。本发明采用单线激光雷达、多线激光雷达和双目相机构成多源传感模式，当采集车进入隧道等信号较差的特殊地形时，利用多线激光雷达和双目相机采集的数据基于SLAM算法进行处理，得到目标场景的相对点云和实时影像地图。解决了传统车载移动测量系统在隧道等特殊场景时，由于信号失锁导致数据精度产生偏差的问题。提高了车载移动测量系统采集数据的可靠性。
Description
技术领域
本发明涉及移动测量技术领域，尤其涉及一种车载移动测量系统及其数据处理方法。
背景技术
目前，伴随着自动控制技术、导航定位技术、导航技术和计算机技术的迅速发展，空间信息获取技术得到了快速发展。车载移动测量系统以机动车为信息采集平台，在车辆正常行驶状态下，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，如目标地物的位置坐标、路宽、桥高、道路设施等。
传统的车载移动测量系统通常是采集车上配备一个单线或多线激光雷达传感器，通过惯导POS解算获得高精度的带三维点云的数据。
然而，传统车载移动测量系统采集隧道场景时，由于采集信号长时间失锁，导致通过POS解算方式获取的点云数据精度无法保障，无法满足自动驾驶精度需求。
发明内容
本发明针对现有技术中存在的技术问题，提供一种车载移动测量系统及其数据处理方法，解决传统的车载移动测量系统采集隧道等特殊场景时，由于惯导信号失锁导致数据精度产生偏差的问题，提高车载移动测量系统采集的数据的可靠性。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供一种车载移动测量系统，包括采集车、设置于采集车上的支撑机构，以及固定安装于所述支撑机构上的单线激光雷达、多线激光雷达、惯性导航系统和双目相机，所述采集车内设有数据处理装置，所述单线激光雷达、多线激光雷达、惯性导航系统和双目相机分别与所述数据处理装置连接；
所述单线激光雷达用于采集目标场景的单线激光雷达点云数据，所述多线激光雷达用于采集目标场景的多线激光雷达点云数据，所述双目相机用于采集目标场景的深度图像，所述惯性导航系统用于获取采集车的POS数据；所述数据处理装置获取所述多线激光雷达点云数据和深度图像，基于SLAM 算法进行处理，获得目标场景的相对点云数据和实时影像地图。
进一步，所述数据处理装置包括存储模块和处理模块；
所述存储模块用于存储单线激光雷达、多线激光雷达、惯性导航系统和双目相机采集的数据，所述处理模块用于获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
进一步，所述支撑机构包括钢架平台、支撑平台和支撑杆，所述支撑平台包括平面结构和斜面结构，所述平面结构靠近采集车车头的一端竖直固定有所述支撑杆，所述斜面结构上安装有单线激光雷达，所述支撑杆的顶端安装有天线。
进一步，所述多线激光雷达水平设置于所述支撑杆的顶端。
进一步，所述双目相机固定安装于支撑平台靠近采集车车头的一侧，且所述双目相机的镜头方向与采集车行驶方向平行。
第二方面，本发明提供一种车载移动测量系统的数据处理方法，包括：
采集目标场景的多线激光雷达点云数据和深度图像；
根据所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
进一步，所述获取多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图具体包括：
根据多线激光雷达采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据，根据双目相机采集的深度图像，通过视觉 SLAM算法获得目标场景的实时影像地图。
进一步，所述方法还包括：
通过惯性导航系统获取采集车的POS数据；
根据所述目标场景的相对点云数据修正采集车的POS数据，基于修正后的POS数据对单线激光雷达点云数据和多线激光雷达点云数据进行POS 解算，获得目标场景的第一三维点云数据。
进一步，在获得目标场景的第一三维点云数据之后，所述方法进一步包括：
将所述单线激光雷达点云数据、多线激光雷达点云数据和目标场景的三维点云数据融合，获得目标场景的第二三维点云数据。
第三方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求6至9任一所述的方法。
本发明的有益效果是：采用单线激光雷达、多线激光雷达和双目相机构成多源传感模式，当采集车进入长隧道等信号较差的特殊地形时，利用多线激光雷达和双目相机采集的数据基于SLAM算法进行处理，得到目标场景的相对点云数据和实时影像地图。解决了传统的车载移动测量系统采集隧道等特殊场景时，由于惯导信号失锁导致数据精度产生偏差的问题。避免信号被遮挡后产生点云黑洞的概率，提高了车载移动测量系统采集数据的可靠性。
附图说明
图1为本发明实施例提供的车载移动测量系统的结构示意图；
图2为本发明实施例提供的车载移动测量系统的各模块连接结构框图；
图3为本发明实施例提供的车载移动测量系统的数据处理方法流程示意图；
图4为本发明实施例提供的车载移动测量系统的数据处理方法流程示意图。
附图中，各标号所代表的部件列表如下：
1、采集车，2、单线激光雷达，3、多线激光雷达，4、惯性导航系统， 5、双目相机，6、数据处理装置，7、钢架平台，8、支撑平台，9、支撑杆， 10、天线；
