一种多地图拼接方法、装置、计算机设备及存储介质与流程

本发明涉及计算机技术领域，尤其涉及一种多地图拼接方法、装置、计算机设备及存储介质。

背景技术：

近年来，随着科技水平的不断提升，移动机器人技术已经广泛的应用到日常生活的各个领域之中。其中，移动机器人能够自主执行各种任务，缓解人力成本带来的用工压力，越来越受到人们的关注。但是移动机器人距离真正的人工操作，还是存在一定的距离。另一方面，针对生活小区，工业园区等场景的巡检及配送作业，任务繁重，且简单重复，因此由智能化的移动机器人设备代替人工，必然势不可挡。

移动机器人在日常运行中，需要获得可靠的位姿信息，而位姿信息的获取以来于高精度的环境地图。在实际场景中，运行区域的复杂度高且区域面积大，单一轨迹无法满足此类场景的地图构建，必然涉及到多地图拼接。而场景地图的拼接准确性，势必直接影响激动机器人的定位精度。考虑到移动机器人在室内室外等不同场景下运行，一旦定位错误或势必，可能会发生不可控的危险，因此地图拼接方式要求能适用于复杂场景，且满足精度要求。

目前基于激光点云匹配的拼接方法，是地图拼接使用较多的拼接方式。

基于激光点云匹配的拼接方法，对存在重叠区域的点云数据，运用激光配准的方式获得不同子地图间的位姿变换关系，基于此变换关系，把子地图拼接起来。由于该方案属于数据的刚性拼接，受子地图生成时中间过程的质量影响，容易出现地图畸变，重影等问题。而若拼接后的地图存在畸变或重影等问题，势必影响激光匹配精度，进而影响到激光定位精度。

这种拼接方式，只能在特定场景下才能完成高精度的多地图拼接，制约因素较多，而移动机器人实际的应用场景多变复杂，因此，该方案在实际使用中，难以保证多地图拼接的精度。

技术实现要素：

为了解决上述技术问题，本发明提出一种多地图拼接方法、装置、计算机设备及存储介质，用于克服现有的拼接技术中存在的无法保证匹配精度的问题，本发明的技术方案如下：

在一个实施例中，一种多地图拼接方法，包括如下步骤：

获取多个位姿数据子地图，每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息；

根据编号和顶点信息，确定多个子地图顶点的邻接关系；

根据相邻两个子地图顶点的邻接关系，确定第一备选顶点集合和第二备选顶点集合。其中，所述第一备选顶点集合包括第一子地图采集轨迹与第二子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；所述第二备选顶点集合包括第二子地图采集轨迹与第一子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；

计算所述第一备选顶点集合与第二备选顶点集合的公共候选区域，根据公共候选区域，遴选第一公共顶点集合和第二公共顶点集合，其中，所述第一公共顶点集合包括在公共候选区域内的第一备选顶点集合；所述第二公共顶点集合包括在公共候选区域内的第二备选顶点集合；

计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度；确定第一相似度大于预设第一相似度阈值的第一顶点对集合；

计算所述第一顶点对集合中，每个顶点对的第二相似度，得到第二顶点对集合；

根据所述第二顶点对集合中顶点对的位姿信息，对第一子地图顶点集合和第二子地图顶点集合进行拼接。

在一个实施例中，所述获取多个位姿数据子地图，具体包括：

通过图优化数据融合算法，对激光传感器采集的第一数据，通过imu采集的第二数据，通过轮速计采集的第三数据，和通过gps采集的第四数据进行处理，获取多个子地图顶点信息。

