[发明专利]一种基于EVO的SLAM地图精度确认方法和系统

说明书

本发明实施例提供一种基于EVO的SLAM地图精度确认方法和系统，通过轨迹评估工具EVO来评价SLAM建图的精度与效果，EVO支持多种数据集的轨迹格式(TUM、KITTI、EuRoC MAV、ROS的bag)，同时支持这些数据格式之间进行相互转换。EVO的核心功能是能够绘制相机的轨迹，并评估估计轨迹与真值之间的误差。在单个传感器性能或者多传感器融合算法效果不佳的情况下，能通过绝对误差(APE)和相对误差(RPE)准确评价SLAM建图的效果，从而改进传感器或者多传感器融合算法，进而保证地图数据的精确性，极大地提高了驾驶员舒适性与车辆的安全性。

技术领域

本发明实施例涉及高级辅助驾驶技术领域，尤其涉及一种基于EVO的SLAM地图精度确认方法和系统。

背景技术

高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)旨在帮助驾驶员避免碰撞，进而大幅减少道路交通事故和相关的伤亡。这些系统的反应速度快于人类，能够始终保持警惕，并已广泛应用和部署到各种汽车领域，包括高级车型和经济车型等。

ADAS系统会持续监控车辆周围环境、提醒驾驶员危险路况，并会采取补救措施，如减速或停车。这些系统使用的输入来自多个传感器，比如摄像头、雷达、惯导。这些输入在融合之后被处理，信息被传送到驱动和系统的其他部分。同样的传感器技术可以用于当前的ADAS系统和即将推出的全自动驾驶系统。

即时定位与地图构建(Simultaneous Localization and Mapping，SLAM)，也称为CML(Concurrent Mapping and Localization),即时定位与地图构建，或并发建图与定位。最早应用在机器人领域，问题可以描述为：机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航。目前在ADAS领域也得到广泛的应用。如接收来自摄像头、惯导等传感器发送的数据，绘制出轨迹地图，通过控制模块控制车辆完成寻迹任务。

在实际利用SLAM建图的过程中，由于单个传感器性能或者多传感器融合算法存在差异，采集到的地图数据精度会存在较大波动，从而影响到SLAM建图效果。若建图效果太不理想，会导致自动驾驶车辆寻迹跑偏，更严重的可能会导致安全事故。

发明内容

本发明实施例提供一种基于EVO的SLAM地图精度确认方法和系统，以解决现有技术中由于单个传感器性能或者多传感器融合算法存在差异，采集到的地图数据精度会存在较大波动，从而影响到SLAM建图效果的问题。

为解决上述技术问题，第一方面，本发明实施例提供一种基于EVO的SLAM地图精度确认方法，包括：

获取即时定位与地图构建SLAM地图中的地图数据，并基于轨迹评估工具EVO对所述地图数据进行分析处理，以绘制相机的真实轨迹，所述真实轨迹包括相机在若干轨迹点处的真实位姿；

基于所述真实轨迹和所述SLAM地图进行轨迹评估，以确定各轨迹点的误差，基于所述误差确定所述SLAM地图精度是否符合要求。

作为优选的，所述地图数据至少包括TUM数据集、KITTI数据集、EuRoC MAV数据集、ROS的bag数据集中的一种或多种。

作为优选的，基于轨迹评估工具EVO对所述地图数据进行分析处理，具体包括：

基于所述轨迹评估工具EVO和所述地图数据绘制相机的估计位姿，所述估计轨迹包括相机在若干轨迹点处的估计位姿；计算所述估计位姿和真实位姿之间的误差，并确定所述估计位姿和真实位姿之间的转换矩阵。

作为优选的，基于所述真实轨迹和所述SLAM地图进行轨迹评估，以确定各轨迹点的误差，具体包括：

确定估计轨迹和所述真实轨迹的相对位姿误差和绝对位姿误差。