CN109031339A - 一种三维点云运动补偿方法 - Google Patents

一种三维点云运动补偿方法 Download PDF

Info

Publication number
CN109031339A
CN109031339A CN201810502767.2A CN201810502767A CN109031339A CN 109031339 A CN109031339 A CN 109031339A CN 201810502767 A CN201810502767 A CN 201810502767A CN 109031339 A CN109031339 A CN 109031339A
Authority
CN
China
Prior art keywords
point
cloud
group
point cloud
rotation center
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
CN201810502767.2A
Other languages
English (en)
Other versions
CN109031339B (zh
Inventor
王立
刘达
张春明
李涛
吴云
朱飞虎
顾营迎
刘忠汉
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.)
Beijing Institute of Control Engineering
Original Assignee
Beijing Institute of Control Engineering
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 Beijing Institute of Control Engineering filed Critical Beijing Institute of Control Engineering
Priority to CN201810502767.2A priority Critical patent/CN109031339B/zh
Publication of CN109031339A publication Critical patent/CN109031339A/zh
Application granted granted Critical
Publication of CN109031339B publication Critical patent/CN109031339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种三维点云运动补偿方法，步骤为：两次扫描点云中心点分别与两次扫描时目标形状中心点连线。分别从两根线上各取一点，遍历直到求取出距离最近的两个点。计算两个最近点的均值，以此均值点为疑似目标旋转中心坐标。以疑似目标旋转中心坐标为原点，遍历若干范围的位置，分别以这些遍历的位置为点云旋转中心进行运动补偿；计算旋转中心、目标中心位置移动速度、目标旋转角速度，以此数值为基础，计算每个点的相对位置误差，对点云中每一个点进行补偿，而后计算补偿后的扫描点云与目标外形点云匹配误差。遍历其它旋转中心对扫描点云进行运动补偿，求补偿后点云匹配误差。取匹配误差最小的一组补偿后扫描点云，作为最终补偿后点云。点云补偿精度高。

