CN107246868B - 一种协同导航定位系统及导航定位方法 - Google Patents

一种协同导航定位系统及导航定位方法 Download PDF

Info

Publication number
CN107246868B
CN107246868B CN201710620502.8A CN201710620502A CN107246868B CN 107246868 B CN107246868 B CN 107246868B CN 201710620502 A CN201710620502 A CN 201710620502A CN 107246868 B CN107246868 B CN 107246868B
Authority
CN
China
Prior art keywords
module
pose
gps
moment
sensor
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.)
Active
Application number
CN201710620502.8A
Other languages
English (en)
Other versions
CN107246868A (zh
Inventor
宗文豪
张长柱
王祝萍
陈龙泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Duomin Intelligent Technology Co ltd
Original Assignee
Shanghai Duomin Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Duomin Intelligent Technology Co ltd filed Critical Shanghai Duomin Intelligent Technology Co ltd
Priority to CN201710620502.8A priority Critical patent/CN107246868B/zh
Publication of CN107246868A publication Critical patent/CN107246868A/zh
Application granted granted Critical
Publication of CN107246868B publication Critical patent/CN107246868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Abstract

本发明公开了一种协同导航定位系统及导航定位方法，包括传感器数据采集模块、RGB‑D图像生成模块、运动学建模模块、零偏修正模块、位姿跟踪模块、全局优化模块和地图存储模块，本发明的有益效果是：系统配备了GPS、单目视觉传感器、惯性导航元件、激光雷达四种传感器，结合了各个传感器的优点，提升其精度以及适用范围，能够在各种复杂的环境下正常工作，具有定位速度快，定位精度高，鲁棒性强，适用范围广等优点。

