CN107239076B - 基于虚拟扫描与测距匹配的agv激光slam方法 - Google Patents
基于虚拟扫描与测距匹配的agv激光slam方法 Download PDFInfo
- Publication number
- CN107239076B CN107239076B CN201710504910.7A CN201710504910A CN107239076B CN 107239076 B CN107239076 B CN 107239076B CN 201710504910 A CN201710504910 A CN 201710504910A CN 107239076 B CN107239076 B CN 107239076B
- Authority
- CN
- China
- Prior art keywords
- ranging
- virtual
- grid
- scanning
- laser radar
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
基于虚拟扫描与测距匹配的AGV激光SLAM方法,涉及移动机器人导航定位。栅格地图表示与创建方法;虚拟扫描与匹配定位方法;提高算法实时性的方法。采用轮廓外形遍历匹配的原理,在每一遍历位姿采用虚拟激光雷达对地图进行扫描,然后虚拟扫描的数据与当前激光雷达的数据直接进行比较,找出AGV机器人的最优位姿信息,再增量式构建地图。针对现有激光SLAM算法多数针对低精度传感器,其滤波、估计、优化的稳定性和定位精度无法绝对保证,难以达到工业AGV机器人应用要求的问题,可通过采用多GPU并行处理和改变虚拟测距的初始推进位置,解决采用反射板和三角定位原理进行导航存在的前期施工及标定问题,提高灵活性柔性、可靠和精度。
Description
技术领域
本发明涉及移动机器人导航定位,尤其是涉及到一种基于2D激光雷达的无轨导航AGV机器人的SLAM(同时定位与地图构建)方法。
背景技术
同时定位与地图构建(或并发建图与定位)(Simultaneous Localization AndMapping,SLAM),是一种实现真正全自主移动机器人的关键技术。传统的AGV(AutomatedGuided Vehicle)导航主要有磁条导引、磁钉导引、色带或二维码导引等,虽然简单易行、路径跟踪可靠性好,但均属于固定路径引导方式、灵活性和柔性差。新的激光导航方式无需固定路线导引,在应用时具有更高的柔性,但目前激光导航方法大多数是采用反射板和三角定位原理进行的,依然存在前期施工及标定问题,其灵活性和柔性受到限制,基于SLAM的激光导航是AGV的重要发展趋势之一。
目前基于激光传感器的SLAM多数使用滤波器方法、概率方法、最小二乘法、以及图优化等,如常用的Gmapping、Hector SLAM、Karto SLAM等算法,拥有较小的误差和较低的计算量,在室内移动机器人中得到了一定应用,但滤波、估计、优化的稳定性以及定位精度无法绝对保证(这些方法多数针对的是低成本低精度的激光测距传感器),在工业AGV机器人中的适用性还有待验证。使用轮廓外形匹配的方法相对于其他方法而言,物理意义更明确,符合人的思维方式,在保证AGV导航定位的稳定性和精度上具有很好的可行性。
参考文献:
[1]罗元,傅有力,程铁凤.基于改进Rao-Blackwellized粒子滤波器的同时定位与地图构建[J].控制理论与应用,2015,32(2):267-272.
[2]苏州艾吉威机器人有限公司.无反射板激光导航AGV在汽车零部件整厂物流调度中的应用[J].物流技术与应用,2016,21(10):175-176.
[3]吴文军,张岩,吴为民,等.一种运输自动导引车导航方法研究[J].物联网技术,2016,6(9):58-62.
[4]常皓,杨巍.基于全向移动模型的Gmapping算法[J].计量与测试技术,2016,43(10):1-4.
[5]葛艳茹,张国伟,沈宏双,等.基于激光测距仪全局匹配扫描的SLAM算法研究[J].计算机测量与控制,2016,24(12):198-199.
[6]汪威,吴耀华,陈云霞.自然导航在AGV中的应用[J].物流技术,2016,35(12):33-36.
