CN112455502B - 基于激光雷达的列车定位方法及装置 - Google Patents
基于激光雷达的列车定位方法及装置 Download PDFInfo
- Publication number
- CN112455502B CN112455502B CN201910864758.2A CN201910864758A CN112455502B CN 112455502 B CN112455502 B CN 112455502B CN 201910864758 A CN201910864758 A CN 201910864758A CN 112455502 B CN112455502 B CN 112455502B
- Authority
- CN
- China
- Prior art keywords
- train
- point cloud
- map
- current
- processor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 12
- 230000004807 localization Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000013507 mapping Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
-
- 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
- G01C21/10—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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于激光雷达的列车定位方法及装置，列车定位方法包括：创建三维点云地图；对所述三维点云地图进行点云抽稀，以创建出结构化特征地图；以及，将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配，以解算出列车的当前位置。本发明能够实现对列车位置和朝向的实时监测，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，有效地降低了列车定位的施工成本和维护成本。
Description
技术领域
本发明涉及车辆定位技术领域，尤其涉及一种基于激光雷达的列车定位方法及装置。
背景技术
列车位置信息在列车自动控制技术中具有重要的地位，几乎每个子功能的实现都需要列车的位置信息作为参数之一，因此，列车定位是列车控制系统中一个非常重要的环节。精准的位置信息也是列车安全高效运行的前提。
目前，列车主要采用“初始位置+速度与时间积分+应答器校准”的方式定位。虽然“初始位置+速度与时间积分+应答器校准”的定位方式能够克服隧道、山涧等环境因素的影响，但速度与时间积分误差随着运行距离的增加而增大，需要在沿线布置多个应答器校准来减小定位误差，导致其施工成本和维护成本巨大，而且不能实现连续校准，定位准确度较低。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
本发明要解决的技术问题是为了克服现有技术中列车定位的施工成本和维护成本高，定位准确度低的缺陷，提供一种基于激光雷达的列车定位方法及装置。
本发明是通过下述技术方案来解决所述技术问题：
一种基于激光雷达的列车定位方法，包括：
创建三维点云地图；
对所述三维点云地图进行点云抽稀，以创建出结构化特征地图；以及，
将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，所述对所述三维点云地图进行点云抽稀，以创建出结构化特征地图的步骤包括：
将所述三维点云地图的原始点云聚类分割，以提取有效特征；
由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
可选地，还包括：
响应于定位模块的定位信号，获取列车的当前粗略位置；
从所述结构化特征地图中确定出与所述当前粗略位置对应的当前局部结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与所述当前局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，还包括：
响应于缺乏所述定位信号，获取列车的最近一次的粗略位置；
从所述结构化特征地图中确定出与所述最近一次的粗略位置对应的局部结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与所述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，执行所述获取列车的最近一次的粗略位置的步骤之后，所述列车定位方法还包括：
从所述三维点云地图中确定出与所述最近一次的粗略位置对应的局部三维点云地图；
将激光雷达的当前扫描数据与所述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
可选地，所述定位模块包括GNSS(Global Navigation Satellite System，全球导航卫星系统)模块及IMU(惯性测量单元)模块。
可选地，还包括：