Description

一种协同导航定位系统及导航定位方法
技术领域
本发明涉及一种定位系统及方法，具体为一种协同导航定位系统及导航定位方法，属于导航技术领域。
背景技术
现阶段的导航定位方法有很多种，根据传感器分类可分为，卫星导航(GPS)、视觉传感器、里程计、惯性导航元件、激光雷达等等。其中GPS传感器只能在开阔无遮挡的室外环境下工作；视觉传感器能够提供丰富并直观的信息，并且成本较低但往往获得的数据噪声较大，不适用与环境纹理相似和低光照的环境；激光雷达在测距范围和方向上都有着较高的精度，但其只适用于结构化室内环境，不适用与空旷的室外环境；惯性导航元件是一种相对定位传感器，通过积分计算得到相对位置，但其存在着较大的累积误差以及无法提供绝对位置，不适用于长时间的精确定位。因此，各个传感器都有其自己的局限性，以及特定的应用环境。
发明内容
本发明的目的就在于为了解决上述问题而提供一种协同导航定位系统及导航定位方法。
本发明通过以下技术方案来实现上述目的：一种协同导航定位系统及导航定位方法，包括
传感器数据采集模块，负责采集传感器原始数据并整合传输给其他模块；
RGB-D图像生成模块，融合单目视觉传感器以及激光雷达的数据，生成RGB-D图像；
运动学建模模块，对搭载所述系统的移动机器人进行运动学建模；
零偏修正模块，融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量；
位姿跟踪模块，接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿；
全局优化模块，负责闭环检测并优化系统全局位姿；
地图存储模块，存储地图信息以供重复使用。
优选的，所述传感器数据采集模块负责采集传感器原始数据并整合传输给其他模块，包括：采集GPS、单目视觉传感器、惯性导航元件、激光雷达的数据并整合传输给上述RGB-D图像生成模块、人工路标模块、零偏修正模块、位姿跟踪模块。
优选的，所述人工路标模块在室内环境下设立人工路标，并根据单目视觉传感器的观测计算出系统自身距离路标的相对位置，包括：采用AprilTags二维码作为人工路标，采用PNP的方法计算单目视觉传感器距离路标的相对位置
Figure BDA0001361573170000021
优选的，所述运动学建模模块对搭载所述系统的移动机器人进行运动学建模，包括：根据Ackerman模型对轮式机器人进行运动学建模，
Figure BDA0001361573170000022
ωv＝v/r，vX＝r(1-cos(ωv))，vY＝rsin(ωv)，其中l为轮式机器人前后轴距，δ为前轮转角，ωv为机器人旋转角速度，vX为机器人横向速度，vY为机器人纵向速度。
优选的，所述零偏修正模块融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量，包括：根据GPS和运动学模型vX，vY和ωv的约束，利用卡尔曼滤波修正惯性导航元件的零点漂移量
Figure BDA0001361573170000023
优选的，所述位姿跟踪模块接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿，包括：位姿跟踪模块根据RGB-D图像提取3D特征点，用ICP法算出单目视觉传感器的位姿
Figure BDA0001361573170000031
并采用Levenberg-Marquardt最小二乘法优化误差函数argmin(Egps+EIMU+EAT+ECamera)得到最优位姿估计；其中，
Figure BDA0001361573170000032
Figure BDA0001361573170000033
Figure BDA0001361573170000034
Figure BDA0001361573170000035
Figure BDA0001361573170000036
其中，Egps为GPS与单目视觉传感器的误差函数，EIMU为惯性导航元件积分误差函数，EAT为人工路标误差函数，ECamera为3D特征点重投影误差函数；
Figure BDA0001361573170000037
为i时刻单目视觉传感器的位姿，
Figure BDA0001361573170000038
为i-1时刻单目视觉传感器的位姿，
Figure BDA0001361573170000039
为单目视觉传感器在i-1时刻到i时刻位姿的增量；
Figure BDA00013615731700000310
为i时刻GPS传感器的位姿；
Figure BDA00013615731700000311
为惯性导航元件在i时刻到i+1时刻位姿的增量，
Figure BDA00013615731700000312
为惯性导航元件在i时刻到i+1时刻位姿的零点偏移量；
Figure BDA00013615731700000313
为在i时刻到i+1时刻，单目视觉传感器距离人工路标的位姿的增量；
