一种废钢堆场的抓钢机及时定位与地图构建方法、装置与流程

1.本发明涉及计算机技术领域，具体涉及一种废钢堆场的抓钢机及时定位与地图构建方法、装置。

背景技术：

2.废钢铁是一种载能节能绿资源，在废钢铁的回收过程中，需要控制抓钢机行驶至目标位置，将废钢料堆处的废钢装载至运输车辆内，或将运输车辆内的废钢卸载至废钢料堆处，以实现废钢的出库和入库。
3.在gps信号微弱、功能分区多样、障碍物众多且变化的室内建筑中，不依靠gps等卫星定位系统，抓钢机很难精确定位。

技术实现要素：

4.为解决上述技术问题，本技术的实施例提供了一种废钢堆场的抓钢机及时定位与地图构建方法、装置，以解决现有技术中的在室内建筑中不依靠gps等卫星定位系统抓钢机很难精确定位的问题。
5.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分的通过本技术的实践而习得。
6.于本技术的一个实施例中，提供了一种废钢堆场的抓钢机及时定位与地图构建方法，所述方法包括：
7.获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；
8.将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；
9.将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；
10.将所述帧间位姿估计信息与所述室内环境初始地图进行匹配，得到精确位姿估计信息，并根据所述精确位姿估计信息更新所述室内环境初始地图，得到废钢堆场的全局地图。
11.于本技术的一实施例中，获取抓钢机上的第一数据采集设备上传的第一点云数据，包括：
12.获取抓钢机上的第一数据采集设备上传的初始点云数据；
13.通过预设的多个雷达坐标系信息，使用点到面的距离为误差函数的迭代最近点算法，以激光线数最多的雷达为基准逐一进行点云融合，得到融合后的点云数据；
14.对融合后的点云数据进行地面分割和点云滤波，将滤波后非地面点云数据作为所述第一点云数据。
15.于本技术的一实施例中，对融合后的点云数据进行地面分割，包括：
16.从所述融合后的点云数据中随机采样三个点计算预先构建的地面分割模型的参数；
17.计算剩余的点到模型的距离，若剩余的点到模型的距离小于预设的阈值，则将对应的点设为内点并统计所有内点个数；
18.迭代随机采样步骤和点到模型的距离计算，得到内点个数最多的模型参数；
19.根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。
20.于本技术的一实施例中，对融合后的点云数据进行点云滤波，包括：
21.所述点云滤波包括立方体滤波、体素滤波、自身滤波、聚类滤波的其中一种；
22.所述聚类滤波用于将非地面点云进行聚类，并滤除点云数量小于30的聚类；
23.所述自身滤波根据抓钢机机械臂的倾角信息，实时计算抓钢机机械臂形态，滤除抓钢机机械臂点云。
24.于本技术的一实施例中，所述第一点云数据包括三维坐标和反射强度，将滤波后非地面点云数据作为所述第一点云数据之后，还包括：
25.将所述第一点云数据输入预先训练的目标检测模型中；
26.通过所述预先训练的目标检测模型对所述第一点云数据进行目标检测，确定所述第一点云数据中的抓钢机并获取抓钢机的反射强度和位置信息。
27.于本技术的一实施例中，将所述第一点云数据输入预先训练的目标检测模型中之前，还包括：
28.获取针对废钢堆场特定目标制作的目标检测训练数据集，所述废钢堆场特定目标包括废钢堆、货车、支撑柱、抓钢机；
29.将所述目标检测训练数据集输入预先构建的初始模型中进行训练，以更新所述初始模型的目标函数的参数，得到训练后的目标检测模型。
30.于本技术的一实施例中，获取废钢堆场的室内环境初始地图，包括：
31.获取室内场景中的第二数据采集设备上传的第二点云数据；
32.通过lego-loam，根据所述第二点云数据得到所述室内环境初始地图。
33.于本技术的一实施例中，将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息，包括：
34.对所述室内环境初始地图中抓钢机的反射强度进行比对，取同反射强度的目标区域作为点云匹配的感兴趣区域；
35.通过所述室内环境初始地图的关键帧，对所述感兴趣区域进行平面点和边缘点的特征匹配，得到匹配成功的关键帧；
36.根据所述匹配成功的关键帧，确定所述初始位姿估计信息和在所述室内环境初始地图中的位置信息。
37.于本技术的一实施例中，将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息，包括：
38.提取并匹配抓钢机相邻两帧点云的线特征点和面特征点；