解算出列车的当前位置时，还解算出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度。
可选地，所述创建三维点云地图的步骤包括：
基于激光SLAM(Simultaneous Localization and Mapping，同步定位与建图)算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
可选地，所述创建三维点云地图的步骤包括：
通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；
将所述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
可选地，还包括：
将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到所述结构化特征地图以外的异常物体，输出防撞报警提示。
一种计算机可读介质，其上存储有计算机指令，所述计算机指令在由处理器执行时实现如上述的基于激光雷达的列车定位方法的步骤。
一种基于激光雷达的列车定位装置，包括处理器及与所述处理器通信连接的存储器；
所述处理器被配置为创建三维点云地图；
所述处理器还被配置为对所述三维点云地图进行点云抽稀，以创建出结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，所述处理器被配置为将所述三维点云地图的原始点云聚类分割，以提取有效特征；
所述处理器被配置为由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
可选地，所述处理器被配置为响应于定位模块的定位信号，获取列车的当前粗略位置；
所述处理器还被配置为从所述结构化特征地图中确定出与所述当前粗略位置对应的当前局部结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述当前局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，所述处理器被配置为响应于缺乏所述定位信号，获取列车的最近一次的粗略位置；
所述处理器还被配置为从所述结构化特征地图中确定出与所述最近一次的粗略位置对应的局部结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
可选地，所述处理器被配置为获取列车的最近一次的粗略位置之后，从所述三维点云地图中确定出与所述最近一次的粗略位置对应的局部三维点云地图；
所述处理器还被配置为将激光雷达的当前扫描数据与所述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
可选地，所述定位模块包括GNSS模块及IMU模块。
可选地，所述处理器被配置为解算出列车的当前位置时，还解算出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度。
可选地，所述处理器被配置为基于激光SLAM算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
可选地，所述处理器被配置为通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；
所述处理器被配置为将所述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
可选地，所述处理器被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到所述结构化特征地图以外的异常物体，输出防撞报警提示。
在符合本领域常识的基础上，所述各优选条件，可任意组合，即得本发明各较佳实施例。
本发明的积极进步效果在于：
本发明提供的基于激光雷达的列车定位方法及装置，能够实现对列车位置和朝向的实时监测，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，有效地降低了列车定位的施工成本和维护成本。
本发明提供的基于激光雷达的列车定位方法及装置，还能够实时监测轨道基础设备及道路环境等的异常状态，并对异常状态进行报警提示，从而提升了列车运营的安全可靠性。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的所述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为根据本发明一实施例的基于激光雷达的列车定位方法的流程示意图。
图2为根据本发明一实施例的基于激光雷达的列车定位装置的结构示意图。
附图标记说明：
步骤 101；
步骤 102；
步骤 103；
步骤 104；
步骤 105；
步骤 106；
处理器 1；
存储器 2。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。
给出以下描述以使得本领域技术人员能够实施和使用本发明并将其结合到具体应用背景中。各种变型、以及在不同应用中的各种使用对于本领域技术人员将是容易显见的，并且本文定义的一般性原理可适用于较宽范围的实施例。由此，本发明并不限于本文中给出的实施例，而是应被授予与本文中公开的原理和新颖性特征相一致的最广义的范围。
