(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210043758.8 (22)申请日 2022.01.14 (71)申请人 安徽海博智能科技有限责任公司 地址 241200 安徽省芜湖市繁昌县 繁昌经 济开发区综合 服务中心 申请人 上海交通大 学 (72)发明人 柯秋璧　奚小虎　王亚飞　王秋旗　 王炜杰　李宇航　周志松　李若瑶　 赵宇廷　 (74)专利代理 机构 合肥天明专利事务所(普通 合伙) 34115 专利代理师 娄岳 (51)Int.Cl. G01C 21/20(2006.01) G01C 21/32(2006.01)G01C 21/34(2006.01) G01C 25/00(2006.01) G06T 7/73(2017.01) G06V 20/58(2022.01) G06V 10/44(2022.01) (54)发明名称 一种极端场景下SLAM算法的高精度评价方 法 (57)摘要 本发明公开了一种极端场景下SLAM算法的 高精度评价方法， 包括构建场景实际情况构建不 同类型的坐标系； 利用测绘设备基于AprilTag路 标测量构建全局的真值地图； 通过传感器模块对 预先布置的Ap rilTag路标进行信息识别、 特征提 取和联合优化， 得到路标和传感器模块的位姿； 根据待评估的SLAM算法的定位结果和转换到全 局的真值地图的真值定位结果进行对齐和分析 误差 ， 并评价定位精度。 本发明通过基于 AprilTag路标构建全局的真值地图， 以及利用 SLAM算法估计 路标和相机位姿的相对位姿。 两个 系统构建的定位结果进行对齐并分析其误差， 实 现对SLAM系统定位算法的评估。 解决了现有室内 定位技术的问题， 降低了造价成本和使用成本。 具有较好的稳定性和鲁棒 性。 权利要求书1页 说明书4页 附图2页 CN 114543807 A 2022.05.27 CN 114543807 A 1.一种极端场景 下SLAM算法的高精度评价方法， 其特 征在于， 包括： 构建场景实际情况构建不同类型的坐标系； 利用测绘 设备基于Apri lTag路标测量构建全局的真值 地图； 通过传感器模块对预先布置的AprilTag路标进行信息识别、 特征提取和联合优化， 得 到路标和传感器模块的位姿； 根据待评估的SLAM算法的定位结果和转换到全局的真值地图的真值定位结果进行对 齐和分析误差， 并评价定位精度。 2.根据权利要求1所述一种极端场景下SLAM算法的高精度评价方法， 其特征在于， 所述 坐标系包括待评估的传感器坐标系S、 摄 像头坐标系C、 SLAM坐标系O， 以及直角坐标系W。 3.根据权利要求1所述一种极端场景下SLAM算法的高精度评价方法， 其特征在于， 所述 利用测绘 设备基于Apri lTag路标测量构建全局的真值 地图的具体步骤 包括： 利用测绘 设备在室内选取合 适的位置对预 先布置的Apri lTag路标中心进行测量； 获取路标相对于测绘设备坐标系下的三维几何位置点集， 建立全局的路标地图， 并作 为真值和先验信息 。 4.根据权利要求1所述一种极端场景下SLAM算法的高精度评价方法， 其特征在于， 所述 通过传感器模块对预先布置的AprilTag路标进行信息识别、 特征提取和联合优化， 得到路 标和传感器模块的位姿的具体步骤 包括： 首先在自动驾驶车辆的移动过程中， 提取观测到的第i个Ap rilTag路标li(i∈1,2…)并 进行位姿测量， 获取传感器模块和路标中心的相对位姿变换Tij∈SE(3)， 其中i， j表示传感 器模块在第i个位姿处的时候观察到第j个路标点； 根据得到的AprilTag路标提取路标角点， 并获取路标角点的3D位姿pci， 其中i表示第i 个传感器模块； 根据提取到的路标角点利用2D ‑3D的PnP算法求解相机位姿xi和相机测量值ml， 其中i表 示第i个传感器模块， l表示传感器模块对于路标的第l个观测； 融合上述输出信息构建基于贝叶斯网络的因子图进行增量平滑和优化， 获得最终的 AprilTag的位姿li和相机的位姿xi。 