CN110927765A - 激光雷达与卫星导航融合的目标在线定位方法 - Google Patents

激光雷达与卫星导航融合的目标在线定位方法 Download PDF

Info

Publication number
CN110927765A
CN110927765A CN201911132221.3A CN201911132221A CN110927765A CN 110927765 A CN110927765 A CN 110927765A CN 201911132221 A CN201911132221 A CN 201911132221A CN 110927765 A CN110927765 A CN 110927765A
Authority
CN
China
Prior art keywords
coordinate system
positioning
coordinates
navigation
target
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
CN201911132221.3A
Other languages
English (en)
Other versions
CN110927765B (zh
Inventor
刘玉超
李会明
李子月
李琳
张庶
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.)
BOCOM SMART NETWORK TECHNOLOGIES Inc
Original Assignee
BOCOM SMART NETWORK TECHNOLOGIES Inc
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 BOCOM SMART NETWORK TECHNOLOGIES Inc filed Critical BOCOM SMART NETWORK TECHNOLOGIES Inc
Priority to CN201911132221.3A priority Critical patent/CN110927765B/zh
Publication of CN110927765A publication Critical patent/CN110927765A/zh
Application granted granted Critical
Publication of CN110927765B publication Critical patent/CN110927765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves

Abstract

一种激光雷达与卫星导航融合的目标在线定位方法，包括：通过无人车的激光雷达获取点云数据；将点云数据投影到二维图像；将二维图像输入预先训练好的定位目标识别模型中，识别出定位目标，得到该定位目标在激光雷达坐标系中的极坐标，将极坐标转换为直角坐标；从无人车的卫星定位数据中获得接收天线的大地坐标系坐标；将大地坐标系坐标依次转换为地心坐标系坐标、东北天导航坐标系坐标、车载卫星定位设备导航坐标系坐标；将定位目标直角坐标转换为车载卫星定位设备导航坐标系坐标；将定位目标的车载卫星定位设备导航坐标系的坐标转换为地心坐标系的坐标。本发明方法能有效解决遮挡、干扰等无法实现直接卫星导航定位环境中的高精度在线定位问题。

