CN111578957A - 基于三维点云地图定位的智能车纯追踪循迹方法 - Google Patents
基于三维点云地图定位的智能车纯追踪循迹方法 Download PDFInfo
- Publication number
- CN111578957A CN111578957A CN202010376846.0A CN202010376846A CN111578957A CN 111578957 A CN111578957 A CN 111578957A CN 202010376846 A CN202010376846 A CN 202010376846A CN 111578957 A CN111578957 A CN 111578957A
- Authority
- CN
- China
- Prior art keywords
- point
- gps
- intelligent vehicle
- tracking
- point cloud
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000009466 transformation Effects 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于三维点云地图定位的智能车纯追踪循迹方法,包括将智能车的激光雷达和组合导航系统进行时间同步及频率校准,并通过组合导航系统确定智能车的平面坐标;获取智能车的轨迹点和点云地图;确定智能车的定位点和偏航角;确定智能车的循迹目标;输出控制指令,从而得到方向盘控制信号,实现追踪循迹。本发明利用车载激光雷达与预先建立的点云地图匹配来确定汽车位姿,通过跟踪点云地图中的目标点实现循迹算法,本发明能够在GPS信号不佳或缺失的环境下工作,鲁棒性强,算法新颖,能够适用于绝大部分场景。
Description
技术领域
本发明涉及汽车智能驾驶技术领域,具体涉及一种基于三位点云地图的智能车纯追踪循迹方法。
背景技术
路径追踪(跟踪)方法是指载体能够自主地产生相对平滑的控制指令,从而使自身按照预设路径安全平稳行驶的一种控制方法,是自动驾驶的关键技术之一。
目前常用的跟踪算法主要分为两类:基于控制理论以及基于几何学控制。常见的基于控制理论的方法有:PID控制、模糊控制、模型预测控制等,此类方法需要对载体的运动进行建模与分析,往往需要很强的理论基础,通常需要非常精确的模型才能达到理想效果,其关键参数的调参对整个系统的稳定性影响巨大。基于几何学的控制以其实现简单,易于编程,物理意义明显在该领域内广受欢迎,其中Pure Pursit是一种经典而有效的方法,目前在自动驾驶上往往和组合导航系统结合应用,通过GPS记录轨迹点以及确定自身位姿,通过一段圆弧来拟合自身位置和目标点,通过单车模型来确定相应的汽车转角。但是在地下停车场、树荫遮挡、高楼林立等GPS信号不佳或缺失的环境下无法正确地获取到当前车身的位姿,进而导致追踪方法的失效。
发明内容:
本发明的目的是提供一种基于三维点云地图定位的智能车纯追踪循迹方法,以弥补现有技术的不足。
为达到上述目的,本发明采取的具体技术方案为:
一种基于三维点云地图定位的智能车纯追踪循迹方法,包括以下步骤:
S1:将智能车的激光雷达和组合导航系统进行时间同步及频率校准,并通过组合导航系统确定智能车的平面坐标;
S2:获取智能车的轨迹点和点云地图;
S3:确定智能车的定位点P_local和偏航角heading;
S4:确定智能车的循迹目标点P_goal;
S5:输出控制指令:在获取定位点P_local、偏航角heading、目标点P_goal后,通过纯跟踪理论获取单车模型下的前轮转角,并对方向盘转角和车轮转角进行标定得到相关map图,从而得到方向盘控制信号,实现追踪循迹。
进一步的,所述S1中,进行时间同步及频率校准,以确保激光雷达和组合导航系统数据获取的时间一致;组合导航系统中GPS采用载波相位差分技术(Real-time kinematic,RTK),能够实现厘米级别的定位精度;由于GPS直接输出的是经纬度信息,所以需要通过高斯投影至平面坐标系,得到平面坐标(GPS_X,GPS_Y);以起始点为地图原点建立全局坐标系,将起始的平面坐标记为GPS_0(GPS_X0,GPS_Y0),将后续获得的平面坐标记为GPS_i(GPS_Xi,GPS_Yi),则后续坐标点在全局坐标系表示为GPS_i0(GPS_Xi-GPS_X0,GPS_Yi-GPS_Y0)。
进一步的,所述S2中:首先通过组合导航系统确定智能车车身起始位置坐标系与全局坐标系之间的变换关系;接着利用激光雷达获取汽车周围环境点云信息,采取LeGO-LOAM SLAM方法建立周围环境地图,并在LeGO-LOAM方法中的帧间匹配部分采用GPS_i0作为帧间匹配初值;依次通过帧间匹配,帧与地图匹配,回环检测步骤后,获得行驶路径周围环境点云地图,其中点云地图包括关键帧点云P_i、关键帧与全局坐标系之间的位姿变换关系T_i,位姿变换关系T_i包括一个旋转矩阵R_i和一个位移向量t_i(x,y,z),取t_i中的(x,y)作为轨迹点。