Description

一种三维点云运动补偿方法
技术领域
本发明涉及一种三维点云运动补偿方法。
背景技术
激光点云已经广泛应用于目标的位置姿态计算。在激光器对非合作目标扫描过程中，由于点云采集之间有时间间隔，如果非合作目标与激光器相对运动速度或者旋转角速度过快，会造成扫描点云与目标实际外形点的位置偏移。如果利用这种情况下的点云进行位置姿态计算，会产生误差。因此，针对目标运动过快或者自身姿态旋转过快情况，需要对扫描点云进行点云运动补偿处理，消除点云位置误差及相应计算出来的位置姿态误差。
王建军等2011在仪器仪表学报的《姿态角扰动对机载激光雷达点云数据的影响》中，实际飞行过程中由于受到各种内外界因素的干扰，如阵风、湍流、发动机振动及控制系统的性能缺陷等，机载平台无法保持理想的匀速直线运动状态，产生姿态角扰动，造成点云的扫描区域和密度分布发生变化。点云扫描区域的变化，对于狭长地带的测量，如公路、海岸线和电力线等，会导致目标区域漏扫；点云密度的变化会影响重构的精度。
为了进一步提高摄像机追踪的鲁棒性和精度，减小摄像机姿态估计的累积误差。浙江大学李阳2015年在毕业论文《基于深度摄像机的三维场景表面重建关键技术研究》中提出了一种基于摄像机姿态运动补偿。李阳通过计算当前帧对应的摄像机速度、加速度以及角速度等运动参数来建立对应的摄像机运动模型，根据运动模型和运动参数预测当前帧所对应的概率最大的摄像机姿态并以此作为ICP算法迭代的初始值，从而避免因两帧之间较大距离的运动而造成的摄像机追踪失败，提高深度摄像机在快速运动过程中的追踪鲁棒性。
梁新合等2011年在西安交通大学学报中的《散乱点云的补偿滤波》中，提出了一种散乱点云补偿滤波的方法，采用双边滤波器计算获得滤波移动量，进行平滑处理后得到了形状补偿量，将双边滤波后的点向原始位置方向补偿，从而减少了滤波中的变形，获得了更多具有细节特征的点云模型。
发明内容
本发明所要解决的技术问题是：克服现有技术的不足，提供了一种三维点云运动补偿方法，对激光扫描目标的点云中的每个点，进行高精度运动补偿，消除扫描时延引发的点云中各点的位置偏差，从而获得了精确的目标点云，用于激光点云对目标扫描后的姿态计算，能够显著提高姿态计算精度。
本发明的技术解决方案是：一种三维点云运动补偿方法，包括如下步骤：
步骤一、利用激光扫描目标，相机接收激光反射回光，存储扫描获得的第i组目标点云中各点在相机坐标系中的三维坐标值；i为正整数；
如果步骤一中i为1，则i更新为2，继续步骤一扫描下一组点云并存储第2组扫描点云的三维坐标，否则转入步骤二；
步骤二、求取第i组点云在相机坐标系下所有点的坐标值的平均值xm(i),ym(i),zm(i)；求取第i-1组点云在相机坐标系下所有点的坐标值的平均值xm(i-1),ym(i-1),zm(i-1)；
步骤三、将第i组点云和第i-1组点云分别与预先存储的目标外形点云进行匹配，获得两组扫描点云在目标外形点云中的对应位置姿态，并计算出第i次扫描时目标形状中心的位置点(Xi,Yi,Zi)和第i-1次扫描时目标形状中心的位置点(Xi-1,Yi-1,Zi-1)；
步骤四、在点(xm(i),ym(i),zm(i))与点(Xi,Yi,Zi)的连线上任意选取一点Ai，在点(xm(i-1),ym(i-1),zm(i-1))与点(Xi-1,Yi-1,Zi-1)的连线上任意选取一点Ai-1，计算点Ai和点Ai-1的距离值，将距离值最小的两点连线Ai Ai-1的中点的坐标作为疑似目标旋转中心坐标；
步骤五、以步骤四中计算的疑似目标旋转中心为原点，在x，y，z轴分别以设定的步长在设定的范围内遍历获得遍历位置点，分别以这些遍历位置点为第i组点云旋转中心ci；
步骤六、选取步骤五中的一个点云旋转中心ci，根据该点云旋转中心ci位置和第i-1组点云旋转中心ci-1位置及第i次扫描和第i-1次扫描的时间间隔，求取出目标旋转中心位移及位移速度v；
