使用3D扫描仪同时进行2D定位和2D地图创建的方法和系统与流程

本发明涉及一种在使用3d扫描仪的情况下同时进行2d定位和2d地图创建的方法。此外，本发明还涉及用于执行所述方法的相应的系统。

背景技术：

自主车辆依赖于对自身的位置或方位的不断确定。除了依赖于用于在周围环境的详细地图上进行定位的方法之外，还已知能够在未知的或不断变化的周围环境中进行定位的方法。因此，尤其在移动机器人或自主车辆中(例如用于运输人员的自主穿梭车或用于在港口运输集装箱的所谓avg(英：automaticguidedvehicles，自动引导车辆))也使用定位方法，该定位方法还能够对周围环境进行绘制地图。在这些所谓的slam(英：simulataneouslocalizationandmapping，同步定位和绘图)技术中，定位和地图创建可以持续不断地相互作用，这能够实现无基础设施的定位。在此，尤其在使用2d激光雷达系统情况下的slam技术非常先进。对于2d激光雷达slam而言，从结构主要是二维性质的平坦世界出发。由此，所述结构可以由2d激光扫描仪足够精确地检测到，该2d激光扫描仪在限定的高度上进行水平测量。尽管该方法在平坦的平面上(例如在封闭空间中)工作良好，但该方法通常不适用于室外区域中的平坦世界的2d假设。地平面或道路不一定是平坦的，同样存在许多并非纯垂直的结构(例如山丘或灌木丛)。因此，标准的2d激光雷达slam无法在室外区域提供必要的可靠性和精确性。在此一种替代方案是是使用3d激光扫描仪和开发3d-slam系统。然而，对于这种3d-slam系统必须确定运动的所有六个自由度(英：dof，degreesoffreedom)(x、y、z、横摇、俯仰、偏摆)。因此，与仅需确定三个自由度(x、y、偏摆)的2d-slam系统相比，在3d-slam系统中导致明显更高的复杂度。由于复杂的算法，计算开销和计算时间会增加。

技术实现要素：

因此，本发明的任务是提供一种降低在使用3d扫描仪时的计算开销的可能性。该任务通过一种用于在使用3d扫描仪的情况下同时进行2d定位和2d地图创建的方法来解决。此外，该任务通过一种系统和一种车辆来解决。

根据本发明，设置一种用于在使用3d扫描仪的情况下同时进行2d定位和2d地图创建的方法，在该方法中借助3d扫描仪扫描周围环境，以便产生周围环境的3d点云形式的三维表示。接下来，由3d点云产生周围环境的2d点云形式的二维表示。最终，将2d点云提供给2d-slam算法，以便产生周围环境的地图，并且同时求取3d扫描仪在地图中的方位(lage)。通过将3d点云转换为2d点云，可以明显降低待处理的数据的数量。由此能够使用2d-slam算法，该算法能够允许以显著更少的计算开销进行定位且同时对环境进行制图。因此，相应的方法也可以用于具有相对较低的计算能力的车辆。

在一种实施方式中设置，对3d扫描仪在扫描期间执行的运动进行补偿。在此，首先求取测距(odometrie)信息，该测距信息表示扫描仪在六个自由度上的位移。接着针对3d点云的每个测量结果，在相应点的测量期间基于测距信息确定3d扫描仪的方位，然后从那里确定所测量的点。借助这些措施可以实现：对由于3d扫描仪在扫描过程期间的运动而失真的3d点云进行有效矫正。

在另一实施方式中设置，通过对车辆测距计的测量数据与惯性测量单元的测量数据进行融合来产生测距信息。由此可以以特别简单的方式求取3d扫描仪在所有六个自由度的位移。

在另一实施方式中设置，将3d点云变换到如下坐标系中：该坐标系的z轴平行于重力方向取向，使得原点相应于所选择的时刻，其中，将3d点云变换到如下坐标系中，该坐标系的z轴平行于重力方向取向。借助这些措施实现3d点云的如下取向：该取向与3d扫描仪在测量时刻可能出现的任何倾斜无关。

在另一实施方式中设置，在3d点云中提取垂直结构，其方式是：对于3d点云的每个点进行法线估计，并且随后从3d点云去除如下点：所述点在垂直方向上的法线分量大于预给定的阈值。通过去除代表扫描对象的水平面或倾斜面的点，可以明显降低待处理的测量数据的数量。由此能够明显降低用于执行2d-slam方法所需的计算开销。

在另一实施方式中设置，将3d点云投影到二维坐标系中，其方式是：对于3d点云的点中的每个去除垂直分量。通过将3d点云投影到二维平面上，可以将测量数据准备用于2d-slam算法。