在一个实施例中，所述获取多个子地图顶点信息，具体包括：

通过imu采集的第二数据和轮速计采集的第三数据，通过卡尔曼滤波融合，得到不同时间的第一顶点位置；

以第一顶点位置为初值，结合激光传感器采集的不同时序的第一数据，以最小二乘法获取第二顶点位置；

结合gps获取的第四数据为第三顶点位置；

结合第一顶点位置，第二顶点位置，第三顶点位置，以基于图优化的方法，求解构建的不同顶点间的位姿约束方程，获取子地图对应顶点的位置信息。

在一个实施例中，所述根据编号和顶点信息，确定多个子地图顶点的邻接关系，具体包括：

根据所述编号和顶点信息，对多个子地图顶点信息进行统一地图顶点坐标系处理；根据统一地图顶点坐标系处理后的多个子地图顶点信息，确定所述相邻两个子地图顶点的邻接关系。

在一个实施例中，所述统一地图顶点坐标系处理，具体包括：

将对应顶点信息中包含的gps信息转换到地球地心坐标系，计算得到统一转换方程，从而获取到不同子地图顶点信息统一坐标系下的位姿。

在一个实施例中，所述计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度，具体包括：

获取第一子地图顶点集合中，每个顶点的激光点云数据；获取第二子地图顶点集合中，每个顶点的激光点云数据；

对每个激光点云数据，以激光传感器为原点，对l米范围内的数据，划分为间隔为a度的扇形区域；

对每个扇形区域，由近及远以一定间隔，统计点云的特征分布；

根据每个激光点云数据的特征分布情况，计算顶点的第一相似度。

在一个实施例中，所述计算所述第一顶点对集合中，每个顶点对的第二相似度，具体包括：

对每个顶点对，分别取各顶点在各子地图中位置临近的顶点进行数据融合，利用icp算法计算顶点对的第二相似度。

在一个实施例中，所述对第一子地图顶点集合和第二子地图顶点集合进行拼接，具体包括：

以第二顶点对集合中，一个子地图的顶点进行固定，对另外一个子地图顶点信息数据，构建位姿图关系，以第二顶点对中的位姿关系，添加固定边，通过图优化获得子地图新的位姿信息；

融合优化后的子地图位姿信息，获得拼接后的位姿数据。

一种多地图拼接装置，包括：

获取单元，用于获取多个位姿数据子地图，每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息；

分析处理单元，用于根据编号和顶点信息，确定多个子地图顶点的邻接关系；还用于根据相邻两个子地图顶点的邻接关系，确定第一备选顶点集合和第二备选顶点集合，所述第一备选顶点集合包括第一子地图采集轨迹与第二子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；所述第二备选顶点集合包括第二子地图采集轨迹与第一子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；还用于计算所述第一备选顶点集合与第二备选顶点集合的公共候选区域，根据公共候选区域，遴选第一公共顶点集合和第二公共顶点集合，所述第一公共顶点集合包括在公共候选区域内的第一备选顶点集合；所述第二公共顶点集合包括在公共候选区域内的第二备选顶点集合；还用于计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度；确定第一相似度大于预设第一相似度阈值的第一顶点对集合；还用于计算所述第一顶点对集合中，每个顶点对的第二相似度，得到第二顶点对集合；还用于根据所述第二顶点对集合中顶点对的位姿信息，对第一子地图顶点集合和第二子地图顶点集合进行拼接；

输出单元，用于输出所述分析处理单元拼接后的地图信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

基于上述技术方案，本发明的有益效果是：

1)、本发明无需人为标记拼接区域，采用了自动的拼接区域检测和验证方法，能够有效可靠的提供拼接点对；

2)、本发明避免了点云数据刚性拼接带来的重影，降低了刚性拼接带来的误差累计现象；

3)、本发明实现了一种自动子地图拼接的方案，提升移动机器人对环境的适应性，拓宽了使用场景。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1为一个实施例的多地图拼接方法流程示意图；

图2为一个实施例的地图拼接效果图，其中，图a)、b)为拼接前不同的位姿数据子地图；图c)为a)和b)两个位姿数据子地图拼接后的拼接图；

图3为一个实施例中多地图拼接装置的结构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

下面将结合本实施例中的附图，对本实施例中的技术方案进行清楚、完整地描述。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

可以理解，本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。例如，第一数据和第二数据，只是为了区分不同的数据，而并不是表示这两个数据的内容、优先级、发送顺序或者重要程度等的不同。

在一个实施例中，如图1所示，提供了一种多地图拼接方法，该方法的应用场景为移动机器人、导航定位和计算机视觉领域，下面将该方法应用在移动机器人为例进行说明，包括如下步骤：

步骤s1中，获取多个位姿数据子地图；每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息；

本实施例中，移动机器人获取多个位姿数据子地图；并将每个所述位姿数据子地图中每个位置顶点进行编号，获取每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息，其中，顶点信息包括但不限于：位置信息，gps信息，激光帧数据，激光特征数据及邻接关系信息。

在一个实施例中，移动机器人通过图优化数据融合算法，对激光传感器采集的第一数据，通过imu采集的第二数据，通过轮速计采集的第三数据，和通过gps采集的第四数据进行处理，得到多个子地图顶点信息。

