CN111402332B - 基于slam的agv复合建图与导航定位方法及系统 - Google Patents
基于slam的agv复合建图与导航定位方法及系统 Download PDFInfo
- Publication number
- CN111402332B CN111402332B CN202010162565.5A CN202010162565A CN111402332B CN 111402332 B CN111402332 B CN 111402332B CN 202010162565 A CN202010162565 A CN 202010162565A CN 111402332 B CN111402332 B CN 111402332B
- Authority
- CN
- China
- Prior art keywords
- map
- point cloud
- agv
- positioning
- point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明属于导航定位领域,提供基于SLAM的AGV复合建图与导航定位方法及系统。为了解决精定位与粗定位进行切换时,两套地图及定位切换会出现定位数据跳动,影响客户观感及体验效果的问题,基于SLAM的AGV复合建图方法包括接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池;从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点;将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图,以实现点云地图和特征点地图的同步。其能够提高AGV定位的精度。
Description
技术领域
本发明属于AGV建图与导航定位技术领域,尤其涉及一种基于SLAM的AGV复合建图与导航定位方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着现在自动化及智能设备的飞速发展,各种无人运输工具(包括AGV及无人驾驶车等但不限于AGV及无人驾驶车)可用于实现无人化货物的输送及搬运,而所有的无人运输工具都有其定位导航的方式,而激光为现有主流的导航方式之一。
发明人发现,传统的定位导航方式存在一定的不足之处,如下:1)单独点云匹配的导航方式精确度低;单独点云匹配初始定位会在地图有相似的地图形状时出现初始定位错误的问题的概率较高;2)单独特征点的导航方式需要人工添加大量特征点;单独特征点的导航方式在地图有相似的特征点的位置附近会出现定位错误有较高的概率;3)现有的利用点云匹配实现不重要位置的粗定位,利用特征点实现关键位置或使用点云的位置进行细定位,目前这两种定位构建的两套地图数据并未实时同步,导致精定位与粗定位进行切换时,两套地图及定位切换会出现定位数据跳动,影响客户观感及体验效果。
发明内容
为了解决上述问题,本发明提供一种基于SLAM的AGV复合建图与导航定位方法及系统,其利用带时间戳的点云数据,并提取点云数据对应的环境特征点,使得环境特征点与点云数据匹配,且在将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并同时对点云地图及特征点地图进行统一优化,实现了点云地图和特征点地图的同步,提高了AGV定位的精度。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一方面提供一种基于SLAM的AGV复合建图方法,包括:
接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池;
从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点;
将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图,以实现点云地图和特征点地图的同步。
本发明的第二方面提供一种基于SLAM的AGV定位方法,其包括:
实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标;
判断从当前时刻点云数据中是否提取出环境特征点,若是,则在AGV粗定位坐标的基础上,将环境特征点与特征点地图进行位置匹配,得到AGV粗定位坐标对应的精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置;
其中,点云地图和特征点地图采用如上述所述的基于SLAM的AGV复合建图方法获得。
本发明的第三方面提供一种基于SLAM的AGV复合建图系统,其包括:
数据缓存模块,其用于接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池;
特征提取模块,其用于从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点;
地图构建模块,其用于将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图,以实现点云地图和特征点地图的同步。
本发明的第四方面提供一种基于SLAM的AGV定位系统,包括:
粗定位模块,其用于实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标;
定位位置确定模块,其用于判断从当前时刻点云数据中是否提取出环境特征点,若是,则在AGV粗定位坐标的基础上,将环境特征点与特征点地图进行位置匹配,得到AGV粗定位坐标对应的精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置;
