CN109752725A - 一种低速商用机器人、定位导航方法及定位导航系统 - Google Patents
一种低速商用机器人、定位导航方法及定位导航系统 Download PDFInfo
- Publication number
- CN109752725A CN109752725A CN201910031270.1A CN201910031270A CN109752725A CN 109752725 A CN109752725 A CN 109752725A CN 201910031270 A CN201910031270 A CN 201910031270A CN 109752725 A CN109752725 A CN 109752725A
- Authority
- CN
- China
- Prior art keywords
- navigation
- information
- differential gps
- machine people
- low speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种低速商用机器人、定位导航方法及定位导航系统，方法包括以下步骤：激光slam导航：相对于机器人通过激光雷达构建地图时所设原点的坐标信息；差分GPS导航：通过差分GPS导航机器人相对应的坐标信息；视觉slam导航；结合激光雷达与双目视觉传感器，融合距离信息与旋转角度信息，获得路标信息；定位机器人的初始位置，根据路标信息，构建特征地图，实现导航。本发明相比惯导/GPS/电磁罗盘组合导航方法定位更加稳定，定位精度更高。而且本发明通过激光slam、差分GPS和视觉slam三者进行融合得到的优化数据进行导航相比单一传感器获取的数据进行导航，移动机器人的定位精度和稳定性都更高，使得移动机器人运行更加平稳，极少偏离正常轨迹。
Description
技术领域
本发明属于智能科技技术领域，具体涉及一种低速商用机器人、定位导航方法及定位导航系统。
背景技术
现有机器人的导航系统有多种实现方式，例如现有多数机器人导航系统采用GPS、电磁罗盘和惯导进行数据融合实现导航(刘锦涛.惯导/GPS/电磁罗盘组合导航方法研究[D].哈尔滨工业大学,2008.)，该技术的基本原理是采用电磁罗盘提供车身姿态，依靠GPS提供机器人定位，当GPS数据丢失时采用惯性导航系统预知车身姿态。该技术存在一定的不足：首先，采用GPS进行定位，其受天气和位置的影响较大，当遇到天气不佳的时候或当见不到天空的时候，GPS的定位会受到极大的影响；其次，采用惯性导航系统预知车身姿态，由于导航信息经过积分而产生，定位误差随时间而增大，在GPS持续信号不理想情况下，无法实现可靠定位；再者，电磁罗盘容易收到周围磁场影响，导致无法提供可靠的航向姿态。
移动机器人在未知环境中实现自主导航的前提是同步定位与地图构建，目前大多移动机器人采用激光雷达与单目视觉相融合的SLAM进行导航(庄严,王伟,王珂.移动机器人基于激光测距和单目视觉的室内同步定位与地图构建[J].自动化学报,2005,31(6):925－933.)。该技术用于全自主移动机器人在部分结构化室内环境下的导航运动中，基于激光和视觉传感器模型的不同，加权最小二乘拟合方法和非局部最大抑制算法被分别用于提取二维水平环境特征和垂直物体边缘，实现导航。该技术存在的问题和不足：将所处环境中的某些相关特征进行联合形成有意义的环境地标，虽然有效减少数据的不确定性，但其计算量大实时性差。
文献：罗元,傅有力,程铁凤.基于改进Rao-Blackwellized粒子滤波器的同步定位与地图构建[J].控制理论与应用,2015,32(2):267－272.)中用于移动机器人的导航，在计算提议分布时将机器人里程计信息和激光传感器采集的距离信息进行融合，实现导航。该技术存在的问题和不足：采用了在计算提议分布时将里程计信息与激光采集的距离信息进行融合，验证了其可以有效减少所需粒子数并降低了预测阶段机器人位姿的不确定性，但由于激光数据比较单一其实验效果仍然不佳。
由上述可知，现有机器人的导航系统存在稳定性以及定位精度较差等诸多不足。
发明内容
为了解决上述问题，本发明提供了一种低速商用机器人定位导航方法，解决导航系统存在稳定性以及定位精度较差的问题。
本发明的技术方案为：一种低速商用机器人定位导航方法，包括以下步骤：
(1)激光slam导航：相对于机器人通过激光雷达构建地图时所设原点的坐标信息；