Description

激光雷达与卫星导航融合的目标在线定位方法
技术领域
本发明属于目标定位技术领域，尤其涉及一种激光雷达与卫星导航融合的目标在线定位方法。
背景技术
卫星导航定位系统是具有在海陆空进行全方位实时导航与定位能力的新一代卫星导航与定位系统，具有全能性、全球性、全天候、连续性、实时性的导航、定位和授时等多种功能，能为各类静止或高速运动的用户提供较为精密的瞬间空间坐标。卫星导航定位系统技术作为先进的测量手段和新的生产力，已经融入了国民经济建设、国防建设和社会发展的各个应用领域，是目前应用最为广泛的定位技术。
随着现代信息技术和移动计算的高速发展，更为精确的实时定位导航越来越受到人们的普遍关注，稳定性更强、精度更高和可靠性更好的定位技术已成为人们越来越强烈的需求。在物联网万亿级市场的驱动下，新的定位技术和新的应用前景正在逐渐释放，但传统的定位技术及其应用发展也面临着诸多的挑战。
数十年来，学术界和工业界一直致力于室内/室外定位技术研究。然而，现有的实时在线定位技术应用的范围仍然非常有限。卫星导航定位设备是无人车感知系统重要的传感器，可以为无人车提供高精度的经度、纬度以及速度信息。但在定位某些特殊场景下的目标时，由于目标的卫星定位信号容易受到遮挡、干扰等复杂的环境因素影响，难以为无人车提供定位目标持续、稳定的导航定位数据，尤其是隧道、城市峡谷、树冠茂密场景，环境遮挡造成可视星数目急剧降低，多路径效应明显，不定位或者定位误差过大情况明显。
发明内容
基于此，针对上述技术问题，提供一种激光雷达与卫星导航融合的目标在线定位方法。
为解决上述技术问题，本发明采用如下技术方案：
一种激光雷达与卫星导航融合的目标在线定位方法，包括：
S101、通过无人车的激光雷达获取点云数据；
S102、将所述点云数据投影到二维图像；
S103、将所述二维图像输入预先训练好的定位目标识别模型中，识别出定位目标，通过所述激光雷达得到该定位目标在激光雷达坐标系中的极坐标(θ,ρ)，通过以下公式将所述极坐标(θ,ρ)转换为直角坐标：
Figure BDA0002278636480000021
其中，Xr为所述定位目标距离无人车侧向水平距离，Yr为所述定位目标距离无人车前侧的水平距离；
S104、从无人车的车载卫星定位设备的卫星定位数据中获得该车载卫星定位设备的接收天线的大地坐标系坐标(L,B,H)，L为所述接收天线的纬度，B为所述接收天线的经度，H为所述接收天线的高度；
S105、通过以下公式将所述接收天线的大地坐标系坐标(L,B,H)转换为WGS84地心坐标系的坐标(X,Y,Z)：
Figure BDA0002278636480000022
其中，
Figure BDA0002278636480000023
为WGS84地心坐标系的地球曲率半径，
Figure BDA0002278636480000024
为WGS84地心坐标系的地球椭圆率，a、b分别为WGS84地心坐标系的地球长轴与短轴；
S106、通过以下公式将所述接收天线的WGS84地心坐标系的坐标转换为东北天导航坐标系的坐标：
Figure BDA0002278636480000025
Figure BDA0002278636480000026
为WGS84地心坐标系Oi-XiYiZi转换到东北天导航坐标系On-XnYnZn的姿态矩阵，λ和
Figure BDA0002278636480000027
表示WGS84地心坐标系Oi-XiYiZi绕Z轴逆时针旋转λ+90度，再绕X轴逆时针旋转
Figure BDA0002278636480000028
得到东北天导航坐标系On-XnYnZn，其中，
Figure BDA0002278636480000029
S107、通过以下公式将所述接收天线的东北天导航坐标系的坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure BDA0002278636480000031
Figure BDA0002278636480000032
为东北天导航坐标系On-XnYnZn转换到车载卫星定位设备导航坐标系Oab-XabYabZab的姿态矩阵，其中，
Figure BDA0002278636480000033
φab、θab、γab分别为惯导偏航角、俯仰角以及滚转角；
S108、通过以下公式将所述定位目标的直角坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure BDA0002278636480000034
(Xrb,Yrb,Zrb)是定位目标在导航坐标系的坐标，T是平移矩阵；
S109、通过以下公式将所述定位目标的车载卫星定位设备导航坐标系的坐标转换为WGS84地心坐标系的坐标：