[7]孙海,任翠平,卢军,等.激光测距在仓储搬运机器人运动中的应用[J].电子技术与软件工程,2017(1):103-104.
[8]林伟民,顿向明,林子洋,等.基于激光雷达的重型自动导引运载车定位研究[J].机械与电子,2017(3):64-68.
发明内容:
本发明的目的在于针对现有激光SLAM算法多数针对低精度传感器,其滤波、估计、优化的稳定性以及定位精度无法绝对保证,难以达到工业AGV机器人应用要求的问题,提供基于虚拟扫描与测距匹配的AGV激光SLAM方法。
本发明包括以下步骤:
1)栅格地图表示与创建方法;
在步骤1)中,所述栅格地图表示与创建方法的具体方法可为:采用栅格表示地图M,每个栅格为正方形,其长宽为Δ(Δ≤定位精度指标),对于某个栅格mi为障碍时,定义其标志位si=1(为非障碍时si=-1、不确定时si=0),其列行编号为(xi,yi),栅格地图M表示为:
M={m1(x1,y1,s1),m2(x2,y2,s2),...,mi(xi,yi,si),...,mN(xN,yN,sN)} (1)
使用2D激光雷达(Lidar)进行扫描测距(最大测距范围为dmax),得到一帧测距数据为{d1,d2,...,di,...,dn},对于其中某一方向的测距di,其相对于激光雷达的角度为θi,定义其标志位为ai(若di<dmax,则令ai=1;否则ai=-1);激光雷达总的一帧测距数据L表示为:
L={l1(d1,θ1,a1),l2(d2,θ2,a2),...,li(di,θi,ai),...,ln(dn,θn,an)} (2)
AGV机器人采用2D激光雷达进行导航,假设激光雷达的位姿即为机器人的位姿,xr、yr表示位置坐标,θr表示方向角,在已知激光雷达位姿情况下,则可以把当前的测距数据L映射到栅格地图M当中,其中M为增量式构建地图,对于L中的li,其对应的栅格mi为:
若ai=1,取栅格标志位si(xi,yi)=1;以Δ为单位长度(或更小)把线段di等分,采用同样的方法计算各等分点对应的栅格并令其标志位为-1(即线段di穿过的栅格为非障碍点,标志位为-1)。
2)虚拟扫描与匹配定位方法;
在步骤2)中,所述虚拟扫描与匹配定位方法的具体方法可为:AGV机器人每运行一步后,通过激光雷达获得当前的测距数据L,再结合之前建立的栅格地图M,进行当前位姿的估算(即定位):
(1)虚拟激光雷达(vLidar)扫描:
采用局部遍历的方式,先设置一定的位置和角度遍历范围Ω,在所有的遍历位姿(假设为可能的激光雷达位姿),模拟激光雷达,逐一对地图M进行虚拟扫描;在某一遍历位姿(vxi,vyi,vθi),获得虚拟扫描数据Li如下:
Li={vli1(vdi1,vθi1,vai1),...,vlij(vdij,vθij,vaij),...,vlin(vdin,vθin,vain)} (4)
在虚拟扫描的vθi1方向获得测距vdi1(若vdi1<dmax,则令vai1=1;否则vai1=-1);在vθi2方向获得测距vdi2(若vdi2<dmax,则令vai2=1;否则vai2=-1);...;在vθin方向获得测距vdin(若vdin<dmax,则令vain=1;否则vain=-1);
以方向vθij为例,采用逐步推进的方式获得测距vdij,其过程如下:从起始点(vxi,vyi)开始,沿相对于vθi角度为vθij的方向,以长度Δ(或更小)为增量向前推进,每推进一次计算一次到达点对应的栅格(计算方法同式(3)),直到所到达点栅格的标志位为1则停止推进(若推进距离>dmax则同样停止推进),此时起始点(vxi,vyi)到该栅格的推进距离即为vdij(若vdij<dmax,则令vaij=1;否则vaij=-1);
遍历方式:逐一遍历Ω中的每个栅格点,遍历到每个栅格点时再逐一遍历每个角度值。例如,若Ω的位置范围为10×10=100个栅格,角度范围为5°/0.1°=50个角度值,则总的遍历次数为100×50=5000=K,遍历完后获得K个虚拟扫描数据VSs(Ω)={L1,L2,...,Li,...,LK};
(2)基于测距的轮廓匹配:
采用基于测距的轮廓匹配方式进行定位,将VSs(Ω)中所有的虚拟扫描数据与当前的真实测距数据L进行比较,找出与L的测距数据最接近的虚拟扫描数据L*,即:
其中dmin≥0,根据具体应用环境来设定;L*所在的遍历位姿(vx*,vy*,vθ*)即为激光雷达当前位姿的最优估计值,即:
xr=vx*,yr=vy*,θr=vθ* (6)
3)提高算法实时性的方法。
