CN111708010A - 一种可移动设备的定位方法、装置、系统及可移动设备 - Google Patents
一种可移动设备的定位方法、装置、系统及可移动设备 Download PDFInfo
- Publication number
- CN111708010A CN111708010A CN201910154305.0A CN201910154305A CN111708010A CN 111708010 A CN111708010 A CN 111708010A CN 201910154305 A CN201910154305 A CN 201910154305A CN 111708010 A CN111708010 A CN 111708010A
- Authority
- CN
- China
- Prior art keywords
- optimization
- movable equipment
- pose
- movable
- vertex
- 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 57
- 238000005457 optimization Methods 0.000 claims abstract description 290
- 238000005070 sampling Methods 0.000 claims abstract description 248
- 230000006870 function Effects 0.000 claims description 64
- 230000008447 perception Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 6
- 238000002939 conjugate gradient method Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/862—Combination of radar systems with sonar systems
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种可移动设备的定位方法、装置、系统及可移动设备，涉及自动驾驶技术领域。方法包括：获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。本申请实施例通过图优化的方式，可对可移动设备的位姿进行优化，避免了可移动设备存在的定位结果不准确的问题。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种可移动设备的定位方法、装置、系统及可移动设备。
背景技术
可移动设备是指车辆、无人机、智能机器人等可在预设路径上行驶的设备。在自动驾驶技术领域中，为了保证自动驾驶车辆、无人机、智能机器人等的精确运行，一般需要对这些可移动设备进行精确定位。目前定位的方式多种多样，如可采用可移动设备上搭载的GNSS传感器(全球导航卫星系统，Global Navigation Satellite System)、机器视觉传感器(摄像头、激光雷达、毫米波雷达、超声波雷达)来进行定位，或者通过与外部基站通信来进行定位。
然而，当前的可移动设备简单依赖于GNSS传感器、机器视觉传感器以及与外部基站的通信来进行定位，存在定位结果不准确的问题。
发明内容
本申请的实施例提供一种可移动设备的定位方法、装置、系统及可移动设备，以解决可移动设备简单依赖于GNSS传感器、机器视觉传感器以及与外部基站的通信来进行定位，存在的定位结果不准确的问题。
为达到上述目的，本申请采用如下技术方案：
在本申请实施例的第一方面，提供一种可移动设备的定位方法，包括：
获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
在本申请实施例的第二方面，提供一种可移动设备的定位装置，包括：
第一位姿信息获得单元，用于获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
第二位姿信息获得单元，用于获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
第一类边确定单元，用于根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
第二类边确定单元，用于根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
位姿优化结果确定单元，用于根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
在本申请实施例的第三方面，提供一种可移动设备的定位系统，包括可移动设备的定位装置、可移动设备和用于感知所述可移动设备的感知器，所述可移动设备的定位装置与所述可移动设备和用于感知所述可移动设备的感知器分别通信连接；
所述可移动设备的定位装置，用于：
获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
在本申请实施例的第四方面，提供一种可移动设备，所述可移动设备包括可移动设备的定位装置，该可移动设备的定位装置用于实现上述的可移动设备的定位方法。
在本申请实施例的第五方面，提供一种感知器，所述感知器包括可移动设备的定位装置，该可移动设备的定位装置用于实现上述的可移动设备的定位方法。
在本申请实施例的第六方面，提供一种云服务器，所述云服务器包括可移动设备的定位装置，该可移动设备的定位装置用于实现上述的可移动设备的定位方法。
在本申请实施例的第七方面，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上述的可移动设备的定位方法。
在本申请实施例的第八方面，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上述的可移动设备的定位方法。
本申请实施例提供的一种可移动设备的定位方法、装置、系统及可移动设备，首先获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；之后，根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；然后，根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。可见，本申请实施例通过图优化的方式，可对可移动设备的位姿进行优化，避免了可移动设备简单依赖于GNSS传感器、机器视觉传感器以及与外部基站的通信来进行定位，存在的定位结果不准确的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种可移动设备的定位系统的结构示意图；
图2为本申请实施例中的感知器的位置示意图；
图3为本申请实施例中的感知器的分布示意图；
图4为本申请实施例中的图优化的顶点和边的示意图；
图5为本申请实施例提供的一种可移动设备的定位方法的流程图；
图6为本申请实施例中的确定可移动设备的位姿优化结果的方法流程图；
图7为本申请实施例提供的一种可移动设备的定位装置的结构示意图；
图8为本申请实施例提供的一种可移动设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
值得说明的是，术语“可移动设备”在本申请中广泛地解释为包括任何移动物体，包括例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、越野车辆、仓库运输车辆或农用车以及行驶在轨道上的可移动设备，例如电车或火车以及其它有轨车辆。本申请中的“可移动设备”通常可以包括：动力系统、传感器系统、控制系统、外围设备和计算机系统。在其它实施例中，可移动设备可以包括更多、更少或者不同的系统。
其中，动力系统是为可移动设备提供动力运动的系统，包括：引擎/马达、变速器和车轮/轮胎、能源单元。
控制系统可以包括控制可移动设备及其组件的装置的组合，例如转向单元、节气门、制动单元。
外围设备可以是允许可移动设备与外部传感器、其它可移动设备、外部计算设备和/或用户进行交互的设备，例如无线通信系统、触摸屏、麦克风和/或扬声器。
