CN108775901A - 一种实时slam场景地图构建系统、导航系统及方法 - Google Patents

一种实时slam场景地图构建系统、导航系统及方法 Download PDF

Info

Publication number
CN108775901A
CN108775901A CN201810804313.0A CN201810804313A CN108775901A CN 108775901 A CN108775901 A CN 108775901A CN 201810804313 A CN201810804313 A CN 201810804313A CN 108775901 A CN108775901 A CN 108775901A
Authority
CN
China
Prior art keywords
slam
real
map
scene
time
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.)
Granted
Application number
CN201810804313.0A
Other languages
English (en)
Other versions
CN108775901B (zh
Inventor
周风余
万方
尹磊
焦建成
边钧健
沈冬冬
王玉刚
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN201810804313.0A priority Critical patent/CN108775901B/zh
Publication of CN108775901A publication Critical patent/CN108775901A/zh
Application granted granted Critical
Publication of CN108775901B publication Critical patent/CN108775901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Abstract

本发明公开了一种实时SLAM场景地图构建系统、导航系统及方法。其中,实时SLAM场景地图构建系统解决了场景变化较大情况下SLAM导航系统的实时地图构建难题,使机器人在变化场景中能够得到准确的定位信息。实时SLAM场景地图构建系统包括空间地理位置固定的SLAM建图子系统,所述SLAM建图子系统的数量至少为两个且均相互独立;所述SLAM建图子系统被配置为:将其空间地理位置信息以及加入时间戳的所采集的局部场景地图信息发送至核心服务器;核心服务器被配置为:根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。