其中，通过imu采集的第二数据和轮速计采集的第三数据，通过卡尔曼滤波融合，得到不同时间的第一顶点位置；以第一顶点位置为初值，结合激光传感器采集的不同时序的第一数据，以最小二乘法获取第二顶点位置；结合gps获取的第四数据为第三顶点位置；

结合第一顶点位置，第二顶点位置，第三顶点位置，以基于图优化的方法，求解构建的不同顶点间的位姿约束方程，获取对应顶点的位置信息。

步骤s2中，根据所述编号及顶点信息，确定多个子地图顶点的邻接关系；

在一个实施例中，移动机器人获取在步骤s1中的各子地图的顶点信息中gps的经纬度数据；将经纬度数据转换为地球地心坐标系(ecef)下的位置，在此位置下，所有的子地图顶点信息处于同一坐标系下；各子地图顶点位姿在同一坐标系下，移动机器人判断各子地图顶点的邻接关系。

在步骤s3中，根据相邻两个子地图顶点的邻接关系，确定第一备选顶点集合和第二备选顶点集合。

本实施例中，第一备选顶点集合包括第一子地图采集轨迹与第二子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；第二备选顶点集合包括第二子地图采集轨迹与第一子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点。在一个实施例中，移动机器人根据ecef坐标系下的顶点信息，对各子地图的顶点位姿进行排序；然后根据排序后的顶点信息中不同子地图间的顶点位置，计算第一距离；当第一距离不大于第一阈值时，确定相邻两个子地图的备选顶点集合，其中，第一阈值是预先设定好的经验值。

在选取备选顶点集合时，可以以欧式距离为判别条件，利用kd树进行快速处理，其中第一阈值可以是3米，即相邻子地图的顶点位姿，在3米范围内的所有顶点，称为子地图的而被选点集合。

在步骤s4中，计算所述第一备选顶点集合与第二备选顶点集合的公共候选区域，根据公共候选区域，遴选第一公共顶点集合和第二公共顶点集合。其中，所述第一公共顶点集合包括在公共候选区域内的第一备选顶点集合；所述第二公共顶点集合包括在公共候选区域内的第二备选顶点集合；

在一个实施例中，移动机器人计算所述备选顶点集合的第二距离；当第二距离不大于第二阈值时，确定相邻子地图的公共候选区域；其中第二距离，考虑各顶点在其各自子地图中的位置信息，方向信息及当前视野信息，序号索引等，其中，第二阈值是预先设定好的经验值。

步骤s5中，计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度；确定第一相似度大于预设第一相似度阈值的第一顶点对集合。

在一个实施例中，首先，移动机器人根据公共候选区域，获取第一子地图顶点集合中，每个顶点的激光点云数据；获取第二子地图顶点集合中，每个顶点的激光点云数据；

然后，移动机器人对每个激光点云数据，以激光传感器为原点，对l米范围内的数据，划分为间隔为a度的扇形区域；对每个扇形区域，由近及远以一定间隔，统计点云的特征分布；

最后，移动机器人根据每个激光点云数据的特征分布情况，计算所述顶点的第一相似度，将计算得到顶点的第一相似度逐一与预设第一相似度阈值对比，提取大于第一相似度阈值的顶点对并形成第一顶点对集合。

步骤s6中，计算所述第一顶点对集合中，每个顶点对的第二相似度，得到第二顶点对集合；

在一个实施例中，移动机器人获取步骤s5中的第一相似度不大于第三阈值的顶点对，分别取各顶点在各子地图中位置临近的顶点进行数据融合，利用icp算法计算顶点对的第二相似度；

然后，移动机器人获取所有不大于第四阈值的第二相似度顶点对，即为参与图优化处理的顶点对，其中，第三阈值、第四阈值均是预设的经验值。

步骤s7中，根据所述第二顶点对集合中顶点对的位姿信息，对第一子地图顶点集合和第二子地图顶点集合进行拼接。

在一个实施例中，首先，移动机器人获得s6中得到的顶点对，固定属于其中一个子地图的顶点位姿，获取另外一个子地图顶点到其对应的固定顶点的变换关系。

然后，移动机器人对另外一个子地图位姿数据中的所有顶点信息，构建成位姿图结构的位姿约束方程，添加对应顶点与固定顶点的位姿约束方程。

之后，移动机器人利用图优化的方式，求解子地图顶点的位姿信息，并更新其顶点信息。

最后，移动机器人对优化后的子地图顶点信息，与其对应的子地图进行拼接融合。

继续执行步骤s2到步骤s7，直到所有的子地图都进行拼接，最后得到一个融合后的完整地图，从而完成了多个子地图的拼接，构建了一个完整的三维点云地图，如图2所示，其中，拼接前不同的位姿数据子地图，图c)为a)和b)两个位姿数据子地图拼接后的拼接图。从图2中可以看出，本发明的算法能够完成多个子地图的拼接，创建精确的三维环境地图。