根据步骤三中第i组点云和第i-1组点云匹配结果，获得两次扫描目标点云的相对角度偏差，根据角度偏差计算出目标旋转角速度ω；
步骤七、对第i组扫描点云每一个点进行补偿，计算出第i组扫描点云中每一个点的实际位置；
步骤八、计算第i组扫描点云以步骤六中选取的旋转中心ci按步骤七进行运动补偿后，补偿后扫描点云与目标外形点云匹配误差；转入步骤六，选取下一个旋转中心ci，直到步骤五中所有旋转中心ci计算完毕，进入步骤九；
步骤九、选取步骤八中匹配误差最小的一组补偿后扫描点云，作为第i组最终补偿后的点云，将第i组最终补偿后的点云的旋转中心作为第i组点云最终旋转中心；
步骤十、将步骤九中第i组最终补偿后点云作为第i组点云、第i组最终点云旋转中心作为第i组点云旋转中心，i更新为i+1，返回步骤一，对新扫描的点云进行处理。
步骤十一、利用获得的最终补偿点云计算目标姿态。
所述步骤七中计算第i组扫描点云中每一个点的实际位置的公式为：
pj′＝pj+rotate(ci+Δtj×v,Δtj×ω)
其中，pj′为第i组扫描点云中第j个点补偿后位置，pj为第i组扫描点云中第j个点初始位置；rotate(cj+Δt×v,Δt×ω)为第j个点以ci+Δtj×v为旋转中心旋转Δtj×ω角度后的相对位移；Δtj为第j个点与第一个点的时间差。
本发明与现有技术相比的优点在于：
(1)本发明的方法中两次扫描点云中心点分别与两次扫描时目标形状中心点连线。而后根据两根线距离最近点均值取疑似目标旋转中心，该方法能够保证高精度获得点云旋转中心，这是后期运动补偿的基础，将极大提高运动补偿精度；
(2)本发明的方法以每个候选旋转中心为基础，分别计算点云中每个点的相对位置误差，对点云中每一个点进行补偿。遍历其它候选旋转中心，依靠最小匹配精度来确定最终的旋转中心及运动补偿值，点云的补偿精度高，使得补偿后的点云在进行姿态计算时，精度大大提高。
附图说明
图1为本发明方法的流程图。
具体实施方式
如图1所示，为本发明方法的流程图，一种三维点云运动补偿方法，包括如下步骤：
步骤一、利用激光扫描目标，相机接收激光反射回光，存储扫描获得的第i组目标点云中各点在相机坐标系中的三维坐标值；
如果步骤一中i为1，则i更新为2，继续步骤一扫描下一组点云并存储第2组扫描点云的三维坐标，否则转入步骤二；
步骤二、求取第i组点云在相机坐标系下所有点的坐标值的平均值xm(i),ym(i),zm(i)；求取第i-1组点云在相机坐标系下所有点的坐标值的平均值xm(i-1),ym(i-1),zm(i-1)；
步骤三、将第i组点云和第i-1组点云分别与预先存储的目标外形点云进行匹配，获得两组扫描点云在目标外形点云中的对应位置姿态，并计算出第i次扫描时目标形状中心的位置点(Xi,Yi,Zi)和第i-1次扫描时目标形状中心的位置点(Xi-1,Yi-1,Zi-1)；
步骤四、在点(xm(i),ym(i),zm(i))与点(Xi,Yi,Zi)的连线上任意选取一点Ai，在点(xm(i-1),ym(i-1),zm(i-1))与点(Xi-1,Yi-1,Zi-1)的连线上任意选取一点Ai-1，计算点Ai和点Ai-1的距离值，将距离值最小的两点连线Ai Ai-1的中点的坐标作为疑似目标旋转中心坐标；
步骤五、以步骤四中计算的疑似目标旋转中心为原点，在x，y，z轴分别以设定的步长在设定的范围内遍历获得遍历位置点，分别以这些遍历位置点为第i组点云旋转中心ci；
步骤六、选取步骤五中的一个点云旋转中心ci，根据该点云旋转中心ci位置和第i-1组点云旋转中心ci-1位置及第i次扫描和第i-1次扫描的时间间隔，求取出目标旋转中心位移及位移速度v；
根据步骤三中第i组点云和第i-1组点云匹配结果，获得两次扫描目标点云的相对角度偏差，根据角度偏差计算出目标旋转角速度ω；