61、存储模块，62、处理模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明提供一种车载移动测量系统，包括采集车1、设置于采集车1上的支撑机构，以及固定安装于所述支撑机构上的单线激光雷达 2、多线激光雷达3、惯性导航系统4和双目相机5，所述采集车1内设有数据处理装置6，所述单线激光雷达2、多线激光雷达3、惯性导航系统4(INS， Inertial Navigation System，简称惯导)和双目相机5分别与所述数据处理装置6连接。图1中的“惯导”即是指“惯性导航系统”。
所述单线激光雷达2用于采集目标场景的单线激光雷达点云数据，所述多线激光雷达3用于采集目标场景的多线激光雷达点云数据，所述双目相机 5用于采集目标场景的深度图像，所述惯性导航系统4用于获取采集车1的 POS数据；所述数据处理装置6获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
具体地，参照图1，采集车1的支撑机构上安装有单线激光雷达2、多线激光雷达3、惯性导航系统4和双目相机5。其中，单线激光雷达的激光源发出的线束是单线的，用于追踪单个物件的运动轨迹。多线激光雷达是通过多个激光发射器在垂直方向上的分布，通过电机的旋转形成多条线束的扫描。一般情况下，利用多线激光雷达3采集道路两侧及上方的交通标示标牌等立面地物的点云数据，利用单线激光雷达2采集道路路面的点云数据。本发明在此不作限制。
以下对车载移动测量系统的工作流程作具体说明：系统标定后，采集车 1开始进行数据采集，单线激光雷达2采集目标场景的单线激光雷达点云数据，多线激光雷达3采集目标场景的多线激光雷达点云数据。双目相机5采集目标场景的深度图像。其中，由激光雷达进行扫描所获取的数据，即为激光雷达点云数据。本实施例中，目标场景是指由采集车1行驶的道路和道路周边物件构成的场景。
进一步地，惯性导航系统4获取采集车1的POS数据，惯性导航系统 (INS，InertialNavigation System，简称惯导)是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。其工作环境不仅包括空中、地面，还可以在水下。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。采集车1在一般道路上进行采集时，能够根据单线激光雷达点云数据和采集车1的POS 数据进行POS解算，获得目标场景的三维点云。
进一步地，当采集车1行驶至惯导信号不好的区域例如长隧道时，数据处理装置6获取多线激光雷达点云数据和深度图像，根据多线激光雷达3采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据。其中，目标场景的相对点云数据是指目标场景中的道路及道路周边物件相对于多线激光雷达坐标系的点云数据。根据双目相机5采集的深度图像，通过视觉SLAM算法获得目标场景的实时影像地图。其中，SLAM(simultaneous localization and mapping)是指即时定位与地图构建。目前用在 SLAM上的传感器主要分为两类，基于激光雷达的SLAM(激光SLAM)和基于视觉的SLAM(Visual SLAM或VSLAM)。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。激光SLAM 系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对目标物件的定位。视觉SLAM可以在目标场景中获取海量的、富于冗余的纹理信息，拥有较强的场景辨识能力。视觉SLAM 能够利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨，这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等。视觉的投影模型理论上可以让无限远处的物体都进入视觉画面中，在合理的配置下(如长基线的双目相机)可以进行很大尺度场景的定位与地图构建。
本实施例中，基于SLAM算法的处理步骤具体包括：构建局部坐标系，扫描获得多线激光点云数据，计算获取目标场景中地物的位姿信息，融合多线激光点云数据和位姿信息获得目标场景的实时影像地图。
需要说明的是，传统的车载移动测量系统通常是采集车上配备一个单线或多线激光雷达传感器，通过POS解算获得高精度的三维点云数据。然而，传统车载移动测量系统采集隧道场景时，由于采集信号长时间失锁，导致通过POS解算方式获取的点云数据精度无法保障，无法满足自动驾驶精度需求。而本发明提供的车载移动测量系统，当采集车1行驶至惯导信号不好的区域例如长隧道时，数据处理装置6获取多线激光雷达点云数据和深度图像，根据多线激光雷达3采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据；根据双目相机5采集的深度图像，通过视觉 SLAM算法获得目标场景的实时影像地图。能够提高车载移动测量系统采集的数据的可靠性。
本发明实施例提供的车载移动测量系统，采用单线激光雷达、多线激光雷达和双目相机构成多源传感模式，当采集车进入长隧道等信号较差的特殊地形时，利用多线激光雷达和双目相机采集的数据基于SLAM算法进行处理，得到目标场景的相对点云数据和实时影像地图。解决了传统的车载移动测量系统采集隧道等特殊场景时，由于惯导信号失锁导致数据精度产生偏差的问题。避免信号被遮挡后产生点云黑洞的概率，提高了车载移动测量系统所采集数据的可靠性。
