CN110794434B - 一种位姿的确定方法、装置、设备及存储介质 - Google Patents
一种位姿的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110794434B CN110794434B CN201911205527.7A CN201911205527A CN110794434B CN 110794434 B CN110794434 B CN 110794434B CN 201911205527 A CN201911205527 A CN 201911205527A CN 110794434 B CN110794434 B CN 110794434B
- Authority
- CN
- China
- Prior art keywords
- target object
- pose
- particle
- determining
- predicted
- 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
Links
Images
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
- 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
- G01S19/40—Correcting position, velocity or attitude
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
Abstract
本发明实施例公开了一种位姿的确定方法、装置、设备及存储介质。该方法通过基于卫星定位,获取目标对象的第一位置;确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题,实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性的技术效果。
Description
技术领域
本发明实施例涉及定位的技术,尤其涉及一种位姿的确定方法、装置、设备及存储介质。
背景技术
机器人在已知地图中进行第一次初始化时,或者机器人在长时间的运行后,由于传感器数据误差、环境信息较少、累积误差等造成机器人定位失败的时候,为保证机器人的正常定位,需要进行重定位,包括重新确定机器人的位置和朝向等,即位姿。
发明人在实现本发明时,发现现有技术存在如下的技术缺陷:
一般的,在基于激光雷达的机器人定位应用中,可以设置在固定位置启动。在此方法中,需要在现实使用场景中设定一些固定位置并记录这些位置在地图上的坐标。这些固定的位置可以是如机器人充电桩等。进一步的,在每次启动的时候需要将机器人放置在该位置进行启动,将该位置的地图坐标作为定位算法的初始值。此方法的优点在于启动快速,并且容易实现;缺点是使用复杂,需要用户将机器人放置在固定位置进行启动,在没有严格的将机器人放置在固定位置启动时将造成定位错误,从而可能导致机器人执行导航任务时容易出现危险。
发明内容
本发明实施例提供一种位姿的确定方法、装置、设备及存储介质,以实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性。
第一方面,本发明实施例提供了一种位姿的确定方法,该方法包括:
基于卫星定位,获取目标对象的第一位置;
确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;
获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;
基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿。
进一步的,所述确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置,包括:
在构建地图时,获取具有同一时间戳的第三位置与第四位置,其中,所述第三位置为基于卫星定位所获取的位置,所述第四位置为基于所述地图所获取的位置;
确定所述第三位置与所述第四位置之间的映射关系;
在对所述目标对象进行位姿的确定时,依据所述映射关系,将所述第一位置映射为所述第二位置。
进一步的,所述基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,包括:
在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布;
为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿;
基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿。
进一步的,所述为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿,包括:
基于所述粒子的预测位姿,计算所述粒子群的第一标准差;
基于所述第一标准差确定随机噪声的概率分布;
使用所述随机噪声的概率分布,为所述粒子群中的每一所述粒子生成随机噪声;
将所述随机噪声叠加到所述粒子的预测位姿上,以更新所述粒子的预测位姿。
进一步的,所述依据基于所述第一标准差确定随机噪声的概率分布,包括:
判断所述第一标准差是否小于预设阈值;
若是,则将随机噪声的第二标准差设置为预设阈值;
若否,则将所述随机噪声的第二标准差设置为所述第一标准差;
将所述随机噪声的概率分布,确定为符合所述第二标准差的高斯分布。
进一步的,所述基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿,包括:
针对所述粒子群中的每一个粒子,计算所述目标对象在处于所述粒子时,针对预置的标记点的估算数据;