进一步的,所述S3中:智能车通过激光雷达实时获取周围环境点云P_i,通过组合导航系统实时获取自身在全局坐标系下的坐标GPS_t0,首先在轨迹点序列中搜索离GPS_t0最近的轨迹点,通过该轨迹点的临近关键帧点云及其对应的位姿变换关系建立局部地图M_local,如果组合导航系统信号良好则以其获取的航向角以及位置信息作为初值,否则采用上一时刻的定位信息作为初值;利用传统的ICP方法匹配P_i和M_local,当误差函数小于阈值时,则认为匹配成功,输出对应的位姿变换关系T_t作为当前时刻智能车在全局坐标系下的精确位姿,当误差大于阈值时,则认为匹配失败,智能车无法正确定位。
进一步的,所述S4中:在获取到当前智能车在全局坐标系下的精确位姿后,提取位姿中的对应的定位点P_local以及偏航角heading,并通过组合导航系统中的惯性测量单元获得车速信息;利用车速确定预瞄距离L_pre,在轨迹点序列中搜索离定位点P_local最近的轨迹点P_near,计算轨迹点P_near与定位点P_local的距离以及P_near后续n个轨迹点之间的折线距离L_z,直至折线距离L_z和超过预瞄距离L_pre,取最后一个计算的轨迹点为目标点P_goal。
进一步的,所述S5中:基于S3中获得的定位点P_local、偏航角heading以及S4中获得的目标点P_goal,设定位点和目标点之间的距离为L,通过几何关系获取的车身与L的夹角为b,通过正弦定理得到转弯半径由此可得转弯曲率设前轴和后轴之间的距离为ld,由几何关系可得车轮转角整理获取车轮转角后续在旋转方向盘转角的同时对车轮转角进行记录,完成方向盘转角和车轮转角之间的标定。即可获取汽车在输出某车轮转角时方向盘转角的大小。
本发明的优点和技术效果:
本发明针对当前智能驾驶中Pure Pursit方法在缺失GPS信号时无法工作的情况,提出了一种基于三维点云地图定位的智能车纯追踪循迹方法,利用车载激光雷达和组合导航系统对行驶过程中的周围环境进行建图,同时在地图上记录行驶轨迹点,从而实现在GPS信号丢失情况下的Pure Pursit循迹功能。本发明利用车载激光雷达与预先建立的点云地图匹配来确定汽车位姿,通过跟踪点云地图中的目标点实现循迹算法,本发明能够在GPS信号不佳或缺失的环境下工作,鲁棒性强,算法新颖,能够适用于绝大部分场景。
附图说明
图1为数据预处理流程图;
图2为点云地图及轨迹点获取流程图;
图3为智能车定位流程图;
图4为循迹目标点确定的流程图;
图5为控制指令输出流程图;
图6为Pure Pursit算法原理图;
图7为设备数据流示意图。
具体实施方式
以下通过具体实施例并结合附图对本发明进一步解释和说明。
实施例:
一种基于三维点云地图定位的智能车纯追踪循迹方法,本方法中的硬件设备构成如图7所示,包括以下步骤:
S1:如图1所示,该步骤进行数据预处理:将智能车的激光雷达和组合导航系统进行时间同步及频率校准,并通过组合导航系统确定智能车的平面坐标;进行时间同步及频率校准,以确保激光雷达和组合导航系统数据获取的时间一致;组合导航系统由GPS和IMU组成,组合导航系统中GPS采用载波相位差分技术(Real-time kinematic,RTK),能够实现厘米级别的定位精度;由于GPS直接输出的为世界大地坐标系(即WGS-84)坐标,包括经度纬度等,而在实际应用中需要通过高斯投影转化为平面坐标系,所以需要通过高斯投影至平面坐标系,得到平面坐标(GPS_X,GPS_Y);以起始点为地图原点建立全局坐标系,将起始的平面坐标记为GPS_0(GPS_X0,GPS_Y0),将后续获得的平面坐标记为GPS_i(GPS_Xi,GPS_Yi),则后续坐标点在全局坐标系表示为GPS_i0(GPS_Xi-GPS_X0,GPS_Yi-GPS_Y0);在第i时刻获得平面坐标系坐标记为GPS_i(GPS_Xi,GPS_Yi);
S2:如图2所示,获取智能车的轨迹点和点云地图:首先通过组合导航系统确定智能车车身起始位置坐标系与全局坐标系之间的变换关系;接着利用激光雷达获取汽车周围环境点云信息,采取LeGO-LOAM SLAM方法建立周围环境地图,并在LeGO-LOAM方法中的帧间匹配部分采用GPS_i0作为帧间匹配初值;导航系统中的GPS可以通过RTK技术获得厘米级别的定位精度,然而其需要在开阔的室外条件下方可使用,以RTK技术是否成功启用作为判断GPS信号是否良好的条件,当RTK启用时,以GPS输出的全局坐标系下的坐标GPS_i0以及偏航角heading为建图算法帧间匹配部分的初值。当RTK启用失败时,采用IMU在两个时刻间的积分值作为匹配初值导航系统中的GPS可以通过RTK技术获得厘米级别的定位精度,然而其需要在开阔的室外条件下方可使用,以RTK技术是否成功启用作为判断GPS信号是否良好的条件,当RTK启用时,以GPS输出的全局坐标系下的坐标GPS_i0以及偏航角heading为建图算法帧间匹配部分的初值。当RTK启用失败时,采用IMU在两个时刻间的积分值作为匹配初值;依次通过帧间匹配,帧与地图匹配,回环检测步骤后,获得行驶路径周围环境点云地图,其中点云地图包括关键帧点云P_i、关键帧与全局坐标系之间的位姿变换关系T_i,位姿变换关系T_i包括一个旋转矩阵R_i和一个位移向量t_i(x,y,z),取t_i中的(x,y)作为轨迹点;。依次通过帧间匹配,帧与地图匹配,回环检测,建立出行驶路径的周围环境地图,该地图由激光雷达关键帧点云以及关键帧对应全局坐标系原点的位姿变换关系T_t构成。T_t由一个旋转矩阵和一个位移向量组成,取位移向量在行驶平面上的坐标作为轨迹点;