在以下详细描述中，阐述了许多特定细节以提供对本发明的更透彻理解。然而，对于本领域技术人员显而易见的是，本发明的实践可不必局限于这些具体细节。换言之，公知的结构和器件以框图形式示出而没有详细显示，以避免模糊本发明。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本实施例提供一种基于激光雷达的列车定位方法，尤其提供一种满足轨道交通领域车载使用条件需求，用于列车定位和路况检测的方法。
在本实施例中，上述列车定位方法包括以下步骤：创建三维点云地图；对上述三维点云地图进行点云抽稀，以创建出结构化特征地图；以及，将从激光雷达的当前扫描数据中提取到的结构化特征与上述结构化特征地图进行特征匹配，以解算出列车的当前位置。
在本实施例中，主要通过点云抽稀后的结构化特征地图进行特征匹配，以实现对列车位置和朝向的实时监测，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，有效地降低了列车定位的施工成本和维护成本。
作为一实施例，具体地，如图1所示，上述列车定位方法包括以下步骤：
步骤101、创建出三维点云地图。
在本步骤中，基于激光SLAM算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
SLAM(simultaneous localization and mapping)，也称为CML(ConcurrentMapping and Localization)，即时定位与地图构建，或并发建图与定位。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边移动一边逐步描绘出此环境完全的地图，所谓完全的地图(a consistent map)是指不受障碍行进到房间可进入的每个角落。
即，机器人在定位的同时建立环境地图，其基本原理是通过概率统计的方法，通过多特征匹配来达到定位和减少定位误差。
SLAM算法是通过激光雷达扫描环境中的特征点，利用固定的特征点来反算扫描设备所在位置在环境中的坐标，以此来实现定位功能。
重定位SLAM可实现连续的特征点匹配。导航定位设备采用重定位同步定位与制图(Re-localization SLAM)算法实现连续特征点匹配，每秒以60万点云密度进行数据采集，这其中就会筛选出成千上万个特征点，并且基于这些特征点进行连续的匹配，运用大量的计算来提高匹配精度，使得其定位精度不断提高。
但是，激光雷达(激光镜头)自身的精度存在上限，所以重定位同步定位与制图算法优化定位精度存在封顶的极限，也就是会使得重定位同步定位与制图算法的定位精度趋于稳定。
步骤102、创建出结构化特征地图。
在本步骤中，对上述三维点云地图进行点云抽稀，采用点云抽稀算法缩减三维点云地图的数据量，以创建出结构化特征地图。
在本步骤中，还对创建出的三维点云地图及结构化特征地图进行分段编码并存储。
具体地，在本步骤中，将上述三维点云地图的杂乱的原始点云聚类分割，以提取有效特征，并且由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
在本实施例中，建图方法有Gmapping和NDT mapping等，可根据实际情况进行相应的选择及调整。
在本实施例中，相比于三维点云地图，结构化特征地图能够减少储存容量，减少匹配算法的耗时，提升定位和检测的实时性。
步骤103、一致性检测及局部估测模型。
在本步骤中，将从激光雷达的当前扫描数据中提取到的结构化特征与上述结构化特征地图进行特征匹配，以解算出列车的当前位置。
具体地，在本步骤中，响应于定位模块的定位信号，获取列车的当前粗略位置；
从上述结构化特征地图中确定出与上述当前粗略位置对应的当前局部结构化特征地图(根据上述分段编码来确定)；
将从激光雷达的当前扫描数据中提取到的结构化特征与上述当前局部结构化特征地图进行特征匹配，即做一致性检测分析(匹配或配准)，得到当前扫描数据(场景)处于地图中的位置，以解算出列车的当前位置。
在本实施例中，上述定位模块包括GNSS模块及IMU模块，但并不具体限定上述定位模块的类型，可根据实际情况进行相应的选择及调整。
GNSS是利用一组卫星的伪距、星历、卫星发射时间等观测量，同时还必须知道用户钟差。GNSS是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统。
惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。
一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。在导航中有着很重要的应用价值。
为了提高可靠性，还可以为每个轴配备更多的传感器。一般而言IMU要安装在被测物体的重心上。
POS(Positioning and Orientation System，定位定姿系统)本质上是GNSS/INS(惯性导航系统)组合导航硬件系统加上一套精密数据处理软件(用于对原始数据进行事后处理，进一步提高定位定姿精度)。除去GNSS/INS组合导航核心算法，POS硬件部分中的GNSS和IMU高精度时间同步和杆臂补偿等，也是保证POS系统达到厘米级甚至毫米级定位精度的关键技术。
GNSS+IMU航空摄影测量领域常用的一种提高测量定位导航和测图精度的技术手段。
导航定位设备配备有IMU装置(Ellipse-N/Ellipse2-N微型MEMS惯性测量单元)，除了使用IMU装置获取扫描起始状态的姿态信息外，可将IMU装置全程获取的POS数据进行输出，并对所有POS数据进行分析、运算。