Figure BDA00013615731700000314
为3D特征点j在相机图像坐标系下的坐标，
Figure BDA00013615731700000315
为3D特征点j在世界坐标系下的坐标，函数π(*)为重投影函数，将世界坐标系下的坐标转换为图像坐标系；∑gps为GPS信息矩阵，∑IMU为惯性导航元件信息矩阵，∑AT为人工路标信息矩阵，∑Camera为3D特征点重投影信息矩阵。上述信息矩阵均服从正态分布概率模型，当在某种特殊环境下，部分传感器失效误差增大时，例如室内丢失GPS卫星信号以及室外缺少人工路标点，其对应的信息矩阵会减小，以始终保持目标函数最小，提升系统的通用性以及鲁棒性。
优选的，所述全局优化模块负责闭环检测并优化系统全局位姿，包括：采用Bag-of-words模型完成闭环检测的任务，并Levenberg-Marquardt最小二乘法优化闭环内自身位姿以及3D特征点。
优选的，地图存储模块存储地图信息以供重复使用，包括：存储轨迹信息，人工路标点位姿信息，3D特征点坐标信息。
本发明的有益效果是：该协同导航定位系统及导航定位方法设计合理，结合了各个传感器的优点，提升其精度以及适用范围，能够在各种复杂的环境下正常工作，具有定位速度快，定位精度高，鲁棒性强，适用范围广等优点。
附图说明
图1为本发明结构流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种协同导航定位系统及导航定位方法，包括
传感器数据采集模块，负责采集传感器原始数据并整合传输给其他模块；
RGB-D图像生成模块，融合单目视觉传感器以及激光雷达的数据，生成RGB-D图像；
运动学建模模块，对搭载所述系统的移动机器人进行运动学建模；
零偏修正模块，融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量；
位姿跟踪模块，接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿；
全局优化模块，负责闭环检测并优化系统全局位姿；
地图存储模块，存储地图信息以供重复使用。
进一步，所述传感器数据采集模块负责采集传感器原始数据并整合传输给其他模块，包括：采集GPS、单目视觉传感器、惯性导航元件、激光雷达的数据并整合传输给上述RGB-D图像生成模块、人工路标模块、零偏修正模块、位姿跟踪模块。
进一步，所述人工路标模块在室内环境下设立人工路标，并根据单目视觉传感器的观测计算出系统自身距离路标的相对位置，包括：采用AprilTags二维码作为人工路标，采用PNP的方法计算单目视觉传感器距离路标的相对位置
Figure BDA0001361573170000051
进一步，所述运动学建模模块对搭载所述系统的移动机器人进行运动学建模，包括：根据Ackerman模型对轮式机器人进行运动学建模，
Figure BDA0001361573170000052
ωv＝v/r，vX＝r(1-cos(ωv))，vY＝rsin(ωv)，其中l为轮式机器人前后轴距，δ为前轮转角，ωv为机器人旋转角速度，vX为机器人横向速度，vY为机器人纵向速度。
进一步，所述零偏修正模块融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量，包括：根据GPS和运动学模型vX，vY和ωv的约束，利用卡尔曼滤波修正惯性导航元件的零点漂移量
Figure BDA0001361573170000061
进一步，所述位姿跟踪模块接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿，包括：位姿跟踪模块根据RGB-D图像提取3D特征点，用ICP法算出单目视觉传感器的位姿
Figure BDA0001361573170000062
并采用Levenberg-Marquardt最小二乘法优化误差函数argmin(Egps+EIMU+EAT+ECamera)得到最优位姿估计；其中，
Figure BDA0001361573170000063
Figure BDA0001361573170000064
Figure BDA0001361573170000065
Figure BDA0001361573170000066
Figure BDA0001361573170000067
其中，Egps为GPS与单目视觉传感器的误差函数，EIMU为惯性导航元件积分误差函数，EAT为人工路标误差函数，ECamera为3D特征点重投影误差函数；
Figure BDA0001361573170000068
为i时刻单目视觉传感器的位姿，
Figure BDA0001361573170000069
为i-1时刻单目视觉传感器的位姿，
Figure BDA00013615731700000610
为单目视觉传感器在i-1时刻到i时刻位姿的增量；
Figure BDA00013615731700000611
为i时刻GPS传感器的位姿；
