CN107015238A - 基于三维激光雷达的无人车自主定位方法 - Google Patents
基于三维激光雷达的无人车自主定位方法 Download PDFInfo
- Publication number
- CN107015238A CN107015238A CN201710285813.3A CN201710285813A CN107015238A CN 107015238 A CN107015238 A CN 107015238A CN 201710285813 A CN201710285813 A CN 201710285813A CN 107015238 A CN107015238 A CN 107015238A
- Authority
- CN
- China
- Prior art keywords
- curb
- vehicle
- point
- extracted
- characteristic point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Abstract
一种基于三维激光雷达的无人车定位算法,步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下;步骤2,利用Beam model方法提取出多帧的路沿特征点的轮廓;步骤3,将步骤2提取的路沿轮廓与高精度地图数据进行匹配,计算出当前车辆的侧向、纵向和航向角偏差作为观测值,输入到卡尔曼滤波器进行车辆位姿估计。能够保证车辆长时间,长距离的稳定定位。可适用于多种激光传感器,并且也能够获得较高的定位精度。能够有效去除异常点,使得地图匹配更精确,定位精度更高。
Description
技术领域
本发明涉及一种无人车自主定位方法。
背景技术
现有技术状况及其存在缺陷
随着计算机技术和人工智能的发展,无人驾驶汽车(以下简称无人车)在军事、交通、工业生产、物流仓储、日常生活等方面展现出巨大的应用前景。在国防军事方面,无人车多用于执行危险场景下的军事任务,如军事救援和物资输送等。在交通安全方面,无人驾驶技术是促进智能交通系统发展的有效手段,基于人工智能的无人驾驶技术可以提高车辆行驶的主动安全性,能够有效减少驾驶员由于误操作导致的交通事故,从而提高交通行驶效率和安全性。在工业生产、物流仓储方面,无人车可以配合自动化生产线实现全自主无人生产,进一步推进工业生产的自动化和智能化,进而提高生产效率。另外,无人车的出现也将极大地方便人们的工作、旅游等日常生活。
无人车定位系统是自动驾驶系统中的一个重要组成部分,许多无人车算法(例如:行为决策、路径规划和车辆运动控制)都依赖于自身车辆的位姿信息。无人车定位系统根据不同的定位需求,分成三个层次:路网级别、介于路网和车道级别之间、车道级别。无人驾驶系统要求的定位系统是车道级别的,即要求的定位精度是厘米级。
可靠和精确的实时定位与导航是无人车安全行驶在城市环境下的基础。在早期的无人车中,高精度GPS融合航位推算算法通常被用作无人车定位系统,然而,在城市环境中,GPS信号会被高耸的建筑物遮挡,缺少足够的可视卫星,或存在信号多径反射,而航位推测传感器(加速度计和陀螺仪等)存在测量噪声,只通过航位推测算法来估计无人车的位姿,会导致定位系统累计误差越来越大,因此,基于GPS融合航位推测算法的定位系统无法保证无人车的长时间和长距离稳定运行。为了克服这个问题,基于高精度地图结合传感器检测的定位算法被提出并应用于无人驾驶系统中。
地图-感知相结合的定位算法主要为基于卡尔曼滤波器的特征层面定位。
基于卡尔曼滤波器(或用于非线性系统状态估计的扩展卡尔曼滤波器)的定位算法是地图-感知相结合定位算法中的一种经典解决方案,从车载传感器(相机、毫米波雷达或激光)提取的特征与高精度地图中的特征进行匹配,根据匹配结果,卡尔曼滤波器更新车辆位姿的均值和协方差。基于卡尔曼滤波器的定位方法具有结构简单,计算复杂度较低等优点。
例如,IBEO激光雷达被应用于高精度地图的构建和车辆定位,根据激光雷达返回的点云构建栅格地图,提取出静态物体作为地标与传感器数据实时匹配,从而计算出无人车的航向角误差和侧向误差,结合扩展卡尔曼滤波器估计无人车位姿。
尽管基于特征层面的定位算法具有结构简单,计算复杂度低等优势,但被应用于复杂环境下的无人车定位和估计非线性系统状态时,存在一些局限性。当无人车行驶在复杂环境下,车载传感器检测的特征点和地图数据关联是一个难点,其原因在于,特征点检测会存在误检和障碍物遮挡等情况,将错误的特征点与地图数据匹配,会导致定位算法失效。
发明内容
本发明需要保护的方法技术方案,表征为:
一种基于三维激光雷达的无人车定位算法,其特征在于,
步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下;
步骤2,利用Beam model方法提取出多帧的路沿特征点的轮廓(创新点);
步骤3,将步骤2提取的路沿轮廓与高精度地图数据进行匹配,计算出当前车辆的侧向、纵向和航向角偏差作为观测值,输入到卡尔曼滤波器(该卡尔曼滤波器本身已为现有技术)进行车辆位姿估计。
步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下。
步骤(1.1)路沿特征点检测
具体为:
所述步骤1,利用车载的惯性导航系统获取相邻两帧车辆的位移和航向角变化量dx,dy和dθ,单帧的路沿特征点表示为Qk,其中Qk=(xk,yk)为第k帧的路沿坐标,在当前车辆坐标系下的多帧路沿为:
R=[Qk f(Qk-1) f2(Qk-2) ... fn(Qk-n)]
步骤2、多帧的路沿特征点的轮廓提取
首先通过高斯投影(现有技术),得到局部坐标系下的路径点坐标(xini,j,yini,j),j表示第j个路径点。
然后在无人车的每个路径点上设置多个beam model,每个beam model用beam区域来表示(创新点),beam区域用下式表示:
其中Zp为第p个beam区域。
在每个beam区域中,计算最近的路沿坐标:
其中ri=(xi,yi)其是第i个路沿坐标。
将每束Beam遇到的最近的路沿点提取出来,最终,提取出的路沿轮廓为C={dp,p=1,2,…,n}
步骤3、地图匹配
步骤3.1、将地图数据点集由M表示,采用最近点迭代算法(该算法本身已属于现有技术)的目的是最小化如下代价函数:
J=∑dist(TC,M)
其中dist为欧式距离函数,
通过以下迭代方法解得:
步骤(3.1.1)在M中找到每个Ci的关联点,通过KD树寻找最近点实现。
步骤(3.1.2)利用奇异值分解方法计算变换矩阵T。
步骤(3.1.3)应用变换:C=TC,然后计算代价J。
步骤(3.1.4)当代价的改变小于阈值τ时终止迭代。
在迭代过程结束之后,获得了C和M的变换矩阵T:
其中θ、mx、my分别为地图匹配得到的航向角、x方向的偏移量和y方向的偏移量。
步骤3.2、定位
经过上述迭代算法后,获得了变换矩阵T,将t时刻的车辆位置表示为根据车辆运动学模型(现有技术)预测t+1时刻的车辆
位姿:
预测t+1时刻的的车辆位姿表示为:式中Δt为时间间隔。
第一个卡尔曼滤波器用于融合GPS测量值和预测值输出值,提供给第二个卡尔曼滤波器。
第二个卡尔曼滤波器用于融合变换矩阵T和第一个卡尔曼滤波器的输出值,得到最终的无人车位姿。
与现有技术相比,本发明的优点
1.利用三维激光雷达传感器进行环境感知,由于激光雷达是主动探测式传感器,因此,在任何光照条件下都能有效感知环境信息,进行车辆定位。
2.采用高精度地图作为先验知识,使得定位算法没有累计误差,能够保证车辆长时间,长距离的稳定定位。
3.本发明方法采用多帧点云数据技术进行环境检测,可适用于多种激光传感器,并且也能够获得较高的定位精度。
4.使用了beam model算法,能够有效去除异常点,使得地图匹配更精确,定位精度更高。
附图说明
图1激光原始点云
图2单帧路沿
图3多帧路沿
图4 Beam model
图5路沿轮廓
图6地图匹配
图7本发明流程图。
图8是第2步骤流程图。
具体实施方式
基于本发明技术方案,给出实施例和仿真实验。
实施例1
具体步骤如下:
步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下。
步骤(1.1)路沿特征点检测
本实施例采用的是Velodyne HDL-32E激光雷达作为环境感知传感器,其体积更小,更轻,结构坚固,有32个激光发射和接收装置(市售产品,该设备本身已属于现有技术)。HDL032E具有360度水平视角和41.3度的垂直视角,最大检测距离为70m,精度为2cm。在本实施例中,Velodyne HDL-32E激光雷达安装于车辆顶部。如图1所示,其原始点云坐标为三维极坐标。
本发明采用了基于点云数据空间特征的路沿检测算法,首先,在大部分城市环境中,路沿的高度是有统一标准的,一般高出路面10-15cm,其次,在笛卡尔坐标系中,路沿的z轴高度变化剧烈。根据这些空间特征,对单帧点云数据进行路沿提取,其检测结果如图2所示。
步骤(1.2)、由于单帧检测的路沿特征点的密度随着检测距离的增加而减小,为了获得一个对路沿的完整描述,需要将多帧检测的路沿转换到同一坐标系下。由于传感器坐标系是随着车辆的运动而改变的,因此,利用车载的惯性导航系统获取相邻两帧车辆的位移和航向角变化量dx,dy和dθ,单帧的路沿特征点表示为Qk,其中Qk=(xk,yk)为第k帧的路沿坐标,因此,在当前车辆坐标系下的多帧路沿为:
R=[Qk f(Qk-1) f2(Qk-2) ... fn(Qk-n)]
其结果如图3所示。
步骤2、多帧的路沿特征点的轮廓提取
从图3中可以看出,由于路沿检测算法的局限性,在多帧路沿中存在一些异常点,这些异常点通常位于路沿轮廓外侧。Beam model是由同一个起始点发射一系列虚拟beams的方法。在这里,beam model被用于提取路沿轮廓。
由于无人车的轨迹点是由GPS坐标表示的,因此,首先通过高斯投影(现有技术),得到局部坐标系下的路径点坐标(xini,j,yini,j),j表示第j个路径点。
然后在无人车的每个路径点上设置多个beam model,每个beam model用beam区域来表示(创新点),beam区域用下式表示:
其中Zp为第p个beam区域。
在每个beam区域中,计算最近的路沿坐标:
其中ri=(xi,yi)其是第i个路沿坐标。
将每束Beam遇到的最近的路沿点提取出来,最终,提取出的路沿轮廓为C={dp,p=1,2,…,n},得到图5所示的结果。图4蓝色的线即为发射的Beam(已有文字指示)。
具体的算法流程如图8所示。
第2步骤的原理是,本发明采用Beam model是用来提取路沿轮廓的,这个算法有一个参数,就是发射虚拟Beam的原点,这个原点在本发明算法里就是车子行驶的轨迹点,由于GPS返回的车子的轨迹点是GPS全局坐标,所以用“高斯投影”的方法转换到以当前车子为原点的笛卡尔坐标,就是(xini,j,yini,j)所示,后面Zp表示每个虚拟Beam的区域,是一个关于坐标x,y的区域,x,y的关系满足Zp右边的不等式。最后就是计算出在每个beam区域中,距离原点最近的路沿点,把它提取出来,得到路沿轮廓C。