Figure BDA0002278636480000035
并通过以下公式将所述定位目标的WGS84地心坐标系的坐标转换为大地坐标系坐标：
Figure BDA0002278636480000036
Figure BDA0002278636480000037
为WGS84地心坐标系的地球曲率半径，
Figure BDA0002278636480000038
为WGS84地心坐标系的地球椭圆率。
所述定位目标识别模型通过以下方式进行预先训练：
通过激光雷达获取点云数据；
将所述点云数据投影到二维图像；
将所述二维图像输入卷积神经网络模型，通过梯度下降法对所述卷积神经网络模型进行训练，损失函数采用交叉熵损失函数。
在获取点云数据后，对所述点云数据依次进行去噪处理以及降采样处理。
所述去噪处理包括：
采用K-D imens ion Tree树法将点云数据构建成相应的K-D树，将相邻的点云数据进行关联；
查找点云数据中任意一点的邻域；
计算每个点与其邻域内其他各点之间的平均距离值；
将所述平均距离值与阈值进行比较，若大于所述阈值，则当前点为噪声点，将该点剔除。
所述降采样处理包括：
采用距离采样法对点云数据进行去冗余处理；
采用VoxelGrid滤波器对去冗余处理后的点云数据进行降采样。
所述步骤S104还包括对所述卫星定位数据进行预处理：
通过解码对所述卫星定位数据进行分类，剔除无效观测值以及冗余信息；
对对所述卫星定位数据进行傅里叶正变换，将频项系数置零，然后再进行傅里叶反变换。
所述二维图像的尺寸为448*448。
所述卷积神经网络模型采用YOLO卷积神经网络模型。
本发明方法可以根据无人车卫星定位设备和激光雷达的测量数据，计算得到指定目标的实时位置信息，能有效解决指定目标被遮挡、干扰等无法实现直接卫星导航定位环境中的高精度在线定位问题。
附图说明
下面结合附图和具体实施方式本发明进行详细说明：
图1为本发明的流程图；
图2为本发明的定位目标的极坐标与直角坐标的转换示意图。
具体实施方式
如图1所示，一种激光雷达与卫星导航融合的目标在线定位方法，包括：
S101、通过无人车的激光雷达获取点云数据。
S102、将点云数据投影到二维图像。
S103、将二维图像输入预先训练好的定位目标识别模型中，识别出定位目标，如图2所示，通过激光雷达得到该定位目标A在激光雷达坐标系中的极坐标(θ,ρ)，通过以下公式将极坐标(θ,ρ)转换为直角坐标：
Figure BDA0002278636480000051
其中，Xr为定位目标A距离无人车B侧向水平距离，Yr为定位目标A距离无人车B前侧的水平距离。
本专利中的定位目标是指被遮挡的目标，要解决的是该目标无法用卫星定位时的在线定位问题。
其中，定位目标识别模型通过以下方式进行预先训练：
A、通过激光雷达获取点云数据。
在本实施例中，采用安装在无人车上的激光雷达获取点云数据，所使用的点云数据为定位目标的点云数据。
B、将点云数据投影到二维图像。
C、将二维图像输入卷积神经网络模型，通过梯度下降法对卷积神经网络模型进行训练，损失函数采用交叉熵损失函数。最后将训练好的模型存储为ckpt模型格式，便于后续定位目标实时在线识别和迁移学习。
具体地，步骤S101中以及在对定位目标识别模型进行训练时，获取点云数据后，对点云数据依次进行去噪处理以及降采样处理。
二维图像的像素尺寸为448*448。卷积神经网络要求的输入是二维的，其输入维度为448*448，故二维图像的像素尺寸为448*448。
一、去噪处理包括：
1、采用K-Dimension Tree树法将点云数据构建成相应的K-D树，将相邻的点云数据进行关联。
2、查找点云数据中任意一点的邻域。
3、计算每个点与其邻域内其他各点之间的平均距离值。
4、将平均距离值与阈值进行比较，若大于所述阈值，则当前点为噪声点，将该点剔除。
二、降采样处理包括：
1、采用距离采样法对点云数据进行去冗余处理，即计算两两点云数据之间的欧式距离，可以根据实际使用的激光雷达扫描精度来设置两个相邻点间的距离阈值，要是相邻点间的欧式距离小于距离阈值，则只保留其中一个点，这样得到的数据基本能完全去除冗余数据。
欧式距离计算公式为
Figure BDA0002278636480000061
(x1,y1,z1)和(x2,y2,z2)是两个点云数据坐标，d是欧氏距离。
2、采用VoxelGrid滤波器对去冗余处理后的点云数据进行降采样。首先，通过输入的点云数据创建一个三维体素栅格，然后在每个三维体素栅格(即三维立方体)内，用该三维体素栅格的重心来表示该栅格内所有的点，对所有三维体素栅格处理后，最终得到过滤后的点云数据。