依据所述观测数据与估算数据的差距,更新每个所述粒子的权重值;
依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值;
当所述加权平均值满足收敛条件时,则将所述加权平均值确定为所述目标对象在所述地图中的初始位姿。
进一步的,在所述依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值之后,还包括:
当所述加权平均值不满足收敛条件时,则依据所述权重值,对所述粒子群中的粒子进行重新采样;
使用重新采样的所述粒子群,继续执行为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿的步骤。
进一步的,所述依据所述权重值,对所述粒子群中的粒子进行重新采样,包括:
依据所述权重值,调整所述粒子群中对应于各预测位姿的粒子的数量。
第二方面,本发明实施例还提供了一种位姿的确定装置,该装置包括:
第一位置获取模块,用于基于卫星定位,获取目标对象的第一位置;
第二位置确定模块,用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;
观测数据获取模块,用于获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;
初始位姿确定模块,用于基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿。
第三方面,本发明实施例还提供了一种位姿的确定设备,该设备包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中任一所述的位姿的确定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的位姿的确定方法。
本发明实施例通过基于卫星定位,获取目标对象的第一位置;确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题,实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性的技术效果。
附图说明
图1为本发明实施例一提供的一种位姿的确定方法的流程图;
图2为本发明实施例二提供的一种位姿的确定方法的流程图;
图3为本发明实施例三提供的一种位姿的确定装置的结构示意图;
图4为本发明实施例四提供的一种位姿的确定设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种位姿的确定方法的流程图,本实施例可适用于目标对象位姿的初始化或定位失败时对其位姿进行重新确定的情况,其中,位姿可以包括目标对象所处的位置和朝向等。
该方法可以由位姿的确定装置执行,其中,该装置可由软件和/或硬件实现,并一般集成在目标对象的控制器件中。需要说明的是,本实施例中的目标对象具体可指机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备。可以理解的是,上述目标对象进行位姿初始化或在工作过程中位姿信息发生错误时,需要重新确定终端所处的位姿,基于本实施例提供的位姿的确定方法,可以快速准确的实现对终端位姿的重新确定。
参照图1,该方法具体包括如下步骤:
S110、基于卫星定位,获取目标对象的第一位置。
本实施例中,卫星定位是一种使用卫星对某物进行准确定位的技术。卫星定位系统是以确定空间位置为目标而构成的相互关联的一个集合体或装置(部件)。这个系统可以保证在任意时刻,地球上任意一点都可以同时观测到至少4颗卫星,以保证卫星可以采集到该观测点的经纬度和高度,以便实现导航、定位、授时等功能。这项技术可以用来引导飞机、船舶、车辆以及个人,安全、准确地沿着选定的路线,准时到达目的地。
一般的,主流定位系统除美国的全球定位系统(Global Positioning System,GPS)外,还有中国的北斗卫星导航系统、欧盟的伽利略卫星导航系统、俄罗斯全球导航卫星系统等。
本实施例中,可以在目标对象中设置有用于卫星定位的卫星定位系统,并使用该卫星定位系统,获取该目标对象在移动过程中的定位结果,该定位结果可以作为目标对象的第一位置。
示例性的,以目标对象的第一位置为从GPS系统获得的定位结果为例进行说明,该定位结果可以包括目标对象所在位置的经纬度。进一步的,还可以通过高斯-克吕格投影、墨卡托投影、兰伯特投影、通用横轴墨卡托(Universal Transverse Mercator,UTM)投影等方法将该GPS的定位结果转换为平面坐标系下的定位结果。
需要注意的是,由于卫星定位的精确度有限,一般为10米左右,不足以满足目标对象对高精度定位的需求。特别对于一些机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备,需要设置该电子终端设备具备在其工作空间进行精确定位的功能。
因此,本实施例中,基于卫星定位获取的目标对象的第一位置,可以用于初步的、粗糙的获取目标对象的位置。
S120、确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。
本实施例中,还可以采用构建地图的方式,确定目标对象在地图中的第二位置。更适用于机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备的应用场景,可以确定目标对象在地图中的位姿,从而提高对目标对象位姿确定的精确度。
一般的,在构建地图时,可以采用同步定位与地图构建(SimultaneousLocalization and Mapping,SLAM)的技术。其中,SLAM最早在机器人领域提出,它指的是:机器人从未知环境的未知地点出发,在运动过程中通过重复观测到的环境特征定位自身位置和姿态,再根据自身位置构建周围环境的增量式地图,从而达到同时定位和地图构建的目的。