在步骤3)中,所述提高算法实时性的方法的具体方法可为:基于虚拟扫描与测距匹配的SLAM方法可先用于离线建图,然后用于AGV机器人工作时的即时定位,其中,虚拟激光雷达扫描的计算量最大,每次遍历时都需要模拟激光雷达在其n个扫描方向上进行推进测距,采取以下措施:
(1)采用多GPU并行处理方式,每个GPU运行一个扫描方向上模拟测距的推进测距算法;
(2)对于第i个扫描方向,改变虚拟测距方向vθi上的初始推进位置,从小于真实测距离di的某个位置开始(即不从遍历位置开始),推进时遇到障碍栅格或到距离大于di的某个位置则停止推进。
所述虚拟扫描方向vθi对应的GPU推进测距算法如下:
算法输入:遍历位姿(vx,vy,vθ),地图M,激光测距L
算法输出:虚拟扫描方向上的测距vdi,标志位vai
本发明采用轮廓外形遍历匹配的原理,在每一遍历位姿采用虚拟激光雷达对地图进行扫描,然后虚拟扫描的数据与当前激光雷达的数据直接进行比较,找出AGV机器人的最优位姿信息,再增量式构建地图。本发明基于虚拟扫描与测距匹配的AGV激光SLAM方法,涉及一种应用于AGV机器人导航的同时定位与地图构建方法。主要包括一个栅格地图表示与创建步骤;一个虚拟扫描与匹配定位步骤;一种提高虚拟扫描实时性的措施和算法实现。针对现有激光SLAM算法多数针对低精度传感器,其滤波、估计、优化的稳定性以及定位精度无法绝对保证,难以达到工业AGV机器人应用要求的问题,提供了一种适合高精度激光雷达的SLAM方法。该方法采用轮廓外形遍历匹配的原理,在每一遍历位姿采用虚拟激光雷达对地图进行扫描,然后虚拟测距数据与当前激光雷达的测距数据直接进行比较,找出AGV机器人的最优位姿信息,再增量式构建地图;其中可通过采用多GPU并行处理和改变虚拟测距的初始推进位置,提高该SLAM方法的实时性。因此,解决了采用反射板和三角定位原理进行导航存在的前期施工及标定问题,为提高AGV与其他移动机器人的灵活性和柔性,提供了一种简单可靠和有精度保证的可行SLAM方法。
附图说明
图1为栅格地图表示与创建方法示意图。
图2为虚拟激光雷达(vLidar)扫描方法示意图。
图3为基于虚拟扫描与测距匹配的SLAM方法组成框图。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式进行说明。
实施例1:本发明基于虚拟扫描与测距匹配的SLAM方法用于离线建图,具体实施的操作过程如下。
Step 1:采用遥控或其他人工操作方式,控制AGV机器人在工作环境中行走一遍,激光雷达采集并保存所有时刻(t0至tend)的测距信息{d1,d2,...,dn}|t0、{d1,d2,...,dn}|t1、...、{d1,d2,...,dn}|tend。
Step 2:采用合适的数据格式和文件,定义如式(1)所示的栅格地图M,并进行初始化。
Step 3:从t0开始时刻到tend结束时刻,利用测距信息构建地图,步骤如下。
Step 3.1:对于初始时刻t0,激光雷达的初始位姿已知,根据式(2)把{d1,d2,...,dn}|t0转换为Lt0,然后根据式(3)将Lt0映射到栅格地图M当中;
Step 3.2:对于时刻t1,①激光雷达的当前位姿未知,先根据式(2)把{d1,d2,...,dn}|t1转换为Lt1,在遍历范围Ω中逐一模拟激光雷达进行扫描,得到虚拟扫描数据VSs(Ω)={L1,L2,...,Li,...,LK}(其Li的格式如式(4)所示),然后与Lt1进行比较,根据式(5)找出与Lt1最接近的虚拟扫描数据L*;②根据L*和式(6)获得激光雷达t1时刻的位姿,进而根据式(3)将Lt1映射到栅格地图M当中;
Step 3.3:对于时刻t2,定位和建图过程与Step 3.2类似;
...(依此一直往下进行,直到时刻tend,则建图结束)
实施例2:在离线建图后,本发明用于有地图的AGV机器人实时定位,具体实施的操作过程如下。
Step 1:在当前时刻,激光雷达获得测距信息{d1,d2,...,dn},根据式(2)把{d1,d2,...,dn}转换为L。
Step 2:在遍历范围Ω中的每一位姿,模拟激光雷达对地图M进行扫描(采用多GPU并行处理和推进测距算法,每个GPU对应一个激光扫描方向),得到虚拟扫描数据VSs(Ω)={L1,L2,...,Li,...,LK}。
Step 3:将数据VSs(Ω)={L1,L2,...,Li,...,LK}与L进行比较,根据式(5)找出与L最接近的虚拟扫描数据L*;
Step 4:根据L*和式(6)获得激光雷达当前时刻的位姿估计值(即定位)。