导航定位设备能输出高精度的POS数据，所以本实施例输出的点云不是二维的，而是有厚度的三维点云。
导航定位设备输出的POS数据，无论精算前还是精算后的，都是一个三维的空间POS(包含俯仰、横滚、航向、升沉和导航数据等)。这是重定位SLAM算法技术核心。
重定位SLAM和其他所有的移动测量一样，POS的解算是最重要的部分，也是评价一套移动测量系统的最核心指标。只不过常规移动测量系统的POS由INS直接提供，而重定位SLAM的POS是由SLAM算法来反算，精度更高、稳定性更好。
具体而言，常规移动测量系统是GNSS+IMU来确定姿态和位置，而对重定位SLAM来说，是SLAM+IMU用来反算POS数据。二者之间最大的一个不同是，前者的姿态和位置精度高度依赖于IMU本身的精度，而后者则对IMU的精度要求并不高。因为重定位SLAM就是依赖于算法解决问题，所以能靠SLAM算法对IMU进行精算，提高其姿态的精度。
系统的重定位同步定位与制图(Re-localization SLAM)算法能将低精度的POS数据反算成高精度POS，极大地提升了最终的定位精度。把输出的POS数据、全景影像数据和激光点云数据，导入数据处理平台上进行匹配，这个匹配结果代表SLAM反算POS的精度，也能体现引入POS和平差计算之后的定位精度情况。
高精度POS数据反算流程如下：
a)用惯性导航系统输出的初始姿态信息，进行连续特征点的匹配，匹配的效率和准确性将极大提高。
b)用匹配好的SLAM数据，反过来精算POS数据。这里就会用到多帧匹配以及闭环检测等技术。需要的话，也会加入其它传感器的数据，比如在地铁隧道，可以加入速度计等作为辅助。
c)精算后的POS再次处理连续特征点的匹配，此时的匹配已经不是单一数据的匹配，而是整体数据的连续匹配。
d)最后，输出精密解算后的点云。
具体地，在本步骤中，响应于缺乏上述定位信号，获取列车的最近一次的粗略位置；
从上述结构化特征地图中确定出与上述最近一次的粗略位置对应的局部结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与上述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
即，做一致性检测分析及局部估测模型，在无/弱GNSS信号区域，利用最近有信号区域获得的上一时刻列车位置信息，以及当前IMU补偿数据辅助当前雷达扫描数据快速匹配结构化地图定位。
具体地，在本步骤中，从上述三维点云地图中确定出与上述最近一次的粗略位置对应的局部三维点云地图(根据上述分段编码来确定)；
将激光雷达的当前扫描数据与上述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
无依托定位、检测技术是一种在没有GNSS导航信号(或微弱信号不足以定位)的环境下，不依赖于任何发射单元和发射基站，靠自身传感器用主动方式来获取位置信息的一种技术。也支持接收GNSS信号，实现基于GNSS的导航定位。同时通过对比分析检测轨道环境是否有异常情况。
无依托定位、检测的主要特点是：a)无需卫星导航系统；b)无需发射单元；c)主动定位。
基于无依托重定位技术研发的三维数据采集的车载激光雷达扫描系统vMS 3D是全球首款没有GNSS信号也可以工作的移动采集系统。系统采用的GNSS+IMU+重定位SLAM组合技术可保证在任意环境下的精准数据采集。其主要技术特点是：GNSS失锁环境下正常测量(R-SALM)；开阔环境下INS快速三维测量；SLAM对ZUPT提供辅助；SLAM对无规律颠簸提供POS解算支持；可以反复对同一路段进行扫描。
点云匹配定位：无GNSS信号处，采用最近一次定位信息所对应的分段地图索引出局部地图(包含点云地图和结构化矢量地图两种模式)激光雷达扫描点云数据与局部点云地图数据匹配定位。采用的定位算法有：a)正态分布变换匹配定位(NDT_Matching)；b)迭代最近邻点云匹配定位(ICP_Matching)。
特征匹配定位：无GNSS信号处，采用最近一次定位信息所对应的分段地图索引出局部地图(包含点云地图和结构化矢量地图两种模式)，将激光雷达扫描点云数据与局部结构化特征地图匹配定位。
检测：对巡检地段所建立的高精度点云地图聚类、抽稀并提取结构化特征，并对当前激光雷达扫描点云数据聚类。
检测流程为：a)基于一致性分组的目标检测(检测出当前扫描数据与地图中目标物体的对应关系)；b)点云匹配算法检测物体表面变化(NDT_matching、ICP_Matching)。
步骤104、输出定位。
在本步骤中，基于匹配定位结果，输出列车的当前位置，以实现精准的列车定位，为列车控制系统实时提供列车的精准位置。
在本实施例中，输出列车的当前位置时，还解算并输出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度，即雷达/列车的姿态：俯仰、横滚、侧倾等。
步骤105、输出报警。
在本步骤中，将从激光雷达的当前扫描数据中提取到的结构化特征与上述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到上述结构化特征地图以外的异常物体，输出防撞报警提示。
步骤106、人工复查。
在本步骤中，响应于报警提示，进行人工复查。
若检测到路况异常或误报，则进行相应的异常处理；若检测到轨道基础设施正常变更，则根据变更情况重创建三维点云地图及相应的结构化特征地图。