图2为本发明实施例提供的车载移动测量系统的各模块连接结构框图，参照图1和图2，所述数据处理装置6包括存储模块61和处理模块62；
所述存储模块61用于存储单线激光雷达2、多线激光雷达3、惯性导航系统4和双目相机5采集的数据，所述处理模块62用于获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
基于上述实施例的内容，作为一种可选实施例，参照图1，所述支撑机构包括钢架平台7、支撑平台8和支撑杆9，所述支撑平台8包括平面结构和斜面结构，所述平面结构靠近采集车1车头的一端竖直固定有所述支撑杆 9，所述斜面结构上安装有单线激光雷达2，所述支撑杆9的顶端安装有天线 10。
具体地，本实施例中，斜面结构与采集车1顶面呈45度角，能够保证单线激光雷达2的扫描视角，且便于安装。
基于上述实施例的内容，作为一种可选实施例，所述多线激光雷达3水平设置于所述支撑杆9的顶端。
本实施例中，多线激光雷达3水平安装在支撑杆9的顶端，离地面高度为2.5～4.5m。多线激光雷达的激光束在竖直方向沿不同角度发出，相当于多个倾角的扫描平面，因此，垂直视场内内激光线越多其竖直方向的角分辨率就越高，激光点云密度就越大，成像越清晰。
基于上述实施例的内容，作为一种可选实施例，所述双目相机5固定安装于支撑平台靠近采集车1车头的一侧，且所述双目相机5的镜头方向与采集车1行驶方向平行。本实施例将双目相机5安装在支撑平台靠近采集车1 车头的一侧，并设置双目相机5的镜头方向与采集车1行驶方向平行，使得双目相机5的镜头视野情况良好，能够精确获取采集车1前方目标场景的深度图像。
图3为本发明实施例提供的车载移动测量系统的数据处理方法流程示意图，如图3所示，本发明提供一种车载移动测量系统的数据处理方法，包括：
S1，采集目标场景的多线激光雷达点云数据和深度图像；
S2，根据所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
具体地，参照图1和图3，通过多线激光雷达3采集目标场景的多线激光雷达点云数据，通过双目相机5采集目标场景的深度图像。其中，由激光雷达进行扫描所获取的数据，即为激光雷达点云数据。本实施例中，目标场景是指由采集车1行驶的道路和道路周边物件构成的场景。
当采集车1行驶至惯导信号不好的区域例如长隧道时，数据处理装置6 获取多线激光雷达点云数据和深度图像，根据多线激光雷达采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据。其中，目标场景的相对点云数据是指目标场景中的道路及道路周边物件相对于多线激光雷达坐标系的点云数据。根据双目相机5采集的深度图像，通过视觉SLAM算法获得目标场景的实时影像地图。其中，SLAM(simultaneouslocalization and mapping)是指即时定位与地图构建。
本实施例中，基于SLAM算法的处理步骤具体包括：构建局部坐标系，扫描获得多线激光点云数据，计算获取目标场景中地物的位姿信息，融合多线激光点云数据和位姿信息获得目标场景的实时影像地图。
需要说明的是，传统的车载移动测量系统通常是采集车上配备一个单线或多线激光雷达传感器，通过POS解算获得高精度的三维点云数据。然而，传统车载移动测量系统采集隧道场景时，由于采集信号长时间失锁，导致通过POS解算方式获取的点云数据精度无法保障，无法满足自动驾驶精度需求。而本发明提供的车载移动测量系统，当采集车1行驶至惯导信号不好的区域例如长隧道时，数据处理装置6获取多线激光雷达点云数据和深度图像，根据多线激光雷达采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据；根据双目相机5采集的深度图像，通过视觉SLAM 算法获得目标场景的实时影像地图。能够提高车载移动测量系统采集的数据的可靠性。
本发明实施例提供的车载移动测量系统的数据处理方法，当采集车进入长隧道等信号较差的特殊地形时，利用多线激光雷达和双目相机采集的数据基于SLAM算法进行处理，得到目标场景的相对点云数据和实时影像地图。解决了传统的车载移动测量系统采集隧道等特殊场景时，由于惯导信号失锁导致数据精度产生偏差的问题。避免信号被遮挡后产生点云黑洞的概率，提高了车载移动测量系统采集的数据的可靠性。
基于上述实施例的内容，作为一种可选实施例，参照图1，车载移动测量系统工作时，惯性导航系统4获取采集车1的POS数据，惯性导航系统 (INS，Inertial NavigationSystem，简称惯导)是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。其工作环境不仅包括空中、地面，还可以在水下。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。采集车1在一般道路上进行采集时，能够根据单线激光雷达点云数据和采集车1的POS 数据进行POS解算，获得目标场景的三维点云。
基于上述实施例的内容，作为一种可选实施例，所述获取多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图具体包括：