其中,点云地图和特征点地图采用如上述所述的基于SLAM的AGV复合建图方法获得。
本发明的第五个方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述基于SLAM的AGV复合建图方法中的步骤。
本发明的第五个方面还提供另一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述基于SLAM的AGV定位方法中的步骤。
本发明的第六方面提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述基于SLAM的AGV复合建图方法中的步骤。
本发明的第六方面还提供另一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述基于SLAM的AGV定位方法中的步骤。
本发明的有益效果是:
本发明将点云数据加载时间戳,并提取相同时间戳的点云数据对应的环境特征点,将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,使得环境特征点与点云数据实时同步统一,并利用标准的优化工具程序统一构建并优化输出特征点地图以及点云地图实现了点云地图和特征点地图的高度同步及统一,避免了传统精定位与粗定位进行切换时两套地图及定位切换出现定位数据跳动的现象,提高了客户观感及体验效果,同时还提高了AGV定位的精度,实际测试统一性提高了1倍以上。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例的基于SLAM的AGV复合建图方法流程图。
图2是本发明实施例的基于SLAM的AGV定位方法流程图。
图3是本发明实施例的基于SLAM的AGV复合建图系统结构示意图。
图4是本发明实施例的基于SLAM的AGV定位系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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。
实施例一
图1给出了本实施例的基于SLAM的AGV复合建图方法流程图。
下面结合图1来详细说明本实施例的基于SLAM的AGV复合建图方法的具体实施过程。
如图1所示,本实施例的基于SLAM的AGV复合建图方法,包括:
步骤S101:接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池。
在具体实施中,AGV周围环境的点云数据由搭载在AGV上且围绕AGV布置的相机采集得到或是激光传感器获得。
例如:在t1时刻接收的AGV周围环境的点云数据均添加上时间戳t1;在t2时刻接收的AGV周围环境的点云数据均添加上时间戳t2。
环境数据池预设设置在内存内,用来缓存AGV周围环境的点云数据及其时间戳,这样有利于提高点云数据的调取速度,从而提高后期地图建立的时效性,并且可以提高预估位置的精度。
步骤S102:从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点。
在具体实施中,所述环境特征点包括AGV周围环境中预设位置的反光板。
需要说明的是,环境特征点主要包括反射率高于预设值的点(比如:预设设置的反光板)以及具有自然存在的描述物体形状的一系列点(比如:桌子轮廓上的点等等)。
下面以激光传感器来检测的激光数据来表征点云数据;
其中,提取环境特征点的过程包括:
读取所有的激光点;读取所有激光点的反射率信息;根据反射率,找到稳定的高于预设反射率的点,即认为是环境特征点。
在提取环境特征点的过程中,还对所有的激光点还进行线段的查找,如果存在稳定的线段,则判定为环境特征点。
本实施例从相同时间戳的点云数据提取环境特征点,实现了环境特征点与点云数据实时同步,有利于统一点云地图和特征点地图。
本实施例从使用提取到的特征点及点云构建的子地图同时作为参数进行优化,有利于形成统一的点云地图和特征点地图。
步骤S103:将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图。
具体地,将提取到的特征点及点云构建的子地图同时作为参数进行优化,构建出高度统一的地图。在具体实施中,基于迭代最近点算法将相同时间戳的点云数据与AGV周围环境进行匹配,构建出点云地图。
下面以激光传感器获取点云数据为例,来说明构建点云地图的具体实施过程。在构建点云地图的过程中,激光传感器扫到的第一帧数据为原始点云;后续的每一帧点云都可与之前的点云进行匹配;匹配上之后,则不同帧激光点云重合及扫描到的位置进行加权处理,得到是否有物体的图片,这个图片即为局部点云地图。
将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图的过程为:根据环境特征点相对于AGV车的位置以及激光的位置,映射出环境特征点相对于全局坐标的位置,加入到环境特征点地图列表中,即可构成特征点地图。
作为一种优选的实施例,采用开源CERES库统一优化点云地图和特征点地图。在具体实施中,将特征点地图和点云地图局部匹配直接建模成一个非线性优化问题,利用AGV本身自带位姿传感器提供一个初值;利用开源CERES库来求解非线性优化问题的最优解,最终得到优化后的特征点地图和点云地图。
本实施例在将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并同时对点云子地图及特征点地图进行优化实现了点云地图和特征点地图的同步,避免了传统精定位与粗定位进行切换时两套地图及定位切换出现定位数据跳动的现象,提高了客户观感及体验效果,同时还提高了AGV定位的精度。
实施例二
如图2所示,本实施例提供了一种基于SLAM的AGV定位方法,包括:
步骤S201:实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标。
步骤S202:判断从当前时刻点云数据中是否提取出环境特征点,若是,则在粗定位的基础上将环境特征点与特征点地图进行位置匹配,得到AGV精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置。
其中,点云地图和特征点地图采用如实施例一所述的基于SLAM的AGV复合建图方法获得。
本实施例将点云数据加载时间戳,并提取相同时间戳的点云数据对应的环境特征点,使得环境特征点与点云数据实时同步,且在将相应环境特征点的坐标转换到点云地图的坐标系后,特征点及点云构建的子地图同时作为参数进行统一优化,构建出高度统一的地图,实现了点云地图和特征点地图的同步,避免了传统精定位与粗定位进行切换时两套地图及定位切换出现定位数据跳动的现象,提高了客户观感及体验效果,同时还提高了AGV定位的精度。
实施例三
图3给出了本实施例的基于SLAM的AGV复合建图系统结构示意图。
下面结合图2来详细说明本实施例的基于SLAM的AGV复合建图系统组成。
如图2所示,本实施例的基于SLAM的AGV复合建图系统,包括:
(1)数据缓存模块,其用于接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池。
在具体实施中,AGV周围环境的点云数据由搭载在AGV上且围绕AGV布置的激光传感器采集得到。
例如:在t1时刻接收的AGV周围环境的点云数据均添加上时间戳t1;在t2时刻接收的AGV周围环境的点云数据均添加上时间戳t2。
环境数据池预设设置在内存内,用来缓存AGV周围环境的点云数据及其时间戳,有效防止某些原因造成的数据延迟对后面的计算或优化造成影响,也有异常情况下的数据处理,从而提高后期地图建立的准确性。
(2)特征提取模块,其用于从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点。
在具体实施中,所述环境特征点包括AGV周围环境中预设位置的反光板。
需要说明的是,环境特征点主要包括反射率高于预设值的点(比如:预设设置的反光板)以及具有自然存在的描述物体形状的一系列点(比如:桌子轮廓上的点等等)。
下面以激光传感器来检测的激光数据来表征点云数据;
其中,提取环境特征点的过程包括:
读取所有的激光点;读取所有激光点的反射率信息;根据反射率,找到稳定的高于预设反射率的点,即认为是环境特征点。
在提取环境特征点的过程中,还对所有的激光点还进行线段的查找,如果存在稳定的线段,则判定为环境特征点。
本实施例从相同时间戳的点云数据提取环境特征点,实现了环境特征点与点云数据实时同步,有利于统一点云地图和特征点地图,征点及点云构建的子地图同时作为参数进行统一优化,可构建出高度统一的地图。
(3)地图构建模块,其用于将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图。
在具体实施中,基于迭代最近点算法将相同时间戳的点云数据与AGV周围环境进行匹配,构建出点云地图。
下面以激光传感器获取点云数据为例,来说明构建点云地图的具体实施过程。在构建点云地图的过程中,激光传感器扫到的第一帧数据为原始点云;后续的每一帧点云都可与之前的点云进行匹配;匹配上之后,则不同帧激光点云重合及扫描到的位置进行加权处理,得到是否有物体的图片,这个图片即为局部点云地图。
将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图的过程为:根据环境特征点相对于AGV车的位置以及激光的位置,映射出环境特征点相对于全局坐标的位置,加入到环境特征点地图列表中,即可构成特征点地图。
作为一种优选的实施例,采用开源CERES库统一优化点云地图和特征点地图。在具体实施中,将特征点地图和点云地图局部匹配直接建模成一个非线性优化问题,利用AGV本身自带位姿传感器提供一个初值;利用开源CERES库来求解非线性优化问题的最优解,最终得到优化后的特征点地图和点云地图。
本实施例在将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,实现了点云地图和特征点地图的同步,提取到的特征点及点云构建的子地图同时作为参数进行统一优化,构建出高度统一的地图,避免了传统精定位与粗定位进行切换时两套地图及定位切换出现定位数据跳动的现象,提高了客户观感及体验效果,同时还提高了AGV定位的精度。
实施例四
如图4所示,本实施例提供了一种基于SLAM的AGV定位系统,包括:
(1)粗定位模块,其用于实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标。
(2)定位位置确定模块,其用于判断从当前时刻点云数据中是否提取出环境特征点,若是,则在粗定位的基础上将环境特征点与特征点地图进行位置匹配,得到AGV精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置。
其中,点云地图和特征点地图采用如实施例一所述的基于SLAM的AGV复合建图方法获得。
本实施例将点云数据加载时间戳,并提取相同时间戳的点云数据对应的环境特征点,使得环境特征点与点云数据实时同步,且在将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并对特征点及点云构建的子地图同时作为参数进行统一优化,构建出高度统一的地图,实现了点云地图和特征点地图的同步,避免了传统精定位与粗定位进行切换时两套地图及定位切换出现定位数据跳动的现象,提高了客户观感及体验效果,同时还提高了AGV定位的精度。
实施例五
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如实施例一所述基于SLAM的AGV复合建图方法中的步骤。