39.根据所述线特征点确定点到线的误差，根据所述面特征点确定点到面的误差，并将所述初始位姿估计信息作为雷达里程计初始值；
40.根据所述点到线的误差、点到面的误差和雷达里程计初始值，通过非线性优化求解得到所述帧间位姿估计信息。
41.于本技术的一实施例中，还提供了一种废钢堆场的抓钢机及时定位与地图构建装置，所述装置包括：
42.数据采集模块，用于获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；
43.特征匹配模块，用于将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；
44.里程计模块，用于将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；
45.建图模块，用于根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。
46.在本技术的实施例所提供的技术方案中，首先获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；然后将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；再将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；最后将所述帧间位姿估计信息与所述室内环境初始地图进行匹配，得到精确位姿估计信息，并根据所述精确位姿估计信息更新所述室内环境初始地图，得到废钢堆场的全局地图。本发明中的方法，将抓钢机的点云数据与室内环境初始地图相结合，实时定位抓钢机在室内场景下的位置并得到废钢堆场的全局地图，在保证精度的前提下还加快了匹配速度。
47.应当理解的，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本技术。
附图说明
48.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下还能根据这些附图获得其他的附图。在附图中：
49.图1是本技术的一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建方法的流程图；
50.图2是本技术的另一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建方法的流程图；
51.图3是本技术的一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建装置的结构示意图。
具体实施方式
52.现在将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例
中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
53.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
54.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
55.在本技术中提及的“多个”是指两个或者两个以上；“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
56.在此，介绍与本技术涉及的缩略词和关键术语定义：
57.slam(simultaneous localization and mapping,即时定位与地图构建)，将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。所谓完全的地图(a consistent map)是指不受障碍行进到房间可进入的每个角落。
58.目前，slam技术涉及诸多传感器，如测距测角传感器、视觉相机、激光雷达、惯性导航等，根据使用的传感器的不同，分为激光slam(lidar slam)和视觉slam(visual slam)。其中激光slam起步早、可靠性高、精度高、建图直观，且不受室内光照变化的影响，被广泛应用于智能机器人领域。
59.本技术实施例提出的一种废钢堆场的抓钢机及时定位与地图构建方法、装置涉及以上记载的slam技术，考虑到抓钢机实际作业的室内环境，以下将对这些实施例进行详细说明。
60.图1是本技术的一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建方法的流程图。本技术实施例所提供的方法可以由任意具备计算处理能力的电子设备来执行，例如该方法可以服务器或终端设备来执行，也可以由服务器和终端设备共同执行。在下面的实施例中，以终端设备为执行主体为例进行举例说明，但本公开并不限定于此。