应用本发明实施例提供的基于图优化的多地图拼接方法，无需人为标记拼接区域，采用自动的拼接区域检测和验证方法，能够有效可靠的提供拼接点对；避免了点云数据刚性拼接带来的重影，降低了刚性拼接带来的误差累计现象；实现了一种多个子地图自动拼接的方案，提升移动机器人对环境的适应性，拓宽了使用场景。

应该理解的是，图1中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，还提供一种多地图拼接装置，包括：

获取单元101，用于获取多个位姿数据子地图，每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息；

分析处理单元102，用于根据编号和顶点信息，确定多个子地图顶点的邻接关系；还用于根据相邻两个子地图顶点的邻接关系，确定第一备选顶点集合和第二备选顶点集合，所述第一备选顶点集合包括第一子地图采集轨迹与第二子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；所述第二备选顶点集合包括第二子地图采集轨迹与第一子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；还用于计算所述第一备选顶点集合与第二备选顶点集合的公共候选区域，根据公共候选区域，遴选第一公共顶点集合和第二公共顶点集合，所述第一公共顶点集合包括在公共候选区域内的第一备选顶点集合；所述第二公共顶点集合包括在公共候选区域内的第二备选顶点集合；还用于计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度；确定第一相似度大于预设第一相似度阈值的第一顶点对集合；还用于计算所述第一顶点对集合中，每个顶点对的第二相似度，得到第二顶点对集合；还用于根据所述第二顶点对集合中顶点对的位姿信息，对第一子地图顶点集合和第二子地图顶点集合进行拼接；

输出单元103，用于输出所述分析处理单元拼接后的地图信息。

在一个实施例中，分析处理单元102用于还实现以下步骤：

通过图优化数据融合算法，对激光传感器采集的第一数据，通过imu采集的第二数据，通过轮速计采集的第三数据，和通过gps采集的第四数据进行处理，获取多个子地图顶点信息。

在一个实施例中，分析处理单元102用于还实现以下步骤：

通过imu采集的第二数据和轮速计采集的第三数据，通过卡尔曼滤波融合，得到不同时间的第一顶点位置；

以第一顶点位置为初值，结合激光传感器采集的不同时序的第一数据，以最小二乘法获取第二顶点位置；

结合gps获取的第四数据为第三顶点位置；

结合第一顶点位置，第二顶点位置，第三顶点位置，以基于图优化的方法，求解构建的不同顶点间的位姿约束方程，获取子地图对应顶点的位置信息。

在一个实施例中，分析处理单元102用于还实现以下步骤：

根据和顶点信息，对多个子地图顶点信息进行统一地图顶点坐标系处理；

根据统一地图顶点坐标系处理后的多个子地图顶点信息，确定所述相邻两个子地图顶点的邻接关系。

在一个实施例中，分析处理单元102用于还实现以下步骤：

将对应顶点信息中包含的gps信息转换到地球地心坐标系，统一转换方程，从而获取到不同子地图顶点信息，获得统一坐标系下的位姿。

在一个实施例中，分析处理单元102用于还实现以下步骤：

计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度，具体包括：

获取第一子地图顶点集合中，每个顶点的激光点云数据；获取第二子地图顶点集合中，每个顶点的激光点云数据；

对每个激光点云数据，以激光传感器为原点，对l米范围内的数据，划分为间隔为a度的扇形区域；

对每个扇形区域，由近及远以一定间隔，统计点云的特征分布；

根据每个激光点云数据的特征分布情况，计算顶点的第一相似度，将计算得到顶点的第一相似度逐一与预设第一相似度阈值对比，提取大于第一相似度阈值的顶点对并形成第一顶点对集合。