在另一实施方式中设置，借助体像素滤波器(voxel-filters)和/或通过规则下采样来减少3d点云的点的数量。通过在此实现的测量数据的减少，能够明显降低为了执行2d-slam方法所需的计算开销。在此，使用体像素滤波器例如允许优选确定的空间区域(例如前部区域或确定的高度的区域)。相反，在此使用规则下采样是一种特别简单的数据简化方法。

在另一实施方式中设置，首先初始化已知的起始方位以便进行定位。随后借助初始节点和对应的一元因子设立slam图形，该一元因子对初始方位进行编码。接着，对于每个当前的扫描，借助当前求取的测距信息来预测当前的方位。然后借助所预测的当前方位执行扫描匹配作为初始估计。然后在slam图形中产生新的节点，该新的节点具有至前一个节点的二元棱边并且具有扫描匹配作为一元棱边。

此外设置一种基于3d扫描仪的用于同时进行2d定位和2d制图的系统，该系统构造用于产生3d点云形式的周围环境的三维表示，并且包括用于同时进行2d定位和2d地图创建的控制设备。在此，控制设备构造用于由3d点云产生2d点云形式的周围环境的二维表示。此外，控制设备构造用于将2d点云提供给2d-slam算法，以便产生周围环境的二维地图，并且同时求取3d扫描仪在地图内的当前方位。通过将3d点云转换为2d点云，可以明显降低待处理的数据的数量。由此能够实现使用2d-slam算法，该算法能够以显著更少的计算开销进行定位，且同时对环境进行制图。因此，相应的方法也可以用于具有相对较低的计算能力的车辆。

在一种实施方式中设置，该系统还包括用于求取测距信息的测距测量装置，该测距信息表示3d扫描仪在扫描过程期间在六个自由度上的位移。在此，控制设备构造用于补偿3d扫描仪的运动。控制设备还构造用于对于3d点云的每个扫描点，基于测距信息确定3d扫描仪的当前方位，并且接着从那里确定测量点。借助这些措施可以实现：对由于3d扫描仪在扫描过程期间的运动而失真的3d点云进行有效矫正。

在另一实施方式中设置，控制设备还构造用于将3d点云变换到如下坐标系中：该坐标系的z轴平行于重力方向取向，使得原点相应于所选择的时刻，借助这些措施能够实现3d点云的如下取向：该取向与3d扫描仪在测量时刻可能出现的任何倾斜无关。

在另一实施方式中设置，控制设备还构造用于根据3d点云提取垂直结构，其方式是：对于3d点云的每个点进行法线估计，并且随后去除3d点云的如下点：所述点在垂直方向上的法向分量大于预给定的阈值。通过去除代表扫描对象的水平面或倾斜面的点，可以明显降低待处理的测量数据的数量。由此能够明显降低用于执行2d-slam方法所需的计算开销。

最后设置具有相应系统的车辆。这种车辆能够以相对较少的计算开销来执行其周围环境的地图的创建，并且同时在地图内定位其方位。由此在对于车辆未知的周围环境内也能够实现特别快速的车辆定向，因此提高行驶安全性。

附图说明

以下根据附图更详细地描述本发明。在此示出：

图1示意性地示出在扫描周围环境时的3d扫描仪；

图2示出用于说明根据本发明的方法的示意流程图；

图3示出根据本发明的系统的方框图，该系统具有传感器装置以及控制装置，该传感器装置包括3d扫描仪和测距计；

图4示意性地示出具有图3中的系统的车辆，该系统包括3d扫描仪和其他传感器。

具体实施方式

在此描述的方案能够实现：借助2d-slam系统，使用3d扫描仪的传感器数据来创建地图并且同时进行定位。为此，通过一系列预处理步骤以及使用附加的测距传感装置来如此匹配3d扫描仪的传感器数据，使得2d-slam系统可以使用3d扫描仪的传感器数据。在此，首先对每个3d扫描进行运动补偿，然后将每个3d扫描置于标准化定向中。接着从3d扫描中提取垂直结构，并借此生成2d点云。然后，将2d点云纳入到2d激光雷达slam系统中。例如可以使用由传感器、数据处理装置和执行器组成的整个系统，以便对自主机器人(例如自主穿梭车或avg)进行导航。为此，在此描述的发明随时提供车辆的当前位置和定向，然后将车辆的当前位置和定向用作路径规划、实施和最终生成引擎指令的基础。然而，原则上也可以设想如下应用：在该应用中，定位在另一(例如手动)控制的系统中被动地运行，而将定位用于其他目的(例如状态监测)。