Figure BDA00013615731700000612
为惯性导航元件在i时刻到i+1时刻位姿的增量，
Figure BDA00013615731700000613
为惯性导航元件在i时刻到i+1时刻位姿的零点偏移量；
Figure BDA00013615731700000614
为在i时刻到i+1时刻，单目视觉传感器距离人工路标的位姿的增量；
Figure BDA00013615731700000615
为3D特征点j在相机图像坐标系下的坐标，
Figure BDA00013615731700000616
为3D特征点j在世界坐标系下的坐标，函数π(*)为重投影函数，将世界坐标系下的坐标转换为图像坐标系；∑gps为GPS信息矩阵，∑IMU为惯性导航元件信息矩阵，∑AT为人工路标信息矩阵，∑Camera为3D特征点重投影信息矩阵。上述信息矩阵均服从正态分布概率模型，当在某种特殊环境下，部分传感器失效误差增大时，例如室内丢失GPS卫星信号以及室外缺少人工路标点，其对应的信息矩阵会减小，以始终保持目标函数最小，提升系统的通用性以及鲁棒性。
进一步，所述全局优化模块负责闭环检测并优化系统全局位姿，包括：采用Bag-of-words模型完成闭环检测的任务，并Levenberg-Marquardt最小二乘法优化闭环内自身位姿以及3D特征点。
进一步，地图存储模块存储地图信息以供重复使用，包括：存储轨迹信息，人工路标点位姿信息，3D特征点坐标信息。
案例一，公交车远程监控
为了完成车辆在多工况下的实时高精度定位，我们在传统的GPS定位结合LTE共享位置的单一模式下，增加摄像头或者激光传感器。在GPS覆盖较好的的线路上，使用松耦合的解决方案，即GPS定位和视觉定位两套系统并行机制，在GPS定位失锁后自动切换为视觉定位模式，这种做法算法简单，运算量小，易于降低成本。适合线路中定位条件相对可控的情况，考虑到系统在切换过程中的定位精度已经下降，因此就需要将路线上的GPS定位情况作为先验知识输入系统，使得系统在不损失定位精度的情况下及时完成切换。在GPS覆盖不稳定的或者环境变化相对较大线路中，使用松耦合的方式将无法稳定输出高精度定位结果，因此我们将使用紧耦合的算法，时时刻刻将GPS、IMU(Inertial measurement unit，惯性测量单元)、摄像头和激光等传感器加入定位优化模型，融合多传感器模型最小化定位误差损失函数，来保证稳定可靠的实时高精度定位输出。通过对车辆的准确定位跟踪，云端的系统就可以建立出司机和车辆运行的动作库，评价某位司机和某个车型的驾驶模型，得出某位司机的驾驶风格在某个车型上的表现，是否存在违规驾驶、是否会对车辆造成损害，并及时作出调整。借助对抗生成学习网络，正确的驾驶模型将被应用于训练生成对应的无人驾驶控制模型，以辅助车辆在完成靠边停车、车道保持、自适应巡航和紧急停车等情况下的车辆自动接管。
案例二，“最后一公里”短程自主泊车
随着世界汽车保有量的迅猛增加，各类交通事故也越来越多的出现在不同媒体报道中。交通事故不仅给人们带来严重的经济损失，更直接威胁到车辆驾驶员及乘客的人身安全。其中，在泊车过程中产生的交通事故也是不容忽视的。由于视线不好或者驾驶技术不熟练都可能导致一些悲剧的发生。另一方面，随着车辆的急剧增加，人们在出行中停车难问题也变的日益明显尤其在一、二线城市中，该问题显得更为突出。停车难问题已经成为城市亟待解决的难题之一，其直接导致了大量的乱停车行为，对市容有很大的影响，同时也产生了极大的安全隐患。如果有一种技术可以让泊车的过程达到高精度和自动化，从寻找车位、确认停车位、泊车到自动泊出全程不需要驾驶员参与，且保证零事故率，一方面也保证了车辆、驾驶员及周围行人的安全，另一方面提高人们的出行效率，同时还可以最大化利用停车场有限土地资源，上述几个问题可以迎刃而解。定位问题作为此项功能的核心技术之一，考虑到车库包括地面和地下，光照和工况彼此差别巨大，通过传统的SLAM定位算法无法统一解决这个问题，使用本专利则能很好的解决。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种协同导航定位系统，其特征在于：包括
传感器数据采集模块，负责采集传感器原始数据并整合传输给其他模块；
RGB-D图像生成模块，融合单目视觉传感器以及激光雷达的数据，生成RGB-D图像；
运动学建模模块，对搭载所述系统的移动机器人进行运动学建模；
零偏修正模块，融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量；
位姿跟踪模块，接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿；
全局优化模块，负责闭环检测并优化系统全局位姿；
地图存储模块，存储地图信息以供重复使用；
所述位姿跟踪模块接收传感器采集模块、RGB–D图像生成模块、零偏修正模块以及人工路标模块的信息实时估计系统自身位姿，包括：位姿跟踪模块根据RGB-D图像提取3D特征点，用ICP法算出单目视觉传感器的位姿