(2)差分GPS导航：通过差分GPS导航机器人相对应的坐标信息；
(3)视觉slam导航：通过双目视觉传感器获取两幅不同视角的图像，并通过ORB算法从两幅图像中寻找特征点，匹配并得到旋转角度，将匹配得到的旋转角度与里程计角度融合；
(4)结合激光雷达与双目视觉传感器，融合距离信息与旋转角度信息，获得路标信息；
(5)定位机器人的初始位置，根据路标信息，构建特征地图，实现导航。
本发明主要通过三个不同的导航方式进行融合达到冗余的效果，其中三个不同的导航方式包括：激光slam导航、差分GPS导航、视觉slam导航。其中差分GPS的作用是提供移动机器人相对应地坐标信息；视觉slam导航是用ORB算法从双目视觉传感器中获得的两幅不同视角的图像中寻找特征点，匹配并得到旋转角度，将得到的匹配角度与里程计角度融合，使其更加接近实际角度，结合激光雷达与双目视觉传感器，分别融合距离信息与旋转角度信息，定位移动机器人的初始位置，根据激光雷达与双目视觉传感器获得的路标信息，构建特征地图，最终实现导航。激光slam的定位信息是相对于移动机器人通过激光构建地图时所设原点的坐标信息，视觉slam的定位信息也是相对于移动机器人通过双目摄像机构建地图时所设原点的坐标信息。激光雷达、差分GPS、双目摄像头三种传感器融合提供的冗余信息能够构建可靠性更高、更精确的环境地图，能够有效提高移动机器人SLAM的鲁棒性。
本发明中三种不同导航方式的起点选取同一个原点，其中得到定位信息的尺度也是绝对的；那么在三种导航方式的坐标系原点相同的情况下，只需要考虑角度问题，就可以把三者数据匹配在同一位置：其中GPS坐标系是绝对的，且自身定位信息带了方向；而slam坐标系是相对的，且IMU提供的角度也是相对，但由于GPS坐标系统的绝对性，可以通过旋转slam坐标系，使得该坐标系得到的当前定位和GPS定位一致；相类似地，双目摄像头的坐标系也是相对的，通过旋转矩阵，可以有效地把三者定位匹配到同一个参考点；通过激光雷达、差分GPS、双目摄像头三种传感器不同的信号强度来改变阈值，最终输出融合后的高精度的定位信息。
从统计学的角度看，SLAM是一个滤波问题，也就是根据系统的初始状态和从0时刻到t时刻的观测信息与控制信息(里程计的度数)估计系统的当前状态。在SLAM中，系统的状态由机器人的位姿r和地图信息m组成(包含各特征标志的位置信息)。假设系统的运动模型和观测模型是带高斯噪声的线性模型，系统的状态服从高斯分布，那SLAM可以采用卡尔曼滤波器来实现。基于卡尔曼滤波器的SLAM包括系统状态预测和更新两步，同时还需要进行地图信息的管理。
具体地：卡尔曼滤波的核心是预测加测量反馈更新
预测：
在该步骤中，卡尔曼滤波器根据初始值预测新值，然后根据系统中存在的各种过程噪声预测我们预测中的不确定性/误差/方差。
在自动驾驶过程中，可以通过采用我们车辆前方移动的汽车的简单示例来理解噪音。本发明中的模型将假设汽车由于零加速而以恒定速度移动，但实际上它将具有加速度，即速度将不时波动。这种汽车加速度的这种变化是不确定性/误差/方差，本发明使用过程噪声将其引入本发明。
更新：
在此步骤中，我们从系统的设备中获取实际测量值。在自动驾驶车辆的情况下，这些设备可以是雷达或激光雷达。然后我们计算预测值和测量值之间的差值，然后通过计算卡尔曼增益来决定保持哪个值，即预测值或测量值。根据卡尔曼增益做出的决定，计算新值和新的不确定性/误差/方差。
来自更新步骤的该输出再次反馈到预测步骤，并且该过程继续直到预测值和测量值之间的差异倾向于转换为零。该计算值将是由卡尔曼滤波器完成的预测。
卡尔曼增益：它确定本发明的预测值或测量值是否接近实际值。其值范围为0到1。如果其值接近0则表示预测值接近实际值，或者如果该值接近1则表示最终测量值接近实际值。它的值范围从0到1，因为它使用预测值和测量值中的不确定性/误差。
卡尔曼滤波器中使用的所有这些函数都是线性的，因为它们在方程中不包括任何角度参数，因此我们可以直接将这些线性函数馈送到高斯分布以获得高斯分布均值和方差。
本发明还提供了一种低速商用机器人定位导航系统，包括工控机，还包括与工控机信号连接的惯性导航系统、差分GPS、编码器、IMU、电磁罗盘以及16线激光雷达，所述IMU和电池罗盘为机器人提供姿态信息，所述差分GPS提供车身参考位置。
本发明采用IMU、电磁罗盘来提供车身姿态，IMU的累计误差可以通过电磁罗盘来消除，且电磁罗盘不可靠的时候，通过IMU来保证航向精度；采用编码器提供精准的车身位置距离，采用差分GPS(精度1cm以内)提供车身参考位置，采用16线激光雷达进行建图和定位。