根据多线激光雷达采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据，根据双目相机采集的深度图像，通过视觉 SLAM算法获得目标场景的实时影像地图。
具体地，目前用在SLAM上的传感器主要分为两类，基于激光雷达的 SLAM(激光SLAM)和基于视觉的SLAM(Visual SLAM或VSLAM)。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。通常，激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对目标物件的定位。视觉SLAM可以在目标场景中获取海量的、富于冗余的纹理信息，拥有较强的场景辨识能力。视觉SLAM能够利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等。视觉的投影模型理论上可以让无限远处的物体都进入视觉画面中，在合理的配置下(如长基线的双目相机)可以进行很大尺度场景的定位与地图构建。
本实施例通过激光SLAM算法获得目标场景的相对点云数据，通过视觉SLAM算法获得目标场景的实时影像地图。当采集车进入长隧道等信号较差的特殊地形时，利用多线激光雷达和双目相机采集的数据基于SLAM算法进行处理，得到目标场景的相对点云数据和实时影像地图。解决了传统的车载移动测量系统采集隧道等特殊场景时，由于惯导信号失锁导致数据精度产生偏差的问题。避免信号被遮挡后产生点云黑洞的概率，提高了车载移动测量系统采集的数据的可靠性。
图4为本发明实施例提供的车载移动测量系统的数据处理方法流程示意图，如图4所示，车载移动测量系统的数据处理方法还包括：
S3，通过惯性导航系统获取采集车的POS数据；
S4，根据所述目标场景的相对点云数据修正采集车的POS数据，基于修正后的POS数据对单线激光雷达点云数据和多线激光雷达点云数据进行 POS解算，获得目标场景的第一三维点云数据。
需要说明的是，本实施例通过激光SLAM算法获得的相对点云数据来修正采集车1的POS数据，能够提高POS数据的精度。然后基于修正后的POS 数据对单线激光雷达点云数据和多线激光雷达点云数据进行POS解算，获得目标场景的第一三维点云数据，提高了车载移动测量系统采集的数据精度和可靠性。
参照图4，在获得目标场景的第一三维点云数据之后，车载移动测量系统的数据处理方法进一步包括：
S5，将所述单线激光雷达点云数据、多线激光雷达点云数据和目标场景的三维点云数据融合，获得目标场景的第二三维点云数据。
本发明实施例通过将单线激光雷达点云数据、多线激光雷达点云数据和目标场景的三维点云数据融合，获得目标场景的第二三维点云数据，其中第二三维点云数据的数据精度高于第一三维点云数据。进一步提高了车载移动测量系统采集的数据精度和可靠性。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的图像类型转换方法，例如包括：采集目标场景的多线激光雷达点云数据和深度图像；获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
需要说明的是，在本发明实施例的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。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、物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、物品或者设备所固有的要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明的具体含义。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种车载移动测量系统，其特征在于，包括采集车、设置于采集车上的支撑机构，以及固定安装于所述支撑机构上的单线激光雷达、多线激光雷达、惯性导航系统和双目相机，所述采集车内设有数据处理装置，所述单线激光雷达、多线激光雷达、惯性导航系统和双目相机分别与所述数据处理装置连接；
所述单线激光雷达用于采集目标场景的单线激光雷达点云数据，所述多线激光雷达用于采集目标场景的多线激光雷达点云数据，所述双目相机用于采集目标场景的深度图像，所述惯性导航系统用于获取采集车的POS数据；所述数据处理装置获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
2.根据权利要求1所述的车载移动测量系统，其特征在于，所述数据处理装置包括存储模块和处理模块；
所述存储模块用于存储单线激光雷达、多线激光雷达、惯性导航系统和双目相机采集的数据，所述处理模块用于获取所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
3.根据权利要求1所述的车载移动测量系统，其特征在于，所述支撑机构包括钢架平台、支撑平台和支撑杆，所述支撑平台包括平面结构和斜面结构，所述平面结构靠近采集车车头的一端竖直固定有所述支撑杆，所述斜面结构上安装有单线激光雷达，所述支撑杆的顶端安装有天线。
4.根据权利要求3所述的车载移动测量系统，其特征在于，所述多线激光雷达水平设置于所述支撑杆的顶端。
5.根据权利要求3所述的车载移动测量系统，其特征在于，所述双目相机固定安装于支撑平台靠近采集车车头的一侧，且所述双目相机的镜头方向与采集车行驶方向平行。