61.参照图1，本技术实施例提供的废钢堆场的抓钢机及时定位与地图构建方法可以包括以下步骤。
62.在步骤s110中，获取初始数据。
63.示例性的，获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图。
64.在步骤s120中，对点云数据和地图进行特征匹配。
65.示例性的，将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息。
66.在步骤s130中，确定帧间位姿估计信息。
67.示例性的，将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息。
68.在步骤s140中，确定精确位姿估计信息并构建全局地图。
69.示例性的，将所述帧间位姿估计信息与所述室内环境初始地图进行scan-to-map匹配，得到精确位姿估计信息，并根据所述精确位姿估计信息更新所述室内环境初始地图，得到废钢堆场的全局地图
70.通过上述步骤s110至s140，将抓钢机的点云数据与室内环境初始地图相结合，实时定位抓钢机在室内场景下的位置并得到废钢堆场的全局地图，在保证精度的前提下还加快了匹配速度。
71.在本技术的一实施例中，获取抓钢机上的第一数据采集设备上传的第一点云数据，包括如下步骤：
72.获取抓钢机上的第一数据采集设备上传的初始点云数据；
73.通过预设的多个雷达坐标系信息，使用点到面的距离为误差函数的迭代最近点算法，以激光线数最多的雷达为基准逐一进行点云融合，得到融合后的点云数据；
74.对融合后的点云数据进行地面分割和点云滤波，将滤波后非地面点云数据作为所述第一点云数据。
75.在本技术的一实施例中，对融合后的点云数据进行地面分割，包括如下步骤：
76.从所述融合后的点云数据中随机采样三个点计算预先构建的地面分割模型的参数；
77.计算剩余的点到模型的距离，若剩余的点到模型的距离小于预设的阈值，则将对应的点设为内点并统计所有内点个数；
78.迭代随机采样步骤和点到模型的距离计算，得到内点个数最多的模型参数；
79.根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。
80.需要说明的是，本实施例中通过ransac算法对融合后的点云数据进行随机采样并计算内点个数，然后通过内点个数最多的模型参数更新预先构建的地面分割模型。
81.在本技术的一实施例中，对融合后的点云数据进行点云滤波，包括如下步骤：
82.所述点云滤波包括立方体滤波、体素滤波、自身滤波、聚类滤波的其中一种；
83.所述聚类滤波用于将非地面点云进行聚类，并滤除点云数量小于30的聚类；
84.所述自身滤波根据抓钢机机械臂的倾角信息，实时计算抓钢机机械臂形态，滤除抓钢机机械臂点云。
85.在本技术的一实施例中，第一点云数据包括三维坐标和反射强度，将滤波后非地面点云数据作为所述第一点云数据之后，还包括如下步骤：
86.将所述第一点云数据输入预先训练的目标检测模型中；
87.通过所述预先训练的目标检测模型对所述第一点云数据进行目标检测，确定所述第一点云数据中的抓钢机并获取抓钢机的反射强度和位置信息。
88.在本技术的一实施例中，将所述第一点云数据输入预先训练的目标检测模型中之前，还包括如下步骤：
89.获取针对废钢堆场特定目标制作的目标检测训练数据集，所述废钢堆场特定目标包括废钢堆、货车、支撑柱、抓钢机；
90.将所述目标检测训练数据集输入预先构建的初始模型中进行训练，以更新所述初始模型的目标函数的参数，得到训练后的目标检测模型。
91.在本技术的一实施例中，获取废钢堆场的室内环境初始地图，包括：
92.获取室内场景中的第二数据采集设备上传的第二点云数据；
93.通过lego-loam，根据所述第二点云数据得到所述室内环境初始地图。
94.在本技术的一实施例中，将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息，包括：
95.对所述室内环境初始地图中抓钢机的反射强度进行比对，取同反射强度的目标区域作为点云匹配的感兴趣区域；
96.通过所述室内环境初始地图的关键帧，对所述感兴趣区域进行平面点和边缘点的特征匹配，得到匹配成功的关键帧；
97.根据所述匹配成功的关键帧，确定所述初始位姿估计信息和在所述室内环境初始地图中的位置信息。
98.在本技术的一实施例中，将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息，包括：
99.提取并匹配抓钢机相邻两帧点云的线特征点和面特征点；
100.根据所述线特征点确定点到线的误差，根据所述面特征点确定点到面的误差，并将所述初始位姿估计信息作为雷达里程计初始值；
101.根据所述点到线的误差、点到面的误差和雷达里程计初始值，通过非线性优化求解得到所述帧间位姿估计信息。