本发明中首先采用16线激光雷达采集数据，并构建三维电子地图，同时采用IMU、电磁罗盘、惯性导航系统以及差分GPS采集相关数据，并将采集的所有数据与激光数据进行融合，选择在当前环境下相对定位信息较好的数据，去除在当前环境下相对定位信息较差的数据，得到优化后的定位数据，并生成地图，从而实现定位导航。
作为优选，所述差分GPS的精度为1cm以内。
本发明还提供了一种低速商用机器人，包括车身，还包括上述述的低速商用机器人定位导航系统。
作为优选，所述低速商用机器人定位导航系统中16线激光雷达安装于所述车身的正前方顶端，所述IMU安装于车身前方，所述差分GPS安装在车身顶端。本发明中16线激光雷达主要安装在车身正前方顶端以便扫描到周围360度环境信息；IMU安装在车身前上方，尽量安装在正前方，不要跟车身接触防止短路；差分GPS接收器主要安装在车身顶端，注意蘑菇头不能被遮挡，以保证电磁罗盘周围磁场不变化。
与现有技术相比，本发明的有益效果体现在：
本发明采用IMU、电磁罗盘、编码器、差分GPS、16线激光雷达进行数据融合，选择较优数据，相比惯导/GPS/电磁罗盘组合导航方法定位更加稳定，定位精度更高。而且本发明通过激光slam、差分GPS和视觉slam三者进行融合得到的优化数据进行导航相比单一传感器获取的数据进行导航，移动机器人的定位精度和稳定性都更高，使得移动机器人运行更加平稳，极少偏离正常轨迹。
附图说明
图1为本发明中低速商用机器人定位导航的系统框图。
图2为本发明中低速商用机器人定位导航方法系统框图。
具体实施方式
一种低速商用机器人定位导航方法，包括以下步骤：
(1)激光slam导航：相对于机器人通过激光雷达构建地图时所设原点的坐标信息；
(2)差分GPS导航：通过差分GPS导航机器人相对应的坐标信息；
(3)视觉slam导航：通过双目视觉传感器获取两幅不同视角的图像，并通过ORB算法从两幅图像中寻找特征点，匹配并得到旋转角度，将匹配得到的旋转角度与里程计角度融合；
(4)结合激光雷达与双目视觉传感器，融合距离信息与旋转角度信息，获得路标信息；
(5)定位机器人的初始位置，根据路标信息，构建特征地图，实现导航。
本发明主要通过三个不同的导航方式进行融合达到冗余的效果，其中三个不同的导航方式包括：激光slam导航、差分GPS导航、视觉slam导航。其中差分GPS的作用是提供移动机器人相对应地坐标信息；视觉slam导航是用ORB算法从双目视觉传感器中获得的两幅不同视角的图像中寻找特征点，匹配并得到旋转角度，将得到的匹配角度与里程计角度融合，使其更加接近实际角度，结合激光雷达与双目视觉传感器，分别融合距离信息与旋转角度信息，定位移动机器人的初始位置，根据激光雷达与双目视觉传感器获得的路标信息，构建特征地图，最终实现导航。激光slam的定位信息是相对于移动机器人通过激光构建地图时所设原点的坐标信息，视觉slam的定位信息也是相对于移动机器人通过双目摄像机构建地图时所设原点的坐标信息。激光雷达、差分GPS、双目摄像头三种传感器融合提供的冗余信息能够构建可靠性更高、更精确的环境地图,能够有效提高移动机器人SLAM的鲁棒性。
本发明中三种不同导航方式的起点一致，那么移动机器人在相同的点得到的激光雷达、差分GPS、双目摄像头三种传感器获取的定位数据可以有效的融合在一起。通过激光雷达、差分GPS、双目摄像头三种传感器不同的信号强度来修改不同的阈值，使得最后得出的定位精度更高。
从统计学的角度看，SLAM是一个滤波问题，也就是根据系统的初始状态和从0时刻到t时刻的观测信息与控制信息(里程计的度数)估计系统的当前状态。在SLAM中，系统的状态由机器人的位姿r和地图信息m组成(包含各特征标志的位置信息)。假设系统的运动模型和观测模型是带高斯噪声的线性模型，系统的状态服从高斯分布，那SLAM可以采用卡尔曼滤波器来实现。基于卡尔曼滤波器的SLAM包括系统状态预测和更新两步，同时还需要进行地图信息的管理。
具体地：卡尔曼滤波的核心是预测加测量反馈更新
预测：
在该步骤中，卡尔曼滤波器根据初始值预测新值，然后根据系统中存在的各种过程噪声预测我们预测中的不确定性/误差/方差。
在自动驾驶过程中，可以通过采用我们车辆前方移动的汽车的简单示例来理解噪音。本发明中的模型将假设汽车由于零加速而以恒定速度移动，但实际上它将具有加速度，即速度将不时波动。这种汽车加速度的这种变化是不确定性/误差/方差，本发明使用过程噪声将其引入本发明。