具体的,移动机器人自定位与环境建模问题是紧密相关的。环境模型的准确性依赖于定位精度,而定位的实现又离不开环境模型。在未知环境中,机器人没有什么参照物,只能依靠自己并不十分准确的传感器来获取外界信息,如同一个盲人在一个陌生环境中摸索的情况。这种情况下,定位是比较困难的。有地图的定位和有定位的地图创建都是容易解决的,但无地图的定位和未解决定位的地图创建如同"鸡--蛋"问题,无从下手。已有的研究中对这类问题的解决方法可分为两类:
1)利用自身携带的多种内部传感器(包括里程仪、罗盘、加速度计等),通过多种传感信息的融合减少定位的误差,使用的融合算法多为基于卡尔曼滤波的方法。这类方法由于没有参考外部信息,在长时间的漫游后误差的积累会比较大。
2)在依靠内部传感器估计自身运动的同时,使用外部传感器(如激光测距仪、视觉等)感知环境,对获得的信息进行分析提取环境特征并保存,在下一步通过对环境特征的比较对自身位置进行校正。但这种方法依赖于能够取得环境特征。
也就是说,在SLAM中,机器人可以利用自身携带的传感器识别未知环境中的特征标志,然后根据机器人与特征标志之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。
进一步的,可以在构建地图过程中,获取的目标对象在地图中的全局坐标,作为目标对象在地图中的第二位置。
本实施例中,可以是在构建地图时,对卫星定位与地图定位两种定位方式之间定位结果的映射关系进行确定,即确定关于第一位置与第二位置之间的映射关系。具体的,可以通过在构建地图时,获取具有同一时间戳的第三位置与第四位置,其中,该第三位置为基于卫星定位所获取的位置,该第四位置为基于该地图所获取的位置;确定该第三位置与该第四位置之间的映射关系;在对该目标对象进行位姿的确定时,依据该映射关系,将该第一位置映射为该第二位置。
示例性的,一般卫星定位和地图定位是建立在两个不同的坐标系中,为计算两坐标系的之间的映射关系,可以采集目标对象处于不同位置时,在两坐标系上的定位结果。由于在构建地图的过程中,目标对象移动经过的所有位置决定所有目标对象可定位的区域,所以在构建地图的过程中可以记录目标对象移动过程中所经过的、所有的在地图中的定位结果和对应时间,记为{<Pm,Tm>},其中,Pm可以表示目标对象在地图中的第四位置,Tm为Pm对应的时间戳。同时,在构建地图的过程中,目标对象可以获取基于GPS定位系统的定位数据,记为{<Pg,Tg>},其中,Pg可以表示目标对象基于卫星定位所获取的第三位置,Tg为Pg对应的时间戳。进一步的,在完成构建地图后,根据时间戳Tm和Tg,将Pm和Pg进行时间的对齐,得到{<Pm,Pg>}数据集,其中,每一个元素为同一时间戳的第三位置与第四位置。至此就可以利用{<Pm,Pg>}求解卫星定位和地图定位两个不同的坐标系之间的映射关系T,并将映射关系T保存。
进一步的,在对该目标对象进行位姿的确定时,依据该映射关系T,将该第一位置映射为该第二位置。
当然,需要注意的是,由于本实施例中的第二位置由第一位置经过映射关系转换而来,本质上还是基于卫星定位获取的定位结果,其定位精度还是受到卫星定位的限制。
S130、获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据。
本实施例中,区别于通过指定的固定位置进行位姿的初始化,可以基于目标对象所测量得到的观测数据进行位姿的重新确定,使得目标对象可以在任意位置进行位姿的初始化。
本实施例中,观测数据可以是目标对象使用外部传感器(如激光测距仪、视觉等)进行环境的感知所获取的传感器数据,或者对该传感器数据进行特征提取得到的、表示环境特征的数据。
需要注意的是,本实施例中,标记点可以是预先在目标对象的工作环境设置的特定的站点。目标对象可以将获取的观测数据与该标记点在地图中关联的环境特征进行匹配,从而确定该站点与目标对象之间的相对位置,从而确定目标对象在地图中的位姿。当然,标记点也可以是具有预设的环境特征的物品或地点,本实施例中不作限定。
示例性的,对于使用观测数据确定目标对象的位姿的应用场景,可以通过获取用户指定的目标对象在地图上的位置和朝向,之后目标对象可以在该位置进行原地旋转,并获取目标对象在原地旋转过程中获取的观测数据,依据该观测数据在地图中进行匹配,以确定目标对象在地图中的定位结果。在该定位结果收敛时,将该定位结果确定为目标对象的初始位姿。
进一步的,需要注意的是,虽然没有严格的启动位置的要求,但是需要用户指定目标对象在地图上的位置和朝向,当用户目标对象在地图上的位置和朝向有较大误差时,定位可能不能收敛,或者收敛得到了错误的初始位姿,增加了用户的使用难度。另外,通过原地旋转的方式,虽然增加获取的观测数据,可以增加位姿初始化的准确性,但也容易造成目标对象在旋转过程中碰撞到目标对象周围的障碍物。因此,本实施例中,可以设置目标对象保持静止状态,并在该目标对象保持静止状态时,获取观测数据,从而保证目标对象在该初始位姿启动的安全性。
S140、基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿。
一般的,目标对象可以将获取的观测数据与该标记点在地图中关联的环境特征进行匹配,并确定目标对象在地图中的初始位姿。当需要将该观测数据与整个地图进行匹配时,容易造成匹配时间长的问题,而且匹配时间将随地图的尺寸增大而增大。因此,本实施例中,可以将匹配的范围设定在以第二位置为中心的预设范围内。从而,实现以卫星定位的粗定位,结合地图定位的细定位,实现提高目标对象初始位姿确定的准确性和效率的技术效果。
本实施例的技术方案,通过基于卫星定位,获取目标对象的第一位置;确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题,实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性的技术效果。
