【自动驾驶】Submap总结

大规模建图优化问题

使用图像或雷达扫描点云帧序列完成大规模三维重建,如城市规模三维重建,将全局环境地图分割为submap(子地图),"各个击破"------逐一优化每个子地图,并优化子地图间关联关系,如相对位姿优化调整。

Ni Kai等人提出的主要流程:a. 消除每个submap内部的优化变量,只保留submap之间的变量 b. 优化submap之间的变量 c. 优化每个submap内部的变量。问题中变量是指传感器位姿和地图点坐标等。引入"局部坐标系",submap内部变量用基础节点(base node,笔者理解为根据submap设定的局部坐标系)表达相对坐标,submap之间优化通过调整基础节点实现,使得submap整体发生很大变化,但内部变量无需改变。

  1. 分割submap在工程上具体操作是什么?
    形如切豆腐,分割后一个几何空间中的路标点和相机位姿组成一个submap。
  2. submap间的约束如何构建?
    如使用重投影约束,子地图 A中某陆标点 X A \bold X_A XA(坐标为A对应的局部坐标系)被B中的相机观测到,可据此构建submap间的重投影约束。Ni Kai的方法以基础节点的姿态与位置参数为优化参数,间接改变陆标点坐标和相机的位姿参数,以优化重投影误差:该陆标点在B相应局部坐标系下的表达,

X B = R W B − 1 ( R W A X A + t W A ) − t W B \bold X_B=R_{WB}^{-1}(R_{WA}\\bold X_A+t_{WA})-t_{WB} XB=RWB−1(RWAXA+tWA)−tWB

则在相机坐标系下的表达,
X C = R C B X B + t C B \bold X_C=R_{CB}\bold X_B+t_{CB} XC=RCBXB+tCB

其中, t C B t_{CB} tCB 为相机坐标系下B相应局部坐标系的原点坐标, R C B R_{CB} RCB为相机坐标系下B相应局部坐标系的姿态变换矩阵;陆标点在待投影相机的坐标系下表示为 X C \bold X_C XC,投影方程表达如下,
π ( X C ) = f u X C Z C + c u f v Y C Z C + c v \pi(\bold X_C)=\left\\begin{array}{ccc}f_u\\frac{X_C}{Z_C}+c_u\\\\ f_v\\frac{Y_C}{Z_C}+c_v\\end{array}\\right π(XC)=fuZCXC+cufvZCYC+cv

设图像检测得同名点为 x x x,则重投影误差为,
e = ∣ ∣ x − π ( X C ) ∣ ∣ e=||x-\pi(\bold X_C)|| e=∣∣x−π(XC)∣∣

大规模点云地图可视化问题

大规模点云地图的点云数量一般为10的6+次方量级,直接而全部加载对内存大小要求高, 空间尺度大,不便于快速变换视角,为便于可视化,提高查看效率,可将原始点云按网格分组,如以20m见方将点云分划为不同的submap,可视化"缩略地图",每个submap以单个点显示,一瞥全貌,同时可选中感兴趣的区域,"放大",可显示选中区域的原始点云细节。

相关推荐
地平线开发者3 天前
让 AI Agent 和 征程6 台架高效、稳定、安全地协作
算法·安全·自动驾驶
地平线开发者5 天前
从 40% 到 0.92%:一次征程6 OTA 下载的硬件加速优化全记录
自动驾驶
地平线智能驾驶开发者12 天前
点云算法整理与常用计算模块:从数据到模型,再到工程与量化
自动驾驶·点云算法·地面分割
地平线开发者12 天前
点云算法整理与常用计算模块:从数据到模型,再到工程与量化
算法·自动驾驶
陈嘿萌17 天前
ECCV 2026 | CausalDrive:澳门大学×小米汽车,面向自动驾驶的实时因果世界模型
图像处理·人工智能·深度学习·计算机视觉·自动驾驶·学术研究与理论基础
亚远景aspice18 天前
亚远景 - 无方向盘 L4 车辆批量认证,ASPICE 过程证据成制造商安全举证底座
安全·自动驾驶·aspice·研发管理·亚远景科技·过程能力评估·aspice评估
地平线开发者19 天前
CLIP 的训练机制:从对比学习到图文对齐
深度学习·算法·自动驾驶
wdf808822 天前
重型车辆、矿山装备、汽车研发、CAE、自动驾驶和沃尔沃重型车辆研发工作站配置与本地AI部署指南
人工智能·自动驾驶·cfd·creo机械设计
论文复现现场23 天前
BEVFormer训练需要几张GPU?2张A100 80GB够不够,显存与云GPU成本分析
pytorch·自动驾驶·a100·bevformer
地平线开发者24 天前
QAT 实战:从 PyTorch 模型到 J6E 实板精度与延时验证
pytorch·算法·自动驾驶