[发明专利]点云地图的构建方法、装置、计算机设备和存储介质

权利要求书

1.一种点云地图的构建方法，其特征在于，包括：

获取点云数据及与所述点云数据对应的车体传感器数据；

对所述车体传感器数据进行融合处理，得到所述车体传感器数据的最优估计状态及对应的不确定度信息；

采用最优估计状态及对应的不确定度信息以及点云数据间的约束关系构建代价函数；

采用非线性优化方法优化所述代价函数，得到点云数据的最优状态；

根据所述点云数据的最优状态调整点云数据，构建所述点云数据对应的点云地图。

2.根据权利要求1所述的方法，其特征在于，所述对所述车体传感器数据进行融合处理，得到所述车体传感器数据的最优估计状态及对应的不确定度信息，包括：

通过贝叶斯估计方法，得到所述车体传感器数据的最优估计状态；

根据所述车体传感器数据建立不确定度模型；

根据所述不确定度模型，采用贝叶斯估计方法，获得所述最优估计状态对应的不确定度信息。

3.根据权利要求1所述的方法，其特征在于，所述采用最优估计状态及对应的不确定度信息以及点云数据间的约束关系构建代价函数，包括：

将所述最优估计状态作为点云数据间匹配的初始值，利用点云数据间的约束关系和所述最优状态及对应的不确定度信息构建代价函数。

4.根据权利要求3所述的方法，其特征在于，所述将所述最优估计状态作为点云数据间匹配的初始值，利用点云数据间的约束关系和所述最优状态及对应的不确定度信息构建代价函数，包括：

将点云数据对应的最优估计状态作为初始值，根据待优化状态、所述点云数据对应的最优估计状态和对应的不确定度信息构建第一代价函数；

利用点云数据间的约束关系，通过相邻的两帧点云数据的待优化状态及对应的不确定度信息构建第二代价函数；

将所述第一代价函数及第二代价函数累加，得到最终代价函数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述车体传感器数据包括车体位置、车体速度、车体加速度、车体角速度和车体前进方向速度；所述最优估计状态包括最优估计位置及最优估计姿态；最优状态包括最优位置及最优姿态；待优化状态包括待优化位置及待优化姿态。

6.一种点云地图的构建装置，其特征在于，包括：

数据获取模块，用于获取点云数据及与所述点云数据对应的车体传感器数据；

融合处理模块，用于对所述车体传感器数据进行融合处理，得到所述车体传感器数据的最优估计状态及对应的不确定度信息；

构建模块，用于根据所述最优估计状态及对应的不确定度信息构建所述点云数据对应的点云地图；

所述构建模块包括：

函数构建子模块，用于采用最优估计状态及对应的不确定度信息以及点云数据间的约束关系构建代价函数；

最优状态获取子模块，用于采用非线性优化方法优化所述代价函数，得到点云数据的最优状态；

地图构建子模块，用于根据所述点云数据的最优状态调整点云数据，构建所述点云数据对应的点云地图。

7.根据权利要求6所述的装置，其特征在于，所述融合处理模块包括：

状态获取子模块，用于通过贝叶斯估计方法，得到所述车体传感器数据的最优估计状态；

模型建立子模块，用于根据所述车体传感器数据建立不确定度模型；

信息获取子模块，用于根据所述不确定度模型，采用贝叶斯估计方法，获得所述最优估计状态对应的不确定度信息。

8.根据权利要求6所述的装置，其特征在于，所述函数构建子模块还用于将所述最优估计状态作为点云数据间匹配的初始值，利用点云数据间的约束关系和所述最优状态及对应的不确定度信息构建代价函数。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的点云地图的构建方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的点云地图的构建方法的步骤。