Description

一种实时SLAM场景地图构建系统、导航系统及方法
技术领域
本发明属于导航技术领域,尤其涉及一种实时SLAM场景地图构建系统、导航系统及方法。
背景技术
即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,是指把机器人放在未知的环境中,从一个未知位置开始移动对环境进行增量式地图创建,同时利用创建的地图进行自主定位和导航。SLAM技术可以使机器人实现真正的自主导航。定位算法与地图表示通常成对应用,SLAM问题中机器人定位依赖于环境地图,而地图创建过程也要依赖于机器人的准确定位,这是一个高度相关的过程,必须同时求解,任何一个问题都不能单独解决。
SLAM问题自1985提出以来,经过了近三十年的发展。早些年激光SLAM技术主要应用在移动机器人的自主导航中,近些年随着无人车技术的发展及技术需求,研究者们开始将激光SLAM技术应用到无人车上。
无人车是一种特殊的轮式机器人。我国的无人车技术从80年代开始国内相关高校也开始进行相关技术的研究。为了促进无人车技术的发展,国家自然科学基金委员会从2009年开始至2016年已经举办了八届“中国智能车未来挑战赛”。基于卫星的导航定位技术发展已经相对成熟,但由于卫星信号易受到外界干扰,而且在城市道路中由于高楼、大桥、隧道等的遮挡致使GPS信号丢失,室内环境下GPS导航无法使用,因此发展不依赖卫星的定位技术已经成为了必然趋势,SLAM技术成为解决此技术需求的重要方法。无人车作为一种特殊机器人,其对周围环境地图的构建以及对于自身在环境中的精确定位是实现无人车安全行驶的前提。无人车SLAM技术是指通过无人车车载传感器对周围环境进行感知认知的过程,其技术综合了传感器技术、模式识别和自动控制等,是人工智能的一个重要方向。
无人车SLAM技术包括图像SLAM和激光SLAM,其中,激光SLAM技术一直处于主导地位。激光雷达具有精度高、速度快、能够快速响应动静状态下的环境变化等特点,因此激光SLAM技术的可靠性和安全性均优于图像SLAM。激光SLAM技术主要内容包括无人车的定位和车辆周围的环境地图构建。
但是,目前SLAM地图导航存在以下问题:
(1)无论何种SLAM技术在定位的过程中都将依赖先验知识(先验地图)确定自身所在的位置,如果环境产生了变化,再次依赖先验地图定位将产生错误的定位结果。例如:在堆垛仓库、3c生产线、停车场、家庭商场等环境中,较大的环境变化普遍存在,对定位准确性将产生巨大的影响,因此SLAM导航的机器人在这种场景中需要更新场景地图才能继续正常工作。当场景相对较大时,重新构建环境地图将是一件非常麻烦的事情。
(2)在一些特定场景中,要通过一个激光雷达或者视觉传感器在运动过程中建立较大环境地图,往往对传感器及机载资源本身性能要求较高,低成本的雷达往往难以胜任建图任务,对于工业场景使用的雷达其成本更高。且对于某些无法闭环的场景如长廊,由于累计误差的存在使得SLAM地图存在偏差,最终导致导航定位误差大而影响定位的准确性。
发明内容
为了解决现有技术的不足,本发明的第一目的是提供一种实时SLAM场景地图构建系统,其能够解决场景变化较大情况下SLAM导航系统的实时地图构建难题,使机器人在变化场景中能够得到准确的定位信息。
本发明的一种实时SLAM场景地图构建系统,包括:
空间地理位置固定的SLAM建图子系统,所述SLAM建图子系统的数量至少为两个且均相互独立;所述SLAM建图子系统被配置为:将其空间地理位置信息以及加入时间戳的所采集的局部场景地图信息发送至核心服务器;
所述核心服务器被配置为:根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
进一步的,所述SLAM建图子系统包括计算单元,所述计算单元分别与场景地图信息采集单元、定位单元和数据传输单元相连;所述数据传输单元与核心服务器相连;所述定位单元用于获取当前空间地理位置信息;所述场景地图信息采集单元用于获取当前空间地理位置的局部场景地图。
其中,场景地图信息采集单元为360°激光雷或视觉传感器或其他具备距离测量且用于建图功能的传感器。
定位单元可由但不限于UWB信标和WIFI模块构成,UWB信标能够获取到SLAM建图子系统的空间地理位置信息。WIFI模块能够对WIFI信号强度进行测量,实现WIFI指纹定位功能,得到SLAM建图子系统的空间地理位置信息。
进一步的,所述核心服务器还被配置为:采用最小二乘拟合的方式对接收到的所有SLAM建图子系统的空间地理位置信息进行修正。
需要说明的是,接收到的所有SLAM建图子系统的空间地理位置信息进行修正的方法还可采用但不限于最小二乘来实现。
进一步的,所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
这样保证了全局SLAM场景地图构建的实时性、准确性和一致性。
本发明的第二目的是提供一种实时SLAM场景地图构建系统的工作方法。
本发明的实时SLAM场景地图构建系统的工作方法,包括:
所有SLAM建图子系统均将其空间地理位置信息以及加入时间戳的所采集的相应局部场景地图信息发送至核心服务器;
核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
进一步的,核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系之前,还包括:
核心服务器采用最小二乘拟合的方式对接收到的所有SLAM建图子系统的空间地理位置信息进行修正。
需要说明的是,接收到的所有SLAM建图子系统的空间地理位置信息进行修正的方法还可采用但不限于最小二乘来实现。
进一步的,所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
这样保证了全局SLAM场景地图构建的实时性、准确性和一致性。
本发明的第三目的是提供一种导航系统。
本发明的一种导航系统,包括上述所述的实时SLAM场景地图构建系统;及移动端,其被配置为:接收实时全局SLAM场景地图以实现相应导航。
与现有技术相比,本发明的有益效果是:
(1)本发明将传统的单机移动的建图模式改为固定SLAM建图子系统建图模式,减小对建图传感器及计算资源的性能需求,能够通过低成本的传感器和计算资源获取到高质量的SLAM地图。
(2)本发明通过固定位置的SLAM建图子系统能够消除移动建模模式中的累积误差,得到更加准确的导航地图。
(3)本发明通过SLAM建图子系统独立工作的模式,捕捉实时场景,达到场景地图实时构建的目的,提高了SLAM地图的更新频率从而获得更加准确的定位效果。
(4)本发明能够实时构建地图无需人工维护,能够提高生产环境下的效率,实现地图免维护。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本发明的SLAM建图子系统结构示意图。
图2是本发明的一种实时SLAM场景地图构建系统结构示意图。