S3:如图3所示,确定智能车的定位点P_local和偏航角heading:该步骤的激光雷达和组合导航系统也需进行时间同步,智能车通过激光雷达实时获取周围环境点云数据P_i,通过组合导航系统实时获取自身在全局坐标系下的坐标GPS_t0,首先在轨迹点序列中搜索离GPS_t0最近的轨迹点,通过该轨迹点的临近关键帧点云及其对应的位姿变换关系建立局部地图M_local;采用实时激光雷达点云数据与局部地图匹配确定智能车位姿,首先需要构建局部地图,以RTK是否启动为判断条件,如果RTK启用,则以在全局坐标系下的实时坐标GPS_t0作为粗糙位姿点,如果RTK启用失败,则先判断是否为初始时刻,如果为初始时刻,则以无旋转无平移为粗糙位姿点,如果不是初始时刻则以上一时刻的精准位姿点作为粗糙位姿点。在粗糙位姿点附近搜索最近的轨迹点,以该轨迹点对应的关键帧以及该关键帧前后五帧共十一帧关键帧建立局部地图M_local。如果组合导航系统信号良好则以其获取的航向角以及位置信息作为初值,否则采用上一时刻的定位信息作为初值;利用传统的ICP方法实时激光雷达点云数据P_t与局部地图M_local做匹配,当误差函数小于阈值时,则认为匹配成功,输出对应的位姿变换关系T_t作为当前时刻智能车在全局坐标系下的精确位姿,当误差大于阈值时,则认为匹配失败,智能车无法正确定位;
S4:如图4所示,确定智能车的循迹目标点P_goal:在获取到当前智能车在全局坐标系下的精确位姿后,提取位姿中的对应的定位点P_local以及偏航角heading,并通过组合导航系统中的惯性测量单元获得车速信息;利用车速确定预瞄距离L_pre,在轨迹点序列中搜索离定位点P_local最近的轨迹点P_near,计算轨迹点P_near与定位点P_local的距离以及P_near后续n个轨迹点之间的折线距离L_z,直至折线距离L_z和超过预瞄距离L_pre,取最后一个计算的轨迹点为目标点P_goal;
S5:如图5所示,输出控制指令:在获取智能车的定位点P_local,目标点P_local,偏航角heading后根据Pure Pursit算法原理,将汽车视为二自由度的单车模型,计算得到车轮转角,通过智能车方向盘转角和车轮转角的标定map可以得到目前智能车的方向盘转角;
其中,所述Pure Pursit算法原理如图6所示:
蓝色坐标系为全局坐标系,将智能车简化为二自由度的单车模型,设目标点为A,定位点为B,循迹路径为L_follow,要使汽车后轴中心到达目标点,其转弯的圆弧线如图中L_circure所示,即需要绕圆心转2b度。连接定位点与目标点作线段,设为L,由几何关系易知车身与L的夹角为b度,b可由目标点和定位点以及偏航角之间的几何关系求出。由正弦定理知化简得到设转弯曲率为k,由曲率定义知由几何关系已知整理可得车轮转角
本发明融合三维点云地图定位与车辆纯追踪方法算法,可以在建筑物、树荫遮挡等传统GPS无法正常工作的场景实现无人车的定位,具有强大的鲁棒性。可以直接接入搭载有激光雷达、组合惯导系统的无人车。本发明利用组合惯导系统、车载激光雷达与预先建立点云地图的匹配来确定汽车位姿,通过跟踪点云地图中的目标点实现循迹算法。
上述内容只是本发明的核心算法部分,凡是依据本发明的技术实质对上面的实施所作的任何细微修改、等同变化与修饰,均仍然属于本发明的技术内容和范围。
Claims (6)
1.一种基于三维点云地图定位的智能车纯追踪循迹方法,其特征在于,包括以下步骤:
S1:将智能车的激光雷达和组合导航系统进行时间同步及频率校准,并通过组合导航系统确定智能车的平面坐标;
S2:获取智能车的轨迹点和点云地图;
S3:确定智能车的定位点P_local和偏航角heading;
S4:确定智能车的循迹目标点P_goal;
S5:输出控制指令:在获取定位点P_local、偏航角heading、目标点P_goal后,通过纯跟踪理论获取单车模型下的前轮转角,并对方向盘转角和车轮转角进行标定得到相关map图,从而得到方向盘控制信号,实现追踪循迹。
2.如权利要求1所述的追踪循迹方法,其特征在于,所述S1中,进行时间同步及频率校准,组合导航系统中GPS采用载波相位差分技术,通过高斯投影至平面坐标系,得到平面坐标(GPS_X,GPS_Y);以起始点为地图原点建立全局坐标系,将起始的平面坐标记为GPS_0(GPS_X0,GPS_Y0),将后续获得的平面坐标记为GPS_i(GPS_Xi,GPS_Yi),则后续坐标点在全局坐标系表示为GPS_i0(GPS_Xi-GPS_X0,GPS_Yi-GPS_Y0)。