实施例3:本发明基于虚拟扫描与测距匹配的SLAM方法直接用于实时并发建图与定位,具体实施的操作过程如下。
Step 1:采用合适的数据格式和文件,定义如式(1)所示的栅格地图M,并进行初始化。
Step 2:对于初始时刻t0,激光雷达的初始位姿已知,根据式(2)把测距{d1,d2,...,dn}|t0转换为Lt0,然后根据式(3)将Lt0映射到栅格地图M当中;
Step 3:在下一个当前时刻,激光雷达获得测距信息{d1,d2,...,dn},根据式(2)把{d1,d2,...,dn}转换为L。
Step 4:在遍历范围Ω中的每一位姿,模拟激光雷达对地图M进行扫描(采用多GPU并行处理和推进测距算法,每个GPU对应一个激光扫描方向),得到所有虚拟扫描数据VSs(Ω)={L1,L2,...,Li,...,LK}。
Step 5:将数据VSs(Ω)={L1,L2,...,Li,...,LK}与L进行比较,根据式(5)找出与L最接近的虚拟扫描数据L*;
Step 6:根据L*和式(6)获得激光雷达当前时刻的位姿估计值(即定位);
Step 7:激光雷达的位姿估计值已知,根据式(3)将L映射到栅格地图M当中;返回到Step3。
以上实施例中,栅格地图表示与创建方法的如图1所示,虚拟激光雷达扫描方法的原理如图2所示,步骤之间的逻辑关系如图3所示。
Claims (3)
1.基于虚拟扫描与测距匹配的AGV激光SLAM方法,其特征在于包括以下步骤:
1)栅格地图表示与创建方法:采用栅格表示栅格地图M,每个栅格为正方形,其长宽为Δ≤定位精度指标,对于某个栅格mi为障碍时,定义其标志位si=1,为非障碍时si=-1、不确定时si=0,其列行编号为(xi,yi),栅格地图M表示为:
M={m1(x1,y1,s1),m2(x2,y2,s2),...,mi(xi,yi,si),...,mN(xN,yN,sN)}
2)虚拟扫描与匹配定位方法:AGV机器人每运行一步后,通过激光雷达获得当前的测距数据L,再结合之前建立的栅格地图M,进行当前位姿的估算,即定位;
虚拟激光雷达扫描如下:
采用局部遍历的方式,先设置一定的位置和角度遍历范围Ω,在所有的遍历位姿,假设为可能的激光雷达位姿,模拟激光雷达,逐一对栅格地图M进行虚拟扫描;在某一遍历位姿(vxi,vyi,vθi),获得虚拟扫描数据Li如下:
Li={vli1(vdi1,vθi1,vai1),...,vlij(vdij,vθij,vaij),...,vlin(vdin,vθin,vain)}
在虚拟扫描的vθi1方向获得测距vdi1,若vdi1<dmax,则令vai1=1;否则vai1=-1;在vθi2方向获得测距vdi2,若vdi2<dmax,则令vai2=1;否则vai2=-1;...;在vθin方向获得测距vdin,若vdin<dmax,则令vain=1;否则vain=-1;
以方向vθij时,采用逐步推进的方式获得测距vdij,其过程如下:从起始点(vxi,vyi)开始,沿相对于vθi角度为vθij的方向,以长度Δ,或更小,为增量向前推进,每推进一次计算一次到达点对应的栅格,直到所到达点栅格的标志位为1则停止推进,若推进距离>dmax,则同样停止推进,此时起始点(vxi,vyi)到该栅格的推进距离即为vdij,若vdij<dmax,则令vaij=1;否则vaij=-1;
遍历方式时,逐一遍历Ω中的每个栅格点,遍历到每个栅格点时再逐一遍历每个角度值,若Ω的位置范围为10×10=100个栅格,角度范围为5°/0.1°=50个角度值,则总的遍历次数为100×50=5000=K,遍历完后获得K个虚拟扫描数据VSs(Ω)={L1,L2,...,Li,...,LK};
基于测距的轮廓匹配为:
采用基于测距的轮廓匹配方式进行定位,将VSs(Ω)中所有的虚拟扫描数据与当前的真实测距数据L进行比较,找出与L的测距数据最接近的虚拟扫描数据L*,即:
其中dmin≥0,根据具体应用环境来设定;L*所在的遍历位姿(vx*,vy*,vθ*)即为激光雷达当前位姿的最优估计值,即:
xr=vx*,yr=vy*,θr=vθ*;
3)提高算法实时性的方法:基于虚拟扫描与测距匹配的SLAM方法先用于离线建图,然后用于AGV机器人工作时的即时定位,其中,虚拟激光雷达扫描的计算量最大,每次遍历时都需要模拟激光雷达在其n个扫描方向上进行推进测距,采取以下措施:
(1)采用多GPU并行处理方式,每个GPU运行一个扫描方向上模拟测距的推进测距算法;