步骤3、地图匹配
步骤3.1、地图匹配的目的是估计出检测到的路沿与高精度地图数据的偏差。最近点迭代是一种用于估计两个点云集变换关系的算法。这里将地图数据点集由M表示,本发明采用最近点迭代算法(该算法本身已属于现有技术)的目的是最小化如下代价函数:
J=∑dist(TC,M)
其中dist为欧式距离函数,
优化上述式子,通过以下迭代方法解得:
步骤(3.1.1)在M中找到每个Ci的关联点,通过KD树寻找最近点实现。
步骤(3.1.2)利用奇异值分解方法计算变换矩阵T。
步骤(3.1.3)应用变换:C=TC,然后计算代价J。
步骤(3.1.4)当代价的改变小于阈值τ时终止迭代。
在迭代过程结束之后,获得了C和M的变换矩阵T:
其中θ、mx、my分别为地图匹配得到的航向角、x方向的偏移量和y方向的偏移量。
步骤3.2、定位
经过上述迭代算法后,获得了变换矩阵T,采用了两个卡尔曼滤波器对噪声滤波并估计出一个相对精确的位置信息。将t时刻的车辆位置表示为
根据车辆运动学(现有技术)预测t+1时刻的车辆位姿:
预测t+1时刻的的车辆位姿表示为:式中Δt为时间间隔。
第一个卡尔曼滤波器用于融合GPS测量值和预测值输出值,提供给第二个卡尔曼滤波器。
第二个卡尔曼滤波器用于融合变换矩阵T和第一个卡尔曼滤波器的输出值,得到最终的无人车位姿。
Claims (2)
1.一种基于三维激光雷达的无人车定位算法,其特征在于,
步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下;
步骤2,利用Beam model方法提取出多帧的路沿特征点的轮廓;
步骤3,将步骤2提取的路沿轮廓与高精度地图数据进行匹配,计算出当前车辆的侧向、纵向和航向角偏差作为观测值,输入到卡尔曼滤波器进行车辆位姿估计。
步骤1,从单帧的激光点云数据中提取出路沿特征点,根据车辆运动学模型,将多帧检测的路沿特征点坐标转换到当前车辆坐标系下。
2.如权利要求1所述的方法,其特征在于,具体为:
所述步骤1,利用车载的惯性导航系统获取相邻两帧车辆的位移和航向角变化量dx,dy和dθ,单帧的路沿特征点表示为Qk,其中Qk=(xk,yk)为第k帧的路沿坐标,在当前车辆坐标系下的多帧路沿为:
R=[Qk f(Qk-1) f2(Qk-2) ... fn(Qk-n)]
步骤2、首先通过高斯投影(现有技术),得到局部坐标系下的路径点坐标(xini,j,yini,j),j表示第j个路径点。
然后在无人车的每个路径点上设置多个beam model,每个beam model用beam区域来表示(创新点),beam区域用下式表示:
其中Zp为第p个beam区域。
在每个beam区域中,计算最近的路沿坐标:
其中ri=(xi,yi)其是第i个路沿坐标。
将每束Beam遇到的最近的路沿点提取出来,最终,提取出的路沿轮廓为C={dp,p=1,2,…,n}
步骤3、地图匹配
步骤3.1、将地图数据点集由M表示,采用最近点迭代算法最小化如下代价函数:
J=∑dist(TC,M)
其中dist为欧式距离函数,
通过以下迭代方法解得:
步骤(3.1.1)在M中找到每个Ci的关联点,通过KD树寻找最近点实现。
步骤(3.1.2)利用奇异值分解方法计算变换矩阵T。
步骤(3.1.3)应用变换:C=TC,然后计算代价J。
步骤(3.1.4)当代价的改变小于阈值τ时终止迭代。
在迭代过程结束之后,获得了C和M的变换矩阵T:
其中θ、mx、my分别为地图匹配得到的航向角、x方向的偏移量和y方向的偏移量。
步骤3.2、定位
将t时刻的车辆位置表示为根据车辆运动学模型(现有技术)预测t+1时刻的车辆位姿:
预测t+1时刻的的车辆位姿表示为:式中Δt为时间间隔。
第一个卡尔曼滤波器用于融合GPS测量值和预测值输出值,提供给第二个卡尔曼滤波器。
第二个卡尔曼滤波器用于融合变换矩阵T和第一个卡尔曼滤波器的输出值,得到最终的无人车位姿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285813.3A CN107015238A (zh) | 2017-04-27 | 2017-04-27 | 基于三维激光雷达的无人车自主定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285813.3A CN107015238A (zh) | 2017-04-27 | 2017-04-27 | 基于三维激光雷达的无人车自主定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107015238A true CN107015238A (zh) | 2017-08-04 |
Family
ID=59448128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710285813.3A Pending CN107015238A (zh) | 2017-04-27 | 2017-04-27 | 基于三维激光雷达的无人车自主定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107015238A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测系统及方法 |
CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
CN108508471A (zh) * | 2018-06-05 | 2018-09-07 | 广东纵行科技有限公司 | 一种无人驾驶车辆定位方法及装置 |
CN108562289A (zh) * | 2018-06-07 | 2018-09-21 | 南京航空航天大学 | 连续多边几何环境中四旋翼飞行器激光雷达导航方法 |
CN109002800A (zh) * | 2018-07-20 | 2018-12-14 | 苏州索亚机器人技术有限公司 | 基于多传感器融合的三维目标实时识别机构及识别方法 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
CN109085840A (zh) * | 2018-09-21 | 2018-12-25 | 大连维德智能视觉技术创新中心有限公司 | 一种基于双目视觉的车辆导航控制系统及控制方法 |
CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
CN109410735A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN109459734A (zh) * | 2018-10-30 | 2019-03-12 | 百度在线网络技术(北京)有限公司 | 一种激光雷达定位效果评估方法、装置、设备及存储介质 |
CN109633725A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 定位初始化的处理方法、装置及可读存储介质 |
CN110208783A (zh) * | 2019-05-21 | 2019-09-06 | 同济人工智能研究院(苏州)有限公司 | 基于环境轮廓的智能车辆定位方法 |
CN110988894A (zh) * | 2019-12-25 | 2020-04-10 | 畅加风行(苏州)智能科技有限公司 | 一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法 |
CN111149011A (zh) * | 2017-09-27 | 2020-05-12 | 罗伯特·博世有限公司 | 用于定位较高程度自动化的车辆(haf)、尤其高度自动化的车辆的方法和车辆系统 |
WO2020093378A1 (en) * | 2018-11-09 | 2020-05-14 | Beijing Didi Infinity Technology And Development Co., Ltd. | Vehicle positioning system using lidar |
CN111203879A (zh) * | 2020-01-15 | 2020-05-29 | 上海锵玫人工智能科技有限公司 | 一种可自主移动的机械臂喷涂机器人 |
CN111367252A (zh) * | 2018-12-26 | 2020-07-03 | 北京图森智途科技有限公司 | 一种停车控制方法、设备及系统 |
CN111666797A (zh) * | 2019-03-08 | 2020-09-15 | 深圳市速腾聚创科技有限公司 | 车辆定位方法、装置和计算机设备 |
CN111679308A (zh) * | 2019-03-11 | 2020-09-18 | 武汉小狮科技有限公司 | 一种基于多传感器融合的无人车定位方法 |
CN111707272A (zh) * | 2020-06-28 | 2020-09-25 | 湖南大学 | 一种地下车库自动驾驶激光定位系统 |
CN111983582A (zh) * | 2020-08-14 | 2020-11-24 | 北京埃福瑞科技有限公司 | 列车的定位方法及系统 |
WO2021143778A1 (zh) * | 2020-01-14 | 2021-07-22 | 长沙智能驾驶研究院有限公司 | 一种基于激光雷达的定位方法 |
US20210319584A1 (en) * | 2020-04-09 | 2021-10-14 | Tusimple, Inc. | Camera pose estimation techniques |
CN113870316A (zh) * | 2021-10-19 | 2021-12-31 | 青岛德智汽车科技有限公司 | 一种无gps跟车场景下前车路径重建方法 |
CN113932820A (zh) * | 2020-06-29 | 2022-01-14 | 杭州海康威视数字技术股份有限公司 | 对象检测的方法和装置 |
JP2022058483A (ja) * | 2018-04-23 | 2022-04-12 | ブラックモア センサーズ アンド アナリティクス エルエルシー | コヒーレント距離ドップラー光学センサを用いた自律走行車の制御方法およびシステム |
CN114579679A (zh) * | 2020-12-01 | 2022-06-03 | 中移(成都)信息通信科技有限公司 | 空间定位数据融合方法、系统、设备及计算机存储介质 |