3.如权利要求1所述的追踪循迹方法,其特征在于,所述S2中:首先通过组合导航系统确定智能车车身起始位置坐标系与全局坐标系之间的变换关系;接着利用激光雷达获取汽车周围环境点云信息,采取LeGO-LOAM SLAM方法建立周围环境地图,并在LeGO-LOAM方法中的帧间匹配部分采用GPS_i0作为帧间匹配初值;依次通过帧间匹配,帧与地图匹配,回环检测步骤后,获得行驶路径周围环境点云地图,其中点云地图包括关键帧点云P_i、关键帧与全局坐标系之间的位姿变换关系T_i,位姿变换关系T_i包括一个旋转矩阵R_i和一个位移向量t_i(x,y,z),取t_i中的(x,y)作为轨迹点。
4.如权利要求1所述的追踪循迹方法,其特征在于,所述S3中:智能车通过激光雷达实时获取周围环境点云P_i,通过组合导航系统实时获取自身在全局坐标系下的坐标GPS_t0,首先在轨迹点序列中搜索离GPS_t0最近的轨迹点,通过该轨迹点的临近关键帧点云及其对应的位姿变换关系建立局部地图M_local,如果组合导航系统信号良好则以其获取的航向角以及位置信息作为初值,否则采用上一时刻的定位信息作为初值;利用传统的ICP方法匹配P_i和M_local,当误差函数小于阈值时,则认为匹配成功,输出对应的位姿变换关系T_t作为当前时刻智能车在全局坐标系下的精确位姿,当误差大于阈值时,则认为匹配失败,智能车无法正确定位。
5.如权利要求1所述的追踪循迹方法,其特征在于,所述S4中:在获取到当前智能车在全局坐标系下的精确位姿后,提取位姿中的对应的定位点P_local以及偏航角heading,并通过组合导航系统中的惯性测量单元获得车速信息;利用车速确定预瞄距离L_pre,在轨迹点序列中搜索离定位点P_local最近的轨迹点P_near,计算轨迹点P_near与定位点P_local的距离以及P_near后续n个轨迹点之间的折线距离L_z,直至折线距离L_z和超过预瞄距离L_pre,取最后一个计算的轨迹点为目标点P_goal。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010376846.0A CN111578957B (zh) | 2020-05-07 | 2020-05-07 | 基于三维点云地图定位的智能车纯追踪循迹方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010376846.0A CN111578957B (zh) | 2020-05-07 | 2020-05-07 | 基于三维点云地图定位的智能车纯追踪循迹方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111578957A true CN111578957A (zh) | 2020-08-25 |
CN111578957B CN111578957B (zh) | 2022-05-10 |
Family
ID=72123025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010376846.0A Active CN111578957B (zh) | 2020-05-07 | 2020-05-07 | 基于三维点云地图定位的智能车纯追踪循迹方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111578957B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112382116A (zh) * | 2020-11-12 | 2021-02-19 | 浙江吉利控股集团有限公司 | 一种用于获取车辆的点云地图的方法和系统 |
CN112489427A (zh) * | 2020-11-26 | 2021-03-12 | 招商华软信息有限公司 | 一种车辆轨迹跟踪方法、装置、设备及存储介质 |
CN112859051A (zh) * | 2021-01-11 | 2021-05-28 | 桂林电子科技大学 | 激光雷达点云运动畸变的矫正方法 |
CN112906462A (zh) * | 2021-01-14 | 2021-06-04 | 佳都新太科技股份有限公司 | 一种车辆违停识别方法、系统及装置 |
CN113379732A (zh) * | 2021-07-07 | 2021-09-10 | 群周科技(上海)有限公司 | 一种基于机载激光雷达的线缆目标检测方法 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能系统有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113819912A (zh) * | 2021-09-30 | 2021-12-21 | 中科测试(深圳)有限责任公司 | 一种基于多传感器数据的高精度点云地图生成方法 |