更新：
在此步骤中，我们从系统的设备中获取实际测量值。在自动驾驶车辆的情况下，这些设备可以是雷达或激光雷达。然后我们计算预测值和测量值之间的差值，然后通过计算卡尔曼增益来决定保持哪个值，即预测值或测量值。根据卡尔曼增益做出的决定，计算新值和新的不确定性/误差/方差。
来自更新步骤的该输出再次反馈到预测步骤，并且该过程继续直到预测值和测量值之间的差异倾向于转换为零。该计算值将是由卡尔曼滤波器完成的预测。
卡尔曼增益：它确定本发明的预测值或测量值是否接近实际值。其值范围为0到1。如果其值接近0则表示预测值接近实际值，或者如果该值接近1则表示最终测量值接近实际值。它的值范围从0到1，因为它使用预测值和测量值中的不确定性/误差。
卡尔曼滤波器中使用的所有这些函数都是线性的，因为它们在方程中不包括任何角度参数，因此我们可以直接将这些线性函数馈送到高斯分布以获得高斯分布均值和方差。
本发明还提供了一种低速商用机器人定位导航系统，包括工控机，还包括与工控机信号连接的惯性导航系统、差分GPS、编码器、IMU、电磁罗盘以及16线激光雷达，所述IMU和电池罗盘为机器人提供姿态信息，所述差分GPS提供车身参考位置。
本发明采用IMU、电磁罗盘来提供车身姿态，IMU的累计误差可以通过电磁罗盘来消除，且电磁罗盘不可靠的时候，通过IMU来保证航向精度；采用编码器提供精准的车身位置距离，采用差分GPS(精度1cm以内)提供车身参考位置，采用16线激光雷达进行建图和定位。
本发明中首先采用16线激光雷达采集数据，并构建三维电子地图，同时采用IMU、电磁罗盘、惯性导航系统以及差分GPS采集相关数据，并将采集的所有数据与激光数据进行融合，选择在当前环境下相对定位信息较好的数据，去除在当前环境下相对定位信息较差的数据，得到优化后的定位数据，并生成地图，从而实现定位导航。
作为优选，所述差分GPS的精度为1cm以内。
本发明还提供了一种低速商用机器人，包括车身，还包括上述述的低速商用机器人定位导航系统。
作为优选，所述低速商用机器人定位导航系统中16线激光雷达安装于所述车身的正前方顶端，所述IMU安装于车身前方，所述差分GPS安装在车身顶端。本发明中16线激光雷达主要安装在车身正前方顶端以便扫描到周围360度环境信息；IMU安装在车身前上方，尽量安装在正前方，不要跟车身接触防止短路；差分GPS接收器主要安装在车身顶端，注意蘑菇头不能被遮挡，以保证电磁罗盘周围磁场不变化。
Claims (5)
1.一种低速商用机器人定位导航方法，其特征在于，包括以下步骤：
(1)激光slam导航：相对于机器人通过激光雷达构建地图时所设原点的坐标信息；
(2)差分GPS导航：通过差分GPS导航机器人相对应的坐标信息；
(3)视觉slam导航：通过双目视觉传感器获取两幅不同视角的图像，并通过ORB算法从两幅图像中寻找特征点，匹配并得到旋转角度，将匹配得到的旋转角度与里程计角度融合；
(4)结合激光雷达与双目视觉传感器，融合距离信息与旋转角度信息，获得路标信息；
(5)定位机器人的初始位置，根据路标信息，构建特征地图，实现导航。
2.一种低速商用机器人定位导航系统，包括工控机，其特征在于，还包括与工控机信号连接的惯性导航系统、差分GPS、编码器、IMU、电磁罗盘以及16线激光雷达，所述IMU和电池罗盘为机器人提供姿态信息，所述差分GPS提供车身参考位置。
3.如权利要求2所述的低速商用机器人定位导航系统，其特征在于，所述差分GPS的精度为1cm以内。
4.一种低速商用机器人，包括车身，其特征在于，还包括如权利要求2～3任一所述的低速商用机器人定位导航系统。
5.如权利要求4所述的低速商用机器人，其特征在于，所述低速商用机器人定位导航系统中16线激光雷达安装于所述车身的正前方顶端，所述IMU安装于车身前方，所述差分GPS安装在车身顶端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910031270.1A CN109752725A (zh) | 2019-01-14 | 2019-01-14 | 一种低速商用机器人、定位导航方法及定位导航系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910031270.1A CN109752725A (zh) | 2019-01-14 | 2019-01-14 | 一种低速商用机器人、定位导航方法及定位导航系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109752725A true CN109752725A (zh) | 2019-05-14 |