6.一种车载移动测量系统的数据处理方法，其特征在于，包括：
采集目标场景的多线激光雷达点云数据和深度图像；
根据所述多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图。
7.根据权利要求6所述的数据处理方法，其特征在于，所述获取多线激光雷达点云数据和深度图像，基于SLAM算法进行处理，获得目标场景的相对点云数据和实时影像地图具体包括：
根据多线激光雷达采集的多线激光雷达点云数据，通过激光SLAM算法获得目标场景的相对点云数据，根据双目相机采集的深度图像，通过视觉SLAM算法获得目标场景的实时影像地图。
8.根据权利要求7所述的数据处理方法，其特征在于，所述方法还包括：
通过惯性导航系统获取采集车的POS数据；
根据所述目标场景的相对点云数据修正采集车的POS数据，基于修正后的POS数据对单线激光雷达点云数据和多线激光雷达点云数据进行POS解算，获得目标场景的第一三维点云数据。
9.根据权利要求8所述的数据处理方法，其特征在于，在获得目标场景的第一三维点云数据之后，所述方法进一步包括：
将所述单线激光雷达点云数据、多线激光雷达点云数据和目标场景的三维点云数据融合，获得目标场景的第二三维点云数据。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求6至9任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910611750.5A CN110275181A (zh) | 2019-07-08 | 2019-07-08 | 一种车载移动测量系统及其数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910611750.5A CN110275181A (zh) | 2019-07-08 | 2019-07-08 | 一种车载移动测量系统及其数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110275181A true CN110275181A (zh) | 2019-09-24 |
Family
ID=67964159
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910611750.5A Pending CN110275181A (zh) | 2019-07-08 | 2019-07-08 | 一种车载移动测量系统及其数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110275181A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702134A (zh) * | 2019-10-08 | 2020-01-17 | 燕山大学 | 基于slam技术的车库自主导航装置及导航方法 |
| CN110861592A (zh) * | 2019-11-27 | 2020-03-06 | 南京航空航天大学 | 一种车载移动测量采集装置 |
| CN111027903A (zh) * | 2019-12-03 | 2020-04-17 | 中铁第一勘察设计院集团有限公司 | 基于高精度车载移动测量系统无咋轨道资产台账调查方法 |
| CN111044040A (zh) * | 2019-12-30 | 2020-04-21 | 哈尔滨工业大学 | 一种用于无人驾驶设备的全地形多传感器数据采集平台 |
| CN111186387A (zh) * | 2020-03-11 | 2020-05-22 | 北京觉非科技有限公司 | 一种车载移动高精度采集装置 |
| CN111474532A (zh) * | 2020-04-10 | 2020-07-31 | 北京建筑大学 | 车载移动激光雷达测量系统时间同步方法及装置 |
| CN112254737A (zh) * | 2020-10-27 | 2021-01-22 | 北京晶众智慧交通科技股份有限公司 | 地图数据转换方法 |
| CN112379392A (zh) * | 2020-10-26 | 2021-02-19 | 华南理工大学 | 基于单线激光雷达通过隧道的无人车导航控制方法 |
| CN112396125A (zh) * | 2020-12-01 | 2021-02-23 | 中国第一汽车股份有限公司 | 一种定位测试场景的分类方法、装置、设备及存储介质 |
| CN112698347A (zh) * | 2020-12-02 | 2021-04-23 | 北京华益瑞科技有限公司 | 地表植被参数监测装置、系统及方法 |
| CN113167884A (zh) * | 2020-06-30 | 2021-07-23 | 深圳市大疆创新科技有限公司 | 雷达组件及具有该雷达组件的可移动平台 |
| CN113433566A (zh) * | 2020-03-04 | 2021-09-24 | 宏碁股份有限公司 | 地图建构系统以及地图建构方法 |
| CN114018178A (zh) * | 2021-10-26 | 2022-02-08 | 中国人民解放军陆军工程大学 | 基于单线激光雷达的火箭炮身管平行度测量装置和方法 |