作为另一实施例，若储存空间足够且硬件计算平台满足较高计算能力的需求，也可以直接采用实时点云数据与三维点云地图匹配的方式实现列车定位和异常状态检测。
作为另一实施例，上述创建三维点云地图的步骤包括：
通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；
将上述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
具体地，根据相机拍摄的彩色/灰度场景(无距离信息),以及激光雷达获取的点云信息(有距离、反射点强度信息)，对该采集场景做像素(pixel图片)与体素(voxel)的一一映射，即将场景下的每一像素都加上距离和反射强度信息(类似街景地图加上深度信息)，从而得到更为丰富的地图信息。
本实施例还提供一种计算机可读介质，其上存储有计算机指令，上述计算机指令在由处理器执行时实现如上述的基于激光雷达的列车定位方法的步骤。
本实施例提供的基于激光雷达的列车定位方法，采用无依托重定位三维数据采集技术，并基于激光雷达三维高清点云数据抽取结构化特征地图，通过重定位SLAM算法进行连续特征匹配，最终输出精确的轨迹，实现精准的列车定位，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，而且有效地减少了轨道旁定位辅助设备，降低了列车定位的施工成本和维护成本。
同时，本实施例提供的基于激光雷达的列车定位方法，还能够通过对比当前探测到三维点云数据和结构化建图数据的区别，以实时监测轨道基础设备及道路环境等的异常状态，并对异常状态进行报警提示，实现路况环境的实时监测，从而提升了列车运营的安全可靠性。
本实施例还提供一种基于激光雷达的列车定位装置，上述列车定位装置利用如上述的列车定位方法。
如图2所示，上述列车定位装置包括处理器1及与处理器1通信连接的存储器2，存储器2被配置为存储处理器1所执行的程序及数据。
处理器1被配置为：创建三维点云地图；对上述三维点云地图进行点云抽稀，以创建出结构化特征地图；将从激光雷达的当前扫描数据中提取到的结构化特征与上述结构化特征地图进行特征匹配，以解算出列车的当前位置。
在本实施例中，主要通过点云抽稀后的结构化特征地图进行特征匹配，以实现对列车位置和朝向的实时监测，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，有效地降低了列车定位的施工成本和维护成本。
作为一实施例，具体地，处理器1被配置为基于激光SLAM算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
处理器1被配置为：对上述三维点云地图进行点云抽稀，采用点云抽稀算法缩减三维点云地图的数据量，以创建出结构化特征地图。
处理器1被配置为：还对创建出的三维点云地图及结构化特征地图进行分段编码并存储。
具体地，处理器1被配置为：将上述三维点云地图的杂乱的原始点云聚类分割，以提取有效特征，并且由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
在本实施例中，相比于三维点云地图，结构化特征地图能够减少储存容量，减少匹配算法的耗时，提升定位和检测的实时性。
处理器1被配置为：响应于定位模块的定位信号，获取列车的当前粗略位置；从上述结构化特征地图中确定出与上述当前粗略位置对应的当前局部结构化特征地图(根据上述分段编码来确定)；将从激光雷达的当前扫描数据中提取到的结构化特征与上述当前局部结构化特征地图进行特征匹配，即做一致性检测分析(匹配或配准)，得到当前扫描数据(场景)处于地图中的位置，以解算出列车的当前位置。
在本实施例中，上述定位模块包括GNSS模块及IMU模块，但并不具体限定上述定位模块的类型，可根据实际情况进行相应的选择及调整。
处理器1还被配置为：响应于缺乏上述定位信号，获取列车的最近一次的粗略位置；从上述结构化特征地图中确定出与上述最近一次的粗略位置对应的局部结构化特征地图；将从激光雷达的当前扫描数据中提取到的结构化特征与上述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
即，做一致性检测分析及局部估测模型，在无/弱GNSS信号区域，利用最近有信号区域获得的上一时刻列车位置信息，以及当前IMU补偿数据辅助当前雷达扫描数据快速匹配结构化地图定位。
处理器1还被配置为：从上述三维点云地图中确定出与上述最近一次的粗略位置对应的局部三维点云地图(根据上述分段编码来确定)；将激光雷达的当前扫描数据与上述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
处理器1还被配置为基于匹配定位结果，输出列车的当前位置，以实现精准的列车定位，为列车控制系统实时提供列车的精准位置。
在本实施例中，处理器1还被配置为输出列车的当前位置时，还解算并输出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度，即雷达/列车的姿态：俯仰、横滚、侧倾等。
处理器1还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与上述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到上述结构化特征地图以外的异常物体，输出防撞报警提示。