CN114699013A (zh) * | 2022-03-29 | 2022-07-05 | 深圳优地科技有限公司 | 定点清扫方法、装置、电子设备及存储介质 |
CN116501048A (zh) * | 2023-04-26 | 2023-07-28 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种自移动设备探地路径规划方法 |
US11802965B2 (en) | 2016-11-30 | 2023-10-31 | Blackmore Sensors & Analytics Llc | Method and system for doppler detection and doppler correction of optical chirped range detection |
US11822010B2 (en) | 2019-01-04 | 2023-11-21 | Blackmore Sensors & Analytics, Llc | LIDAR system |
US11874130B2 (en) | 2017-08-22 | 2024-01-16 | Tusimple, Inc. | Verification module system and method for motion-based lane detection with multiple sensors |
US11874375B2 (en) | 2016-11-30 | 2024-01-16 | Blackmore Sensors & Analytics, LLC. | Method and system for automatic real-time adaptive scanning with optical ranging systems |
US11921210B2 (en) | 2016-11-29 | 2024-03-05 | Aurora Operations, Inc. | Method and system for classification of an object in a point cloud data set |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008070059A (ja) * | 2006-09-14 | 2008-03-27 | Toshiba Corp | シミュレータ |
TW201021950A (en) * | 2008-12-04 | 2010-06-16 | Ind Tech Res Inst | A laser processing apparatus |
WO2012099087A1 (ja) * | 2011-01-17 | 2012-07-26 | 学校法人 久留米大学 | 画像診断における二次元の診断画像の理解を助ける方法及び装置 |
CN103777220A (zh) * | 2014-01-17 | 2014-05-07 | 西安交通大学 | 基于光纤陀螺、速度传感器和gps的实时精确位姿估计方法 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN105654422A (zh) * | 2015-12-23 | 2016-06-08 | 北京观著信息技术有限公司 | 点云配准方法和系统 |
-
2017
- 2017-04-27 CN CN201710285813.3A patent/CN107015238A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008070059A (ja) * | 2006-09-14 | 2008-03-27 | Toshiba Corp | シミュレータ |
TW201021950A (en) * | 2008-12-04 | 2010-06-16 | Ind Tech Res Inst | A laser processing apparatus |
WO2012099087A1 (ja) * | 2011-01-17 | 2012-07-26 | 学校法人 久留米大学 | 画像診断における二次元の診断画像の理解を助ける方法及び装置 |
CN103777220A (zh) * | 2014-01-17 | 2014-05-07 | 西安交通大学 | 基于光纤陀螺、速度传感器和gps的实时精确位姿估计方法 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN105654422A (zh) * | 2015-12-23 | 2016-06-08 | 北京观著信息技术有限公司 | 点云配准方法和系统 |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
Non-Patent Citations (2)
Title |
---|
YIHUAN ZHANG 等: ""3D LIDAR-based Intersection Recognition and Road Boundary Detection Method for Unmanned Ground Vehicle"", 《2015 IEEE 18TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