基于上述描述的可移动设备，例如无人驾驶车辆中还配置有传感器系统和无人驾驶控制装置。
传感器系统可以包括用于感测可移动设备所处环境的信息的多个传感器，以及改变传感器的位置和/或方向的一个或多个致动器。传感器系统可以包括全球定位系统传感器、惯性测量单元、无线电检测和测距(RADAR)单元、相机、激光测距仪、光检测和测距(LIDAR)单元和/或声学传感器等传感器的任何组合；传感器系统还可以包括监视可移动设备内部系统的传感器(例如O2监视器、燃油表、引擎温度计等)。
无人驾驶控制装置可以包括一个处理器和存储器，存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现包括地图引擎、定位模块、感知模块、导航或路径模块、以及自动控制模块等的功能。地图引擎和定位模块用于提供地图信息和定位信息。感知模块用于根据传感器系统获取到的信息和地图引擎提供的地图信息感知可移动设备所处环境中的事物。导航或路径模块用于根据地图引擎、定位模块和感知模块的处理结果，为可移动设备规划行驶路径。自动控制模块将导航或路径模块等模块的决策信息输入解析转换成对可移动设备控制系统的控制命令输出，并通过车载网(例如通过CAN总线、局域互联网络、多媒体定向系统传输等方式实现的可移动设备内部电子网络系统)将控制命令发送给可移动设备控制系统中的对应部件，实现对可移动设备的自动控制；自动控制模块还可以通过车载网来获取可移动设备中各部件的信息。
为了使本领域的技术人员更好的了解本申请，下面对本申请实施例中所涉及的技术术语进行解释如下：
SLAM：Simultaneous Localization and Mapping，是指同步定位和地图构建技术，通常是用于自动驾驶和机器人领域的专用技术，通过使用激光雷达、摄像头等传感器感知自身姿态，并对环境构建地图。
图优化：应用计算机中的图理论，把一个常规的优化问题，以图的形式进行表达，并对关注的参数进行优化的问题。
顶点：图的顶点是需要优化的变量，通常以一个向量的形式进行表示。
边：连接两个顶点之间的转换关系，对于向量形式的顶点，边的表达形式是一个矩阵，表明两个变量之间的转移关系。在SLAM中，通常用两个姿态之间的转移矩阵进行表示。
GPS：Global Positioning System，全球定位系统。
GNSS：Global Navigation Satellite System，全球卫星导航系统。
IMU：Inertial Measurement Unit，惯性测量单元。
UWB：Ultra Wideband，超宽带，是一种无载波通信技术。
V2X：Vehicle to X，车对外界的信息交换技术，是未来智能交通运输系统的关键技术。
4G：the 4th Generation mobile communication technology，第四代移动通信技术。
5G：the 5th Generation mobile communication technology，第五代移动通信技术。
岸吊：岸边集装箱起重机。
场吊：货场集装箱起重机。
位姿：Pose，位置和姿态的总称，包含6个自由度，其中包括3个位置自由度和3个朝向自由度。3个朝向自由度通常用俯仰角(pitch)、翻滚角(roll)、偏航角(yaw)来表示。在本申请中，由于可移动设备一般在水平路面上行驶，因此可仅考虑偏航角。
为了使本领域的技术人员更好的了解本申请，下面对本申请所涉及的应用环境进行说明，例如本申请可以应用于自动驾驶车辆在高速公路、城市道路、港口，海关，仓库，物流园区等环境的精准定位，也可以应用于物流机器人在仓库、物流园区等环境的精准定位。以上仅是本申请中的个别应用实例，需要知道的是，在本申请实施例的教示下，本领域技术人员还可以根据需求提供更多的应用实例，本申请不限于这些应用实例。
在实现本申请实施例的过程中，发明人发现一般情况下可移动设备(如自动驾驶车辆)采用自身设置的激光雷达、摄像头等机器视觉传感器或GNSS传感器(如GPS、北斗卫星导航系统等)来进行定位。然而在一些环境复杂的区域和GNSS信号差的区域，例如港口、海关，仓库、物流园区等，由于集装箱码放层数较高，岸吊、场吊的几何尺寸较大，对车载接收的GNSS信号形成严重干扰。造成车辆定位飘移较远，对行驶安全带来严重挑战。同时，由于箱区的集装箱被频繁搬运，因此造成周边环境不稳定，因此也不能使用集装箱作为视觉定位的特征。
可见，在上述的环境复杂的区域和GNSS信号差的区域，是难以采用自身设置的激光雷达、摄像头等机器视觉传感器或GNSS传感器来进行准确定位的。另外，在激光雷达、摄像头等机器视觉传感器发生故障时，同样会影响可移动设备的定位。
为了实现一种可移动设备的可靠的定位方式，在一实施例中，可移动设备以自动驾驶车辆或智能机器人等在预设行驶路径上移动的设备为例，如图1所示，本申请实施例提供一种可移动设备的定位系统10，该可移动设备的定位系统10包括可移动设备的定位装置101、可移动设备102和用于感知可移动设备102的感知器103，该可移动设备的定位装置101与可移动设备102和用于感知可移动设备102的感知器103分别通信连接。此外，在该可移动设备102上可以设置多种传感器，例如该多种传感器包括GNSS传感器104、UWB标签105、IMU传感器106、激光雷达传感器107、毫米波雷达传感器108、超声波雷达传感器109和摄像头110等中的任意多种的组合，此处为了描述方便，可移动设备102可以设置有上述多种传感器中的每一种。
另外，在一实施例中，为了便于数据存储和通信，如图1所示，该可移动设备的定位系统10还可以包括云服务器111，该云服务器111、可移动设备102(可移动设备102可以带有车载服务器或车载计算机，从而能够实现和云服务器11以及感知器103之间的通信)和感知器103之间两两通信连接(例如云服务器111与感知器103和可移动设备102之间可采用4G或5G网络通信，可移动设备102和感知器103之间可以采用4G、5G、局域网或者V2X进行通信)；该可移动设备的定位装置101可以设置于可移动设备102、感知器103或者云服务器111处，可移动设备的定位装置101在设置于不同位置时，需要与另外两处进行通信(例如可移动设备的定位装置101设置于可移动设备102处，则需要与感知器103和云服务器111通信连接，但不仅局限于此。)。
另外，在一实施例中，该感知器103可以设置于可移动设备102行驶路径的上端或者任意侧端。例如如图2所示，以可移动设备102是车辆为例，其行驶路径为公路201，在公路201的上端202或者任意侧端203可以设置感知器103(例如可以通过架子、灯杆等来架设感知器103)。该感知器103可以为摄像头、激光雷达传感器等可感知车辆的设备。
另外，在一实施例中，如图3所示，为了便于可移动设备102在一段较长行驶路径上的定位，在行驶路径上，每隔一段预设距离(例如50米距离)即可设置一组感知器103。感知器103可朝向可移动设备102的来车方向，从而有效感知一定区域范围内的可移动设备102，以用于后续的精准定位。当然感知器103也可以朝向可移动设备102的来车方向的相反方向，也可以感知逐渐远离感知器103的可移动设备102。
以下介绍在一实施例中，可移动设备的定位装置101的具体定位过程。
在一实施例中，如图4所示，该可移动设备的定位装置101可以：
获得预先标定的感知器103的第一位姿信息，作为图优化的第一顶点301。例如该第一顶点301(P点)即为图4中感知器的位置。
获得当前采样时刻的可移动设备102的第二位姿信息，作为图优化的第二顶点302。例如，在图4中，以可移动设备102从A位置行驶到B位置，再行驶到C位置为例，进行说明(此处仅以3个位置为例，需要知道的是，基于不同的相邻采样时刻的间隔，可以有更多的第二位姿信息，即相当于存在更多的第二顶点)；当可移动设备102到达A位置时，则将A位置的第二位姿信息所表示的点作为当前采样时刻的第二顶点302，以此类推，可以得到各个采样时刻的可移动设备102对应的第二顶点。在一实施例中，相邻采样时刻的间隔可以为1秒或其他预设间隔。
根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边303。例如，在图4中，当可移动设备102从A位置行驶到B位置，在图优化技术中，则从A位置到B位置的边即可以确定，即第一类边303，后续再从B位置到C位置的边也可以确定。