在此提供3d激光扫描仪作为3d扫描仪，3d激光扫描仪尤其例如构造成旋转激光雷达的形式。在图1中示意性地示出这种旋转激光雷达系统120。激光雷达系统120包括壳体，在壳体中布置有激光器装置121和接收装置122。激光器装置121在此包括至少一个激光源，该激光源用于产生发送激光射束123形式的激光辐射。相反，接收装置122包括至少一个探测器，该探测器用于探测在周围环境300中的对象310上反射回的激光辐射，该激光辐射以接收激光射束124的形式照射到接收装置123上。此外，激光雷达系统120通常还包括用于控制读取装置121和接收装置122的控制单元123，在本示例中，该控制单元同样布置在同一壳体中。在常见的旋转3d激光扫描仪120中，激光装置121同时产生多个激光射束123，所述多个激光射束分别扫描周围环境300的不同的扫描点321，其中，由3d激光扫描仪120同时检测的扫描点321通常柱状地彼此上下布置。通过围绕(通常是垂直的)旋转轴线127(平行于z轴)的旋转运动126，激光雷达系统120在每个扫描周期期间连续扫描周围环境300的定义的角度范围。在整个扫描周期期间所扫描的点321形成3d点云320，该3d点云可用作3d扫描仪120的周围环境300的三维表示，以用于进一步处理。

在常规的方案中，将以3d点云320形式存在的扫描仪数据直接提供给3d-slam算法，以便创建周围环境300的三维地图，并且同时确定其在三维地图内的位置和定向。相反地，在根据本发明的方法中，首先对扫描仪数据进行特殊的预处理，通过该特殊的预处理将3d点云320变换为2d点云。然后将这些2d点云提供给2d算法，以便创建二维图并同时确定其在二维地图内的位置和定向。为了对点云进行变换，该方法在此设置一系列的处理步骤，以下详细阐述这些处理步骤。为此，图2示出简化的流程图400，该流程图示出根据本发明的方法的流程。在此，在步骤410中，首先借助3d扫描仪120通过扫描周围环境300产生3d点云120。与之并行并且基本上与之独立地，在方法步骤420中生成测距信息，该测距信息描述车辆200的方位在六个自由度(x、y、z、横摇角、俯仰角、偏摆角)上的变化。这借助测距测量装置130进行，该测距测量装置包括基于车轮转动的车辆测距计132(参见图4)和惯性测量单元(英：imu，inertialmeasurementunit)，惯性测量单元根据作用到车辆200上的加速度来检测车辆200在空间中的运动。这些步骤的输出是车辆轨迹的6-dof预测。术语“6-dof”在此代表六个自由度(英：degreesoffreedom)，即三个空间方向x、y和z以及三个角度，所述三个角度描述车辆200的横摇(英：roll)、俯仰(英：pitch)和偏摆(英：yaw)。为此，将结合车轮的车辆测距计132的数据与惯性测量单元131的数据融合，车辆测距计的数据考虑车轮速度并且必要时还考虑转向角。为此已知各种方法。在此，所融合的测距计的坐标系平面地取向，也就是说，坐标系的z轴与重力轴线的建立重合。在本实施例中，预先融合惯性测量单元131的数据并提供完成的定向(横摇、俯仰、偏摆)。由结合车轮的车辆测距计132的测距数据计算所行驶路线，并且通过借助惯性测量单元131求取的定向绘制该行驶路线。原则上，也可以借助车辆200的其他传感器来求取相应的测距信息(即车辆200所行驶的路程和定向变化)，例如通过对借助视频摄像机140或雷达传感器160检测的传感器数据进行分析处理，或通过对借助卫星导航求取的位置数据进行分析处理。

在方法步骤430中进行“扫描预处理”，即扫描的预处理。在此，将在方法步骤110中连续产生的3d扫描仪120的传感器数据流以及在方法步骤420中连续产生的6-dof测距信息用作输入变量。术语“扫描”在此表示3d扫描仪120的数据包，该扫描由完整的360°旋转的相应传感器数据组成，在传感器数据中测量数量n个点321。此外，对于每个点321而言，已知准确的测量时刻是。“扫描预处理”在此包括多个部分步骤：矫正431(undistortion)、取向432(leveling)、提取垂直结构433(extractionofverticalstructures)和投影至2d(434)(projectionto2d)。

在方法步骤“矫正”431中，在扫描过程期间补偿3d扫描仪120的运动(即，平移和旋转)。在此，对于3d点云320的每个点321，首先基于相应的点321的时间信息根据6-dof测距计321确定3d扫描仪120的方位，接着从那里确定所测量的点321。在此步骤之后，3d扫描仪在6-dof测距计的坐标系中的运动被补偿。