段建民 等: ""基于多层激光雷达的道路信息提取算法"", 《控制工程》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11921210B2 (en) | 2016-11-29 | 2024-03-05 | Aurora Operations, Inc. | Method and system for classification of an object in a point cloud data set |
US11874375B2 (en) | 2016-11-30 | 2024-01-16 | Blackmore Sensors & Analytics, LLC. | Method and system for automatic real-time adaptive scanning with optical ranging systems |
US11802965B2 (en) | 2016-11-30 | 2023-10-31 | Blackmore Sensors & Analytics Llc | Method and system for doppler detection and doppler correction of optical chirped range detection |
CN109410735A (zh) * | 2017-08-15 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
CN109410735B (zh) * | 2017-08-15 | 2021-06-29 | 百度在线网络技术(北京)有限公司 | 反射值地图构建方法和装置 |
US11874130B2 (en) | 2017-08-22 | 2024-01-16 | Tusimple, Inc. | Verification module system and method for motion-based lane detection with multiple sensors |
CN111149011A (zh) * | 2017-09-27 | 2020-05-12 | 罗伯特·博世有限公司 | 用于定位较高程度自动化的车辆(haf)、尤其高度自动化的车辆的方法和车辆系统 |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测系统及方法 |
CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
CN108303721B (zh) * | 2018-02-12 | 2020-04-03 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
JP2022058483A (ja) * | 2018-04-23 | 2022-04-12 | ブラックモア センサーズ アンド アナリティクス エルエルシー | コヒーレント距離ドップラー光学センサを用いた自律走行車の制御方法およびシステム |
JP7295980B2 (ja) | 2018-04-23 | 2023-06-21 | ブラックモア センサーズ アンド アナリティクス エルエルシー | コヒーレント距離ドップラー光学センサを用いた自律走行車の制御方法およびシステム |
US11947017B2 (en) | 2018-04-23 | 2024-04-02 | Aurora Operations, Inc. | Lidar system for autonomous vehicle |
CN108508471A (zh) * | 2018-06-05 | 2018-09-07 | 广东纵行科技有限公司 | 一种无人驾驶车辆定位方法及装置 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
CN108562289A (zh) * | 2018-06-07 | 2018-09-21 | 南京航空航天大学 | 连续多边几何环境中四旋翼飞行器激光雷达导航方法 |
CN108562289B (zh) * | 2018-06-07 | 2021-11-26 | 南京航空航天大学 | 连续多边几何环境中四旋翼飞行器激光雷达导航方法 |
CN109002800A (zh) * | 2018-07-20 | 2018-12-14 | 苏州索亚机器人技术有限公司 | 基于多传感器融合的三维目标实时识别机构及识别方法 |
CN109166140B (zh) * | 2018-07-27 | 2021-10-01 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
CN109085840B (zh) * | 2018-09-21 | 2022-05-27 | 大连维德集成电路有限公司 | 一种基于双目视觉的车辆导航控制系统及控制方法 |
CN109085840A (zh) * | 2018-09-21 | 2018-12-25 | 大连维德智能视觉技术创新中心有限公司 | 一种基于双目视觉的车辆导航控制系统及控制方法 |
CN109459734A (zh) * | 2018-10-30 | 2019-03-12 | 百度在线网络技术(北京)有限公司 | 一种激光雷达定位效果评估方法、装置、设备及存储介质 |