图3是本发明的一种导航系统结构示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为了解决背景技术中所提及的决场景变化较大情况下SLAM导航系统的实时地图构建难的问题,本发明提供了一种实时SLAM场景地图构建系统,其能够解决场景变化较大情况下SLAM导航系统的实时地图构建难题,使机器人在变化场景中能够得到准确的定位信息。
如图2所示,本发明的一种实时SLAM场景地图构建系统,包括:
空间地理位置固定的SLAM建图子系统,所述SLAM建图子系统的数量至少为两个且均相互独立;所述SLAM建图子系统被配置为:将其空间地理位置信息以及加入时间戳的所采集的局部场景地图信息发送至核心服务器;
所述核心服务器被配置为:根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
其中,核心服务器可为但不限于云端服务器。
具体地,如图1所示,所述SLAM建图子系统包括计算单元,所述计算单元分别与场景地图信息采集单元、定位单元和数据传输单元相连;所述数据传输单元与核心服务器相连;所述定位单元用于获取当前空间地理位置信息;所述场景地图信息采集单元用于获取当前空间地理位置的局部场景地图。
其中,SLAM建图子系统的电源管理模块分别与计算单元分别与场景地图信息采集单元和定位单元相连。
数据传输单元可为但不限于无线传输单元。
场景地图信息采集单元为360°激光雷或视觉传感器或其他可测距用于建图的传感器。
定位单元可由但不限于UWB信标和WIFI模块构成,UWB信标能够获取到SLAM建图子系统的空间地理位置信息。WIFI模块能够对WIFI信号强度进行测量,实现WIFI指纹定位功能,得到SLAM建图子系统的空间地理位置信息。
由于SLAM建图子系统处于静止状态,因此对场景地图信息采集单元中的传感器的刷新频率要求很低,5Hz的刷新频率即可满足建图的需求,且足够保持地图的实时性。
核心服务器单元收集来自多个SLAM建图子系统的传感器数据,并利用人工测量标定或UWB及WIFI定位方式对SLAM建图子系统的位置进行捕获,由于人工测量位置存在误差,且UWB和WIFI的定位精度受环境影响,精度值并不乐观,故,核心服务器还采用最小二乘拟合的方式对不同的SLAM建图子系统之间的位置进行修正。
为保证局部地图的一致性,所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
设环境中的点描述为pi=(xi,yi,zi,vi),xi,yi,zi表示环境中第i个点相对于传感器原点的位置坐标,v表示该点的环境参数属性,0为无障碍,-1为未知,1-100表示有障碍物存在。设从第k个SLAM建图子系统传来的数据为Mk={pi|p∈R4,i=0……n},式中n表示传感器每个周期采集的数据量。
理想情况下,测得第k个SLAM建图子系统在世界坐标系下的位置为lk=(xk,yk,zk,0),则由m个SLAM建图子系统构成的位置矩阵为L={li|li∈R4,i=1……m}。
假设各SLAM建图子系统的水平方向均保持一致且有一个极小的方向误差δθ,则根据位置矩阵计算可得到全局地图表示为:
其中R表示δθ对应的拓展旋转矩阵,可以表示为
考虑到定位传感器精度误差以及人工测量的误差,通常只存在于平面内。
故位置矩阵含有噪声,则将修正后的位置矩阵将表示为:Lδ={li+lδi|li,lδi∈R4,i=1……m}。lδi表示第i个SLAM建图子系统的空间地理位置的位置测量误差。
位置矩阵噪声将使得地图不连续,本发明将通过最小二乘估计方式修正位置矩阵。
设每两个区域之间的平面空间交叠区域为:
式中右上角(1,2)表示该矩阵中的1,2行元素。则在Aj中将存在(x,y)相同但是v不同的元素。故为获取两个区域之间最优的位置结果,即对式(4)进行求解。
对多个局部地图进行全局优化,则是对式(5)进行求解。
通常状态下,位置测量误差lδi将在一个范围内波动。通过适当的选择窗口大小和步长能够提高算法的搜索效率。设SLAM建图子系统测量最大误差在(±dδx,±dδy)范围内,地图像素的分辨率为r,则优化所产生的搜索窗口为
进一步的,式(5)改写为以式(6)的形式进行优化,优化后的m个SLAM建图子系统构成的位置矩阵L*为:
需要说明的是,接收到的所有SLAM建图子系统的空间地理位置信息进行修正的方法还可采用但不限于最小二乘来实现。
本发明的实时SLAM场景地图构建系统,将传统的单机移动的建图模式改为固定SLAM建图子系统建图模式,减小对建图传感器及计算资源的性能需求,能够通过低成本的传感器和计算资源获取到高质量的SLAM地图。
本发明的实时SLAM场景地图构建系统通过固定位置的SLAM建图子系统能够消除移动建模模式中的累积误差,得到更加准确的导航地图。
本发明的实时SLAM场景地图构建系统,通过SLAM建图子系统独立工作的模式,捕捉实时场景,达到场景地图实时构建的目的,提高了SLAM地图的更新频率从而获得更加准确的定位效果。
本发明的实时SLAM场景地图构建系统能够实时构建地图无需人工维护,能够提高生产环境下的效率,实现地图免维护。
本发明还提供了一种实时SLAM场景地图构建系统的工作方法。
本发明的实时SLAM场景地图构建系统的工作方法,包括:
所有SLAM建图子系统均将其空间地理位置信息以及加入时间戳的所采集的相应局部场景地图信息发送至核心服务器;
核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
其中,核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系之前,还包括:
核心服务器采用最小二乘拟合的方式对接收到的所有SLAM建图子系统的空间地理位置信息进行修正。
需要说明的是,接收到的所有SLAM建图子系统的空间地理位置信息进行修正的方法还可采用但不限于最小二乘来实现。
所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
这样保证了全局SLAM场景地图构建的实时性、准确性和一致性。
本发明还提供了一种导航系统。
如图3所示,本发明的一种导航系统,包括如图2所示的的实时SLAM场景地图构建系统;及移动端,其被配置为:接收实时全局SLAM场景地图以实现相应导航。
其中,如图3所示,移动端可为机器人终端。移动端也可以为其他手持终端。
本发明的导航系统将传统的单机移动的建图模式改为固定SLAM建图子系统建图模式,减小对建图传感器及计算资源的性能需求,能够通过低成本的传感器和计算资源获取到高质量的SLAM地图。
本发明的导航系统通过固定位置的SLAM建图子系统能够消除移动建模模式中的累积误差,得到更加准确的导航地图。
本发明的导航系统通过SLAM建图子系统独立工作的模式,捕捉实时场景,达到场景地图实时构建的目的,提高了SLAM地图的更新频率从而获得更加准确的定位效果。
本发明的导航系统能够实时构建地图无需人工维护,能够提高生产环境下的效率,实现地图免维护。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (8)