在方法步骤“定向”432中，现在将经矫正的3d点云120变换到经定向的坐标系中，该坐标系的z轴平行于重力方向取向。该变换如此进行，使得原点相应于所选择的时刻(例如当前处理的扫描的结束)。

在方法步骤“提取垂直结构”433中，在3d点云320内提取垂直结构(例如房屋墙壁)。为此，对于经矫正和经定向的3d点云320的每个点321进行法线估计。在此，求取相应的点321的表面法线的垂直分量和水平分量。然后从3d点云320中提取如下点321：这些点在z加权的法线分量小于预给定的阈值。仅保留所提取的点321，而去除3d点云320的剩余的点321。

在方法步骤“投影至2d”434中，去除保留在3d点云320中的点321的z分量，因为接下来不再需要它们。可选地，为此降低点云的大小以便接下来实现更快的处理。这例如可以借助体像素滤波器来实现，在体像素滤波器中仅保留确定位置(例如确定高度)的点321。此外，也可以通过规则下采样来降低点云的大小，其中，仅保留确定的点321，而去除其他点。

在“扫描预处理”430(即对扫描进行预处理)结束时，作为结果存在2d点云以及所属的测距信息。这些信息随后纳入到具有两个模式的2d-slam系统中，这两个模式是制图模式450和定位模式470。在制图模式中，2d-slam系统生成周围环境300的地图460。在本实施例中，该地图由所选择数量的扫描及其方位组成。在定位模式470中，由此计算较大的2d点云。地图460因此是大的点云，在该点云中仅还使用2d分量(x，y)。

定位为每个输入扫描提供当前方位，其中，该方位以2d描述位置(x，y)以及定向(偏摆角或偏摆)。在方法开始时，通过已知的起始方位初始化定位，其中，借助初始节点和对应的一元因子设立slam图形，该一元因子对初始方位进行编码。对于每个经预处理的扫描，借助一并提供的测距计来预测方位。接下来对所预测的方位执行扫描匹配作为初始估计。这例如借助icp算法实现，在该icp算法中迭代地执行校正计算。然后，在slam图形中，产生新节点，该新节点具有至前一个节点的二元棱边并且具有扫描匹配步骤的结果作为一元棱边。这种基于slam图形的融合方案相应于所谓的“位姿图定位(posegraphlocalization)”方法。

图3示出根据本发明的系统100的方框图，该系统在使用3d扫描仪120的情况下同时进行2d定位和2d地图创建。系统100包括传感器装置110，该传感器装置具有用于检测3d点云320的3d扫描仪120以及用于检测车辆200的测距信息的测距测量装置130。此外，系统100包括控制设备180，该控制设备用于借助3d点云321执行2d-slam方法。为此，控制设备180具有第一控制装置181和第二控制装置182，第一控制装置181用于预处理由传感器设备110提供的传感器数据，其中，将3d点云变换成合适的2d点云，第二控制装置用于根据先前产生的2d点云来执行2d-slam方法。在本实施例中，这两个控制装置181、182构造成单独的计算单元。然而，原则上也能够以公共的计算单元的形式实现两个控制装置，然后在该公共的计算单元上实施根据本发明的方法的所有计算步骤。

在图4中示意性地示出具有图3中的系统100的车辆200。系统100包括车载传感器装置110，该车载传感器装置除了相应的3d扫描仪120和测距测量装置130之外通常还包括至少一个其他的环境传感器(例如视频摄像机140、用于卫星导航的传感器150、雷达传感器160或超声传感器170)。在此，车辆200的控制装置180构造用于对借助环境传感器检测的数据进行分析处理和进一步的处理。在本示例中，构造用于求取所行驶的路程的测距测量装置130包括结合车轮的车辆测距计132，该车辆测距计根据车轮210相对于行车道301的运动来求取所行驶的路程。此外，测距测量装置130包括惯性测量单元131，借助该惯性测量单元求取车辆200在行驶期间的旋转和加速度。在此，通过对所测量的加速度在行驶时间上的积分得到所行驶的路程。车辆200优选涉及自主或自动化车辆(例如用于运输人员的自动穿梭车或avg)。此外，车辆200也可以构造成移动机器人的形式。

原则上，除了基于车轮转速测量的车辆测距计132之外，其他用于测量行驶路程的测距方法也能够用于6-dof测距——例如基于对视频数据的分析处理的视觉测距计、或基于对激光雷达数据或雷达数据的分析处理的激光雷达测距计或雷达测距计。

尽管已经通过优选实施例详细地说明和描述本发明，但是本发明不局限于所公开的示例。相反，在不脱离本发明的保护范围的情况下，本领域技术人员可以从中推导出其他变型方案。