作为另一实施例，处理器1还被配置为：通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；将上述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
具体地，根据相机拍摄的彩色/灰度场景(无距离信息),以及激光雷达获取的点云信息(有距离、反射点强度信息)，对该采集场景做像素(pixel图片)与体素(voxel)的一一映射，即将场景下的每一像素都加上距离和反射强度信息(类似街景地图加上深度信息)，从而得到更为丰富的地图信息。
本实施例提供的基于激光雷达的列车定位装置，采用无依托重定位三维数据采集技术，并基于激光雷达三维高清点云数据抽取结构化特征地图，通过重定位SLAM算法进行连续特征匹配，最终输出精确的轨迹，实现精准的列车定位，为列车控制系统实时提供列车的精准位置，从而提升了定位准确度，而且有效地减少了轨道旁定位辅助设备，降低了列车定位的施工成本和维护成本。
同时，本实施例提供的基于激光雷达的列车定位装置，还能够通过对比当前探测到三维点云数据和结构化建图数据的区别，以实时监测轨道基础设备及道路环境等的异常状态，并对异常状态进行报警提示，实现路况环境的实时监测，从而提升了列车运营的安全可靠性。
结合本文所公开的实施例描述的各种解说性逻辑模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (17)
1.一种基于激光雷达的列车定位方法，其特征在于，包括：
创建三维点云地图；
对所述三维点云地图进行点云抽稀，以创建出结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配，以解算出列车的当前位置；
响应于定位模块的定位信号，获取列车的当前粗略位置；
从所述结构化特征地图中确定出与所述当前粗略位置对应的当前局部结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与所述当前局部结构化特征地图进行特征匹配，以解算出列车的当前位置；
响应于缺乏所述定位信号，获取列车的最近一次的粗略位置；
从所述结构化特征地图中确定出与所述最近一次的粗略位置对应的局部结构化特征地图；
将从激光雷达的当前扫描数据中提取到的结构化特征与所述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
2.如权利要求1所述的列车定位方法，其特征在于，所述对所述三维点云地图进行点云抽稀，以创建出结构化特征地图的步骤包括：
将所述三维点云地图的原始点云聚类分割，以提取有效特征；
由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
3.如权利要求1所述的列车定位方法，其特征在于，执行所述获取列车的最近一次的粗略位置的步骤之后，所述列车定位方法还包括：
从所述三维点云地图中确定出与所述最近一次的粗略位置对应的局部三维点云地图；
将激光雷达的当前扫描数据与所述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
4.如权利要求1、3中任意一项所述的列车定位方法，其特征在于，所述定位模块包括GNSS模块及IMU模块。
5.如权利要求1所述的列车定位方法，其特征在于，还包括：
解算出列车的当前位置时，还解算出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度。
6.如权利要求1所述的列车定位方法，其特征在于，所述创建三维点云地图的步骤包括：
基于激光SLAM算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
7.如权利要求1所述的列车定位方法，其特征在于，所述创建三维点云地图的步骤包括：
通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；
将所述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
8.如权利要求1所述的列车定位方法，其特征在于，还包括：
将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到所述结构化特征地图以外的异常物体，输出防撞报警提示。
9.一种计算机可读介质，其特征在于，其上存储有计算机指令，所述计算机指令在由处理器执行时实现如权利要求1~8中任意一项所述的基于激光雷达的列车定位方法的步骤。
10.一种基于激光雷达的列车定位装置，其特征在于，包括处理器及与所述处理器通信连接的存储器；
所述处理器被配置为创建三维点云地图；
所述处理器还被配置为对所述三维点云地图进行点云抽稀，以创建出结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配，以解算出列车的当前位置；
所述处理器被配置为响应于定位模块的定位信号，获取列车的当前粗略位置；
所述处理器还被配置为从所述结构化特征地图中确定出与所述当前粗略位置对应的当前局部结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述当前局部结构化特征地图进行特征匹配，以解算出列车的当前位置；
所述处理器被配置为响应于缺乏所述定位信号，获取列车的最近一次的粗略位置；