(2)对于第i个扫描方向,改变虚拟测距方向vθi上的初始推进位置,从小于真实测距离di的某个位置开始,即不从遍历位置开始,推进时遇到障碍栅格或到距离大于di的某个位置则停止推进;
所述虚拟扫描方向vθi对应的GPU推进测距算法如下:
算法输入:遍历位姿(vx,vy,vθ),栅格地图M,测距数据L
算法输出:虚拟扫描方向上的测距vdi,标志位vai
2.如权利要求1所述基于虚拟扫描与测距匹配的AGV激光SLAM方法,其特征在于在步骤1)中,使用2D激光雷达进行扫描测距,最大测距范围为dmax,得到一帧测距数据为{d1,d2,...,di,...,dn},对于其中某一方向的测距di,其相对于激光雷达的角度为θi,定义其标志位为ai,若di<dmax,则令ai=1;否则ai=-1;激光雷达总的一帧测距数据L表示为:
L={l1(d1,θ1,a1),l2(d2,θ2,a2),...,li(di,θi,ai),...,ln(dn,θn,an)}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504910.7A CN107239076B (zh) | 2017-06-28 | 2017-06-28 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504910.7A CN107239076B (zh) | 2017-06-28 | 2017-06-28 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107239076A CN107239076A (zh) | 2017-10-10 |
CN107239076B true CN107239076B (zh) | 2020-06-23 |
Family
ID=59986890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710504910.7A Expired - Fee Related CN107239076B (zh) | 2017-06-28 | 2017-06-28 | 基于虚拟扫描与测距匹配的agv激光slam方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239076B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107911409A (zh) * | 2017-10-13 | 2018-04-13 | 纳恩博(北京)科技有限公司 | 载物设备的控制方法、载物设备、服务器、计算机存储介质 |
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
CN107917710B (zh) * | 2017-11-08 | 2021-03-16 | 武汉大学 | 一种基于单线激光的室内实时定位与三维地图构建方法 |
CN107992000A (zh) * | 2017-11-13 | 2018-05-04 | 河南森源电气股份有限公司 | 一种融合自主移动导航车的智能工业生产方法及系统 |
CN108008409B (zh) * | 2017-11-28 | 2019-12-10 | 深圳市杉川机器人有限公司 | 区域轮廓绘制方法及装置 |
CN108550318B (zh) * | 2018-03-12 | 2020-09-29 | 浙江大华技术股份有限公司 | 一种构建地图的方法及装置 |
CN108803602B (zh) * | 2018-06-01 | 2021-07-13 | 浙江亚特电器有限公司 | 障碍物自学习方法及新障碍物自学习方法 |
CN109186601A (zh) * | 2018-07-05 | 2019-01-11 | 南京理工大学 | 一种基于自适应无迹卡尔曼滤波的激光slam算法 |
CN109613547B (zh) * | 2018-12-28 | 2022-05-27 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于反光板的占据栅格地图构建方法 |
CN109885046B (zh) * | 2019-01-18 | 2020-10-02 | 中国矿业大学 | 一种基于粒子滤波的移动机器人定位加速方法 |
CN110132130A (zh) * | 2019-03-05 | 2019-08-16 | 上海宾通智能科技有限公司 | 激光雷达位置标定方法、系统及其数据处理方法、系统 |