Family
ID=66405592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910031270.1A Pending CN109752725A (zh) | 2019-01-14 | 2019-01-14 | 一种低速商用机器人、定位导航方法及定位导航系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109752725A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110186458A (zh) * | 2019-05-17 | 2019-08-30 | 天津大学 | 基于os-elm融合视觉和惯性信息的室内定位方法 |
| CN110275181A (zh) * | 2019-07-08 | 2019-09-24 | 武汉中海庭数据技术有限公司 | 一种车载移动测量系统及其数据处理方法 |
| CN110333513A (zh) * | 2019-07-10 | 2019-10-15 | 国网四川省电力公司电力科学研究院 | 一种融合最小二乘法的粒子滤波slam方法 |
| CN110412596A (zh) * | 2019-07-10 | 2019-11-05 | 上海电机学院 | 一种基于图像信息和激光点云的机器人定位方法 |
| CN110726409A (zh) * | 2019-09-09 | 2020-01-24 | 杭州电子科技大学 | 一种基于激光slam和视觉slam地图融合方法 |
| CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
| CN111679292A (zh) * | 2020-06-24 | 2020-09-18 | 昆山同孚智能技术有限公司 | 一种用于agv小车激光导航的相对定位方法 |
| CN112041634A (zh) * | 2020-08-07 | 2020-12-04 | 苏州珊口智能科技有限公司 | 移动机器人的定位方法、构建地图的方法及移动机器人 |
| CN112105961A (zh) * | 2019-07-26 | 2020-12-18 | 深圳市大疆创新科技有限公司 | 基于多数据融合的定位方法、可移动平台及存储介质 |
| CN112540382A (zh) * | 2019-09-07 | 2021-03-23 | 山东大学 | 一种基于视觉识别检测的激光导航agv辅助定位方法 |
| CN112650255A (zh) * | 2020-12-29 | 2021-04-13 | 杭州电子科技大学 | 一种基于视觉与激光雷达信息融合的机器人室内外定位导航系统方法 |
| CN112923931A (zh) * | 2019-12-06 | 2021-06-08 | 北理慧动(常熟)科技有限公司 | 一种基于固定路线下的特征地图匹配与gps定位信息融合方法 |
| CN113341444A (zh) * | 2021-06-30 | 2021-09-03 | 中国船舶重工集团公司第七一三研究所 | 一种机场行李智能全向输转平台定位导航系统和方法 |
| CN114022519A (zh) * | 2020-07-28 | 2022-02-08 | 清华大学 | 坐标系转换方法、装置及包含该装置的多源融合slam系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576384A (zh) * | 2009-06-18 | 2009-11-11 | 北京航空航天大学 | 一种基于视觉信息校正的室内移动机器人实时导航方法 |
| 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 |
| CN108375370A (zh) * | 2018-07-02 | 2018-08-07 | 江苏中科院智能科学技术应用研究院 | 一种面向智能巡防无人机的复合导航系统 |
-
2019