在本实施例中，卷积神经网络模型采用YOLO(You Only Look Once)卷积神经网络模型，参数Batchsize设置为100，该参数可根据二维图像的规模设定。
S104、从无人车的车载卫星定位设备的卫星定位数据中获得该车载卫星定位设备的接收天线的大地坐标系坐标(L,B,H)，L为接收天线的纬度，B为接收天线的经度，H为接收天线的高度。
在本实施例中，先对卫星定位数据进行预处理，过程如下：
1、通过解码对卫星定位数据(GPS信号)进行分类，剔除无效观测值以及冗余信息。
原始的卫星定位数据中包含可见卫星信息、地理定位信息、地面速度信息、GPS定位信息等多种信息，我们通过相应的解析协议对数据进行转换，如将字符串转换成整型数据，解码后形成星历文件、观测文件和测站文件等多种数据文件，有些数据对于定位是没有帮助的，属于无效观测值以及冗余信息，故需要先去除。
2、对卫星定位数据进行傅里叶正变换，将频项系数置零，然后再进行傅里叶反变换。我们将诸如多路径、大气延迟或导航中一些客观因素影响所造成的偏差看成高频噪声，通过傅里叶变换的频率分辨消除GPS测量偏差。将GPS信号经过傅里叶正变换后，可以看到噪声信号主要集中在频谱的高频部分，因此通过将不同的高频项系数置零，然后再经过傅里叶反变换，就可以得到平滑后的处理数据，即卫星定位有效信息。
S105、通过以下公式将接收天线的大地坐标系坐标(L,B,H)转换为WGS84地心坐标系的坐标(X,Y,Z)：
Figure BDA0002278636480000071
其中，
Figure BDA0002278636480000072
为WGS84地心坐标系的地球曲率半径，
Figure BDA0002278636480000073
为WGS84地心坐标系的地球椭圆率，a、b分别为WGS84地心坐标系的地球长轴与短轴。
S106、通过以下公式将接收天线的WGS84地心坐标系的坐标转换为东北天导航坐标系的坐标：
Figure BDA0002278636480000074
Xn、Yn、Zn为接收天线在东北天导航坐标系的坐标，Xa、Ya、Zn为接收天线在WGS84地心坐标系的坐标，
Figure BDA0002278636480000075
为WGS84地心坐标系Oi-XiYiZi转换到东北天导航坐标系On-XnYnZn(接收天线为原点)的姿态矩阵，λ和
Figure BDA0002278636480000076
表示WGS84地心坐标系Oi-XiYiZi绕Z轴逆时针旋转λ+90度，再绕X轴逆时针旋转
Figure BDA0002278636480000077
得到东北天导航坐标系On-XnYnZn，其中，
Figure BDA0002278636480000078
S107、通过以下公式将接收天线的东北天导航坐标系的坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure BDA0002278636480000079
Xab、Yab、Zab为接收天线在车载卫星定位设备导航坐标系的坐标，
Figure BDA00022786364800000710
为东北天导航坐标系On-XnYnZn转换到车载卫星定位设备导航坐标系Oab-XabYabZab(原点与东北天导航坐标系)的姿态矩阵，其中，
Figure BDA00022786364800000711
φab、θab、γab分别为惯导偏航角、俯仰角以及滚转角，由卫星定位设备输出。
S108、通过以下公式将定位目标的直角坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure BDA0002278636480000081
(Xrb,Yrb,Zrb)是定位目标在导航坐标系的坐标，T是平移矩阵，表示激光雷达坐标系原点到导航坐标系的差值，可通过实际测量得到。
S109、通过以下公式将定位目标的车载卫星定位设备导航坐标系的坐标转换为WGS84地心坐标系的坐标：
Figure BDA0002278636480000082
并通过以下公式将定位目标的WGS84地心坐标系的坐标转换为大地坐标系的坐标：
Figure BDA0002278636480000083
Figure BDA0002278636480000084
为WGS84地心坐标系的地球曲率半径，
Figure BDA0002278636480000085
为WGS84地心坐标系的地球椭圆率。
本发明方法可以根据无人车卫星定位设备和激光雷达的测量数据，计算得到指定目标的实时位置信息，能有效解决指定目标被遮挡、干扰等无法实现直接卫星导航定位环境中的高精度在线定位问题。
但是，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (8)