根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边304。例如，在可移动设备102到达A位置时，则从P点到A位置的边即可确定，即该第二类边304(PA)。以此类推，在可移动设备102分别到达B位置和C位置时，则从P点到B位置和C位置的边即可确定，即该第二类边304(PB和PC)。
根据第一顶点301、多个采样时刻的第一类边303和第二类边304对第二顶点302进行图优化，确定可移动设备的位姿优化结果。此处，由于各第二顶点302(例如图4中的可移动设备102在A位置、B位置和C位置)的来源是可移动设备上的传感器，因此其定位结果并不准确，需要通过图优化来进行优化得到可移动设备的位姿优化结果(即将各个第二顶点302进行了优化)。
值得说明的是，如图4所示，在获得第一位姿信息和第二位姿信息的情况下，各位姿信息在坐标系中对应的点即可以获知，从而在图优化技术中，可以确定上述的第一顶点301和第二顶点302。在获得第一顶点301和第二顶点302之后，两个顶点之间的转换关系即可以确定，形成上述的第一类边303和第二类边304。
在一实施例中，该第一位姿信息可以包括感知器103在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0。该预设坐标系可以是预先建立的关于场景的全局坐标系，也可以是世界坐标系，但不仅局限于此。
在一实施例中，对于获得当前采样时刻的可移动设备102的第二位姿信息，可移动设备的定位装置101，具体可以采用如下方式：
根据可移动设备102上设置的多种传感器中的一种或多种(如GNSS传感器104、UWB标签105、IMU传感器106、激光雷达传感器107、毫米波雷达传感器108、超声波雷达传感器109和摄像头110)获得当前采样时刻的可移动设备102的第二位姿信息；当前采样时刻的可移动设备102的第二位姿信息包括当前采样时刻k的可移动设备102在预设坐标系下的三轴坐标(xk初始,yk初始,zk初始)和偏航角θk初始。此时得到的第二位姿信息即为待优化的位姿，其结果并不一定准确，可能存在位置漂移的情况。
在一实施例中，对于根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备102的位姿信息确定图优化的第一类边303，该上一采样时刻的可移动设备102的位姿信息可采用上一采样时刻的可移动设备102的第二位姿信息(即优化前的位姿)；其中，该上一采样时刻的可移动设备102的第二位姿信息包括上一采样时刻k-1的可移动设备102在预设坐标系下的三轴坐标(xk-1初始,yk-1初始,zk-1初始)和偏航角θk-1初始。这样，该可移动设备的定位装置101，可以采用如下方式来确定图优化的第一类边303：
根据匀速直线运动模型：
确定上一采样时刻k-1的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1初始为上一采样时刻k-1的可移动设备的第二位姿信息；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
此处，为了方便计算，该Xk初始可以扩展为五元向量，即Xk初始可以表示为五元向量(xk初始,yk初始,zk初始，θk初始，1)；同理，该Xk-1初始可以表示为五元向量(xk-1初始,yk-1初始,zk-1初始，θk-1初始，1)。一般情况下，该第一类边Tk-1，k可以采用对角线为1的方阵来表示，如根据上述的匀速直线运动模型的内容，可以得到：
另外，在一实施例中，对于根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备102的位姿信息确定图优化的第一类边303，该上一采样时刻的可移动设备102的位姿信息可采用上一采样时刻的可移动设备102的位姿优化结果(即优化后的位姿)，作为上一采样时刻的优化后的第二顶点；其中上一采样时刻的可移动设备102的位姿优化结果包括上一采样时刻k-1的可移动设备102在预设坐标系下的三轴坐标优化值(xk-1优化,yk-1优化,zk-1优化)和偏航角优化值θk-1优化。这样，该可移动设备的定位装置101，可以采用如下方式来确定图优化的第一类边303：
根据匀速直线运动模型：
确定上一采样时刻k-1的优化后的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1优化为上一采样时刻k-1的可移动设备的位姿优化结果；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
此处，为了方便计算，该Xk初始可以扩展为五元向量，即Xk初始可以表示为五元向量(xk初始,yk初始,zk初始，θk初始，1)；同理，该Xk-1优化可以表示为五元向量(xk-1优化,yk-1优化,zk-1优化，θk-1优化，1)。一般情况下，该第一类边Tk-1，k可以采用对角线为1的方阵来表示，如根据上述的匀速直线运动模型的内容，可以得到：
另外，在一实施例中，在确定图优化的第二类边304之前，该可移动设备的定位装置101，还可以：
获得当前采样时刻的感知器103感知的可移动设备102的第三位姿信息。
该第三位姿信息包括当前采样时刻k的感知器103感知的可移动设备102在预设坐标系下的三轴坐标(xk感知,yk感知,zk感知)和偏航角θk感知。
在一实施例中，对于根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边304，该可移动设备的定位装置101，可以采用如下方式实现：
根据感知器103感知可移动设备的关系模型：
确定第一顶点到当前采样时刻k的第二顶点的图优化的第二类边T0，k；其中，T0，k为一个方阵；X0为第一位姿信息；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
此处，为了方便计算，该Xk初始可以扩展为五元向量，即Xk初始可以表示为五元向量(xk初始,yk初始,zk初始，θk初始，1)；同理，该Xk感知可以表示为五元向量(xk感知,yk感知,zk感知，θk感知，1)；该X0可以表示为五元向量(x0,y0,z0，θ0，1)；一般情况下，该第二类边T0，k可以采用对角线为1的方阵来表示，如根据上述的感知可移动设备的关系模型的内容，可以得到：
另外，在一实施例中，对于根据第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果，该可移动设备的定位装置101，可以采用如下方式实现：
根据第一顶点、多个采样时刻的第二类边建立第一部分残差函数。
根据多个采样时刻的第一类边建立第二部分残差函数。
根据第一部分残差函数和第二部分残差函数，确定待优化残差函数。
根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果。
在一实施例中，对于根据第一顶点、多个采样时刻的第二类边建立第一部分残差函数，可移动设备的定位装置101，可以采用如下方式实现：
根据第一顶点对应的第一位姿信息X0、多个采样时刻的第二类边T0，n建立位姿优化结果Xn优化的第一部分残差函数：
其中，第一位姿信息X0包括感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0；N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；e1，n表示采样时刻n的第一部分残差。
在一实施例中，对于根据多个采样时刻的第一类边建立第二部分残差函数，可移动设备的定位装置101，可以采用如下方式实现：
根据多个采样时刻的第一类边Tn-1，n建立位姿优化结果Xn优化的第二部分残差函数：
其中，N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；位姿优化结果Xn-1优化包括采样时刻n-1的可移动设备在预设坐标系下的三轴坐标优化值(xn-1优化,yn-1优化,zn-1优化)和偏航角优化值θn-1优化；e2，n表示采样时刻n的第二部分残差。
在一实施例中，对于根据第一部分残差函数和第二部分残差函数，确定待优化残差函数，可移动设备的定位装置101，可以采用如下方式实现：
将第一部分残差函数
和第二部分残差函数
