【技术实现步骤摘要】
本专利技术涉及港口点云地图，尤其是涉及一种港口动态点云地图更新方法、系统及存储介质。
技术介绍
1、无人驾驶作业车辆在封闭园区环境中作业时，通常需要稳定且可靠的高精度定位以确保规划和控制模块精准快速完成车辆机动。封闭园区内通常会采用实时激光定位作为辅助定位源，以确保组合导航不可靠或失效时的精准定位。激光slam普遍应用在此类场景作业中，但如果缺少回环校正以及受z轴飘移的影响，其全局定位精度通常不可靠，难以实现高精度全局定位，由此通常会引入基于点云地图的实时激光点云匹配定位。
2、实时点云匹配定位主要包括基于静态点云地图以及基于动静态点云地图的匹配定位。基于静态点云地图的匹配定位，通常会进行周期性更新地图以确保点云匹配定位的可靠性和输出稳定性。但在高动态变化场景中，周期性更新则难以实现，匹配定位的性能在高动态变化场景中大大降低，基本无法提供有效可靠的高精度定位。
技术实现思路
1、鉴于以上问题，本专利技术提供了一种港口动态点云地图更新方法、系统及存储介质，不仅可避免环境变化以及地图更新的迟滞，降低其对当前匹配定位的干扰，实时输出可靠的匹配定位结果，而且也尽可能降低点云地图对控制器存储空间的使用。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种港口动态点云地图更新方法，所述方法包括：
4、u1.车辆进行港口作业任务，获取港口原始全局点云地图的数据信息，基于车载激光雷达实时获取道路的点云数据信息，基于车载imu
5、u2.基于所述道路的点云数据信息和所述港口原始全局点云地图的数据信息，采用基于混沌映射序列的自适应上采样算法对点云地图的局部特征进行提取，并构建实时稠密局部点云地图，得到实时稠密局部点云地图的数据信息；
6、u3.基于所述实时稠密局部点云地图的数据信息、所述车辆的位姿的数据信息和所述车辆的绝对位姿的数据信息，采用基于车辆位姿的点云关键帧的匹配算法对局部点云地图的关键帧进行匹配，得到点云关键帧的数据信息；
7、u4.基于所述点云关键帧的数据信息，采用基于图优化函数的点云地图更新算法，对港口原始全局点云地图进行动态更新，得到更新后的点云地图的数据信息。
8、进一步的，在步骤u2中，所述采用基于混沌映射序列的自适应上采样算法对点云地图的局部特征进行提取包括：
9、u21.基于所述道路的点云数据信息，建立道路的点云的混沌映射函数q，
10、
11、其中，x为道路的点云数据信息，α1、α2和α3为混沌映射因子，对道路的点云的混沌映射序列进行表征，得到道路的点云的混沌映射序列的数据信息；
12、u22.基于所述道路的点云的混沌映射序列的数据信息和所述港口原始全局点云地图的数据信息，构建点云地图的上采样函数w，
13、
14、其中，y1为道路的点云的混沌映射序列的数据信息，y2为港口原始全局点云地图的数据信息，β1、β2和β3为点云地图的上采样因子；
15、u23.基于所述点云地图的上采样函数w，对点云地图的局部特征进行提取，并构建实时稠密局部点云地图，得到实时稠密局部点云地图的数据信息。
16、进一步的，所述点云地图的上采样因子β1、β2和β3为，
17、
18、其中，y1为道路的点云的混沌映射序列的数据信息，y2为港口原始全局点云地图的数据信息。
19、进一步的，所述混沌映射因子α1、α2和α3的约束函数f为，
20、
21、其中，约束函数f的取值范围为(0,1)。
22、进一步的，在步骤u3中，所述采用基于车辆位姿的点云关键帧的匹配算法对局部点云地图的关键帧进行匹配包括：
23、u31.基于所述车辆的位姿的数据信息和所述车辆的绝对位姿的数据信息，建立车辆的位姿融合函数r，
24、
25、其中，z1为车辆的位姿的数据信息，z2为车辆的绝对位姿的数据信息，δ1、δ2和δ3为车辆位姿的融合因子，对车辆的位姿进行融合，得到融合后的车辆的位姿的数据信息；
26、u32.基于所述融合后的车辆的位姿的数据信息和所述实时稠密局部点云地图的数据信息，建立车辆位姿的点云关键帧匹配函数p，
27、
28、其中，r1为融合后的车辆的位姿的数据信息，r2为实时稠密局部点云地图的数据信息，γ1、γ2和γ3为点云的关键帧匹配因子；
29、u33.基于所述车辆位姿的点云关键帧匹配函数p，对局部点云地图的关键帧进行匹配，得到点云关键帧的数据信息。
30、进一步的，所述车辆位姿的融合因子δ1、δ2和δ3的约束条件为，
31、
32、进一步的，所述点云的关键帧匹配因子γ1、γ2和γ3为，
33、