Figure FDA0003249327660000011
并采用Levenberg-Marquardt最小二乘法优化误差函数arg min(Egps+EIMU+EAT+ECamera)得到最优位姿估计；其中，
Figure FDA0003249327660000012
Figure FDA0003249327660000013
Figure FDA0003249327660000014
Figure FDA0003249327660000021
Figure FDA0003249327660000022
其中，Egps为GPS与单目视觉传感器的误差函数，EIMU为惯性导航元件积分误差函数，EAT为人工路标误差函数，ECamera为3D特征点重投影误差函数；
Figure FDA0003249327660000023
为i时刻单目视觉传感器的位姿，
Figure FDA0003249327660000024
为i-1时刻单目视觉传感器的位姿，
Figure FDA0003249327660000025
为单目视觉传感器在i-1时刻到i时刻位姿的增量；
Figure FDA0003249327660000026
为i时刻GPS传感器的位姿；
Figure FDA0003249327660000027
为惯性导航元件在i时刻到i+1时刻位姿的增量，
Figure FDA0003249327660000028
为惯性导航元件在i时刻到i+1时刻位姿的零点偏移量；
Figure FDA0003249327660000029
为在i时刻到i+1时刻，单目视觉传感器距离人工路标的位姿的增量；
Figure FDA00032493276600000210
为3D特征点j在相机图像坐标系下的坐标，
Figure FDA00032493276600000211
为3D特征点j在世界坐标系下的坐标，函数π(*)为重投影函数，将世界坐标系下的坐标转换为图像坐标系；∑gps为GPS信息矩阵，∑IMU为惯性导航元件信息矩阵，∑AT为人工路标信息矩阵，∑Camera为3D特征点重投影信息矩阵，上述信息矩阵均服从正态分布概率模型。
2.根据权利要求1所述的一种协同导航定位系统，其特征在于：所述传感器数据采集模块负责采集传感器原始数据并整合传输给其他模块，包括：采集GPS、单目视觉传感器、惯性导航元件、激光雷达的数据并整合传输给上述RGB-D图像生成模块、人工路标模块、零偏修正模块、位姿跟踪模块。
3.根据权利要求1所述的一种协同导航定位系统，其特征在于：所述人工路标模块在室内环境下设立人工路标，并根据单目视觉传感器的观测计算出系统自身距离路标的相对位置，包括：采用AprilTags二维码作为人工路标，采用PNP的方法计算单目视觉传感器距离路标的相对位置
Figure FDA0003249327660000031
4.根据权利要求1所述的一种协同导航定位系统，其特征在于：所述运动学建模模块对搭载所述系统的移动机器人进行运动学建模，包括：根据Ackerman模型对轮式机器人进行运动学建模，
Figure FDA0003249327660000032
ωv＝v/r，vX＝r(1-cos(ωv))，vY＝r sin(ωv)，其中l为轮式机器人前后轴距，δ为前轮转角，ωv为机器人旋转角速度，vX为机器人横向速度，vY为机器人纵向速度。
5.根据权利要求4所述的一种协同导航定位系统，其特征在于：零偏修正模块融合GPS，惯性导航元件数据，根据运动学模型实时修正惯性导航元件零点漂移量，包括：根据GPS和运动学模型vX，vY和ωv的约束，利用卡尔曼滤波修正惯性导航元件的零点漂移量
Figure FDA0003249327660000033
6.根据权利要求1所述的一种协同导航定位系统，其特征在于：所述全局优化模块负责闭环检测并优化系统全局位姿，包括：采用Bag-of-words模型完成闭环检测的任务，并Levenberg-Marquardt最小二乘法优化闭环内自身位姿以及3D特征点。
7.根据权利要求1所述的一种协同导航定位系统，其特征在于：地图存储模块存储地图信息以供重复使用，包括：存储轨迹信息，人工路标点位姿信息，3D特征点坐标信息。
CN201710620502.8A 2017-07-26 2017-07-26 一种协同导航定位系统及导航定位方法 Active CN107246868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710620502.8A CN107246868B (zh) 2017-07-26 2017-07-26 一种协同导航定位系统及导航定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710620502.8A CN107246868B (zh) 2017-07-26 2017-07-26 一种协同导航定位系统及导航定位方法