步骤七、对第i组扫描点云每一个点进行补偿，计算出第i组扫描点云中每一个点的实际位置：
p′j＝pj+rotate(ci+Δtj×v,Δtj×ω)
其中，p′j为第i组扫描点云中第j个点补偿后位置，pj为第i组扫描点云中第j个点初始位置；rotate(cj+Δt×v,Δt×ω)为第j个点以ci+Δtj×v为旋转中心旋转Δtj×ω角度后的相对位移；Δtj为第j个点与第一个点的时间差；
步骤八、计算第i组扫描点云以步骤六中选取的旋转中心ci按步骤七进行运动补偿后，补偿后扫描点云与目标外形点云匹配误差；转入步骤六，选取下一个旋转中心ci，直到步骤五中所有旋转中心ci计算完毕，进入步骤九；
步骤九、选取步骤八中匹配误差最小的一组补偿后扫描点云，作为第i组最终补偿后的点云，将第i组最终补偿后的点云的旋转中心作为第i组点云最终旋转中心；
步骤十、将步骤九中第i组最终补偿后点云作为第i组点云、第i组最终点云旋转中心作为第i组点云旋转中心，i更新为i+1，返回步骤一，对新扫描的点云进行处理。
实施例：
一种三维点云运动补偿方法，以下对各步骤进行详细的说明：
步骤一、利用激光扫描目标，相机接收激光反射回光，扫描获得的第1组目标点云,存储各点在相机坐标系中的三维坐标值；
发现扫描的点云为第1组，则继续步骤一扫描第2组点云并存储三维坐标；而后发现点云扫描次数i为2，大于1,转步骤二；
步骤二、求取第2组点云在相机坐标系下所有点的坐标值的平均值(10,10,100)；求取第1组点云在相机坐标系下所有点的坐标值的平均值(16,16,106)；
步骤三、将第2组点云和第1组点云分别与预先存储的目标外形点云进行匹配，获得两组扫描点云在目标外形点云中的对应位置姿态，并计算出第2次扫描时目标形状中心的位置点(12,13,104)和第1次扫描时目标形状中心的位置点(11,12,103)；
步骤四、在点(10,10,100)与点(12,13,104)的连线上任意选取一点A2，在点(16,16,106)与点(11,12,103)的连线上任意选取一点A1，计算点A2和点A1的距离值，将距离值最小的两点连线A2A1的中点的坐标作为疑似目标旋转中心坐标；
步骤五、以步骤四中计算的疑似目标旋转中心为原点，在x，y，z轴分别以设定的步长0.001米在设定的范围0.2米内遍历获得遍历位置点，分别以这些遍历位置点为第2组点云旋转中心c2；
步骤六、选取步骤五中的一个点云旋转中心c2，根据该点云旋转中心c2位置和第1组点云旋转中心c1位置及第2次扫描和第1次扫描的时间间隔，求取出目标旋转中心位移及位移速度v；
根据步骤三中第2组点云和第1组点云匹配结果，获得两次扫描目标点云的相对角度偏差，根据角度偏差计算出目标旋转角速度ω；
步骤七、对第2组扫描点云每一个点进行补偿，计算出第2组扫描点云中每一个点的实际位置：
p′j＝pj+rotate(ci+Δtj×v,Δtj×ω)
其中，p′j为第2组扫描点云中第j个点补偿后位置，pj为第2组扫描点云中第j个点初始位置；rotate(cj+Δt×v,Δt×ω)为第j个点以ci+Δtj×v为旋转中心旋转Δtj×ω角度后的相对位移；Δtj为第j个点与第一个点的时间差；
步骤八、计算第2组扫描点云以步骤六中选取的旋转中心c2按步骤七进行运动补偿后，补偿后扫描点云与目标外形点云匹配误差；转入步骤六，选取下一个旋转中心c2，直到步骤五中所有旋转中心c2计算完毕；
步骤九、选取步骤八中匹配误差最小的一组补偿后扫描点云，作为第2组最终补偿后的点云，将其旋转中心作为第2组点云最终旋转中心；
步骤十、将步骤九中第2组最终补偿后点云作为第2组点云、第2组最终点云旋转中心作为第2组点云旋转中心，下次扫描点云次数i更新为3，返回步骤一，对新扫描的点云进行处理。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (3)

