[发明专利]用于建图的数据处理方法及装置

说明书

本申请公开了一种用于建图的数据处理方法及装置，其中方法通过：获取点云数据、惯性测量数据以及定位数据；对所述惯性测量数据以及定位数据进行处理得到高频位姿信息；将所述高频位姿信息与所述点云数据进行处理并得到数据包信息；根据所述数据包信息得到所述点云数据中各个点的坐标；根据所述各个点的坐标构建得到对应的点云地图。达到了能够得到高精度地图的目的，从而通过常用的组合导航方案中的惯性测量数据以及定位数据进行融合，组合后可以避免定位数据由于遮挡或信号失锁时无法定位问题，同时避免惯性测量数据的累积误差问题，与点云数据进行融合，建图时无需进行回环检测，使用惯性测量数据以及定位数据进行绝对定位无需考虑重定位问题。

技术领域

本申请涉及地图构建技术领域，具体而言，涉及一种用于建图的数据处理方法及装置。

背景技术

目前，机器人构建地图的方法有很多，同时定位与地图构建(SimultaneousLocalization And Mapping，简称SLAM)为最常用的方法，其通常是指在机器人或者其他载体上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统，它在自动驾驶、服务型机器人、无人机、AR/VR等领域有着广泛的应用，可以说凡是拥有一定行动能力的智能体都拥有某种形式的SLAM系统。

一般来讲，SLAM系统通常都包含多种传感器和多种功能模块。而按照核心的功能模块来区分，目前常见的机器人SLAM系统一般具有两种形式：基于激光雷达的SLAM(激光SLAM)和基于视觉的SLAM(Visual SLAM或VSLAM)。

激光SLAM通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。其具备距离测量比较准确，误差模型简单，点云的处理也比较容易，同时点云信息本身包含直接的几何关系，使得机器人的路径规划和导航变得直观的优点。但其也具有无法抗拒的缺点，比如在强光直射的环境中不稳定、周围环境动态障碍物较多时的定位、不擅长在类似的几何环境中的建图定位、重定位能力较差、建图需要回环检测能力、无法提供绝对定位信息等缺点。

视觉SLAM类似于人类眼睛的特点，是机器人获取外界信息的主要来源。它可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力，这带来了机器人重定位和场景分类上的巨大优势，同时其可以较为容易的跟踪和预测场景中的动态目标，在合理的配置下进行很大尺度场景的定位与地图构建。但其同时也具有在光照变化时的定位建图问题、无纹理环境(比如整洁的白墙面)以及光照特别弱的环境的建图定位问题、视觉slam对电脑配置要求较高、无法提供绝对定位信息等缺点。

针对相关技术中存在的诸多技术问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于建图的数据处理方法及装置，以解决相关技术中存在的至少一个技术问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于建图的数据处理方法。

根据本申请的用于建图的数据处理方法包括：

获取点云数据、惯性测量数据以及定位数据；

对所述惯性测量数据以及定位数据进行处理得到高频位姿信息；

将所述高频位姿信息与所述点云数据进行处理并得到数据包信息；

根据所述数据包信息得到所述点云数据中各个点的坐标；

根据所述各个点的坐标构建得到对应的点云地图。

进一步的，如前述的用于建图的数据处理方法，所述将所述高频位姿信息与所述点云数据进行处理并得到数据包信息，包括：

将所述高频位姿信息与所述点云数据进行时间同步对准；