Publications (2)

Publication Number Publication Date
CN107246868A CN107246868A (zh) 2017-10-13
CN107246868B true CN107246868B (zh) 2021-11-02

Family

ID=60012935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710620502.8A Active CN107246868B (zh) 2017-07-26 2017-07-26 一种协同导航定位系统及导航定位方法

Country Status (1)

Country Link
CN (1) CN107246868B (zh)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109683604A (zh) * 2017-10-18 2019-04-26 苏州宝时得电动工具有限公司 自动行走设备及其定位方法及装置
CN107702722A (zh) * 2017-11-07 2018-02-16 云南昆船智能装备有限公司 一种激光导引agv自然导航定位方法
CN107909614B (zh) * 2017-11-13 2021-02-26 中国矿业大学 一种gps失效环境下巡检机器人定位方法
CN108196285B (zh) * 2017-11-30 2021-12-17 中山大学 一种基于多传感器融合的精确定位系统
CN110033489B (zh) * 2018-01-12 2023-01-13 华为技术有限公司 一种车辆定位准确性的评估方法、装置及设备
CN108388244A (zh) * 2018-01-16 2018-08-10 上海交通大学 基于人工路标的移动机器人系统、停靠方法及存储介质
CN110360999B (zh) 2018-03-26 2021-08-27 京东方科技集团股份有限公司 室内定位方法、室内定位系统和计算机可读介质
CN108646739A (zh) * 2018-05-14 2018-10-12 北京智行者科技有限公司 一种传感信息融合方法
CN110542416B (zh) * 2018-05-28 2023-07-21 上海汽车集团股份有限公司 一种地下车库自动定位系统及方法
WO2020014864A1 (zh) * 2018-07-17 2020-01-23 深圳市大疆创新科技有限公司 位姿确定方法、设备、计算机可读存储介质
CN109116397B (zh) * 2018-07-25 2022-12-30 吉林大学 一种车载多相机视觉定位方法、装置、设备及存储介质
CN109211248A (zh) * 2018-07-31 2019-01-15 哈尔滨工程大学 一种基于多传感器的智能车辆导航系统及其导航方法
CN110837092B (zh) * 2018-08-17 2022-06-21 北京四维图新科技股份有限公司 车辆定位、车道级路径规划的方法及装置
CN109099923A (zh) * 2018-08-20 2018-12-28 江苏大学 基于激光、摄像机、gps与惯导融合的道路场景表征系统及其方法
CN110895407A (zh) * 2018-08-22 2020-03-20 郑州宇通客车股份有限公司 一种融合摄像与定位的自动驾驶车辆运行控制方法及车辆
CN109115223A (zh) * 2018-08-30 2019-01-01 江苏大学 一种面向智能农机的全地形全源组合导航系统
CN109341706B (zh) * 2018-10-17 2020-07-03 张亮 一种面向无人驾驶汽车的多特征融合地图的制作方法
CN111169468B (zh) * 2018-11-12 2023-10-27 北京魔门塔科技有限公司 一种自动泊车的系统及方法
CN110375749A (zh) * 2018-11-26 2019-10-25 北京京东尚科信息技术有限公司 导航方法和导航系统
CN109557533B (zh) * 2018-11-28 2019-09-27 中国人民解放军国防科技大学 一种基于模型的联合跟踪与识别方法
CN109682373B (zh) * 2018-12-28 2021-03-09 中国兵器工业计算机应用技术研究所 一种无人平台的感知系统
CN111380514A (zh) 2018-12-29 2020-07-07 深圳市优必选科技有限公司 机器人位姿估计方法、装置、终端及计算机存储介质
CN109857111B (zh) * 2019-02-18 2020-11-13 广州小鹏汽车科技有限公司 基于共享slam地图的高精度定位方法及系统
CN109945858B (zh) * 2019-03-20 2021-04-13 浙江零跑科技有限公司 用于低速泊车驾驶场景的多传感融合定位方法
CN109900266A (zh) * 2019-03-27 2019-06-18 小驴机器人(武汉)有限公司 一种基于rgb-d和惯导的快速识别定位方式及系统
CN110077392B (zh) * 2019-03-28 2020-08-25 惠州市德赛西威汽车电子股份有限公司 一种自动泊车定位系统的航迹推算方法
CN110068338A (zh) * 2019-04-30 2019-07-30 杭州视氪科技有限公司 一种路线记忆系统及方法
CN112050806B (zh) * 2019-06-06 2022-08-30 北京魔门塔科技有限公司 一种移动车辆的定位方法及装置
CN110207715B (zh) * 2019-06-28 2021-07-13 广州小鹏自动驾驶科技有限公司 车辆定位的修正方法及修正系统
CN110347159B (zh) * 2019-07-12 2022-03-08 苏州融萃特种机器人有限公司 移动机器人多机协作方法和系统
CN110542916A (zh) * 2019-09-18 2019-12-06 上海交通大学 卫星与视觉紧耦合定位方法、系统及介质
CN110906923B (zh) * 2019-11-28 2023-03-14 重庆长安汽车股份有限公司 车载多传感器紧耦合融合定位方法、系统、存储介质及车辆
CN111366139A (zh) * 2020-04-03 2020-07-03 深圳市赛为智能股份有限公司 室内测绘点定位方法、装置、计算机设备及存储介质
CN111693019B (zh) * 2020-05-20 2021-04-20 西安交通大学 一种姿态传感装置及数据融合、姿态解算方法
CN111721290B (zh) * 2020-07-13 2023-11-21 南京理工大学 一种多源传感器信息融合定位切换方法
CN111947644B (zh) * 2020-08-10 2022-04-12 北京洛必德科技有限公司 一种室外移动机器人定位方法、系统及其电子设备
CN112045655B (zh) * 2020-08-14 2021-12-31 华中科技大学 用于大尺度多站点场景的移动机器人位姿测量方法及系统
CN114152255A (zh) * 2020-09-08 2022-03-08 深圳果力智能科技有限公司 智能移动机器人定位、导航的控制方法
CN112339753A (zh) * 2020-10-20 2021-02-09 高深智图(广州)科技有限公司 基于激光雷达定位技术的车道保持辅助系统
CN112097768B (zh) * 2020-11-17 2021-03-02 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
CN112631303B (zh) * 2020-12-26 2022-12-20 北京云迹科技股份有限公司 一种机器人定位方法、装置及电子设备
CN113820735B (zh) * 2021-08-31 2023-12-01 上海华测导航技术股份有限公司 位置信息的确定方法、位置测量设备、终端及存储介质
CN113625774B (zh) * 2021-09-10 2023-07-21 天津大学 局部地图匹配与端到端测距多无人机协同定位系统和方法
CN116592876B (zh) * 2023-07-17 2023-10-03 北京元客方舟科技有限公司 定位装置及定位装置的定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105938619A (zh) * 2016-04-11 2016-09-14 中国矿业大学 一种融合RGB和Depth信息的视觉里程计实现方法
CN105953796A (zh) * 2016-05-23 2016-09-21 北京暴风魔镜科技有限公司 智能手机单目和imu融合的稳定运动跟踪方法和装置
CN106564505A (zh) * 2015-07-13 2017-04-19 沃尔沃汽车公司 自主车辆的安全停车装置及安全停车方法
CN106918830A (zh) * 2017-03-23 2017-07-04 安科机器人有限公司 一种基于多导航模块的定位方法及移动机器人