实施例六
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如实施例二所述基于SLAM的AGV定位方法中的步骤。
实施例七
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如实施例一所述基于SLAM的AGV复合建图方法中的步骤。
实施例八
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如实施例二所述基于SLAM的AGV定位方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于SLAM的AGV复合建图方法,其特征在于,包括:
接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池;
从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点;
将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图,以实现点云地图和特征点地图的同步;
所述环境特征点包括AGV周围环境中预设位置的反光板。
2.如权利要求1所述的基于SLAM的AGV复合建图方法,其特征在于,基于迭代最近点算法将相同时间戳的点云数据与AGV周围环境进行匹配,构建出点云地图。
3.如权利要求1所述的基于SLAM的AGV复合建图方法,其特征在于,采用开源CERES库统一优化点云地图和特征点地图。
4.一种基于SLAM的AGV定位方法,其特征在于,包括:
实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标;
判断从当前时刻点云数据中是否提取出环境特征点,若是,则在AGV粗定位坐标的基础上,将环境特征点与特征点地图进行位置匹配,得到AGV粗定位坐标对应的精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置;
其中,点云地图和特征点地图采用如权利要求1-3中任一项所述的基于SLAM的AGV复合建图方法获得。
5.一种基于SLAM的AGV复合建图系统,采用权利要求1所述的基于SLAM的AGV复合建图方法,其特征在于,包括:
数据缓存模块,其用于接收AGV周围环境的点云数据并加载时间戳后缓存至环境数据池;
特征提取模块,其用于从环境数据池内调取相同时间戳的点云数据,提取相同时间戳的点云数据对应的环境特征点;
地图构建模块,其用于将相同时间戳的点云数据与AGV周围环境匹配,构建出点云地图,再将相应环境特征点的坐标转换到点云地图的坐标系后构建出特征点地图,并且统一优化点云地图和特征点地图,以实现点云地图和特征点地图的同步。
6.如权利要求5所述的基于SLAM的AGV复合建图系统,其特征在于,在所述特征提取模块中,所述环境特征点包括AGV周围环境中预设位置的反光板;
或
在所述地图构建模块中,基于迭代最近点算法将相同时间戳的点云数据与AGV周围环境进行匹配,构建出点云地图;
或
在所述地图构建模块中,采用开源CERES库统一优化点云地图和特征点地图。
7.一种基于SLAM的AGV定位系统,其特征在于,包括:
粗定位模块,其用于实时接收点云数据并与点云地图进行位置匹配,得到AGV粗定位坐标;
定位位置确定模块,其用于判断从当前时刻点云数据中是否提取出环境特征点,若是,则在AGV粗定位坐标的基础上,将环境特征点与特征点地图进行位置匹配,得到AGV粗定位坐标对应的精定位坐标并作为当前时刻AGV定位位置;否则,将AGV粗定位坐标作为当前时刻AGV定位位置;
其中,点云地图和特征点地图采用如权利要求1-3中任一项所述的基于SLAM的AGV复合建图方法获得。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一项所述基于SLAM的AGV复合建图方法中的步骤;
或
该程序被处理器执行时实现如权利要求4所述基于SLAM的AGV定位方法中的步骤。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-3中任一项所述基于SLAM的AGV复合建图方法中的步骤;
或
所述处理器执行所述程序时实现如权利要求4所述基于SLAM的AGV定位方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010162565.5A CN111402332B (zh) | 2020-03-10 | 2020-03-10 | 基于slam的agv复合建图与导航定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010162565.5A CN111402332B (zh) | 2020-03-10 | 2020-03-10 | 基于slam的agv复合建图与导航定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402332A CN111402332A (zh) | 2020-07-10 |
CN111402332B true CN111402332B (zh) | 2023-08-18 |
Family
ID=71428703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010162565.5A Active CN111402332B (zh) | 2020-03-10 | 2020-03-10 | 基于slam的agv复合建图与导航定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402332B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737278B (zh) * | 2020-08-05 | 2020-12-04 | 鹏城实验室 | 同时定位与建图方法、系统、设备及存储介质 |