相加，确定待优化残差函数：
在待优化残差函数中，Xn优化和Xn-1优化即为待优化的未知量。
在一实施例中，对于根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果，可移动设备的定位装置101，可以采用如下方式实现：
根据预先设置的优化算法，对待优化残差函数：
进行优化，确定可移动设备的位姿优化结果Xn优化，n＝k-N、k-N+1、……、k，将Xk优化作为当前采样时刻k的位姿优化结果。其中，预先设置的优化算法包括牛顿法、拟牛顿法、梯度下降法或共轭梯度法等，但不仅局限于此。
另外，在一实施例中，如图5所示，本申请实施例还提供一种可移动设备的定位方法，包括：
步骤401、获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点。
步骤402、获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点。
步骤403、根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边。
步骤404、根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边。
步骤405、根据第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
在一实施例中，该第一位姿信息包括感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0。
在上述步骤402中，获得当前采样时刻的可移动设备的第二位姿信息，可以采用如下方式实现：
根据可移动设备上设置的多种传感器中的一种或多种获得当前采样时刻的可移动设备的第二位姿信息；当前采样时刻的可移动设备的第二位姿信息包括当前采样时刻k的可移动设备在预设坐标系下的三轴坐标(xk初始,yk初始,zk初始)和偏航角θk初始；多种传感器包括GNSS传感器、UWB标签、IMU传感器、激光雷达传感器、毫米波雷达传感器、超声波雷达传感器和摄像头中的任意多种的组合。
在一实施例中，上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的第二位姿信息；其中上一采样时刻的可移动设备的第二位姿信息包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标(xk-1初始,yk-1初始,zk-1初始)和偏航角θk-1初始。
在上述步骤403中，根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边，可以采用如下方式实现：
根据匀速直线运动模型：
确定上一采样时刻k-1的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1初始为上一采样时刻k-1的可移动设备的第二位姿信息；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
或者，在一实施例中，上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的位姿优化结果，作为上一采样时刻的优化后的第二顶点；其中上一采样时刻的可移动设备的位姿优化结果包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标优化值(xk-1优化,yk-1优化,zk-1优化)和偏航角优化值θk-1优化。
在上述步骤403中，根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边，可以采用如下方式实现：
根据匀速直线运动模型：
确定上一采样时刻k-1的优化后的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1优化为上一采样时刻k-1的可移动设备的位姿优化结果；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
在一实施例中，在上述步骤404，根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边之前，还可以进行如下过程：
获得当前采样时刻的感知器感知的可移动设备的第三位姿信息；第三位姿信息包括当前采样时刻k的感知器感知的可移动设备在预设坐标系下的三轴坐标(xk感知,yk感知,zk感知)和偏航角θk感知。
在一实施例中，上述步骤404，根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边，可以采用如下方式实现：
根据感知器感知可移动设备的关系模型：
确定第一顶点到当前采样时刻k的第二顶点的图优化的第二类边T0，k；其中，T0，k为一个方阵；X0为第一位姿信息；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
在一实施例中，上述步骤405，根据第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果，可以采用如图6所示的方法实现：
步骤501、根据第一顶点、多个采样时刻的第二类边建立第一部分残差函数。
步骤502、根据多个采样时刻的第一类边建立第二部分残差函数。
步骤503、根据第一部分残差函数和第二部分残差函数，确定待优化残差函数。
步骤504、根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果。
在一实施例中，上述步骤501，根据第一顶点、多个采样时刻的第二类边建立第一部分残差函数，可以采用如下方式实现：
根据第一顶点对应的第一位姿信息X0、多个采样时刻的第二类边T0，n建立位姿优化结果Xn优化的第一部分残差函数：
其中，第一位姿信息X0包括感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0；N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；e1，n表示采样时刻n的第一部分残差。
在一实施例中，上述步骤502，根据多个采样时刻的第一类边建立第二部分残差函数，可以采用如下方式实现：
根据多个采样时刻的第一类边Tn-1，n建立位姿优化结果Xn优化的第二部分残差函数：
其中，N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；位姿优化结果Xn-1优化包括采样时刻n-1的可移动设备在预设坐标系下的三轴坐标优化值(xn-1优化,yn-1优化,zn-1优化)和偏航角优化值θn-1优化；e2，n表示采样时刻n的第二部分残差。
在一实施例中，上述步骤503，根据第一部分残差函数和第二部分残差函数，确定待优化残差函数，可以采用如下方式实现：
将第一部分残差函数
和第二部分残差函数
相加，确定待优化残差函数：
在一实施例中，预先设置的优化算法包括牛顿法、拟牛顿法、梯度下降法或共轭梯度法；
上述步骤504，根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果，可以采用如下方式实现：
根据预先设置的优化算法，对待优化残差函数：
进行优化，确定可移动设备的位姿优化结果Xn优化，n＝k-N、k-N+1、……、k，将Xk优化作为当前采样时刻k的位姿优化结果。
在一实施例中，如图7所示，本申请实施例还提供一种可移动设备的定位装置，包括：
第一位姿信息获得单元61，用于获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点。
第二位姿信息获得单元62，用于获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点。
第一类边确定单元63，用于根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边。
第二类边确定单元64，用于根据第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边。