具体的,不同于以固定位置进行位姿初始化的方式,本技术方案通过使用第一位置来确定目标对象在地图中的第二位置,并以第二位置为中心的预设范围确定目标对象的初始位姿,一方面,可以将目标对象设置于任意位置进行位姿初始化,另一方面,可以限定初始位姿的确定范围,提高位姿初始化的准确性和效率。
进一步的,不同于以移动或者原地旋转的方式获取更多粒子样本的方式,本技术方式通过设置目标对象在任意位置静止,避免因目标对象移动或者原地旋转所带来的碰撞障碍物的情况,增加了目标对象进行位姿初始化时的安全性和可靠性。
实施例二
图2为本发明实施例二提供的一种位姿的确定方法的流程图。
本实施例在上述实施例的基础上进一步细化,具体的,包括:基于粒子群估计目标对象的初始位姿、更新粒子群以增加粒子样本多样性等。
参照图2,该方法具体包括如下的步骤:
S210、基于卫星定位,获取目标对象的第一位置。
S220、确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。
S230、获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据。
S240、在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布。
本实施例中,可以在以第二位置为中心的预设范围内,确定多个预测位姿,并依据该多个预测位姿,估计得到目标对象的初始位姿。
本实施例中,粒子所表示的预测位姿至少包括目标对象的预测位置和预测朝向。其中,预测位置可以是目标对象在地图坐标系下的坐标,预测朝向可以是目标对象在地图坐标下的旋转角度。
具体的,可以通过设置高斯分布的均值和协方差,来确定生成的粒子可以落在以第二位置为中心的预设方位内。其中,均值可以用于确定所生成的粒子是以第二位置为中心,协方差则可以限定粒子的分布范围。
在一实施例中,可以该粒子群所表示的关于预测位姿的概率分布中,确定出目标对象的初始位姿。
具体的,本实施例中,可以采用自适应蒙特卡洛定位(adaptive Monte CarloLocalization,AMCL)的技术进行初始位姿的确定。AMCL是移动机器人在二维环境(如本实施例中的地图)中的概率定位系统,可以使用粒子滤波器(粒子群)来针对已知的地图跟踪机器人的位姿。
进一步的,在AMCL的技术中,每一粒子均可以设置有一权重,用于表示该粒子所表示的预测位姿作为目标对象的初始位姿的概率,权重越高,则概率越大。并且在初始化粒子时,可以将粒子的权重设置为一样。进一步的,在AMCL的技术中,主要是通过确定粒子与观测数据的匹配度,来调整粒子的权重值,从而调整预测位姿的分布。
S250、为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿。
一般的,在AMCL的技术中,可以利用目标对象的预测模型,更新粒子所对应的预测位姿。
其中,目标对象的预测模型,可以用于确定在目标对象进行移动或旋转操作时,每一粒子对应的预测位姿所发生的变化。示例性的,每一个粒子都代表了一个目标对象的可能位置(预测位姿),假设我们发送控制指令让目标对象移动0.1米,旋转0.7弧度,那么预测模型可以让每个粒子移动或旋转相同的量(移动0.1米,旋转0.7弧度)。另外,由于目标对象在移动或旋转的过程中,可能由于运动控制器的磨损等原因,给目标对象的控制系引入噪声,因此,在目标对象进行移动或旋转时,还需要在该预测模型的基础上添加合理的噪声。
而本实施例中,将目标对象设置处于静止状态,则在AMCL的技术中,无需引入由于目标对象移动或旋转所带来的噪声。这就容易造成在多次次迭代后,出现粒子的样本枯竭的情况。
因此,本实施例中为每一粒子所对应的预测位姿增加随机噪声,以更新粒子对应的预测位姿,而不是仅在目标对象发生移动或旋转时,才更新粒子对应的预测位姿,从而增加粒子所对应的预测位姿的多样性,可以防止出现样本枯竭的情况。进一步的,由于随机噪声的引入,还可以防止收敛于错误位姿的情况出现,如在收敛于错误的位姿时,由于随机噪声的引入,可以在获取比当前更优的粒子(预测位姿)时,及时从跳出该收敛的状态。
示例性的,可以通过基于该粒子的预测位姿,计算该粒子群的第一标准差;基于该第一标准差确定随机噪声的概率分布;使用该随机噪声的概率分布,为该粒子群中的每一该粒子生成随机噪声;将该随机噪声叠加到该粒子的预测位姿上,以更新该粒子的预测位姿。
进一步的,还可以通过判断该第一标准差是否小于预设阈值;若是,则将随机噪声的第二标准差设置为预设阈值;若否,则将该随机噪声的第二标准差设置为该第一标准差;将该随机噪声的概率分布,确定为符合该第二标准差的高斯分布。并基于该符合该第二标准差的高斯分布的随机噪声,为该粒子群中的每一该粒子生成随机噪声;将该随机噪声叠加到该粒子的预测位姿上,以更新该粒子的预测位姿。
S260、基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿。
本实施例中,可以通过针对该粒子群中的每一个粒子,计算该目标对象在处于该粒子时,针对预置的标记点的估算数据;依据该观测数据与估算数据的差距,更新每个该粒子的权重值;依据该权重值,计算该粒子群中关于预测位姿的加权平均值。其中,粒子的权重值越高,则表示该粒子对应的预测位姿作为初始位姿的概率越高,即保证了粒子与真实的目标对象所在的初始位姿越接近,则获得的权值越大。当该加权平均值满足收敛条件时,则将该加权平均值确定为该目标对象在该地图中的初始位姿。当该加权平均值不满足收敛条件时,则依据该权重值,对该粒子群中的粒子进行重新采样;使用重新采样的该粒子群,继续执行步骤S250,以进行迭代。
本实施例中,可以是在当多次迭代所确定的加权平均值之间的差值小于预设值时,确定该加权平均值满足收敛条件。