34、其中，r1为融合后的车辆的位姿的数据信息，r2为实时稠密局部点云地图的数据信息。
35、进一步的，在步骤u4中，所述采用基于图优化函数的点云地图更新算法，对港口原始全局点云地图进行动态更新包括：
36、u41.基于所述点云关键帧的数据信息，建立点云的图优化函数g，
37、
38、其中，g为点云关键帧的数据信息，η1、η2和η3为图优化因子，对点云关键帧进行图优化，得到图优化后的点云关键帧的数据信息；
39、u42.基于所述图优化后的点云关键帧的数据信息，构建点云动态地图更新函数h，
40、
41、其中，h为图优化后的点云关键帧的数据信息，λ1、λ2和λ3为点云地图的动态更新因子；
42、u43.基于所述点云动态地图更新函数h，对港口原始全局点云地图进行动态更新，得到更新后的点云地图的数据信息。
43、为了实现上述目的及其他相关目的，本专利技术还提供了一种港口动态点云地图更新系统，包括计算机设备，该计算机设备被编程或配置以执行任意一项所述的港口动态点云地图更新方法的步骤。
44、为了实现上述目的及其他相关目的，本专利技术还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行任意一项所述的港口动态点云地图更新方法的计算机程序。
45、本专利技术具有以下积极效果：
46、1.本专利技术通过采用基于混沌映射序列的自适应上采样算法对点云地图的局部特征进行提取，并构建实时稠密局部点云地图，并结合采用基于车辆位姿的点云关键帧的匹配算法对局部点云地图的关键帧进行匹配，得到点云关键帧的数据信息，不仅可避免环境变化以及地图更新的迟滞，降低其对当前匹配定位的干扰，实时输出可靠的匹配定位结果，而且也尽可能降低点云地图对控制器存储空间的使用。
47、2.本专利技术通过采用基于图优化函数的点云地图更新算法，对港口原始全局点本文档来自技高网...
【技术保护点】
1.一种港口动态点云地图更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的港口动态点云地图更新方法，其特征在于，在步骤U2中，所述采用基于混沌映射序列的自适应上采样算法对点云地图的局部特征进行提取包括：
3.根据权利要求2所述的港口动态点云地图更新方法，其特征在于：所述点云地图的上采样因子β1、β2和β3为，
4.根据权利要求2所述的港口动态点云地图更新方法，其特征在于：所述混沌映射因子α1、α2和α3的约束函数f为，
5.根据权利要求1所述的港口动态点云地图更新方法，其特征在于，在步骤U3中，所述采用基于车辆位姿的点云关键帧的匹配算法对局部点云地图的关键帧进行匹配包括：
6.根据权利要求5所述的港口动态点云地图更新方法，其特征在于：所述车辆位姿的融合因子δ1、δ2和δ3的约束条件为，
7.根据权利要求5所述的港口动态点云地图更新方法，其特征在于：所述点云的关键帧匹配因子γ1、γ2和γ3为，
8.根据权利要求1所述的港口动态点云地图更新方法，其特征在于，在步骤U4中，所述采用基于图优化
9.一种港口动态点云地图更新系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～8中任意一项所述的港口动态点云地图更新方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～8中任意一项所述的港口动态点云地图更新方法的计算机程序。
...【技术特征摘要】
1.一种港口动态点云地图更新方法，其特征在于，所述方法包括：
2.根据权利要求1所述的港口动态点云地图更新方法，其特征在于，在步骤u2中，所述采用基于混沌映射序列的自适应上采样算法对点云地图的局部特征进行提取包括：
3.根据权利要求2所述的港口动态点云地图更新方法，其特征在于：所述点云地图的上采样因子β1、β2和β3为，
4.根据权利要求2所述的港口动态点云地图更新方法，其特征在于：所述混沌映射因子α1、α2和α3的约束函数f为，
5.根据权利要求1所述的港口动态点云地图更新方法，其特征在于，在步骤u3中，所述采用基于车辆位姿的点云关键帧的匹配算法对局部点云地图的关键帧进行匹配包括：
6.根据权利要求5所述的港口动态点云地图更新方...
【专利技术属性】
技术研发人员：梁晓栋，董杰，张雪峰，彭俊，汪统，
申请(专利权)人：东风悦享科技有限公司，
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。