- 2019-01-14 CN CN201910031270.1A patent/CN109752725A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101576384A (zh) * | 2009-06-18 | 2009-11-11 | 北京航空航天大学 | 一种基于视觉信息校正的室内移动机器人实时导航方法 |
| 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 |
| CN108375370A (zh) * | 2018-07-02 | 2018-08-07 | 江苏中科院智能科学技术应用研究院 | 一种面向智能巡防无人机的复合导航系统 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110186458A (zh) * | 2019-05-17 | 2019-08-30 | 天津大学 | 基于os-elm融合视觉和惯性信息的室内定位方法 |
| CN110275181A (zh) * | 2019-07-08 | 2019-09-24 | 武汉中海庭数据技术有限公司 | 一种车载移动测量系统及其数据处理方法 |
| CN110333513A (zh) * | 2019-07-10 | 2019-10-15 | 国网四川省电力公司电力科学研究院 | 一种融合最小二乘法的粒子滤波slam方法 |
| CN110412596A (zh) * | 2019-07-10 | 2019-11-05 | 上海电机学院 | 一种基于图像信息和激光点云的机器人定位方法 |
| CN110333513B (zh) * | 2019-07-10 | 2023-01-10 | 国网四川省电力公司电力科学研究院 | 一种融合最小二乘法的粒子滤波slam方法 |
| CN112105961A (zh) * | 2019-07-26 | 2020-12-18 | 深圳市大疆创新科技有限公司 | 基于多数据融合的定位方法、可移动平台及存储介质 |
| CN112540382B (zh) * | 2019-09-07 | 2024-02-13 | 山东大学 | 一种基于视觉识别检测的激光导航agv辅助定位方法 |
| CN112540382A (zh) * | 2019-09-07 | 2021-03-23 | 山东大学 | 一种基于视觉识别检测的激光导航agv辅助定位方法 |
| CN110726409A (zh) * | 2019-09-09 | 2020-01-24 | 杭州电子科技大学 | 一种基于激光slam和视觉slam地图融合方法 |
| CN110726409B (zh) * | 2019-09-09 | 2021-06-22 | 杭州电子科技大学 | 一种基于激光slam和视觉slam地图融合方法 |
| CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
| CN112923931A (zh) * | 2019-12-06 | 2021-06-08 | 北理慧动(常熟)科技有限公司 | 一种基于固定路线下的特征地图匹配与gps定位信息融合方法 |
| CN111679292A (zh) * | 2020-06-24 | 2020-09-18 | 昆山同孚智能技术有限公司 | 一种用于agv小车激光导航的相对定位方法 |
| CN111679292B (zh) * | 2020-06-24 | 2023-04-07 | 昆山同日智能技术有限公司 | 一种用于agv小车激光导航的相对定位方法 |
| CN114022519A (zh) * | 2020-07-28 | 2022-02-08 | 清华大学 | 坐标系转换方法、装置及包含该装置的多源融合slam系统 |
| CN112041634A (zh) * | 2020-08-07 | 2020-12-04 | 苏州珊口智能科技有限公司 | 移动机器人的定位方法、构建地图的方法及移动机器人 |
| CN112650255A (zh) * | 2020-12-29 | 2021-04-13 | 杭州电子科技大学 | 一种基于视觉与激光雷达信息融合的机器人室内外定位导航系统方法 |
| CN113341444A (zh) * | 2021-06-30 | 2021-09-03 | 中国船舶重工集团公司第七一三研究所 | 一种机场行李智能全向输转平台定位导航系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109752725A (zh) | 一种低速商用机器人、定位导航方法及定位导航系统 | |