1.一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，包括：
S101、通过无人车的激光雷达获取点云数据；
S102、将所述点云数据投影到二维图像；
S103、将所述二维图像输入预先训练好的定位目标识别模型中，识别出定位目标，通过所述激光雷达得到该定位目标在激光雷达坐标系中的极坐标(θ,ρ)，通过以下公式将所述极坐标(θ,ρ)转换为直角坐标：
Figure FDA0002278636470000011
其中，Xr为所述定位目标距离无人车侧向水平距离，Yr为所述定位目标距离无人车前侧的水平距离；
S104、从无人车的车载卫星定位设备的卫星定位数据中获得该车载卫星定位设备的接收天线的大地坐标系坐标(L,B,H)，L为所述接收天线的纬度，B为所述接收天线的经度，H为所述接收天线的高度；
S105、通过以下公式将所述接收天线的大地坐标系坐标(L,B,H)转换为WGS84地心坐标系的坐标(X,Y,Z)：
Figure FDA0002278636470000012
其中，
Figure FDA0002278636470000013
为WGS84地心坐标系的地球曲率半径，
Figure FDA0002278636470000014
为WGS84地心坐标系的地球椭圆率，a、b分别为WGS84地心坐标系的地球长轴与短轴；
S106、通过以下公式将所述接收天线的WGS84地心坐标系的坐标转换为东北天导航坐标系的坐标：
Figure FDA0002278636470000015
Figure FDA0002278636470000016
为WGS84地心坐标系Oi-XiYiZi转换到东北天导航坐标系On-XnYnZn的姿态矩阵，λ和
Figure FDA0002278636470000017
表示WGS84地心坐标系Oi-XiYiZi绕Z轴逆时针旋转λ+90度，再绕X轴逆时针旋转
Figure FDA0002278636470000018
得到东北天导航坐标系On-XnYnZn，其中，
Figure FDA0002278636470000019
S107、通过以下公式将所述接收天线的东北天导航坐标系的坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure FDA0002278636470000021
Figure FDA0002278636470000022
为东北天导航坐标系On-XnYnZn转换到车载卫星定位设备导航坐标系Oab-XabYabZab的姿态矩阵，其中，
Figure FDA0002278636470000023
φab、θab、γab分别为惯导偏航角、俯仰角以及滚转角；
S108、通过以下公式将所述定位目标的直角坐标转换为车载卫星定位设备导航坐标系的坐标：
Figure FDA0002278636470000024
(Xrb,Yrb,Zrb)是定位目标在导航坐标系的坐标，T是平移矩阵；
S109、通过以下公式将所述定位目标的车载卫星定位设备导航坐标系的坐标转换为WGS84地心坐标系的坐标：
Figure FDA0002278636470000025
并通过以下公式将所述定位目标的WGS84地心坐标系的坐标转换为大地坐标系坐标：
Figure FDA0002278636470000026
Figure FDA0002278636470000027
为WGS84地心坐标系的地球曲率半径，
Figure FDA0002278636470000028
为WGS84地心坐标系的地球椭圆率。
2.根据权利要求1所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述定位目标识别模型通过以下方式进行预先训练：
通过激光雷达获取点云数据；
将所述点云数据投影到二维图像；
将所述二维图像输入卷积神经网络模型，通过梯度下降法对所述卷积神经网络模型进行训练，损失函数采用交叉熵损失函数。
3.根据权利要求1或2所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，在获取点云数据后，对所述点云数据依次进行去噪处理以及降采样处理。
4.根据权利要求3所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述去噪处理包括：
采用K-Dimension Tree树法将点云数据构建成相应的K-D树，将相邻的点云数据进行关联；
查找点云数据中任意一点的邻域；
计算每个点与其邻域内其他各点之间的平均距离值；
将所述平均距离值与阈值进行比较，若大于所述阈值，则当前点为噪声点，将该点剔除。
5.根据权利要求4所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述降采样处理包括：
采用距离采样法对点云数据进行去冗余处理；
采用VoxelGrid滤波器对去冗余处理后的点云数据进行降采样。
6.根据权利要求5所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述步骤S104还包括对所述卫星定位数据进行预处理：
通过解码对所述卫星定位数据进行分类，剔除无效观测值以及冗余信息；
对对所述卫星定位数据进行傅里叶正变换，将频项系数置零，然后再进行傅里叶反变换。
7.根据权利要求6所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述二维图像的尺寸为448*448。
8.根据权利要求7所述的一种激光雷达与卫星导航融合的目标在线定位方法，其特征在于，所述卷积神经网络模型采用YOLO卷积神经网络模型。
CN201911132221.3A 2019-11-19 2019-11-19 激光雷达与卫星导航融合的目标在线定位方法 Active CN110927765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911132221.3A CN110927765B (zh) 2019-11-19 2019-11-19 激光雷达与卫星导航融合的目标在线定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911132221.3A CN110927765B (zh) 2019-11-19 2019-11-19 激光雷达与卫星导航融合的目标在线定位方法