102.为了便于理解，本技术的一实施例中，以一个具体的例子对废钢堆场的抓钢机及时定位与地图构建方法进行说明。如图2所示，图2是本技术的另一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建方法的流程图，详细说明如下：
103.通过抓钢机上激光雷达获取点云数据，抓钢机机械臂上的运动传感器获取倾角；
104.通过预设的多个激光雷达坐标系信息，融合多个激光雷达点云数据，接着进行地面分割和点云滤波，将滤波后的非地面点云作为抓钢机点云数据；
105.加载废钢堆场目标检测模型进行点云目标检测：利用针对废钢堆场特定目标制作目标检测数据集训练目标检测模型，对抓钢机点云数据进行目标检测，获取目标的反射强度和位置信息。
106.加载lego-loam制作的全局地图；
107.对地图关键帧和抓钢机当前点云中同一目标roi区域(region of interest，感兴趣区域)进行特征匹配：利用废钢堆场目标检测模型对抓钢机当前获取的点云和全局地图中关键帧进行目标检测，取同反射强度目标区域作为点云匹配的roi区域，对点云roi区域进行平面点和边缘点的特征匹配。
108.通过匹配成功的帧确定抓钢机粗位姿估计，获取抓钢机在废钢堆场中的位置；
109.提取并匹配抓钢机相邻两帧点云的线特征点和面特征点，根据抓钢机在废钢堆场中的位置信息为初始值，通过非线性优化求解得到帧间位姿估计。
110.根据抓钢机的帧间位姿估计，进行scan-to-map匹配，得到抓钢机精位姿估计，并进行建图和更新全局地图。
111.应当注意，尽管在附图中以特定顺序描述了本技术中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能
实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
112.以下介绍本技术的装置实施例，可以用于执行本技术上述实施例中的废钢堆场的抓钢机及时定位与地图构建方法。参见图3，图3是本技术的一示例性实施例示出的一种废钢堆场的抓钢机及时定位与地图构建装置的结构示意图。该废钢堆场的抓钢机及时定位与地图构建装置，包括数据采集模块301、特征匹配模块302、里程计模块303、建图模块304。
113.其中，数据采集模块301，用于获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；
114.特征匹配模块302，用于将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；
115.里程计模块303，用于将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；
116.建图模块304，用于根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。
117.在本技术的另一实施例中，详细提供了废钢堆场的抓钢机及时定位与地图构建装置的构造，该装置包括：
118.数据采集模块，用于通过抓钢机上激光雷达获取点云数据，抓钢机机械臂上的运动传感器获取倾角；
119.预处理模块，用于通过预设的多个激光雷达坐标系信息，融合多个激光雷达点云数据，接着进行地面分割和点云滤波，将滤波后的非地面点云作为抓钢机；
120.目标检测模块，用于加载废钢堆场目标检测模型进行点云目标检测：利用针对废钢堆场特定目标制作目标检测数据集训练目标检测模型，对抓钢机点云数据进行目标检测，获取目标的反射强度和位置信息。
121.数据获取模块，用于加载lego-loam制作的全局地图；
122.特征匹配模块，用于对地图关键帧和抓钢机当前点云中同一目标roi区域进行特征匹配：利用废钢堆场目标检测模型对抓钢机当前获取的点云和全局地图中关键帧进行目标检测，取同反射强度目标区域作为点云匹配的roi区域，对点云roi区域进行平面点和边缘点的特征匹配。
123.定位模块，用于通过匹配成功的帧确定抓钢机粗位姿估计，获取抓钢机在废钢堆场中的位置；
124.里程计模块，用于提取并匹配抓钢机相邻两帧点云的线特征点和面特征点，根据抓钢机在废钢堆场中的位置信息为初始值，通过非线性优化求解得到帧间位姿估计。
125.建图模块，用于根据抓钢机的帧间位姿估计，进行scan-to-map匹配，得到抓钢机精位姿估计，并进行建图和更新全局地图。
126.需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。
127.上述内容，仅为本技术的较佳示例性实施例，并非用于限制本技术的实施方案，本领域普通技术人员根据本技术的主要构思和精神，可以十分方便地进行相应的变通或修
改，故本技术的保护范围应以权利要求书所要求的保护范围为准。