1.一种实时SLAM场景地图构建系统,其特征在于,包括:
空间地理位置固定的SLAM建图子系统,所述SLAM建图子系统的数量至少为两个且均相互独立;所述SLAM建图子系统被配置为:将其空间地理位置信息以及加入时间戳的所采集的局部场景地图信息发送至核心服务器;
所述核心服务器被配置为:根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
2.如权利要求1所述的一种实时SLAM场景地图构建系统,其特征在于,所述SLAM建图子系统包括计算单元,所述计算单元分别与场景地图信息采集单元、定位单元和数据传输单元相连;所述数据传输单元与核心服务器相连;所述定位单元用于获取当前空间地理位置信息;所述场景地图信息采集单元用于获取当前空间地理位置的局部场景地图。
3.如权利要求1所述的一种实时SLAM场景地图构建系统,其特征在于,所述核心服务器还被配置为:采用最小二乘拟合的方式对接收到的所有SLAM建图子系统的空间地理位置信息进行修正。
4.如权利要求1所述的一种实时SLAM场景地图构建系统,其特征在于,所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
5.一种基于如权利要求1所述的实时SLAM场景地图构建系统的工作方法,其特征在于,包括:
所有SLAM建图子系统均将其空间地理位置信息以及加入时间戳的所采集的相应局部场景地图信息发送至核心服务器;
核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系,进而对所有相同时间戳的局部场景地图进行融合,生成实时全局SLAM场景地图。
6.如权利要求5所述的实时SLAM场景地图构建系统的工作方法,其特征在于,核心服务器根据SLAM建图子系统的空间地理位置信息确定出所有相同时间戳的局部场景地图之间的相对位置关系之前,还包括:
核心服务器采用最小二乘拟合的方式对接收到的所有SLAM建图子系统的空间地理位置信息进行修正。
7.如权利要求5所述的实时SLAM场景地图构建系统的工作方法,其特征在于,所有SLAM建图子系统同步采集相应空间地理位置的局部场景地图。
8.一种导航系统,其特征在于,包括如权利要求1-4中任一项所述的实时SLAM场景地图构建系统;及移动端,其被配置为:接收实时全局SLAM场景地图以实现相应导航。
CN201810804313.0A 2018-07-20 2018-07-20 一种实时slam场景地图构建系统、导航系统及方法 Active CN108775901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810804313.0A CN108775901B (zh) 2018-07-20 2018-07-20 一种实时slam场景地图构建系统、导航系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810804313.0A CN108775901B (zh) 2018-07-20 2018-07-20 一种实时slam场景地图构建系统、导航系统及方法