Publications (2)

Publication Number Publication Date
CN110927765A true CN110927765A (zh) 2020-03-27
CN110927765B CN110927765B (zh) 2022-02-08

Family

ID=69853426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911132221.3A Active CN110927765B (zh) 2019-11-19 2019-11-19 激光雷达与卫星导航融合的目标在线定位方法

Country Status (1)

Country Link
CN (1) CN110927765B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856537A (zh) * 2020-06-18 2020-10-30 北京九曜智能科技有限公司 一种自动驾驶车辆的导航方法及装置
CN116528172A (zh) * 2023-06-25 2023-08-01 成都工业学院 融合二次雷达信息的民航甚高频地空通信抗干扰方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011191239A (ja) * 2010-03-16 2011-09-29 Mazda Motor Corp 移動体位置検出装置
CN104180793A (zh) * 2014-08-27 2014-12-03 北京建筑大学 一种用于数字城市建设的移动空间信息获取装置和方法
CN106646562A (zh) * 2016-09-09 2017-05-10 华东师范大学 高精度三维实景室内外一体化定位方法及装置
CN106908775A (zh) * 2017-03-08 2017-06-30 同济大学 一种基于激光反射强度的无人车实时定位方法
EP3299763A1 (en) * 2015-05-20 2018-03-28 Mitsubishi Electric Corporation Point-cloud-image generation device and display system
CN108254758A (zh) * 2017-12-25 2018-07-06 清华大学苏州汽车研究院（吴江） 基于多线激光雷达和gps的三维道路构建方法
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011191239A (ja) * 2010-03-16 2011-09-29 Mazda Motor Corp 移動体位置検出装置
CN104180793A (zh) * 2014-08-27 2014-12-03 北京建筑大学 一种用于数字城市建设的移动空间信息获取装置和方法
EP3299763A1 (en) * 2015-05-20 2018-03-28 Mitsubishi Electric Corporation Point-cloud-image generation device and display system
CN106646562A (zh) * 2016-09-09 2017-05-10 华东师范大学 高精度三维实景室内外一体化定位方法及装置
CN106908775A (zh) * 2017-03-08 2017-06-30 同济大学 一种基于激光反射强度的无人车实时定位方法
CN108254758A (zh) * 2017-12-25 2018-07-06 清华大学苏州汽车研究院（吴江） 基于多线激光雷达和gps的三维道路构建方法
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHEN TIAN 等: "Vehicle tracking system for intelligent and connected vehicle based on radar and V2V fusion", 《2018 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856537A (zh) * 2020-06-18 2020-10-30 北京九曜智能科技有限公司 一种自动驾驶车辆的导航方法及装置
CN116528172A (zh) * 2023-06-25 2023-08-01 成都工业学院 融合二次雷达信息的民航甚高频地空通信抗干扰方法
CN116528172B (zh) * 2023-06-25 2023-09-05 成都工业学院 融合二次雷达信息的民航甚高频地空通信抗干扰方法

Also Published As

Publication number Publication date
CN110927765B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
CN108152831B (zh) 一种激光雷达障碍物识别方法及系统
CN110412635B (zh) 一种环境信标支持下的gnss/sins/视觉紧组合方法
CN107451593B (zh) 一种基于图像特征点的高精度gps定位方法
CN102426019B (zh) 一种无人机景象匹配辅助导航方法及系统
CN102353377B (zh) 一种高空长航时无人机组合导航系统及其导航定位方法
KR100529401B1 (ko) 합성 개구 레이더 영상을 이용한 수치표고자료 제작 장치및 그 방법
CN110542908A (zh) 应用于智能驾驶车辆上的激光雷达动态物体感知方法
CN112162297B (zh) 一种剔除激光点云地图中动态障碍伪迹的方法
CN108917753B (zh) 基于从运动恢复结构的飞行器位置确定方法
JP5286653B2 (ja) 静止物地図生成装置
CN102506867B (zh) 基于Harris角点匹配的SINS/SMANS组合导航方法及系统
CN113470090A (zh) 基于sift-shot特征的多固态激光雷达外参标定方法
CN111007531A (zh) 一种基于激光点云数据的道路边沿检测方法
CN108562885B (zh) 一种高压输电线路机载LiDAR点云提取方法
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
CN105550994A (zh) 一种基于卫星影像的无人机影像快速概略拼接方法
WO2022247306A1 (zh) 一种基于毫米波雷达的无人机定位方法
CN112666588A (zh) 一种城市峡谷环境下基于景象匹配与机器学习的定位方法
CN113917547A (zh) 一种基于融合定位的探地雷达地下隐患定位方法及系统
CN104751451B (zh) 基于无人机低空高分辨率影像的密集点云提取方法
WO2018131546A1 (ja) 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム
CN108921896B (zh) 一种融合点线特征的下视视觉罗盘
CN115908539A (zh) 一种目标体积自动测量方法和装置、存储介质
CN112098926B (zh) 一种利用无人机平台的智能测角训练样本生成方法
CN108090898A (zh) 基于字典表示的卫星遥感图像典型地标检测方法

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