| CN114119998A (zh) * | 2021-12-01 | 2022-03-01 | 成都理工大学 | 一种车载点云地面点提取方法及存储介质 |
| CN115790282A (zh) * | 2022-10-11 | 2023-03-14 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制系统和控制方法 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| CN106647790A (zh) * | 2016-12-27 | 2017-05-10 | 重庆大学 | 面向复杂环境的四旋翼无人机飞行器系统及飞行方法 |
| CN106885601A (zh) * | 2017-01-09 | 2017-06-23 | 北京理工大学 | 无人车多传感器数据同步采集系统 |
| CN106931963A (zh) * | 2017-04-13 | 2017-07-07 | 高域（北京）智能科技研究院有限公司 | 环境数据共享平台、无人飞行器、定位方法和定位系统 |
| CN106959051A (zh) * | 2017-03-30 | 2017-07-18 | 林星森 | 基于空间感知定位技术的武器瞄准系统的自动化校准方法 |
| CN107553505A (zh) * | 2017-10-13 | 2018-01-09 | 刘杜 | 自主移动讲解系统平台机器人及讲解方法 |
| CN107861507A (zh) * | 2017-10-13 | 2018-03-30 | 上海斐讯数据通信技术有限公司 | 一种基于惯导纠偏和slam室内定位的agv控制方法及系统 |
| CN108319976A (zh) * | 2018-01-25 | 2018-07-24 | 北京三快在线科技有限公司 | 建图方法及装置 |
| CN108326845A (zh) * | 2017-12-11 | 2018-07-27 | 浙江捷尚人工智能研究发展有限公司 | 基于双目相机和激光雷达的机器人定位方法、装置及系统 |
| CN108803591A (zh) * | 2017-05-02 | 2018-11-13 | 北京米文动力科技有限公司 | 一种地图生成方法及机器人 |
| CN108846867A (zh) * | 2018-08-29 | 2018-11-20 | 安徽云能天智能科技有限责任公司 | 一种基于多目全景惯导的slam系统 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和系统 |
| CN109188458A (zh) * | 2018-07-25 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于双激光雷达传感器的移动测量系统 |
| CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
| CN109597095A (zh) * | 2018-11-12 | 2019-04-09 | 北京大学 | 背包式三维激光扫描与立体成像组合系统及数据获取方法 |
| CN109752725A (zh) * | 2019-01-14 | 2019-05-14 | 天合光能股份有限公司 | 一种低速商用机器人、定位导航方法及定位导航系统 |
| CN109887053A (zh) * | 2019-02-01 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种slam地图拼接方法及系统 |
| CN109901623A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 桥梁墩身巡检航线规划方法 |
| CN109900279A (zh) * | 2019-02-13 | 2019-06-18 | 浙江零跑科技有限公司 | 一种基于泊车位全局路由的停车场语义地图创建方法 |
| CN109933056A (zh) * | 2017-12-18 | 2019-06-25 | 九阳股份有限公司 | 一种基于slam的机器人导航方法以及机器人 |
-
2019
- 2019-07-08 CN CN201910611750.5A patent/CN110275181A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| CN106647790A (zh) * | 2016-12-27 | 2017-05-10 | 重庆大学 | 面向复杂环境的四旋翼无人机飞行器系统及飞行方法 |
| CN106885601A (zh) * | 2017-01-09 | 2017-06-23 | 北京理工大学 | 无人车多传感器数据同步采集系统 |
| CN106959051A (zh) * | 2017-03-30 | 2017-07-18 | 林星森 | 基于空间感知定位技术的武器瞄准系统的自动化校准方法 |
| CN106931963A (zh) * | 2017-04-13 | 2017-07-07 | 高域（北京）智能科技研究院有限公司 | 环境数据共享平台、无人飞行器、定位方法和定位系统 |