位姿优化结果确定单元65，用于根据第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
在一实施例中，如图8所示，本申请实施例还提供一种可移动设备102，可移动设备102包括可移动设备的定位装置101，此外，在该可移动设备102上可以设置多种传感器，例如该多种传感器包括GNSS传感器104、UWB标签105、IMU传感器106、激光雷达传感器107、毫米波雷达传感器108、超声波雷达传感器109和摄像头110等中的任意多种的组合，此处为了描述方便，可移动设备102可以设置有上述多种传感器中的每一种。该可移动设备的定位装置101可以是可移动设备102上的车载服务器、车载计算机等设备，但不仅局限于此。
该可移动设备的定位装置101用于实现上述的可移动设备的定位方法，此处不再赘述。
在一实施例中，本申请实施例还提供一种感知器，感知器包括可移动设备的定位装置，该可移动设备的定位装置用于实现上述的可移动设备的定位方法，此处不再赘述。
在一实施例中，本申请实施例还提供一种云服务器，云服务器包括可移动设备的定位装置，该可移动设备的定位装置用于实现上述的可移动设备的定位方法，此处不再赘述。
在一实施例中，本申请实施例还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上述的可移动设备的定位方法，此处不再赘述。
在一实施例中，本申请实施例还提供一种计算机设备，包括存储器、处理器及存储在存储上并可在处理器上运行的计算机程序，处理器执行程序时实现上述的可移动设备的定位方法，此处不再赘述。
本申请实施例提供的一种可移动设备的定位方法、装置、系统及可移动设备，首先获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；之后，根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；然后，根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。可见，本申请实施例通过图优化的方式，可对可移动设备的位姿进行优化，避免了可移动设备简单依赖于GNSS传感器、机器视觉传感器以及与外部基站的通信来进行定位，存在的定位结果不准确的问题。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (32)
1.一种可移动设备的定位方法，其特征在于，包括：
获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
2.根据权利要求1所述的可移动设备的定位方法，其特征在于，所述第一位姿信息包括所述感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0。
3.根据权利要求2所述的可移动设备的定位方法，其特征在于，所述获得当前采样时刻的可移动设备的第二位姿信息，包括：
根据可移动设备上设置的多种传感器中的一种或多种获得当前采样时刻的可移动设备的第二位姿信息；所述当前采样时刻的可移动设备的第二位姿信息包括当前采样时刻k的可移动设备在预设坐标系下的三轴坐标(xk初始,yk初始,zk初始)和偏航角θk初始；所述多种传感器包括GNSS传感器、UWB标签、IMU传感器、激光雷达传感器、毫米波雷达传感器、超声波雷达传感器和摄像头中的任意多种的组合。
4.根据权利要求3所述的可移动设备的定位方法，其特征在于，所述上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的第二位姿信息；其中上一采样时刻的可移动设备的第二位姿信息包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标(xk-1初始,yk-1初始,zk-1初始)和偏航角θk-1初始；
所述根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边，包括：
根据匀速直线运动模型：
确定上一采样时刻k-1的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1初始为上一采样时刻k-1的可移动设备的第二位姿信息；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
5.根据权利要求3所述的可移动设备的定位方法，其特征在于，所述上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的位姿优化结果，作为上一采样时刻的优化后的第二顶点；其中上一采样时刻的可移动设备的位姿优化结果包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标优化值(xk-1优化,yk-1优化,zk-1优化)和偏航角优化值θk-1优化；
所述根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边，包括：
根据匀速直线运动模型：
确定上一采样时刻k-1的优化后的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1优化为上一采样时刻k-1的可移动设备的位姿优化结果；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
6.根据权利要求3所述的可移动设备的定位方法，其特征在于，在根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边之前，还包括：
获得当前采样时刻的感知器感知的可移动设备的第三位姿信息；所述第三位姿信息包括当前采样时刻k的感知器感知的可移动设备在预设坐标系下的三轴坐标(xk感知,yk感知,zk感知)和偏航角θk感知。
7.根据权利要求6所述的可移动设备的定位方法，其特征在于，所述根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边，包括：
根据感知器感知可移动设备的关系模型：
确定所述第一顶点到当前采样时刻k的第二顶点的图优化的第二类边T0，k；其中，T0，k为一个方阵；X0为所述第一位姿信息；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
8.根据权利要求1所述的可移动设备的定位方法，其特征在于，所述根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果，包括：
根据所述第一顶点、多个采样时刻的第二类边建立第一部分残差函数；
根据多个采样时刻的第一类边建立第二部分残差函数；
根据所述第一部分残差函数和第二部分残差函数，确定待优化残差函数；
根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果。
9.根据权利要求8所述的可移动设备的定位方法，其特征在于，所述根据所述第一顶点、多个采样时刻的第二类边建立第一部分残差函数，包括：
根据所述第一顶点对应的第一位姿信息X0、多个采样时刻的第二类边T0，n建立位姿优化结果Xn优化的第一部分残差函数：
其中，第一位姿信息X0包括所述感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0；N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；e1，n表示采样时刻n的第一部分残差。
10.根据权利要求9所述的可移动设备的定位方法，其特征在于，所述根据多个采样时刻的第一类边建立第二部分残差函数，包括：
根据多个采样时刻的第一类边Tn-1，n建立位姿优化结果Xn优化的第二部分残差函数：
其中，N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；位姿优化结果Xn-1优化包括采样时刻n-1的可移动设备在预设坐标系下的三轴坐标优化值(xn-1优化,yn-1优化,zn-1优化)和偏航角优化值θn-1优化；e2，n表示采样时刻n的第二部分残差。
11.根据权利要求10所述的可移动设备的定位方法，其特征在于，所述根据所述第一部分残差函数和第二部分残差函数，确定待优化残差函数，包括：
将所述第一部分残差函数
和第二部分残差函数