进一步的,可以依据该权重值,调整该粒子群中对应于各预测位姿的粒子的数量,实现对粒子群的重新采样。如,使用权重值大的粒子替换权重值小的粒子。也就是说,在计算过程中,经过数次迭代,只有少数粒子的权重值较大,其余粒子的权重值可以忽略不计,粒子群的概率分布也开始慢慢收敛。
在上述技术方案的基础上,还可以在粒子群收敛后,进行初始位姿可靠性的判断。具体的,可以将观测数据投影到该初始位姿,并与地图进行匹配,只有匹配成功,该初始化位置才可靠。
本实施例的技术方案,通过基于卫星定位,获取目标对象的第一位置;确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布;为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿;基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿,解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题,实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性的技术效果。
具体的,不同于以固定位置进行位姿初始化的方式,本技术方案通过使用第一位置来确定目标对象在地图中的第二位置,并以第二位置为中心的预设范围确定目标对象的初始位姿,一方面,可以将目标对象设置于任意位置进行位姿初始化,另一方面,可以限定初始位姿的确定范围,提高位姿初始化的准确性和效率。
进一步的,不同于以移动或者原地旋转的方式获取更多粒子样本的方式,本技术方式通过设置目标对象在任意位置静止,并通过为粒子增加随机噪声的方式增加粒子样本的多样性,在不至于导致粒子的样本枯竭的情况下,避免因目标对象移动或者原地旋转所带来的碰撞障碍物的情况,增加了目标对象进行位姿初始化时的安全性和可靠性。
实施例三
图3为本发明实施例三提供的一种位姿的确定装置的结构示意图。
参照图3,该装置具体包括如下结构:第一位置获取模块310、第二位置确定模块320、观测数据获取模块330和初始位姿确定模块340。
第一位置获取模块310,用于基于卫星定位,获取目标对象的第一位置。
第二位置确定模块320,用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置。
观测数据获取模块330,用于获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据。
初始位姿确定模块340,用于基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿。
本实施例的技术方案,通过基于卫星定位,获取目标对象的第一位置;确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,解决因使用固定位置进行目标对象的位置初始化所带来的灵活性低、放置目标对象容易产生误差的问题,实现降低对目标对象进行初始化时所处位置的要求,增加目标对象确定初始位姿的灵活性,并提高了目标对象在该初始位姿启动的安全性的技术效果。
在上述技术方案的基础上,所述第二位置确定模块320,包括:
数据获取单元,用于在构建地图时,获取具有同一时间戳的第三位置与第四位置,其中,所述第三位置为基于卫星定位所获取的位置,所述第四位置为基于所述地图所获取的位置。
映射关系确定单元,用于确定所述第三位置与所述第四位置之间的映射关系。
第二位置确定单元,用于在对所述目标对象进行位姿的确定时,依据所述映射关系,将所述第一位置映射为所述第二位置。
在上述技术方案的基础上,所述初始位姿确定模块340,包括:
粒子群生成单元,用于在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布。
预测位姿更新单元,用于为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿。
初始位姿确定单元,用于基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿。
在上述技术方案的基础上,所述预测位姿更新单元,包括:
第一标准差计算子单元,用于基于所述粒子的预测位姿,计算所述粒子群的第一标准差。
概率分布确定子单元,用于基于所述第一标准差确定随机噪声的概率分布。
随机噪声生成单元,单元使用所述随机噪声的概率分布,为所述粒子群中的每一所述粒子生成随机噪声。
预测位姿更新子单元,用于将所述随机噪声叠加到所述粒子的预测位姿上,以更新所述粒子的预测位姿。
在上述技术方案的基础上,所述概率分布确定子单元,具体用于:
判断所述第一标准差是否小于预设阈值;
若是,则将随机噪声的第二标准差设置为预设阈值;
若否,则将所述随机噪声的第二标准差设置为所述第一标准差;
将所述随机噪声的概率分布,确定为符合所述第二标准差的高斯分布。
在上述技术方案的基础上,所述初始位姿确定单元,包括:
估算数据计算子单元,用于针对所述粒子群中的每一个粒子,计算所述目标对象在处于所述粒子时,针对预置的标记点的估算数据。
权重值更新子单元,用于依据所述观测数据与估算数据的差距,更新每个所述粒子的权重值。
加权平均值计算子单元,用于依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值。
初始位姿确定子单元,用于当所述加权平均值满足收敛条件时,则将所述加权平均值确定为所述目标对象在所述地图中的初始位姿。
在上述技术方案的基础上,所述初始位姿确定单元,还包括:
所述重采样子单元,用于在所述依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值之后,当所述加权平均值不满足收敛条件时,则依据所述权重值,对所述粒子群中的粒子进行重新采样;使用重新采样的所述粒子群,继续执行为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿的步骤。