| CN108803591A (zh) * | 2017-05-02 | 2018-11-13 | 北京米文动力科技有限公司 | 一种地图生成方法及机器人 |
| CN107861507A (zh) * | 2017-10-13 | 2018-03-30 | 上海斐讯数据通信技术有限公司 | 一种基于惯导纠偏和slam室内定位的agv控制方法及系统 |
| CN107553505A (zh) * | 2017-10-13 | 2018-01-09 | 刘杜 | 自主移动讲解系统平台机器人及讲解方法 |
| CN108326845A (zh) * | 2017-12-11 | 2018-07-27 | 浙江捷尚人工智能研究发展有限公司 | 基于双目相机和激光雷达的机器人定位方法、装置及系统 |
| CN109933056A (zh) * | 2017-12-18 | 2019-06-25 | 九阳股份有限公司 | 一种基于slam的机器人导航方法以及机器人 |
| CN108319976A (zh) * | 2018-01-25 | 2018-07-24 | 北京三快在线科技有限公司 | 建图方法及装置 |
| CN109188458A (zh) * | 2018-07-25 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于双激光雷达传感器的移动测量系统 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和系统 |
| CN108846867A (zh) * | 2018-08-29 | 2018-11-20 | 安徽云能天智能科技有限责任公司 | 一种基于多目全景惯导的slam系统 |
| CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
| CN109597095A (zh) * | 2018-11-12 | 2019-04-09 | 北京大学 | 背包式三维激光扫描与立体成像组合系统及数据获取方法 |
| CN109752725A (zh) * | 2019-01-14 | 2019-05-14 | 天合光能股份有限公司 | 一种低速商用机器人、定位导航方法及定位导航系统 |
| CN109887053A (zh) * | 2019-02-01 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种slam地图拼接方法及系统 |
| CN109900279A (zh) * | 2019-02-13 | 2019-06-18 | 浙江零跑科技有限公司 | 一种基于泊车位全局路由的停车场语义地图创建方法 |
| CN109901623A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 桥梁墩身巡检航线规划方法 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702134A (zh) * | 2019-10-08 | 2020-01-17 | 燕山大学 | 基于slam技术的车库自主导航装置及导航方法 |
| CN110861592A (zh) * | 2019-11-27 | 2020-03-06 | 南京航空航天大学 | 一种车载移动测量采集装置 |
| CN111027903A (zh) * | 2019-12-03 | 2020-04-17 | 中铁第一勘察设计院集团有限公司 | 基于高精度车载移动测量系统无咋轨道资产台账调查方法 |
| CN111027903B (zh) * | 2019-12-03 | 2023-05-12 | 中铁第一勘察设计院集团有限公司 | 基于高精度车载移动测量系统无砟轨道资产台账调查方法 |
| CN111044040A (zh) * | 2019-12-30 | 2020-04-21 | 哈尔滨工业大学 | 一种用于无人驾驶设备的全地形多传感器数据采集平台 |
| CN113433566B (zh) * | 2020-03-04 | 2023-07-25 | 宏碁股份有限公司 | 地图建构系统以及地图建构方法 |
| CN113433566A (zh) * | 2020-03-04 | 2021-09-24 | 宏碁股份有限公司 | 地图建构系统以及地图建构方法 |
| CN111186387A (zh) * | 2020-03-11 | 2020-05-22 | 北京觉非科技有限公司 | 一种车载移动高精度采集装置 |
| CN111474532A (zh) * | 2020-04-10 | 2020-07-31 | 北京建筑大学 | 车载移动激光雷达测量系统时间同步方法及装置 |
| CN111474532B (zh) * | 2020-04-10 | 2022-05-03 | 北京建筑大学 | 车载移动激光雷达测量系统时间同步方法及装置 |
| CN113167884A (zh) * | 2020-06-30 | 2021-07-23 | 深圳市大疆创新科技有限公司 | 雷达组件及具有该雷达组件的可移动平台 |