相加，确定待优化残差函数：
12.根据权利要求11所述的可移动设备的定位方法，其特征在于，所述预先设置的优化算法包括牛顿法、拟牛顿法、梯度下降法或共轭梯度法；
所述根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果，包括：
根据预先设置的优化算法，对待优化残差函数：
进行优化，确定可移动设备的位姿优化结果Xn优化，n＝k-N、k-N+1、……、k，将Xk优化作为当前采样时刻k的位姿优化结果。
13.一种可移动设备的定位装置，其特征在于，包括：
第一位姿信息获得单元，用于获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
第二位姿信息获得单元，用于获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
第一类边确定单元，用于根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
第二类边确定单元，用于根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
位姿优化结果确定单元，用于根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
14.一种可移动设备的定位系统，其特征在于，包括可移动设备的定位装置、可移动设备和用于感知所述可移动设备的感知器，所述可移动设备的定位装置与所述可移动设备和用于感知所述可移动设备的感知器分别通信连接；
所述可移动设备的定位装置，用于：
获得预先标定的感知器的第一位姿信息，作为图优化的第一顶点；
获得当前采样时刻的可移动设备的第二位姿信息，作为图优化的第二顶点；
根据当前采样时刻的第二位姿信息和上一采样时刻的可移动设备的位姿信息确定图优化的第一类边；
根据所述第一位姿信息和当前采样时刻的第二位姿信息确定图优化的第二类边；
根据所述第一顶点、多个采样时刻的第一类边和第二类边对第二顶点进行图优化，确定可移动设备的位姿优化结果。
15.根据权利要求14所述的可移动设备的定位系统，其特征在于，所述第一位姿信息包括所述感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0。
16.根据权利要求14所述的可移动设备的定位系统，其特征在于，在所述可移动设备上设置有多种传感器，该多种传感器包括GNSS传感器、UWB标签、IMU传感器、激光雷达传感器、毫米波雷达传感器、超声波雷达传感器和摄像头中的任意多种的组合；
所述可移动设备的定位装置，具体用于：
根据可移动设备上设置的多种传感器中的一种或多种获得当前采样时刻的可移动设备的第二位姿信息；所述当前采样时刻的可移动设备的第二位姿信息包括当前采样时刻k的可移动设备在预设坐标系下的三轴坐标(xk初始,yk初始,zk初始)和偏航角θk初始。
17.根据权利要求16所述的可移动设备的定位系统，其特征在于，所述上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的第二位姿信息；其中上一采样时刻的可移动设备的第二位姿信息包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标(xk-1初始,yk-1初始,zk-1初始)和偏航角θk-1初始；
所述可移动设备的定位装置，具体用于：
根据匀速直线运动模型：
确定上一采样时刻k-1的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1初始为上一采样时刻k-1的可移动设备的第二位姿信息；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
18.根据权利要求16所述的可移动设备的定位系统，其特征在于，所述上一采样时刻的可移动设备的位姿信息包括上一采样时刻的可移动设备的位姿优化结果，作为上一采样时刻的优化后的第二顶点；其中上一采样时刻的可移动设备的位姿优化结果包括上一采样时刻k-1的可移动设备在预设坐标系下的三轴坐标优化值(xk-1优化,yk-1优化,zk-1优化)和偏航角优化值θk-1优化；
所述可移动设备的定位装置，具体用于：
根据匀速直线运动模型：
确定上一采样时刻k-1的优化后的第二顶点到当前采样时刻k的第二顶点的图优化的第一类边Tk-1，k；其中，Tk-1，k为一个方阵；Xk-1优化为上一采样时刻k-1的可移动设备的位姿优化结果；
和
分别为匀速直线运动的速度在三轴的分量；t为预先设置的采样时间间隔；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
19.根据权利要求16所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，还用于：
获得当前采样时刻的感知器感知的可移动设备的第三位姿信息；所述第三位姿信息包括当前采样时刻k的感知器感知的可移动设备在预设坐标系下的三轴坐标(xk感知,yk感知,zk感知)和偏航角θk感知。
20.根据权利要求19所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，具体用于：
根据感知器感知可移动设备的关系模型：
确定所述第一顶点到当前采样时刻k的第二顶点的图优化的第二类边T0，k；其中，T0，k为一个方阵；X0为所述第一位姿信息；Xk初始为当前采样时刻k的可移动设备的第二位姿信息。
21.根据权利要求14所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，具体用于：
根据所述第一顶点、多个采样时刻的第二类边建立第一部分残差函数；
根据多个采样时刻的第一类边建立第二部分残差函数；
根据所述第一部分残差函数和第二部分残差函数，确定待优化残差函数；
根据预先设置的优化算法对待优化残差函数进行优化，确定可移动设备的位姿优化结果。
22.根据权利要求21所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，具体用于：
根据所述第一顶点对应的第一位姿信息X0、多个采样时刻的第二类边T0，n建立位姿优化结果Xn优化的第一部分残差函数：
其中，第一位姿信息X0包括所述感知器在预设坐标系下的三轴坐标(x0,y0,z0)和偏航角θ0；N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；e1，n表示采样时刻n的第一部分残差。
23.根据权利要求22所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，具体用于：
根据多个采样时刻的第一类边Tn-1，n建立位姿优化结果Xn优化的第二部分残差函数：
其中，N为预先设置的采样时刻个数，n表示采样时刻n，k表示采样时刻k，k大于N；位姿优化结果Xn优化包括采样时刻n的可移动设备在预设坐标系下的三轴坐标优化值(xn优化,yn优化,zn优化)和偏航角优化值θn优化；位姿优化结果Xn-1优化包括采样时刻n-1的可移动设备在预设坐标系下的三轴坐标优化值(xn-1优化,yn-1优化,zn-1优化)和偏航角优化值θn-1优化；e2，n表示采样时刻n的第二部分残差。
24.根据权利要求23所述的可移动设备的定位系统，其特征在于，所述可移动设备的定位装置，具体用于：
将所述第一部分残差函数
和第二部分残差函数
相加，确定待优化残差函数：
25.根据权利要求24所述的可移动设备的定位系统，其特征在于，所述预先设置的优化算法包括牛顿法、拟牛顿法、梯度下降法或共轭梯度法；
所述可移动设备的定位装置，具体用于：
根据预先设置的优化算法，对待优化残差函数：
进行优化，确定可移动设备的位姿优化结果Xn优化，n＝k-N、k-N+1、……、k，将Xk优化作为当前采样时刻k的位姿优化结果。
26.根据权利要求14所述的可移动设备的定位系统，其特征在于，还包括云服务器，所述云服务器、所述可移动设备和感知器两两通信连接；所述可移动设备的定位装置设置于所述可移动设备、感知器或者云服务器处。
27.根据权利要求14所述的可移动设备的定位系统，其特征在于，所述感知器设置于可移动设备行驶路径的上端或者任一侧端。