WO2022151011A1 (zh) * | 2021-01-13 | 2022-07-21 | 华为技术有限公司 | 一种定位方法、装置和车辆 |
CN114779755A (zh) * | 2022-03-01 | 2022-07-22 | 国以贤智能科技(上海)股份有限公司 | 基于混合导航方式的单舵轮叉车运动控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657640A (zh) * | 2017-09-30 | 2018-02-02 | 南京大典科技有限公司 | 基于orb slam的智能巡防巡检管理方法 |
CN109017793A (zh) * | 2018-07-26 | 2018-12-18 | 中南大学 | 基于前后轴融合参考的自主招车导航及控制方法 |
US20190065863A1 (en) * | 2017-08-23 | 2019-02-28 | TuSimple | Feature matching and correspondence refinement and 3d submap position refinement system and method for centimeter precision localization using camera-based submap and lidar-based global map |
CN109522832A (zh) * | 2018-11-06 | 2019-03-26 | 浙江工业大学 | 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 |
CN111060924A (zh) * | 2019-12-02 | 2020-04-24 | 北京交通大学 | 一种slam与目标跟踪方法 |
-
2020
- 2020-05-07 CN CN202010376846.0A patent/CN111578957B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190065863A1 (en) * | 2017-08-23 | 2019-02-28 | TuSimple | Feature matching and correspondence refinement and 3d submap position refinement system and method for centimeter precision localization using camera-based submap and lidar-based global map |
CN107657640A (zh) * | 2017-09-30 | 2018-02-02 | 南京大典科技有限公司 | 基于orb slam的智能巡防巡检管理方法 |
CN109017793A (zh) * | 2018-07-26 | 2018-12-18 | 中南大学 | 基于前后轴融合参考的自主招车导航及控制方法 |
CN109522832A (zh) * | 2018-11-06 | 2019-03-26 | 浙江工业大学 | 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 |
CN111060924A (zh) * | 2019-12-02 | 2020-04-24 | 北京交通大学 | 一种slam与目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
LI, JN 等: ""Local optimized and scalable frame-to-model SLAM"", 《MULTIMEDIA TOOLS AND APPLICATIONS》 * |
韩栋斌等: "基于多对点云匹配的三维激光雷达外参数标定", 《激光与光电子学进展》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112382116A (zh) * | 2020-11-12 | 2021-02-19 | 浙江吉利控股集团有限公司 | 一种用于获取车辆的点云地图的方法和系统 |
CN112489427A (zh) * | 2020-11-26 | 2021-03-12 | 招商华软信息有限公司 | 一种车辆轨迹跟踪方法、装置、设备及存储介质 |
CN112859051A (zh) * | 2021-01-11 | 2021-05-28 | 桂林电子科技大学 | 激光雷达点云运动畸变的矫正方法 |
CN112859051B (zh) * | 2021-01-11 | 2024-04-09 | 桂林电子科技大学 | 激光雷达点云运动畸变的矫正方法 |
