System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及目标检测,具体提供一种位姿优化方法、设备、智能设备和介质。
技术介绍
1、在基于多趟会话的点云数据帧构建三维场景过程中,不同会话的点云数据帧对应的目标元素重复访问同一个位置时,传统的回环检测在检测出一个回环后,进行回环帧之间的点云数据配准。但是,由于点云配准存在误差,当会话数量较多时,同一位置有较多的不同会话间的回环帧,两两帧的点云数据配准的误差会累积,导致最终构建的三维场景会有重影,质量较差。
技术实现思路
1、为了克服上述缺陷,提出了本申请,以提供解决或至少部分地解决由于两两帧的点云数据配准之间存在误差,且误差累计后,导致最终构建的三维场景会有重影,质量较差的技术问题的位姿优化方法、设备、智能设备和介质。
2、在第一方面,本申请提供一种位姿优化方法,该位姿优化方法包括:
3、从多个点云数据帧中提取点云数据的关键帧;
4、根据所述关键帧,生成全局捆集调整因子;其中,所述全局捆集调整因子为调整两两点云数据帧的位姿和面元特征的因子;
5、根据所述全局捆集调整因子,构建因子图;
6、基于所述因子图,对所述关键帧的位姿进行优化,得到所述关键帧的优化位姿。
7、进一步地,上述所述的位姿优化方法中,根据所述关键帧,生成全局捆集调整因子,包括:
8、提取所述关键帧的第一面元特征;
9、检测所述第一面元特征是否包含在全局面元特征序列中;
10、若所述第一面元特征包含在所述全局面元
11、进一步地,上述所述的位姿优化方法,还包括:
12、若所述第一面元特征不包含在所述全局面元特征序列中,将所述第一面元特征插入所述全局面元特征序列中。
13、进一步地,上述所述的位姿优化方法中,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
14、若所述第一面元特征包括第一法向量,确定所述第一法向量与每个第二法向量之间向量差;所述第二法向量为所述全局面元特征序列中每个第二面元特征对应的法向量;
15、若至少一个向量差小于或等于预设差值,确定至少一个第二面元特征与所述第一面元特征相匹配,并确定所述第一面元特征包含在所述全局面元特征序列中;
16、若所有向量差均大于所述预设差值,确定所述每个第二面元特征与所述第一面元特征均不匹配,并确定所述第一面元特征不包含在所述全局面元特征序列中。
17、进一步地,上述所述的位姿优化方法中,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
18、若所述第一面元特征包括多个面元点坐标对应的第一坐标均值,确定所述第一坐标均值与所述第二坐标均值之间距离;所述第二坐标均值为所述全局面元特征序列中每个第二面元特征对应的坐标均值;
19、若至少一个距离小于或等于第二预设距离内,确定至少一个第二面元特征与所述第一面元特征相匹配,并确定所述第一面元特征包含在所述全局面元特征序列中;
20、若所有距离均大于第二预设距离,确定所述每个第二面元特征与所述第一面元特征均不匹配,并确定所述第一面元特征不包含在所述全局面元特征序列中征。
21、进一步地,上述所述的位姿优化方法中,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
22、若所述第一面元特征包括第一法向量和多个面元点坐标对应的第一坐标均值,确定所述第一法向量与每个第二法向量之间向量差;以及,确定所述第一坐标均值与每个第二坐标均值之间距离;其中,所述第二法向量为所述全局面元特征序列中每个第二面元特征对应的法向量;所述第二坐标均值为所述每个第二面元特征对应的坐标均值;
23、根据所述向量差和所述距离,确定所述第一面元特征与所述每个第二面元特征之间的相似度;
24、若至少一个相似度大于或等于预设相似度,确定至少一个第二面元特征与所述第一面元特征相匹配,并确定所述第一面元特征包含在所述全局面元特征序列中;
25、若所有相似度均小于预设相似度,确定所述每个第二面元特征与所述第一面元特征均不匹配,并确定所述第一面元特征不包含在所述全局面元特征序列中。
26、进一步地,上述所述的位姿优化方法中,从多个点云数据帧中提取点云数据的关键帧,包括:
27、对所述点云数据帧进行回环检测,得到多个点云数据的回环帧;
28、针对所述多个回环帧中任一回环帧,确定预设目标的状态变化值;所述状态变化值为所述任一回环帧中所述预设目标的第一状态值与参考回环帧中所述预设目标的第二状态值之间的差值;
29、若所述状态变化值大于预设阈值,确定所述任一回环帧为一个关键帧;
30、若所述状态变化值小于或等于所述预设阈值,确定所述任一回环帧不为一个关键帧。
31、在第二方面,本申请提供一种位姿优化设备,该位姿优化设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项所述的位姿优化方法。
32、在第三方面,提供一种智能设备,该驾驶设备可以包括如上所述的位姿优化设备。
33、在第四方面,提供一种计算机可读存储介质,该计算机可读存储介质存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述任一项所述的位姿优化方法。
34、本申请上述一个或多个技术方案,至少具有如下一种或多种有益效果:
35、在实施本申请的技术方案中,通过从多个点云数据帧中提取点云数据的关键帧;根据点云数据的关键帧,生成全局捆集调整因子后,根据该全局捆集调整因子,构建因子图,以便基于构建的因子图,对点云数据的关键帧的位姿进行优化,得到点云数据的关键帧的优化位姿。这样,后续在构建三维场景时,基于全局捆集调整因子调整两两点云数据帧的位姿和面元特征,使得多个关键帧的面元最终均会落在同一面元上,从而可以避免出现重影,提高了三维场景的质量。
本文档来自技高网...【技术保护点】
1.一种位姿优化方法,其特征在于,包括:
2.根据权利要求1所述的位姿优化方法,其特征在于,根据所述关键帧,生成全局捆集调整因子,包括:
3.根据权利要求2所述的位姿优化方法,其特征在于,还包括:
4.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
5.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
6.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
7.根据权利要求1所述的位姿优化方法,其特征在于,从多个点云数据帧中提取点云数据的关键帧,包括:
8.一种位姿优化设备,其特征在于,包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行权利要求1至7中任一项所述的位姿优化方法。
9.一种智能设备,其特征在于,包括如权利要求8所述的位姿优化设备。
10.一种计算机可读
...【技术特征摘要】
1.一种位姿优化方法,其特征在于,包括:
2.根据权利要求1所述的位姿优化方法,其特征在于,根据所述关键帧,生成全局捆集调整因子,包括:
3.根据权利要求2所述的位姿优化方法,其特征在于,还包括:
4.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
5.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面元特征序列中,包括:
6.根据权利要求2所述的位姿优化方法,其特征在于,检测所述第一面元特征是否包含在全局面...
【专利技术属性】
技术研发人员:白昕晖,路超,孙立,袁弘渊,任少卿,
申请(专利权)人:安徽蔚来智驾科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。