28.一种可移动设备，其特征在于，所述可移动设备包括可移动设备的定位装置，该可移动设备的定位装置用于实现权利要求1至12任一项所述的可移动设备的定位方法。
29.一种感知器，其特征在于，所述感知器包括可移动设备的定位装置，该可移动设备的定位装置用于实现权利要求1至12任一项所述的可移动设备的定位方法。
30.一种云服务器，其特征在于，所述云服务器包括可移动设备的定位装置，该可移动设备的定位装置用于实现权利要求1至12任一项所述的可移动设备的定位方法。
31.一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权利要求1至12所述的可移动设备的定位方法。
32.一种计算机设备，包括存储器、处理器及存储在存储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权利要求1至12所述的可移动设备的定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910154305.0A CN111708010B (zh) | 2019-03-01 | 2019-03-01 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910154305.0A CN111708010B (zh) | 2019-03-01 | 2019-03-01 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111708010A true CN111708010A (zh) | 2020-09-25 |
| CN111708010B CN111708010B (zh) | 2024-04-12 |
Family
ID=72536034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910154305.0A Active CN111708010B (zh) | 2019-03-01 | 2019-03-01 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111708010B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112325872A (zh) * | 2020-10-27 | 2021-02-05 | 上海懒书智能科技有限公司 | 一种基于多传感器耦合的移动设备的定位方法 |
| CN112712558A (zh) * | 2020-12-25 | 2021-04-27 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及装置 |
| CN115525048A (zh) * | 2022-06-20 | 2022-12-27 | 达闼机器人股份有限公司 | 一种机器人自动对桩方法、装置、机器人及存储介质 |
| WO2023050385A1 (zh) * | 2021-09-30 | 2023-04-06 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、装置、无人机及计算机可读存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010019669A (ja) * | 2008-07-10 | 2010-01-28 | Advanced Telecommunication Research Institute International | 位置推定方法および装置 |
| US9031809B1 (en) * | 2010-07-14 | 2015-05-12 | Sri International | Method and apparatus for generating three-dimensional pose using multi-modal sensor fusion |
| CN106352879A (zh) * | 2016-09-28 | 2017-01-25 | 深圳市普渡科技有限公司 | 一种基于图优化的uwb定位与编码器融合的位姿估计方法 |
| US20170074665A1 (en) * | 2014-02-17 | 2017-03-16 | Oxford University Innovation Limited | Determining the position of a mobile device in a geographical area |
| CN106840179A (zh) * | 2017-03-07 | 2017-06-13 | 中国科学院合肥物质科学研究院 | 一种基于多传感器信息融合的智能车定位方法 |
| 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 |
| CN107272673A (zh) * | 2017-05-18 | 2017-10-20 | 中山大学 | 基于位姿链模型的slam后端轨迹优化方法 |
| CN107747941A (zh) * | 2017-09-29 | 2018-03-02 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
| CN108303710A (zh) * | 2018-06-12 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 基于三维激光雷达的无人机多场景定位建图方法 |
| US20180306922A1 (en) * | 2017-04-20 | 2018-10-25 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for positioning vehicle |
| CN108958266A (zh) * | 2018-08-09 | 2018-12-07 | 北京智行者科技有限公司 | 一种地图数据获取方法 |
-
2019
- 2019-03-01 CN CN201910154305.0A patent/CN111708010B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010019669A (ja) * | 2008-07-10 | 2010-01-28 | Advanced Telecommunication Research Institute International | 位置推定方法および装置 |
| US9031809B1 (en) * | 2010-07-14 | 2015-05-12 | Sri International | Method and apparatus for generating three-dimensional pose using multi-modal sensor fusion |
| US20170074665A1 (en) * | 2014-02-17 | 2017-03-16 | Oxford University Innovation Limited | Determining the position of a mobile device in a geographical area |
| CN106352879A (zh) * | 2016-09-28 | 2017-01-25 | 深圳市普渡科技有限公司 | 一种基于图优化的uwb定位与编码器融合的位姿估计方法 |
| CN106840179A (zh) * | 2017-03-07 | 2017-06-13 | 中国科学院合肥物质科学研究院 | 一种基于多传感器信息融合的智能车定位方法 |
| 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 |
| US20180306922A1 (en) * | 2017-04-20 | 2018-10-25 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for positioning vehicle |