WO2022151011A1 (zh) * | 2021-01-13 | 2022-07-21 | 华为技术有限公司 | 一种定位方法、装置和车辆 |
CN112906462A (zh) * | 2021-01-14 | 2021-06-04 | 佳都新太科技股份有限公司 | 一种车辆违停识别方法、系统及装置 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能系统有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113379732A (zh) * | 2021-07-07 | 2021-09-10 | 群周科技(上海)有限公司 | 一种基于机载激光雷达的线缆目标检测方法 |
CN113819912A (zh) * | 2021-09-30 | 2021-12-21 | 中科测试(深圳)有限责任公司 | 一种基于多传感器数据的高精度点云地图生成方法 |
CN114779755A (zh) * | 2022-03-01 | 2022-07-22 | 国以贤智能科技(上海)股份有限公司 | 基于混合导航方式的单舵轮叉车运动控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111578957B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111578957B (zh) | 基于三维点云地图定位的智能车纯追踪循迹方法 | |
CN106840179B (zh) | 一种基于多传感器信息融合的智能车定位方法 | |
CN111862672B (zh) | 基于顶视图的停车场车辆自定位及地图构建方法 | |
Vivacqua et al. | Self-localization based on visual lane marking maps: An accurate low-cost approach for autonomous driving | |
CN105928531B (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
US20190323844A1 (en) | System and method for lidar-based vehicular localization relating to autonomous navigation | |
CN111142091B (zh) | 一种融合车载信息的自动驾驶系统激光雷达在线标定方法 | |
CN104764457A (zh) | 一种用于无人车的城市环境构图方法 | |
CN112101128B (zh) | 一种基于多传感器信息融合的无人方程式赛车感知规划方法 | |
CN109752725A (zh) | 一种低速商用机器人、定位导航方法及定位导航系统 | |
CN113884102A (zh) | 传感器安装偏差角的标定方法、组合定位系统和车辆 | |
CN113587930B (zh) | 基于多传感融合的自主移动机器人室内外导航方法及装置 | |
CN106556395A (zh) | 一种基于四元数的单目视觉系统的导航方法 | |
CN111176298A (zh) | 一种无人车轨迹录制与轨迹跟踪方法 | |
CN111829514B (zh) | 一种适用于车辆底盘集成控制的路面工况预瞄方法 | |
CN113920198A (zh) | 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法 | |
CN113947639A (zh) | 基于多雷达点云线特征的自适应在线估计标定系统及方法 | |
CN112729318A (zh) | 一种agv叉车自主定位移动slam导航系统 | |
Niu et al. | Camera-based lane-aided multi-information integration for land vehicle navigation | |
CN112710301A (zh) | 一种自动驾驶车辆高精度定位方法和系统 | |
CN116608873A (zh) | 一种自动驾驶车辆的多传感器融合定位建图方法 | |
CN113777589B (zh) | 一种基于点特征的lidar与gps/imu联合标定方法 | |
CN114326765A (zh) | 一种用于无人机视觉着陆的地标跟踪控制系统及方法 | |
CN112802095B (zh) | 定位方法、装置及设备、以及自动驾驶定位系统 | |
Fang et al. | Marker-based mapping and localization for autonomous valet parking |
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 |