[发明专利]一种三维模型的构建方法及装置

说明书

本发明提供了一种三维模型的构建方法及装置，利用每个采样点的角速度和线速度，对相应采样点的点云数据进行运动补偿，降低运动畸变导致的误差，得到每个采样点的准确预测位姿。然后通过对运动补偿后的预测位姿形成的点云地图与历史点云地图进行点云匹配，剔除表示运动物体的点云数据，得到更新后的历史点云地图，在轮式机器人运行过程中即使遇到行人等运动物体也能准确建模。最后利用回环检测进行全局一致优化，将轮式机器人在运行过程中得到的各个预设周期内的更新后的历史点云地图进行拼接得到三维模型，进一步提高建模精度。本发明轮式机器人在需要建模的环境中运行一周就能完成建模，在提高了建模精度的同时，也提高了建模效率。

技术领域

本发明涉及定位技术领域，更具体的，涉及一种三维模型的构建方法及装置。

背景技术

构建大型商场、停车场等室内大场景的三维模型是线下场景数字化中的一个重要环节。室内大场景的三维模型构建完成后，可以将店铺、车位等信息同步到三维模型坐标系中，在线上渲染线下的场景；还可以用于获取场景中部署的摄像头的位姿，进而利用摄像头的位姿辅助基于摄像头的行人或车辆的导航。

为了更好的发挥室内大场景的三维模型的作用，需要预先构建高精度的三维模型。但是，目前已有的很多建图的方法在大型室内场景下都有各自的问题，无法实现室内大场景下高精度的三维模型建模。

发明内容

有鉴于此，本发明提供了一种三维模型的构建方法及装置，提高了三维模型的建模精度。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种三维模型的构建方法，包括：

获取轮式机器人在运行过程中预设周期内每个采样点的角速度和线速度，所述采样点为所述轮式机器人中的激光雷达发送点云数据的时刻；

利用所述预设周期内每个所述采样点的角速度和线速度，对相应所述采样点的点云数据进行运动补偿，得到运动补偿后的所述预设周期内每个所述采样点的预测位姿；

将运动补偿后的所述预设周期的内每个所述采样点的预测位姿形成的点云地图与历史点云地图进行点云匹配，根据点云匹配结果剔除表示运动物体的点云数据，并将当前点云添加到历史点云地图中，得到更新后的历史点云地图；

在检测到所述轮式机器人运行到历史位置的情况下，根据相对位置约束和帧间约束进行全局一致优化，将所述轮式机器人在运行过程中得到的各个所述预设周期内的更新后的历史点云地图，根据全局一致的优化后位姿进行拼接，得到三维点云模型。

可选的，所述利用所述预设周期内每个所述采样点的角速度和线速度，对相应所述采样点的点云数据进行运动补偿，得到运动补偿后的所述预设周期内每个所述采样点的预测位姿，包括：

以预设周期的起始采样点为起始点，对所述预设周期内的角速度进行一阶积分，得到每个所述采样点的激光雷达相对于起始点的激光雷达的相对旋转；

利用所述预设周期内每个所述采样点的相对旋转，将所述预设周期内每个所述采样点激光雷达坐标系下的线速度转化为起始点坐标系下的线速度，并对其进行一阶积分，得到所述预设周期内每个所述采样点的位移；

根据所述预设周期内每个所述采样点的相对旋转和位移，确定所述预设周期内每个所述采样点的相对位姿；

依据所述预设周期内每个所述采样点的点云数据和相对位姿，将所述预设周期内每个采样点的点云数据变换到起始点坐标系下，确定所述预设周期内每个所述采样点的预测位姿。

可选的，所述利用所述预设周期内每个所述采样点的角速度和线速度，对相应所述采样点的点云数据进行运动补偿，得到运动补偿后的所述预设周期内每个所述采样点的预测位姿，包括：