CN109459734B (zh) * | 2018-10-30 | 2020-09-11 | 百度在线网络技术(北京)有限公司 | 一种激光雷达定位效果评估方法、装置、设备及存储介质 |
CN109633725A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 定位初始化的处理方法、装置及可读存储介质 |
WO2020093378A1 (en) * | 2018-11-09 | 2020-05-14 | Beijing Didi Infinity Technology And Development Co., Ltd. | Vehicle positioning system using lidar |
CN111656136B (zh) * | 2018-11-09 | 2023-09-29 | 北京嘀嘀无限科技发展有限公司 | 使用激光雷达的车辆定位系统 |
US11073601B2 (en) | 2018-11-09 | 2021-07-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Vehicle positioning system using LiDAR |
CN111656136A (zh) * | 2018-11-09 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 使用激光雷达的车辆定位系统 |
CN111367252A (zh) * | 2018-12-26 | 2020-07-03 | 北京图森智途科技有限公司 | 一种停车控制方法、设备及系统 |
CN111367252B (zh) * | 2018-12-26 | 2024-02-06 | 北京图森智途科技有限公司 | 一种停车控制方法、设备及系统 |
US11822010B2 (en) | 2019-01-04 | 2023-11-21 | Blackmore Sensors & Analytics, Llc | LIDAR system |
CN111666797A (zh) * | 2019-03-08 | 2020-09-15 | 深圳市速腾聚创科技有限公司 | 车辆定位方法、装置和计算机设备 |
CN111666797B (zh) * | 2019-03-08 | 2023-08-08 | 深圳市速腾聚创科技有限公司 | 车辆定位方法、装置和计算机设备 |
CN111679308A (zh) * | 2019-03-11 | 2020-09-18 | 武汉小狮科技有限公司 | 一种基于多传感器融合的无人车定位方法 |
CN110208783A (zh) * | 2019-05-21 | 2019-09-06 | 同济人工智能研究院(苏州)有限公司 | 基于环境轮廓的智能车辆定位方法 |
CN110988894B (zh) * | 2019-12-25 | 2022-04-08 | 畅加风行(苏州)智能科技有限公司 | 一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法 |
CN110988894A (zh) * | 2019-12-25 | 2020-04-10 | 畅加风行(苏州)智能科技有限公司 | 一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法 |
WO2021143778A1 (zh) * | 2020-01-14 | 2021-07-22 | 长沙智能驾驶研究院有限公司 | 一种基于激光雷达的定位方法 |
CN111203879A (zh) * | 2020-01-15 | 2020-05-29 | 上海锵玫人工智能科技有限公司 | 一种可自主移动的机械臂喷涂机器人 |
US11810322B2 (en) * | 2020-04-09 | 2023-11-07 | Tusimple, Inc. | Camera pose estimation techniques |
US20210319584A1 (en) * | 2020-04-09 | 2021-10-14 | Tusimple, Inc. | Camera pose estimation techniques |
CN111707272A (zh) * | 2020-06-28 | 2020-09-25 | 湖南大学 | 一种地下车库自动驾驶激光定位系统 |
CN113932820A (zh) * | 2020-06-29 | 2022-01-14 | 杭州海康威视数字技术股份有限公司 | 对象检测的方法和装置 |
CN111983582A (zh) * | 2020-08-14 | 2020-11-24 | 北京埃福瑞科技有限公司 | 列车的定位方法及系统 |
CN114579679A (zh) * | 2020-12-01 | 2022-06-03 | 中移(成都)信息通信科技有限公司 | 空间定位数据融合方法、系统、设备及计算机存储介质 |
CN113870316B (zh) * | 2021-10-19 | 2023-08-15 | 青岛德智汽车科技有限公司 | 一种无gps跟车场景下前车路径重建方法 |