| CN107272673A (zh) * | 2017-05-18 | 2017-10-20 | 中山大学 | 基于位姿链模型的slam后端轨迹优化方法 |
| CN107747941A (zh) * | 2017-09-29 | 2018-03-02 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
| CN108303710A (zh) * | 2018-06-12 | 2018-07-20 | 江苏中科院智能科学技术应用研究院 | 基于三维激光雷达的无人机多场景定位建图方法 |
| CN108958266A (zh) * | 2018-08-09 | 2018-12-07 | 北京智行者科技有限公司 | 一种地图数据获取方法 |
Non-Patent Citations (10)
| Title |
|---|
| RAINER KUMMERLE ET AL.: "Large Scale Graph-Based SLAM using Aerial Images as Prior Information", 《AUTONOMOUS ROBOTS VOLUME 》 * |
| RAINER KUMMERLE ET AL.: "Large Scale Graph-Based SLAM using Aerial Images as Prior Information", 《AUTONOMOUS ROBOTS VOLUME 》, 31 August 2010 (2010-08-31), pages 25 - 39, XP019870578, DOI: 10.1007/s10514-010-9204-1 * |
| 尹磊等: "低成本激光和视觉相结合的同步定位与建图研究", 《集成技术》 * |
| 尹磊等: "低成本激光和视觉相结合的同步定位与建图研究", 《集成技术》, vol. 8, no. 2, 28 February 2019 (2019-02-28), pages 11 - 22 * |
| 王加芳: "GPS/Visual/INS多传感器融合导航算法的研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 * |
| 王加芳: "GPS/Visual/INS多传感器融合导航算法的研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》, 15 June 2017 (2017-06-15), pages 1 - 75 * |
| 禹鑫等: "SLAM过程中的机器人位姿估计优化算法研究", 《高技术通讯》 * |
| 禹鑫等: "SLAM过程中的机器人位姿估计优化算法研究", 《高技术通讯》, no. 08, 15 August 2018 (2018-08-15), pages 48 - 54 * |
| 葛如海;管军;虞小波;石存杰;: "车辆姿态感知与运动状态预测技术", 计算机与现代化, no. 08 * |
| 韩明瑞: "基于激光LIDAR的室外移动机器人三维定位与建图", 万方学位论文 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112325872A (zh) * | 2020-10-27 | 2021-02-05 | 上海懒书智能科技有限公司 | 一种基于多传感器耦合的移动设备的定位方法 |
| CN112325872B (zh) * | 2020-10-27 | 2022-09-30 | 上海懒书智能科技有限公司 | 一种基于多传感器耦合的移动设备的定位方法 |
| CN112712558A (zh) * | 2020-12-25 | 2021-04-27 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及装置 |
| WO2023050385A1 (zh) * | 2021-09-30 | 2023-04-06 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、装置、无人机及计算机可读存储介质 |
| CN115525048A (zh) * | 2022-06-20 | 2022-12-27 | 达闼机器人股份有限公司 | 一种机器人自动对桩方法、装置、机器人及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111708010B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111708010B (zh) | 一种可移动设备的定位方法、装置、系统及可移动设备 | |
| US10152882B2 (en) | Host vehicle operation using remote vehicle intention prediction | |
| CN113945206A (zh) | 一种基于多传感器融合的定位方法及装置 | |
| US11945499B2 (en) | Method and apparatus for trailer angle measurement and vehicle | |
| US20220035036A1 (en) | Method and apparatus for positioning movable device, and movable device | |
| CN113819914A (zh) | 一种地图构建方法及装置 | |
| CN113819905B (zh) | 一种基于多传感器融合的里程计方法及装置 | |
| CN111696339B (zh) | 一种自动驾驶车队的跟车控制方法、系统及车辆 | |
| Guvenc et al. | Connected and autonomous vehicles | |
| CN115552200A (zh) | 用于生成重要性占据栅格地图的方法和系统 | |
| US11527028B2 (en) | Systems and methods for monocular based object detection | |
| CN113252051A (zh) | 一种地图构建方法及装置 | |
| CN112753212A (zh) | 图像扫描线时间戳 | |
| Jiménez et al. | Improving the lane reference detection for autonomous road vehicle control | |
| CN111402328A (zh) | 一种基于激光里程计的位姿计算方法及装置 | |
| CN113138594B (zh) | 自动驾驶方法及装置 | |
| CN112477861B (zh) | 自动驾驶卡车的行驶控制方法、装置及自动驾驶卡车 | |
| Katriniok | Optimal vehicle dynamics control and state estimation for a low-cost GNSS-based collision avoidance system | |
| WO2024036984A1 (zh) | 目标定位方法及相关系统、存储介质 | |
| CN112389438A (zh) | 一种车辆转向系统传动比的确定方法及装置 | |
| CN111483822A (zh) | 运输工具的停车控制方法、装置、系统、运输工具及车辆 | |
| Wang et al. | Intelligent distribution framework and algorithms for connected logistics vehicles | |
| US11932308B1 (en) | Four wheel steering angle constraints | |
| CN209889855U (zh) | 运输工具的停车控制和装卸控制系统、运输工具及车辆 | |
| CN112747752B (zh) | 基于激光里程计的车辆定位方法、装置、设备和存储介质 |
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 |