在上述技术方案的基础上,所述所述重采样子单元,具体用于:
依据所述权重值,调整所述粒子群中对应于各预测位姿的粒子的数量。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种位姿的确定设备的结构示意图。如图4所示,该位姿的确定设备包括:处理器40、存储器41、输入装置42以及输出装置43。该位姿的确定设备中处理器40的数量可以是一个或者多个,图4中以一个处理器40为例。该位姿的确定设备中存储器41的数量可以是一个或者多个,图4中以一个存储器41为例。该位姿的确定设备的处理器40、存储器41、输入装置42以及输出装置43可以通过总线或者其他方式连接,图4中以通过总线连接为例。该位姿的确定设备可以是电脑和服务器等。本实施例以位姿的确定设备可以是机器人、智能家具设备以及智能服务设备等能够自行执行相关工作的电子终端设备。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例所述的位姿的确定方法对应的程序指令/模块(例如,位姿的确定装置中的第一位置获取模块310、第二位置确定模块320、观测数据获取模块330和初始位姿确定模块340)。存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或者字符信息,以及产生与位姿的确定设备的观众用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置43可以包括扬声器等音频设备。需要说明的是,输入装置42和输出装置43的具体组成可以根据实际情况设定。
处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的位姿的确定方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种位姿的确定方法,包括:
基于卫星定位,获取目标对象的第一位置;
确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;
获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;
基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的位姿的确定方法操作,还可以执行本发明任意实施例所提供的位姿的确定方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是机器人,个人计算机,服务器,或者网络设备等)执行本发明任意实施例所述的位姿的确定方法。
值得注意的是,上述位姿的确定装置中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“在一实施例中”、“在又一实施例中”、“示例性的”或“在具体的实施例中”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种位姿的确定方法,其特征在于,包括:
基于卫星定位,获取目标对象的第一位置;
确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;
获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;
基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿;
所述基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿,包括:
在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布;
为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿;
基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿;
所述为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿,包括:
基于所述粒子的预测位姿,计算所述粒子群的第一标准差;
基于所述第一标准差确定随机噪声的概率分布;
使用所述随机噪声的概率分布,为所述粒子群中的每一所述粒子生成随机噪声;
将所述随机噪声叠加到所述粒子的预测位姿上,以更新所述粒子的预测位姿。
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置,包括:
在构建地图时,获取具有同一时间戳的第三位置与第四位置,其中,所述第三位置为基于卫星定位所获取的位置,所述第四位置为基于所述地图所获取的位置;
确定所述第三位置与所述第四位置之间的映射关系;
在对所述目标对象进行位姿的确定时,依据所述映射关系,将所述第一位置映射为所述第二位置。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一标准差确定随机噪声的概率分布,包括:
判断所述第一标准差是否小于预设阈值;
若是,则将随机噪声的第二标准差设置为预设阈值;
若否,则将所述随机噪声的第二标准差设置为所述第一标准差;
将所述随机噪声的概率分布,确定为符合所述第二标准差的高斯分布。
4.根据权利要求1-3任一所述的方法,其特征在于,所述基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿,包括:
针对所述粒子群中的每一个粒子,计算所述目标对象在处于所述粒子时,针对预置的标记点的估算数据;
依据所述观测数据与估算数据的差距,更新每个所述粒子的权重值;
依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值;