CN109947118B (zh) * | 2019-04-19 | 2021-10-26 | 南京大学 | 一种使用gpu加速的代价地图快速更新方法 |
CN110068832A (zh) * | 2019-04-23 | 2019-07-30 | 科罗玛特自动化科技(苏州)有限公司 | 一种激光导航agv的高精度定位方法 |
CN112212824B (zh) * | 2019-07-09 | 2021-11-26 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的配置方法及配置系统 |
CN110455274B (zh) * | 2019-08-02 | 2021-07-06 | 中科新松有限公司 | 基于倒角距离形状匹配的agv初始定位方法及定位系统 |
CN112923933A (zh) * | 2019-12-06 | 2021-06-08 | 北理慧动(常熟)车辆科技有限公司 | 一种激光雷达slam算法与惯导融合定位的方法 |
CN111067180A (zh) * | 2020-01-08 | 2020-04-28 | 中国人民武装警察部队工程大学 | 一种基于战术指挥地图绘制和定位系统及头盔 |
CN111912431B (zh) * | 2020-03-19 | 2021-05-11 | 中山大学 | 一种移动机器人导航系统定位精度测试方法 |
CN111736137B (zh) * | 2020-08-06 | 2020-11-27 | 广州汽车集团股份有限公司 | LiDAR外部参数标定方法、系统、计算机设备及可读存储介质 |
CN112241002B (zh) * | 2020-10-11 | 2022-10-18 | 西北工业大学 | 一种基于Karto SLAM的鲁棒闭环检测新方法 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112462758B (zh) * | 2020-11-06 | 2022-05-06 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
CN112731434A (zh) * | 2020-12-15 | 2021-04-30 | 武汉万集信息技术有限公司 | 基于激光雷达和标识物的定位方法、系统 |
CN113031620A (zh) * | 2021-03-19 | 2021-06-25 | 成都河狸智能科技有限责任公司 | 一种机器人复杂环境定位方法 |
CN113867290A (zh) * | 2021-09-30 | 2021-12-31 | 上汽通用五菱汽车股份有限公司 | 一种基于激光slam和plc的agv的联合控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063725A (zh) * | 2010-12-30 | 2011-05-18 | Tcl集团股份有限公司 | 一种基于深度信息的多目标跟踪方法 |
CN104897161A (zh) * | 2015-06-02 | 2015-09-09 | 武汉大学 | 基于激光测距的室内平面地图制图方法 |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和系统 |
CN107091643A (zh) * | 2017-06-07 | 2017-08-25 | 旗瀚科技有限公司 | 一种基于多台3d结构光相机拼接的室内导航方法 |
-
2017
- 2017-06-28 CN CN201710504910.7A patent/CN107239076B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063725A (zh) * | 2010-12-30 | 2011-05-18 | Tcl集团股份有限公司 | 一种基于深度信息的多目标跟踪方法 |
CN104897161A (zh) * | 2015-06-02 | 2015-09-09 | 武汉大学 | 基于激光测距的室内平面地图制图方法 |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和系统 |