CN113031620A (zh) * | 2021-03-19 | 2021-06-25 | 成都河狸智能科技有限责任公司 | 一种机器人复杂环境定位方法 |
CN113674351B (zh) * | 2021-07-27 | 2023-08-08 | 追觅创新科技(苏州)有限公司 | 一种机器人的建图方法及机器人 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
CN107796397A (zh) * | 2017-09-14 | 2018-03-13 | 杭州迦智科技有限公司 | 一种机器人双目视觉定位方法、装置和存储介质 |
CN108734654A (zh) * | 2018-05-28 | 2018-11-02 | 深圳市易成自动驾驶技术有限公司 | 绘图与定位方法、系统及计算机可读存储介质 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
WO2019046962A1 (en) * | 2017-09-07 | 2019-03-14 | Appropolis Inc. | METHOD AND SYSTEM FOR TARGET POSITIONING AND CARD UPDATE |
CN109709801A (zh) * | 2018-12-11 | 2019-05-03 | 智灵飞(北京)科技有限公司 | 一种基于激光雷达的室内无人机定位系统及方法 |
CN109710724A (zh) * | 2019-03-27 | 2019-05-03 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种构建点云地图的方法和设备 |
CN109945856A (zh) * | 2019-02-18 | 2019-06-28 | 天津大学 | 基于惯性/雷达的无人机自主定位与建图方法 |
CN109991984A (zh) * | 2019-04-22 | 2019-07-09 | 上海蔚来汽车有限公司 | 用于生成高精细地图的方法、装置和计算机存储介质 |
CN110333495A (zh) * | 2019-07-03 | 2019-10-15 | 深圳市杉川机器人有限公司 | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
CN110487274A (zh) * | 2019-07-30 | 2019-11-22 | 中国科学院空间应用工程与技术中心 | 用于弱纹理场景的slam方法、系统、导航车及存储介质 |
CN110634183A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 地图构建方法、装置和无人设备 |
CN110689622A (zh) * | 2019-07-05 | 2020-01-14 | 电子科技大学 | 一种基于点云分割匹配闭环校正的同步定位与构图算法 |
CN110781794A (zh) * | 2019-10-21 | 2020-02-11 | 兰剑智能科技股份有限公司 | 一种智能识别的方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019570B (zh) * | 2017-07-21 | 2020-03-20 | 百度在线网络技术(北京)有限公司 | 用于构建地图的方法、装置及终端设备 |
CN108198145B (zh) * | 2017-12-29 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 用于点云数据修复的方法和装置 |
CN109064506B (zh) * | 2018-07-04 | 2020-03-13 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
US10776943B2 (en) * | 2018-07-17 | 2020-09-15 | Samsung Electronics Co., Ltd. | System and method for 3D association of detected objects |
-
2020
- 2020-03-10 CN CN202010162565.5A patent/CN111402332B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
WO2019046962A1 (en) * | 2017-09-07 | 2019-03-14 | Appropolis Inc. | METHOD AND SYSTEM FOR TARGET POSITIONING AND CARD UPDATE |
CN107796397A (zh) * | 2017-09-14 | 2018-03-13 | 杭州迦智科技有限公司 | 一种机器人双目视觉定位方法、装置和存储介质 |
CN108734654A (zh) * | 2018-05-28 | 2018-11-02 | 深圳市易成自动驾驶技术有限公司 | 绘图与定位方法、系统及计算机可读存储介质 |
CN110634183A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 地图构建方法、装置和无人设备 |