当所述加权平均值满足收敛条件时,则将所述加权平均值确定为所述目标对象在所述地图中的初始位姿。
5.根据权利要求4所述的方法,其特征在于,在所述依据所述权重值,计算所述粒子群中关于预测位姿的加权平均值之后,还包括:
当所述加权平均值不满足收敛条件时,则依据所述权重值,对所述粒子群中的粒子进行重新采样;
使用重新采样的所述粒子群,继续执行为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿的步骤。
6.根据权利要求5所述的方法,其特征在于,所述依据所述权重值,对所述粒子群中的粒子进行重新采样,包括:
依据所述权重值,调整所述粒子群中对应于各预测位姿的粒子的数量。
7.一种位姿的确定装置,其特征在于,包括:
第一位置获取模块,用于基于卫星定位,获取目标对象的第一位置;
第二位置确定模块,用于确定所述目标对象在预先构建的地图中与所述第一位置相映射的第二位置;
观测数据获取模块,用于获取所述目标对象在保持静止状态时,测量得到的、针对预置的标记点的观测数据;
初始位姿确定模块,用于基于所述观测数据,在以所述第二位置为中心的预设范围内,确定目标对象在所述地图中的初始位姿;
所述初始位姿确定模块,包括:
粒子群生成单元,用于在以所述第二位置为中心的预设范围内,使用高斯分布生成由粒子组成的粒子群,所述粒子用于表示所述目标对象的预测位姿,所述粒子群用于表示所述目标对象关于预测位姿的概率分布;
预测位姿更新单元,用于为每一所述粒子所对应的预测位姿增加随机噪声,以更新所述粒子对应的预测位姿;
初始位姿确定单元,用于基于所述观测数据,在所述粒子群所表示的预测位姿的概率分布中,确定所述目标对象在所述地图中的初始位姿;
所述预测位姿更新单元,包括:
第一标准差计算子单元,用于基于所述粒子的预测位姿,计算所述粒子群的第一标准差;
概率分布确定子单元,用于基于所述第一标准差确定随机噪声的概率分布;
随机噪声生成单元,单元使用所述随机噪声的概率分布,为所述粒子群中的每一所述粒子生成随机噪声;
预测位姿更新子单元,用于将所述随机噪声叠加到所述粒子的预测位姿上,以更新所述粒子的预测位姿。
8.一种位姿的确定设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的位姿的确定方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的位姿的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911205527.7A CN110794434B (zh) | 2019-11-29 | 2019-11-29 | 一种位姿的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911205527.7A CN110794434B (zh) | 2019-11-29 | 2019-11-29 | 一种位姿的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110794434A CN110794434A (zh) | 2020-02-14 |
CN110794434B true CN110794434B (zh) | 2022-11-15 |
Family
ID=69446908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911205527.7A Active CN110794434B (zh) | 2019-11-29 | 2019-11-29 | 一种位姿的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110794434B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114102574B (zh) * | 2020-08-28 | 2023-05-30 | 北京极智嘉科技股份有限公司 | 定位误差评估系统、方法 |
CN114119673B (zh) * | 2022-01-25 | 2022-04-22 | 北京地平线机器人技术研发有限公司 | 初始位姿的确定方法和装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105953798A (zh) * | 2016-04-19 | 2016-09-21 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN107328411A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术(北京)有限公司 | 车载定位系统和自动驾驶车辆 |
CN107991683A (zh) * | 2017-11-08 | 2018-05-04 | 华中科技大学 | 一种基于激光雷达的机器人自主定位方法 |
CN109579849A (zh) * | 2019-01-14 | 2019-04-05 | 浙江大华技术股份有限公司 | 机器人定位方法、装置和机器人及计算机存储介质 |
CN110148170A (zh) * | 2018-08-31 | 2019-08-20 | 北京初速度科技有限公司 | 一种应用于车辆定位的定位初始化方法及车载终端 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9037396B2 (en) * | 2013-05-23 | 2015-05-19 | Irobot Corporation | Simultaneous localization and mapping for a mobile robot |