Publications (2)

Publication Number Publication Date
CN108775901A true CN108775901A (zh) 2018-11-09
CN108775901B CN108775901B (zh) 2021-05-07

Family

ID=64029948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810804313.0A Active CN108775901B (zh) 2018-07-20 2018-07-20 一种实时slam场景地图构建系统、导航系统及方法

Country Status (1)

Country Link
CN (1) CN108775901B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739225A (zh) * 2018-12-18 2019-05-10 北京百度网讯科技有限公司 定位数据处理方法、装置、设备、存储介质及车辆
CN110109129A (zh) * 2019-05-20 2019-08-09 桂林电子科技大学 一种agv室内仓储物流导航定位系统和定位方法
CN110262283A (zh) * 2019-06-11 2019-09-20 远形时空科技(北京)有限公司 一种多场景的视觉机器人仿真平台及方法
CN110532339A (zh) * 2019-09-02 2019-12-03 上海图聚智能科技股份有限公司 采集信号指纹的方法、装置、电子设备、及存储介质
CN110888348A (zh) * 2019-10-17 2020-03-17 广东原点智能技术有限公司 一种基于激光slam的机器人码垛控制方法及其控制系统
CN111665842A (zh) * 2020-06-09 2020-09-15 山东大学 一种基于语义信息融合的室内slam建图方法及系统
CN111885707A (zh) * 2020-08-05 2020-11-03 济南浪潮高新科技投资发展有限公司 一种基于ar设备的物联网设备控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944240A (zh) * 2010-08-20 2011-01-12 浙江大学 多机器人三维几何地图的融合方法
CN103885444A (zh) * 2012-12-21 2014-06-25 联想(北京)有限公司 信息处理方法、可移动电子设备和决策控制设备
CN104156972A (zh) * 2014-08-25 2014-11-19 西北工业大学 基于激光扫描测距仪与多相机融合的透视成像方法
CN105222789A (zh) * 2015-10-23 2016-01-06 哈尔滨工业大学 一种基于激光测距传感器的楼宇室内平面图建立方法
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法
CN107544515A (zh) * 2017-10-10 2018-01-05 苏州中德睿博智能科技有限公司 基于云服务器的多机器人建图导航系统与建图导航方法
CN107600067A (zh) * 2017-09-08 2018-01-19 中山大学 一种基于多视觉惯导融合的自主泊车系统及方法
CN108227717A (zh) * 2018-01-30 2018-06-29 中国人民解放军陆军装甲兵学院 基于orb特征的多移动机器人地图融合方法及融合平台