| CN106840179B (zh) | 一种基于多传感器信息融合的智能车定位方法 | |
| CN109931926B (zh) | 一种基于站心坐标系的小型无人机无缝自主式导航方法 | |
| CN110243358A (zh) | 多源融合的无人车室内外定位方法及系统 | |
| Sun et al. | Robust IMU/GPS/VO integration for vehicle navigation in GNSS degraded urban areas | |
| CN104121905B (zh) | 一种基于惯性传感器的航向角获取方法 | |
| CN110702091B (zh) | 一种沿地铁轨道移动机器人的高精度定位方法 | |
| JP2024050990A (ja) | 判定装置 | |
| JP7245084B2 (ja) | 自動運転システム | |
| CN109282808B (zh) | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 | |
| CN104729506A (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
| CN111426320B (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
| CN102243315A (zh) | 具有辅助定位功能的移动终端及方法 | |
| CN111025366B (zh) | 基于ins及gnss的网格slam的导航系统及方法 | |
| CN110412596A (zh) | 一种基于图像信息和激光点云的机器人定位方法 | |
| CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
| CN108387236A (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
| Gao et al. | An integrated land vehicle navigation system based on context awareness | |
| CN109612462A (zh) | 多传感器数据融合定位方法及其安防机器人 | |
| CN112362044A (zh) | 室内定位方法、装置、设备和系统 | |
| CN114915913A (zh) | 一种基于滑窗因子图的uwb-imu组合室内定位方法 | |
| CN117268408A (zh) | 一种激光slam定位方法及系统 | |
| CN116242372A (zh) | 一种gnss拒止环境下的uwb-激光雷达-惯导融合定位方法 | |
| US20240077880A1 (en) | Slope location correction method and apparatus, robot and readable storage medium | |
| CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191231 Address after: 213031 No.2 Tianhe Road, Xinbei District, Changzhou City, Jiangsu Province Applicant after: Jiangsu Tianze Robot Technology Co.,Ltd. Address before: 213022, No. 2, Tianhe Road, Tianhe photovoltaic industrial park, Xinbei District, Jiangsu, Changzhou Applicant before: TRINA SOLAR Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |
|
| RJ01 | Rejection of invention patent application after publication |