1.一种三维点云运动补偿方法，其特征在于，包括如下步骤：
步骤一、利用激光扫描目标，相机接收激光反射回光，存储扫描获得的第i组目标点云中各点在相机坐标系中的三维坐标值；i为正整数；
步骤二、求取第i组点云在相机坐标系下所有点的坐标值的平均值xm(i),ym(i),zm(i)；求取第i-1组点云在相机坐标系下所有点的坐标值的平均值xm(i-1),ym(i-1),zm(i-1)；
步骤三、将第i组点云和第i-1组点云分别与预先存储的目标外形点云进行匹配，获得两组扫描点云在目标外形点云中的对应位置姿态，并计算出第i次扫描时目标形状中心的位置点(Xi,Yi,Zi)和第i-1次扫描时目标形状中心的位置点(Xi-1,Yi-1,Zi-1)；
步骤四、在点(xm(i),ym(i),zm(i))与点(Xi,Yi,Zi)的连线上任意选取一点Ai，在点(xm(i-1),ym(i-1),zm(i-1))与点(Xi-1,Yi-1,Zi-1)的连线上任意选取一点Ai-1，计算点Ai和点Ai-1的距离值，将距离值最小的两点连线Ai Ai-1的中点的坐标作为疑似目标旋转中心坐标；
步骤五、以步骤四中计算的疑似目标旋转中心为原点，在x，y，z轴分别以设定的步长在设定的范围内遍历获得遍历位置点，分别以这些遍历位置点为第i组点云旋转中心ci；
步骤六、选取步骤五中的一个点云旋转中心ci，根据该点云旋转中心ci位置和第i-1组点云旋转中心ci-1位置及第i次扫描和第i-1次扫描的时间间隔，求取出目标旋转中心位移及位移速度v；
根据步骤三中第i组点云和第i-1组点云匹配结果，获得两次扫描目标点云的相对角度偏差，根据角度偏差计算出目标旋转角速度ω；
步骤七、对第i组扫描点云每一个点进行补偿，计算出第i组扫描点云中每一个点的实际位置；
步骤八、计算第i组扫描点云以步骤六中选取的旋转中心ci按步骤七进行运动补偿后，补偿后扫描点云与目标外形点云匹配误差；转入步骤六，选取下一个旋转中心ci，直到步骤五中所有旋转中心ci计算完毕，进入步骤九；
步骤九、选取步骤八中匹配误差最小的一组补偿后扫描点云，作为第i组最终补偿后的点云，将第i组最终补偿后的点云的旋转中心作为第i组点云最终旋转中心；
步骤十、将步骤九中第i组最终补偿后点云作为第i组点云、第i组最终点云旋转中心作为第i组点云旋转中心，i更新为i+1，返回步骤一，对新扫描的点云进行处理。
步骤十一、利用获得的最终补偿点云计算目标姿态。
2.根据权利要求1所述的一种三维点云运动补偿方法，其特征在于，所述步骤一中，如果步骤一中i为1，则i更新为2，继续步骤一扫描下一组点云并存储第2组扫描点云的三维坐标，否则转入步骤二。
3.根据权利要求1或2所述的一种三维点云运动补偿方法，其特征在于，所述步骤七中计算第i组扫描点云中每一个点的实际位置的公式为：
pj′＝pj+rotate(ci+Δtj×v,Δtj×ω)
其中，pj′为第i组扫描点云中第j个点补偿后位置，pj为第i组扫描点云中第j个点初始位置；rotate(cj+Δt×v,Δt×ω)为第j个点以ci+Δtj×v为旋转中心旋转Δtj×ω角度后的相对位移；Δtj为第j个点与第一个点的时间差。
CN201810502767.2A 2018-05-23 2018-05-23 一种三维点云运动补偿方法 Active CN109031339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810502767.2A CN109031339B (zh) 2018-05-23 2018-05-23 一种三维点云运动补偿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810502767.2A CN109031339B (zh) 2018-05-23 2018-05-23 一种三维点云运动补偿方法