在一个实施例中，分析处理单元102用于还实现以下步骤：

计算所述第一顶点对集合中，每个顶点对的第二相似度，具体包括：

对每个顶点对，分别取各顶点在各子地图中位置临近的顶点进行数据融合，利用icp算法计算顶点对的第二相似度。

在一个实施例中，分析处理单元102用于还实现以下步骤：

以第二顶点对集合中，一个子地图的顶点进行固定，对另外一个子地图顶点信息数据，构建位姿图关系，以第二顶点对中的位姿关系，添加固定边，通过图优化获得子地图新的位姿信息；

融合优化后的子地图位姿信息，获得拼接后的位姿数据。

在一个实施例中，还提供了一种计算机设备，该计算机设备可以是pc

(personalcomputer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该计算机设备至少包括存储器、处理器，通信总线，以及网络接口，其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种金相组织的识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取多个位姿数据子地图，每个所述位姿数据子地图包括编号以及与编号相关联的顶点信息；

根据编号和顶点信息，确定多个子地图顶点的邻接关系；

根据相邻两个子地图顶点的邻接关系，确定第一备选顶点集合和第二备选顶点集合，所述第一备选顶点集合包括第一子地图采集轨迹与第二子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；所述第二备选顶点集合包括第二子地图采集轨迹与第一子地图采集轨迹的邻接处顶点以及邻接处轨迹点的距离在预设范围内的顶点；

计算所述第一备选顶点集合与第二备选顶点集合的公共候选区域，根据公共候选区域，遴选第一公共顶点集合和第二公共顶点集合，所述第一公共顶点集合包括在公共候选区域内的第一备选顶点集合；所述第二公共顶点集合包括在公共候选区域内的第二备选顶点集合；

计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度；确定第一相似度大于预设第一相似度阈值的第一顶点对集合；

计算所述第一顶点对集合中，每个顶点对的第二相似度，得到第二顶点对集合；

根据所述第二顶点对集合中顶点对的位姿信息，对第一子地图顶点集合和第二子地图顶点集合进行拼接。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

通过图优化数据融合算法，对激光传感器采集的第一数据，通过imu采集的第二数据，通过轮速计采集的第三数据，和通过gps采集的第四数据进行处理，获取多个子地图顶点信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过imu采集的第二数据和轮速计采集的第三数据，通过卡尔曼滤波融合，得到不同时间的第一顶点位置；

以第一顶点位置为初值，结合激光传感器采集的不同时序的第一数据，以最小二乘法获取第二顶点位置；

结合gps获取的第四数据为第三顶点位置；

结合第一顶点位置，第二顶点位置，第三顶点位置，以基于图优化的方法，求解构建的不同顶点间的位姿约束方程，获取子地图对应顶点的位置信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据和顶点信息，对多个子地图顶点信息进行统一地图顶点坐标系处理；

根据统一地图顶点坐标系处理后的多个子地图顶点信息，确定所述相邻两个子地图顶点的邻接关系。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将对应顶点信息中包含的gps信息转换到地球地心坐标系，统一转换方程，从而获取到不同子地图顶点信息，获得统一坐标系下的位姿。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

计算所述第一公共顶点集合中各顶点和所述第二公共顶点集合中各顶点的第一相似度，具体包括：

获取第一子地图顶点集合中，每个顶点的激光点云数据；获取第二子地图顶点集合中，每个顶点的激光点云数据；

对每个激光点云数据，以激光传感器为原点，对l米范围内的数据，划分为间隔为a度的扇形区域；

对每个扇形区域，由近及远以一定间隔，统计点云的特征分布；

根据每个激光点云数据的特征分布情况，计算顶点的第一相似度，将计算得到顶点的第一相似度逐一与预设第一相似度阈值对比，提取大于第一相似度阈值的顶点对并形成第一顶点对集合。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

计算所述第一顶点对集合中，每个顶点对的第二相似度，具体包括：

对每个顶点对，分别取各顶点在各子地图中位置临近的顶点进行数据融合，利用icp算法计算顶点对的第二相似度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

以第二顶点对集合中，一个子地图的顶点进行固定，对另外一个子地图顶点信息数据，构建位姿图关系，以第二顶点对中的位姿关系，添加固定边，通过图优化获得子地图新的位姿信息；

融合优化后的子地图位姿信息，获得拼接后的位姿数据。

在一个实施例中，提供一种计算机可读存储介质，其具体实施方式与上述一种多地图拼接方法、装置和计算机设备对应的各实施例的实施原理基本相同，在此不作累述。

本说明书实施例中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。