所述处理器还被配置为从所述结构化特征地图中确定出与所述最近一次的粗略位置对应的局部结构化特征地图；
所述处理器还被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述最近一次的粗略位置对应的局部结构化特征地图进行特征匹配，以解算出列车的当前位置。
11.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为将所述三维点云地图的原始点云聚类分割，以提取有效特征；
所述处理器被配置为由提取的有效特征将扫描的场景结构化为固定地图，以创建出结构化特征地图。
12.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为获取列车的最近一次的粗略位置之后，从所述三维点云地图中确定出与所述最近一次的粗略位置对应的局部三维点云地图；
所述处理器还被配置为将激光雷达的当前扫描数据与所述最近一次的粗略位置对应的局部三维点云地图进行点云匹配，以解算出列车的当前位置。
13.如权利要求10、12中任意一项所述的列车定位装置，其特征在于，所述定位模块包括GNSS模块及IMU模块。
14.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为解算出列车的当前位置时，还解算出激光雷达的当前扫描数据相对于结构化特征地图的偏离程度。
15.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为基于激光SLAM算法，通过激光雷达对列车行驶环境进行扫描，以创建出三维点云地图。
16.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为通过相机对列车行驶环境进行拍摄，以获取场景，同时通过激光雷达对列车行驶环境进行扫描，以获取点云信息；
所述处理器被配置为将所述场景下的每一像素均加上对应的点云信息，以创建出三维点云地图。
17.如权利要求10所述的列车定位装置，其特征在于，所述处理器被配置为将从激光雷达的当前扫描数据中提取到的结构化特征与所述结构化特征地图进行特征匹配之后，响应于列车行驶区域检测到所述结构化特征地图以外的异常物体，输出防撞报警提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910864758.2A CN112455502B (zh) | 2019-09-09 | 2019-09-09 | 基于激光雷达的列车定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910864758.2A CN112455502B (zh) | 2019-09-09 | 2019-09-09 | 基于激光雷达的列车定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112455502A CN112455502A (zh) | 2021-03-09 |
| CN112455502B true CN112455502B (zh) | 2022-12-02 |
Family
ID=74807619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910864758.2A Active CN112455502B (zh) | 2019-09-09 | 2019-09-09 | 基于激光雷达的列车定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112455502B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112805534B (zh) * | 2019-08-27 | 2024-05-17 | 北京航迹科技有限公司 | 定位目标对象的系统和方法 |
| CN113390435B (zh) * | 2021-05-13 | 2022-08-26 | 中铁二院工程集团有限责任公司 | 高速铁路多元辅助定位系统 |
| CN113650645B (zh) * | 2021-08-18 | 2023-07-07 | 北京埃福瑞科技有限公司 | 一种识别列车道岔走向的方法及系统 |
| CN113895482B (zh) * | 2021-10-29 | 2024-03-15 | 北京埃福瑞科技有限公司 | 基于轨旁设备的列车测速方法及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101159091B (zh) * | 2007-10-15 | 2010-06-02 | 北京交通大学 | 一种列车卫星定位与信息传输系统 |
| CN103465938B (zh) * | 2013-08-28 | 2016-03-16 | 北京交通大学 | 轨道交通车辆的快速精确定位装置及定位方法 |
| CN105966424A (zh) * | 2016-06-02 | 2016-09-28 | 绵阳天眼激光科技有限公司 | 一种基于激光定位与高清铁路沿线安全监控系统 |
| JP6889561B2 (ja) * | 2017-01-20 | 2021-06-18 | パイオニア株式会社 | 自車位置推定装置、制御方法、プログラム及び記憶媒体 |