5.根据权利要求1所述一种极端场景下SLAM算法的高精度评价方法， 其特征在于， 所述 根据待评估的SLAM算法的定位结果和转换到全局的真值地图的真值定位结果进行对齐和 分析误差， 并评价定位精度的具体步骤 包括： 基于待评估的SLAM算法的传感器和摄像头设置共视物， 并分别建立局部坐标系S和C， 其中S为待评估的传感器坐标系， C为摄 像头坐标系； 分别对共视物进行公共特征的提取， 得到摄像头坐标系下的特征集合fC和待评估传感 器坐标系下的特 征集合fS； 根据两个特 征集合fC和fS， 利用优化的数据关联算法获取两个坐标系下的相对位姿 最后将待评估SLAM算法的定位结果转换到全局的真值地图坐标系下， 与基于AprilTag 路标的摄 像头定位真值对比并评价 其定位精度。权　利　要　求　书 1/1 页 2 CN 114543807 A 2一种极端场景下SLAM算法的高精度评价 方法 技术领域 [0001]本发明涉及自动驾驶技术领域， 特别涉及一种极端场景下SLAM算法的高精度评价 方法。 背景技术 [0002]自动驾驶车辆在所处的室内环境、 地下停车场、 矿山等极端场景下进行精准地感 知定位是其能自主导航并移动、 进而作业的重要基础功能。 而自动驾驶车辆能有效实现定 位导航的前提以及基本技术是同步定位与地图构建， 也即SLAM(Simultaneous   Localization  And Mapping)。 目前应用在上述场景中的自动驾驶车辆大多使用嵌入 式设 备或者工控机等为主要逻辑控制、 信息处理单元， 并结合摄像头、 3D和2D激光雷达、 车轮编 码器、 惯性测 量单元等传感器获取周边环境的特征信息和自动驾驶车辆本身的运动信息， 将多源信息进 行融合并实现自身的定位和环 境地图的构建。 同时为了评估SLAM算法的定位 和建图精度， 如何在一般场景下常用的GPS、 RTK信号缺失的情况下精准鲁棒地获取自动驾 驶车辆在极端环境中的真实位置 便尤为重要。 [0003]现有技术的不足之处在于， 目前的室内、 地下矿等场景定位真值获取方法存在一 定的缺陷。 目前常用的方法则是采用一些传统的 已有的室内定位技术， 例如采取红外定位 技术、 超宽带定位(UWB)、 WIFI定位技术、 动作捕捉系统定位技术等， 但是这些方法同样也存 在很多问题， 比如 对于WIFI定位， 其总精度较高但是其指纹信息收集量大、 易收其他信号干 扰， 其表现对于复杂的工况环境并不稳定鲁棒。 对于超宽带(UWB)定位和动作捕捉系统， 其 穿透性强、 功耗低， 但是造价成本和使用成本比较高， 同时在周边环境布置相应设备和走线 工作量繁杂， 对于空间较大的室内、 地下环境会造成很大的使用成本 。 发明内容 [0004]本发明的目的克服现有技术存在的不足， 为实现以上目的， 采用一种极端场景下 SLAM算法的高精度评价方法， 以解决上述背景技 术中提出的问题。 [0005]一种极端场景 下SLAM算法的高精度评价方法， 包括： [0006]构建场景实际情况构建不同类型的坐标系； [0007]利用测绘 设备基于Apri lTag路标测量构建全局的真值 地图； [0008]通过传感器模块对预先布置的AprilTag路标进行信息识别、 特征提取和联合优 化， 得到路标和传感器模块的位姿； [0009]根据待评估的SLAM算法的定位结果和转换到全局的真值地图的真值定位结果进 行对齐和分析误差， 并评价定位精度。 [0010]作为本发明的进一步的方案： 所述坐标系包括待评估的传感器坐标系S、 摄像头坐 标系C、 SLAM坐标系O， 以及直角坐标系W。 [0011]作为本发明的进一步的方案： 所述利用测绘设备基于AprilTag路标测量构建全局 的真值地图的具体步骤 包括：说　明　书 1/4 页 3 CN 114543807 A 3