Publications (2)

Publication Number Publication Date
CN109031339A true CN109031339A (zh) 2018-12-18
CN109031339B CN109031339B (zh) 2020-11-10

Family

ID=64611452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810502767.2A Active CN109031339B (zh) 2018-05-23 2018-05-23 一种三维点云运动补偿方法

Country Status (1)

Country Link
CN (1) CN109031339B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110988907A (zh) * 2019-11-25 2020-04-10 中国科学院上海光学精密机械研究所 基于多普勒补偿的三维相干激光雷达推扫成像方法
CN111708048A (zh) * 2020-08-19 2020-09-25 深圳市速腾聚创科技有限公司 点云的运动补偿方法、装置和系统
CN112991464A (zh) * 2021-03-19 2021-06-18 山东大学 基于立体视觉的三维重建的点云误差补偿方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110124892A (ko) * 2010-05-12 2011-11-18 삼성전자주식회사 움직임 보상 3차원 필터링 방법 및 장치
CN104374376A (zh) * 2014-11-05 2015-02-25 北京大学 一种车载三维测量系统装置及其应用
CN105118086A (zh) * 2015-06-30 2015-12-02 东莞市盟拓光电科技有限公司 3d-aoi设备中的3d点云数据配准方法及系统
CN107544138A (zh) * 2016-06-28 2018-01-05 莱卡地球系统公开股份有限公司 远程LiDAR系统和用于补偿扫描仪运动的影响的方法
CN107817503A (zh) * 2016-09-14 2018-03-20 北京百度网讯科技有限公司 应用于激光点云数据的运动补偿方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110124892A (ko) * 2010-05-12 2011-11-18 삼성전자주식회사 움직임 보상 3차원 필터링 방법 및 장치
CN104374376A (zh) * 2014-11-05 2015-02-25 北京大学 一种车载三维测量系统装置及其应用
CN105118086A (zh) * 2015-06-30 2015-12-02 东莞市盟拓光电科技有限公司 3d-aoi设备中的3d点云数据配准方法及系统
CN107544138A (zh) * 2016-06-28 2018-01-05 莱卡地球系统公开股份有限公司 远程LiDAR系统和用于补偿扫描仪运动的影响的方法
CN107817503A (zh) * 2016-09-14 2018-03-20 北京百度网讯科技有限公司 应用于激光点云数据的运动补偿方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李阳: "基于深度摄像机的三维场景表面重建关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110988907A (zh) * 2019-11-25 2020-04-10 中国科学院上海光学精密机械研究所 基于多普勒补偿的三维相干激光雷达推扫成像方法
CN110988907B (zh) * 2019-11-25 2022-08-30 中国科学院上海光学精密机械研究所 基于多普勒补偿的三维相干激光雷达推扫成像方法
CN111708048A (zh) * 2020-08-19 2020-09-25 深圳市速腾聚创科技有限公司 点云的运动补偿方法、装置和系统
CN112731450A (zh) * 2020-08-19 2021-04-30 深圳市速腾聚创科技有限公司 点云的运动补偿方法、装置和系统
CN112731450B (zh) * 2020-08-19 2023-06-30 深圳市速腾聚创科技有限公司 点云的运动补偿方法、装置和系统
CN112991464A (zh) * 2021-03-19 2021-06-18 山东大学 基于立体视觉的三维重建的点云误差补偿方法及系统
CN112991464B (zh) * 2021-03-19 2023-04-07 山东大学 基于立体视觉的三维重建的点云误差补偿方法及系统

Also Published As

Publication number Publication date
CN109031339B (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN113432600B (zh) 基于多信息源的机器人即时定位与地图构建方法及系统
CN109949375B (zh) 一种基于深度图感兴趣区域的移动机器人目标跟踪方法
CN107301654B (zh) 一种多传感器的高精度即时定位与建图方法
CN110375738A (zh) 一种融合惯性测量单元的单目同步定位与建图位姿解算方法
CN105976353A (zh) 基于模型和点云全局匹配的空间非合作目标位姿估计方法
CN113781582A (zh) 基于激光雷达和惯导联合标定的同步定位与地图创建方法
CN107590827A (zh) 一种基于Kinect的室内移动机器人视觉SLAM方法
CN114526745B (zh) 一种紧耦合激光雷达和惯性里程计的建图方法及系统
CN115407357B (zh) 基于大场景的低线束激光雷达-imu-rtk定位建图算法
CN107462892A (zh) 基于多超声传感器的移动机器人同步定位与地图构建方法
CN108489496A (zh) 基于多源信息融合的非合作目标相对导航运动估计方法及系统
CN110726406A (zh) 一种改进的非线性优化单目惯导slam的方法
CN111795686A (zh) 一种移动机器人定位与建图的方法
CN109522832A (zh) 一种基于点云片段匹配约束和轨迹漂移优化的回环检测方法
CN109031339A (zh) 一种三维点云运动补偿方法
CN110796681A (zh) 一种用于船舶协同工作的视觉定位系统及方法
CN114659514A (zh) 一种基于体素化精配准的LiDAR-IMU-GNSS融合定位方法
CN108305277A (zh) 一种基于直线段的异源图像匹配方法
CN115272596A (zh) 一种面向单调无纹理大场景的多传感器融合slam方法
CN116878501A (zh) 一种基于多传感器融合的高精度定位与建图系统及方法
CN116448100A (zh) 一种多传感器融合的近岸无人船slam方法
CN116642482A (zh) 基于固态激光雷达和惯性导航的定位方法、设备和介质
CN112802199A (zh) 基于人工智能的高精度测绘点云数据处理方法与系统
CN116429116A (zh) 一种机器人定位方法及设备
CN115526914A (zh) 基于多传感器的机器人实时定位和彩色地图融合映射方法

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