| CN108226938B (zh) * | 2017-12-08 | 2021-09-21 | 华南理工大学 | 一种agv小车的定位系统和方法 |
| CN108303721B (zh) * | 2018-02-12 | 2020-04-03 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
| 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 |
| CN109993700B (zh) * | 2019-04-03 | 2023-07-04 | 百度在线网络技术（北京）有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
-
2019
- 2019-09-09 CN CN201910864758.2A patent/CN112455502B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112455502A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112455502B (zh) | 基于激光雷达的列车定位方法及装置 | |
| US11506512B2 (en) | Method and system using tightly coupled radar positioning to improve map performance | |
| Rose et al. | An integrated vehicle navigation system utilizing lane-detection and lateral position estimation systems in difficult environments for GPS | |
| US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
| WO2022127532A1 (zh) | 一种激光雷达与imu的外参标定方法、装置及设备 | |
| EP3617749B1 (en) | Method and arrangement for sourcing of location information, generating and updating maps representing the location | |
| US20200124421A1 (en) | Method and apparatus for estimating position | |
| Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
| US20190033867A1 (en) | Systems and methods for determining a vehicle position | |
| CN114444158B (zh) | 一种基于三维重建的地下巷道形变预警方法及系统 | |
| JP2021524026A (ja) | 姿勢判断システムおよび方法 | |
| JP2009053059A (ja) | 対象特定装置、対象特定方法および対象特定プログラム | |
| JP4978615B2 (ja) | 対象特定装置 | |
| CN114526745A (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
| CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
| JP7343054B2 (ja) | 位置推定方法、位置推定装置、および位置推定プログラム | |
| CN114758504A (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
| Khoshelham et al. | Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry | |
| Qian et al. | A LiDAR aiding ambiguity resolution method using fuzzy one-to-many feature matching | |
| US11288554B2 (en) | Determination method and determination device | |
| CN114440864A (zh) | 一种汽车定位的方法及装置 | |
| CN111881899B (zh) | 机器人的定位部署方法、装置、设备及存储介质 | |
| TW202136752A (zh) | 用於檢測道路破損之檢測系統與方法 | |
| US20230115602A1 (en) | Methods and Systems for Determining a Position and an Acceleration of a Vehicle | |
| CN115523929B (zh) | 一种基于slam的车载组合导航方法、装置、设备及介质 |
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 |