CN109186606A (zh) * | 2018-09-07 | 2019-01-11 | 南京理工大学 | 一种基于slam和图像信息的机器人构图及导航方法 |
CN109709801A (zh) * | 2018-12-11 | 2019-05-03 | 智灵飞(北京)科技有限公司 | 一种基于激光雷达的室内无人机定位系统及方法 |
CN109945856A (zh) * | 2019-02-18 | 2019-06-28 | 天津大学 | 基于惯性/雷达的无人机自主定位与建图方法 |
CN109710724A (zh) * | 2019-03-27 | 2019-05-03 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种构建点云地图的方法和设备 |
CN109991984A (zh) * | 2019-04-22 | 2019-07-09 | 上海蔚来汽车有限公司 | 用于生成高精细地图的方法、装置和计算机存储介质 |
CN110333495A (zh) * | 2019-07-03 | 2019-10-15 | 深圳市杉川机器人有限公司 | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 |
CN110689622A (zh) * | 2019-07-05 | 2020-01-14 | 电子科技大学 | 一种基于点云分割匹配闭环校正的同步定位与构图算法 |
CN110487274A (zh) * | 2019-07-30 | 2019-11-22 | 中国科学院空间应用工程与技术中心 | 用于弱纹理场景的slam方法、系统、导航车及存储介质 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
CN110781794A (zh) * | 2019-10-21 | 2020-02-11 | 兰剑智能科技股份有限公司 | 一种智能识别的方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于3D激光点云的同步定位与建图研究;姜俊奎;张焱;李鹏宇;;测绘与空间地理信息(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111402332A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402332B (zh) | 基于slam的agv复合建图与导航定位方法及系统 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
KR20190082070A (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
CN103106280B (zh) | 一种道路网络环境下不确定时空轨迹数据的范围查询方法 | |
CN112859859A (zh) | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 | |
CN112086010A (zh) | 地图生成方法、装置、设备及存储介质 | |
CN113127666B (zh) | 一种连续帧数据的标注系统、方法和装置 | |
US20230042968A1 (en) | High-definition map creation method and device, and electronic device | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN109741209B (zh) | 台风灾害下配电网多源数据融合方法、系统及存储介质 | |
US20220067012A1 (en) | Methods, systems and apparatus to improve spatial-temporal data management | |
EP4194807A1 (en) | High-precision map construction method and apparatus, electronic device, and storage medium | |
CN115728803A (zh) | 一种城市驾驶车辆连续定位系统及方法 | |
CN110717141A (zh) | 一种车道线优化方法、装置及存储介质 | |
CN116543134B (zh) | 数字孪生模型的构建方法、装置、计算机设备和介质 | |
CN112965076A (zh) | 一种用于机器人的多雷达定位系统及方法 | |
CN115979248A (zh) | 基于定位位姿为约束的地图更新方法及系统、存储介质 | |
CN116539053A (zh) | 一种实时全局点云地图构建方法、系统、设备及存储介质 | |
CN116245943A (zh) | 基于web的连续帧点云数据标注方法及装置 | |
CN115619954A (zh) | 稀疏语义地图的构建方法、装置、设备及存储介质 | |
CN114964210A (zh) | 地图绘制方法、装置、计算机设备及存储介质 | |
CN110941669B (zh) | 基于属性信息的空间矢量数据存储方法及坐标系转换系统 | |
CN113962847A (zh) | 点云数据处理方法、设备及存储介质 | |
CN113808142B (zh) | 一种地面标识的识别方法、装置、电子设备 | |
CN116718181B (zh) | 地图生成方法、装置、电子设备及存储介质 |
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 |