JP2017227463A (ja) * | 2016-06-20 | 2017-12-28 | 清水建設株式会社 | 位置姿勢決定装置 |
CN108759833B (zh) * | 2018-04-25 | 2021-05-25 | 中国科学院合肥物质科学研究院 | 一种基于先验地图的智能车辆定位方法 |
CN110031009A (zh) * | 2019-04-04 | 2019-07-19 | 肖卫国 | 一种初始定位方法、计算机可读存储介质及系统 |
-
2019
- 2019-11-29 CN CN201911205527.7A patent/CN110794434B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105953798A (zh) * | 2016-04-19 | 2016-09-21 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN107328411A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术(北京)有限公司 | 车载定位系统和自动驾驶车辆 |
CN107991683A (zh) * | 2017-11-08 | 2018-05-04 | 华中科技大学 | 一种基于激光雷达的机器人自主定位方法 |
CN110148170A (zh) * | 2018-08-31 | 2019-08-20 | 北京初速度科技有限公司 | 一种应用于车辆定位的定位初始化方法及车载终端 |
CN109579849A (zh) * | 2019-01-14 | 2019-04-05 | 浙江大华技术股份有限公司 | 机器人定位方法、装置和机器人及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110794434A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud | |
CN108921947B (zh) | 生成电子地图的方法、装置、设备、存储介质以及采集实体 | |
CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
Wen et al. | Correcting NLOS by 3D LiDAR and building height to improve GNSS single point positioning | |
KR101956447B1 (ko) | 그래프 구조 기반의 무인체 위치 추정 장치 및 그 방법 | |
CN110889808B (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN109435955B (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
US20180154901A1 (en) | Method and system for localizing a vehicle | |
KR20170115778A (ko) | 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
Suzuki | Integration of GNSS positioning and 3D map using particle filter | |
EP2597485B1 (en) | Rapid lidar image correlation for ground navigation | |
Bai et al. | Using Sky‐pointing fish‐eye camera and LiDAR to aid GNSS single‐point positioning in urban canyons | |
CN111338383A (zh) | 基于gaas的自主飞行方法及系统、存储介质 | |
CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN113984044A (zh) | 一种基于车载多感知融合的车辆位姿获取方法及装置 | |
CN110989619B (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN109945864B (zh) | 室内行车定位融合方法、装置、存储介质及终端设备 | |
Obst et al. | Probabilistic multipath mitigation for GNSS-based vehicle localization in urban areas | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN113034538B (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
CN114264301A (zh) | 车载多传感器融合定位方法、装置、芯片及终端 | |
De Vivo et al. | Nonvisible satellite estimation algorithm for improved uav navigation in mountainous regions | |
CN113340310A (zh) | 一种移动机器人台阶地形识别定位方法及相关装置 | |
Verentsov et al. | Bayesian framework for vehicle localization using crowdsourced data |
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 |