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9594170B2 (en) * 2011-09-30 2017-03-14 Echo Ridge Llc Performance improvements for measurement of opportunity geolocation/navigation systems
CN106595659A (zh) * 2016-11-03 2017-04-26 南京航空航天大学 城市复杂环境下多无人机视觉slam的地图融合方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944240A (zh) * 2010-08-20 2011-01-12 浙江大学 多机器人三维几何地图的融合方法
CN103885444A (zh) * 2012-12-21 2014-06-25 联想(北京)有限公司 信息处理方法、可移动电子设备和决策控制设备
CN104156972A (zh) * 2014-08-25 2014-11-19 西北工业大学 基于激光扫描测距仪与多相机融合的透视成像方法
CN105222789A (zh) * 2015-10-23 2016-01-06 哈尔滨工业大学 一种基于激光测距传感器的楼宇室内平面图建立方法
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法
CN107600067A (zh) * 2017-09-08 2018-01-19 中山大学 一种基于多视觉惯导融合的自主泊车系统及方法
CN107544515A (zh) * 2017-10-10 2018-01-05 苏州中德睿博智能科技有限公司 基于云服务器的多机器人建图导航系统与建图导航方法
CN108227717A (zh) * 2018-01-30 2018-06-29 中国人民解放军陆军装甲兵学院 基于orb特征的多移动机器人地图融合方法及融合平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HEE SEOK LEE 等: "Multi-robot SLAM Using Ceiling Vision", 《THE 2009 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 *
邹宇华 等: "基于信息增益一致性的多机器人地图融合算法", 《机器人》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739225A (zh) * 2018-12-18 2019-05-10 北京百度网讯科技有限公司 定位数据处理方法、装置、设备、存储介质及车辆
CN109739225B (zh) * 2018-12-18 2021-04-20 北京百度网讯科技有限公司 定位数据处理方法、装置、设备、存储介质及车辆
US11619515B2 (en) 2018-12-18 2023-04-04 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Method and apparatus for processing positioning data, device, storage medium and vehicle
CN110109129A (zh) * 2019-05-20 2019-08-09 桂林电子科技大学 一种agv室内仓储物流导航定位系统和定位方法
CN110262283A (zh) * 2019-06-11 2019-09-20 远形时空科技(北京)有限公司 一种多场景的视觉机器人仿真平台及方法
CN110532339A (zh) * 2019-09-02 2019-12-03 上海图聚智能科技股份有限公司 采集信号指纹的方法、装置、电子设备、及存储介质
CN110888348A (zh) * 2019-10-17 2020-03-17 广东原点智能技术有限公司 一种基于激光slam的机器人码垛控制方法及其控制系统
CN111665842A (zh) * 2020-06-09 2020-09-15 山东大学 一种基于语义信息融合的室内slam建图方法及系统
CN111665842B (zh) * 2020-06-09 2021-09-28 山东大学 一种基于语义信息融合的室内slam建图方法及系统
CN111885707A (zh) * 2020-08-05 2020-11-03 济南浪潮高新科技投资发展有限公司 一种基于ar设备的物联网设备控制方法及系统

Also Published As

Publication number Publication date
CN108775901B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN108775901A (zh) 一种实时slam场景地图构建系统、导航系统及方法
CN105547305B (zh) 一种基于无线定位和激光地图匹配的位姿解算方法
CN103941264B (zh) 一种室内未知环境下使用激光雷达定位方法
CN103472823B (zh) 一种智能机器人用的栅格地图创建方法
CN109282811A (zh) Uwb与智能手机互联的室内外定位系统与方法
CN107094319A (zh) 一种高精度室内外融合定位系统和方法
CN105424041A (zh) 一种基于bd/ins紧耦合的行人定位算法
CN105549057A (zh) 一种惯性辅助的gps/bds融合大比例尺快速宗地测量装置与方法
CN103200675A (zh) 免除节点自定位的无线传感器网络目标定位方法及系统
CN108445520A (zh) 一种基于云端的室内外建图方法、装置、电子设备及计算机程序产品
CN109031379A (zh) 一种导航路线地图的生成方法和系统
CN205384029U (zh) 采用固定区间crts平滑的ins/uwb紧组合导航系统
CN105928512A (zh) 一种基于地磁场的室内定位方法
CN201463898U (zh) 物体运动轨迹定位跟踪系统
CN201464652U (zh) 定位并获取物体自身运动轨迹的电子设备
CN101655554B (zh) 跟踪物体运动轨迹的系统
CN101650185B (zh) 获取物体自身运动轨迹的电子设备
CN204115737U (zh) 一种基于惯性制导和射频识别的室内定位装置
CN101644578A (zh) 基于网络计算的物体运动轨迹跟踪系统
CN101655553A (zh) 获取物体三维运动轨迹的电子设备
CN102831180A (zh) 土地监管数据空间基准转换设备及方法
CN201464655U (zh) 基于网络计算定位并获取物体自身运动轨迹的电子设备
CN201464653U (zh) 基于网络计算的物体三维运动轨迹定位跟踪系统
CN201508184U (zh) 基于网络展示的物体三维运动轨迹定位跟踪系统
CN101655552A (zh) 基于网络展示的物体三维运动轨迹跟踪系统

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