CN107091643A (zh) * | 2017-06-07 | 2017-08-25 | 旗瀚科技有限公司 | 一种基于多台3d结构光相机拼接的室内导航方法 |
Non-Patent Citations (2)
Title |
---|
Adaptive Obstacle Detection for Mobile Robots in Urban Environments Using Downward-Looking 2D LiDAR;Cong Pang 等;《sensors》;20180529;第1-18页 * |
基于激光传感器的机器人运动障碍物检测;仲训昱 等;《Proceedings of the 30th Chinese Control Conference》;20110722;第4002-4006页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107239076A (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239076B (zh) | 基于虚拟扫描与测距匹配的agv激光slam方法 | |
CN110645974B (zh) | 一种融合多传感器的移动机器人室内地图构建方法 | |
CN109709801B (zh) | 一种基于激光雷达的室内无人机定位系统及方法 | |
CN106123890A (zh) | 一种多传感器数据融合的机器人定位方法 | |
CN105258702A (zh) | 一种基于slam导航移动机器人的全局定位方法 | |
Xiao et al. | Monocular vehicle self-localization method based on compact semantic map | |
CN102519481A (zh) | 一种双目视觉里程计实现方法 | |
CN110866927A (zh) | 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法 | |
CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
CN110749895B (zh) | 一种基于激光雷达点云数据的定位方法 | |
CN111060099A (zh) | 一种无人驾驶汽车实时定位方法 | |
CN113189613A (zh) | 一种基于粒子滤波的机器人定位方法 | |
CN112904358A (zh) | 基于几何信息的激光定位方法 | |
CN116661469A (zh) | 机器人轨迹误差修正方法及系统 | |
CN107463871A (zh) | 一种基于角特征加权的点云匹配方法 | |
CN115993089B (zh) | 基于pl-icp的在线四舵轮agv内外参标定方法 | |
Wang et al. | Micro aerial vehicle navigation with visual-inertial integration aided by structured light | |
CN115454061B (zh) | 一种基于3d技术的机器人路径避障方法及系统 | |
Deusch et al. | Improving localization in digital maps with grid maps | |
CN116577801A (zh) | 一种基于激光雷达和imu的定位与建图方法及系统 | |
Zhang et al. | 2D map building and path planning based on LiDAR | |
CN110857861B (zh) | 轨迹规划方法与系统 | |
Sun | A Comparative Study on the Monte Carlo Localization and the Odometry Localization | |
Wang et al. | Agv navigation based on apriltags2 auxiliary positioning | |
Gu et al. | Research on SLAM of indoor mobile robot assisted by AR code landmark |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200623 Termination date: 20210628 |