CN113870316A (zh) * | 2021-10-19 | 2021-12-31 | 青岛德智汽车科技有限公司 | 一种无gps跟车场景下前车路径重建方法 |
CN114699013A (zh) * | 2022-03-29 | 2022-07-05 | 深圳优地科技有限公司 | 定点清扫方法、装置、电子设备及存储介质 |
CN116501048A (zh) * | 2023-04-26 | 2023-07-28 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种自移动设备探地路径规划方法 |
CN116501048B (zh) * | 2023-04-26 | 2023-09-12 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种自移动设备探地路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107015238A (zh) | 基于三维激光雷达的无人车自主定位方法 | |
CN106908775B (zh) | 一种基于激光反射强度的无人车实时定位方法 | |
CN107246868B (zh) | 一种协同导航定位系统及导航定位方法 | |
Balamurugan et al. | Survey on UAV navigation in GPS denied environments | |
CN108983781B (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
US20190034728A1 (en) | Systems and methods for providing vehicle cognition | |
CN110411462B (zh) | 一种gnss/惯导/车道线约束/里程计多源融合方法 | |
CN109946732A (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
Li et al. | Collaborative mapping and autonomous parking for multi-story parking garage | |
CN107132563B (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
CN110208842A (zh) | 一种车联网环境下车辆高精度定位方法 | |
Veronese et al. | A light-weight yet accurate localization system for autonomous cars in large-scale and complex environments | |
CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
CN109115225A (zh) | 一种无人作业谷物联合收割机导航方法与导航装置 | |
Wang et al. | Vehicle localization at an intersection using a traffic light map | |
CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
US11754415B2 (en) | Sensor localization from external source data | |
CN102788580A (zh) | 无人机视觉导航中的飞行路线合成方法 | |
CN105333869A (zh) | 一种基于自适应ekf的无人侦察机同步定位与构图方法 | |
Tang et al. | OdoNet: Untethered speed aiding for vehicle navigation without hardware wheeled odometer | |
Vezinet et al. | State of the art of image-aided navigation techniques for aircraft approach and landing | |
Fassbender et al. | Landmark-based navigation in large-scale outdoor environments | |
Deusch et al. | Improving localization in digital maps with grid maps | |
Cheng et al. | Graph-based proprioceptive localization using a discrete heading-length feature sequence matching approach | |
Kang et al. | A study on application of sensor fusion to collision avoidance system for ships |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170804 |
|
RJ01 | Rejection of invention patent application after publication |