技术特征：

1.一种废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，所述方法包括：获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；将所述帧间位姿估计信息与所述室内环境初始地图进行匹配，得到精确位姿估计信息，并根据所述精确位姿估计信息更新所述室内环境初始地图，得到废钢堆场的全局地图。2.根据权利要求1所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，获取抓钢机上的第一数据采集设备上传的第一点云数据，包括：获取抓钢机上的第一数据采集设备上传的初始点云数据；通过预设的多个雷达坐标系信息，使用点到面的距离为误差函数的迭代最近点算法，以激光线数最多的雷达为基准逐一进行点云融合，得到融合后的点云数据；对融合后的点云数据进行地面分割和点云滤波，将滤波后非地面点云数据作为所述第一点云数据。3.根据权利要求1所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，对融合后的点云数据进行地面分割，包括：从所述融合后的点云数据中随机采样三个点计算预先构建的地面分割模型的参数；计算剩余的点到模型的距离，若剩余的点到模型的距离小于预设的阈值，则将对应的点设为内点并统计所有内点个数；迭代随机采样步骤和点到模型的距离计算，得到内点个数最多的模型参数；根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。4.根据权利要求1所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，对融合后的点云数据进行点云滤波，包括：所述点云滤波包括立方体滤波、体素滤波、自身滤波、聚类滤波的其中一种；所述聚类滤波用于将非地面点云进行聚类，并滤除点云数量小于30的聚类；所述自身滤波根据抓钢机机械臂的倾角信息，实时计算抓钢机机械臂形态，滤除抓钢机机械臂点云。5.根据权利要求2所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，所述第一点云数据包括三维坐标和反射强度，将滤波后非地面点云数据作为所述第一点云数据之后，还包括：将所述第一点云数据输入预先训练的目标检测模型中；通过所述预先训练的目标检测模型对所述第一点云数据进行目标检测，确定所述第一点云数据中的抓钢机并获取抓钢机的反射强度和位置信息。6.根据权利要求5所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，将所述第一点云数据输入预先训练的目标检测模型中之前，还包括：获取针对废钢堆场特定目标制作的目标检测训练数据集，所述废钢堆场特定目标包括
废钢堆、货车、支撑柱、抓钢机；将所述目标检测训练数据集输入预先构建的初始模型中进行训练，以更新所述初始模型的目标函数的参数，得到训练后的目标检测模型。7.根据权利要求1所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，获取废钢堆场的室内环境初始地图，包括：获取室内场景中的第二数据采集设备上传的第二点云数据；通过lego-loam，根据所述第二点云数据得到所述室内环境初始地图。8.根据权利要求1或5所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息，包括：对所述室内环境初始地图中抓钢机的反射强度进行比对，取同反射强度的目标区域作为点云匹配的感兴趣区域；通过所述室内环境初始地图的关键帧，对所述感兴趣区域进行平面点和边缘点的特征匹配，得到匹配成功的关键帧；根据所述匹配成功的关键帧，确定所述初始位姿估计信息和在所述室内环境初始地图中的位置信息。9.根据权利要求1所述的废钢堆场的抓钢机及时定位与地图构建方法，其特征在于，将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息，包括：提取并匹配抓钢机相邻两帧点云的线特征点和面特征点；根据所述线特征点确定点到线的误差，根据所述面特征点确定点到面的误差，并将所述初始位姿估计信息作为雷达里程计初始值；根据所述点到线的误差、点到面的误差和雷达里程计初始值，通过非线性优化求解得到所述帧间位姿估计信息。10.一种废钢堆场的抓钢机及时定位与地图构建装置，其特征在于，所述装置包括：数据采集模块，用于获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；特征匹配模块，用于将所述第一点云数据与所述室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在所述室内环境初始地图中的位置信息；里程计模块，用于将所述初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；建图模块，用于根据所述内点个数最多的模型参数更新所述预先构建的地面分割模型，并将所述融合后的点云数据传输至更新后的地面分割模型以进行地面分割。

技术总结

本发明涉及计算机技术领域，具体公开了一种废钢堆场的抓钢机及时定位与地图构建方法、装置，包括：获取抓钢机上的第一数据采集设备上传的第一点云数据，以及废钢堆场的室内环境初始地图；将第一点云数据与室内环境初始地图进行特征匹配，得到抓钢机的初始位姿估计信息和在室内环境初始地图中的位置信息；将初始位姿估计信息作为雷达里程计初始值，通过非线性优化求解得到帧间位姿估计信息；将帧间位姿估计信息与室内环境初始地图进行匹配，得到精确位姿估计信息，并根据精确位姿估计信息更新室内环境初始地图，得到废钢堆场的全局地图。本发明方法在保证精度的前提下，加快匹配速度，能实时定位抓钢机在室内场景下的位置，并得到室内地图。室内地图。室内地图。