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10099615B2 (en) * 2014-09-29 2018-10-16 Ambarella, Inc. All-round view monitoring system for a motor vehicle

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106564505A (zh) * 2015-07-13 2017-04-19 沃尔沃汽车公司 自主车辆的安全停车装置及安全停车方法
CN105938619A (zh) * 2016-04-11 2016-09-14 中国矿业大学 一种融合RGB和Depth信息的视觉里程计实现方法
CN105953796A (zh) * 2016-05-23 2016-09-21 北京暴风魔镜科技有限公司 智能手机单目和imu融合的稳定运动跟踪方法和装置
CN106918830A (zh) * 2017-03-23 2017-07-04 安科机器人有限公司 一种基于多导航模块的定位方法及移动机器人

Also Published As

Publication number Publication date
CN107246868A (zh) 2017-10-13

Similar Documents

Publication Publication Date Title
CN107246868B (zh) 一种协同导航定位系统及导航定位方法
CN109946732B (zh) 一种基于多传感器数据融合的无人车定位方法
JP7045628B2 (ja) 車両の動作を制御するための車両の装置、車両、およびコンピュータプログラム
JP7073315B2 (ja) 乗物、乗物測位システム、及び乗物測位方法
WO2020163311A1 (en) Systems and methods for vehicle navigation
WO2020165650A2 (en) Systems and methods for vehicle navigation
JP2022553491A (ja) 車両ナビゲーション用のシステムおよび方法
CN107015238A (zh) 基于三维激光雷达的无人车自主定位方法
Krüsi et al. Lighting‐invariant adaptive route following using iterative closest point matching
CN107132563B (zh) 一种里程计结合双天线差分gnss的组合导航方法
GB2614379A (en) Systems and methods for vehicle navigation
Wang et al. Vehicle localization at an intersection using a traffic light map
US20190163201A1 (en) Autonomous Vehicle Sensor Compensation Using Displacement Sensor
EP4085232A2 (en) Navigation systems and methods for determining object dimensions
JP2023532482A (ja) 開いている扉を検出するためのシステムおよび方法
WO2022041706A1 (zh) 一种定位方法、定位系统和车辆
TW202020734A (zh) 載具、載具定位系統及載具定位方法
WO2022149046A1 (en) Systems and methods for monitoring lane mark quality
US20230127230A1 (en) Control loop for navigating a vehicle
Krejsa et al. Fusion of local and global sensory information in mobile robot outdoor localization task
Rahman et al. Improving multisensor positioning of land vehicles with integrated visual odometry for next-generation self-driving cars
Deusch et al. Improving localization in digital maps with grid maps
CN115540889A (zh) 使用相机、gps和imu定位自动驾驶车辆
Deusch Random finite set-based localization and SLAM for highly automated vehicles
Velat et al. Vision based vehicle localization for autonomous navigation

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