| CN112379392A (zh) * | 2020-10-26 | 2021-02-19 | 华南理工大学 | 基于单线激光雷达通过隧道的无人车导航控制方法 |
| CN112254737A (zh) * | 2020-10-27 | 2021-01-22 | 北京晶众智慧交通科技股份有限公司 | 地图数据转换方法 |
| CN112396125A (zh) * | 2020-12-01 | 2021-02-23 | 中国第一汽车股份有限公司 | 一种定位测试场景的分类方法、装置、设备及存储介质 |
| CN112698347A (zh) * | 2020-12-02 | 2021-04-23 | 北京华益瑞科技有限公司 | 地表植被参数监测装置、系统及方法 |
| CN114018178A (zh) * | 2021-10-26 | 2022-02-08 | 中国人民解放军陆军工程大学 | 基于单线激光雷达的火箭炮身管平行度测量装置和方法 |
| CN114119998A (zh) * | 2021-12-01 | 2022-03-01 | 成都理工大学 | 一种车载点云地面点提取方法及存储介质 |
| CN114119998B (zh) * | 2021-12-01 | 2023-04-18 | 成都理工大学 | 一种车载点云地面点提取方法及存储介质 |
| CN115790282A (zh) * | 2022-10-11 | 2023-03-14 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制系统和控制方法 |
| CN115790282B (zh) * | 2022-10-11 | 2023-08-22 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制系统和控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110275181A (zh) | 一种车载移动测量系统及其数据处理方法 | |
| CN106441319B (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
| CN106092056B (zh) | 一种高速铁路桥梁基础沉降变形的车载动态监测方法 | |
| JP5227065B2 (ja) | 三次元機械地図、三次元機械地図生成装置、ナビゲーション装置及び自動運転装置 | |
| CN105928498B (zh) | 提供关于对象的信息的方法、大地测绘系统、存储介质 | |
| Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
| CN106123908B (zh) | 车辆导航方法和系统 | |
| CN110361027A (zh) | 基于单线激光雷达与双目相机数据融合的机器人路径规划方法 | |
| CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
| CN107422730A (zh) | 基于视觉导引的agv运输系统及其驾驶控制方法 | |
| CN101901501B (zh) | 一种生成激光彩色云图的方法 | |
| CN108571971A (zh) | 一种agv视觉定位系统及方法 | |
| CN105512646A (zh) | 一种数据处理方法、装置及终端 | |
| CN108921947A (zh) | 生成电子地图的方法、装置、设备、存储介质以及采集实体 | |
| EP2588882B1 (en) | Method for producing a digital photo wherein at least some of the pixels comprise position information, and such a digital photo | |
| CN106980657A (zh) | 一种基于信息融合的车道级电子地图构建方法 | |
| CN111936821A (zh) | 用于定位的系统和方法 | |
| CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
| CN108345008A (zh) | 一种目标物检测方法、点云数据提取方法及装置 | |
| CN102037325A (zh) | 用于以3d显示导航数据的计算机布置及方法 | |
| CN101241011A (zh) | 激光雷达平台上高精度定位、定姿的装置和方法 | |
| EP3998451B1 (en) | Navigation method, mobile carrier, and navigation system | |
| CN110211228A (zh) | 用于建图的数据处理方法及装置 | |
| CN113534184B (zh) | 一种激光感知的农业机器人空间定位方法 | |
| CN105204510A (zh) | 一种用于精确定位的概率地图的生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |
|
| RJ01 | Rejection of invention patent application after publication |