CN112883290B - 一种基于分支定界法的自动切图方法 - Google Patents
一种基于分支定界法的自动切图方法 Download PDFInfo
- Publication number
- CN112883290B CN112883290B CN202110038919.XA CN202110038919A CN112883290B CN 112883290 B CN112883290 B CN 112883290B CN 202110038919 A CN202110038919 A CN 202110038919A CN 112883290 B CN112883290 B CN 112883290B
- Authority
- CN
- China
- Prior art keywords
- map
- branch
- bound
- positioning
- graph cutting
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及机器人自主导航的技术领域,更具体地,涉及一种基于分支定界法的自动切图方法。一种基于分支定界法的自动切图方法,其中,包括切图触发器,离线处理和分支定界法三个部分。该自动切图方法致力于解决上述提出的人工干预的问题,本方法的定位是一个辅助算法,在实际应用中一般会随定位算法一起启动。此外,该方法不仅能够确定当前定位应该使用哪一个先验地图,同时也可以解决重定位的问题。
Description
技术领域
本发明涉及机器人自主导航的技术领域,更具体地,涉及一种基于分支定界法的自动切图方法。
背景技术
在现代的无人车中,定位是必不可少的一个技术部分。要实现自动驾驶,或者说自动导航,无人车需要获得精准的定位,才能够精准地导航。犹如人行走,必须知道自己的位置和方向,才能够知道要往哪里去。现有的定位技术有许多种,有单点GPS定位,有差分GPS定位,有激光雷达定位,还有用计算机视觉的方法来定位。
每种定位技术都有各自的优缺点,例如:单点GPS依靠卫星的数量来衡量定位的质量;差分GPS需要两个站来维持分米乃至厘米级的定位,往往来说,需要基站和移动站收发信号的稳定才能保证质量,而且信号的传输往往带来技术成本的增加;激光雷达定位,需要很大的运算量来计算点云匹配,而且定位效果往往不佳;计算机视觉的定位方法十分依赖摄像头的质量,还有光线的限制,等等。往往单靠一种技术是不够得到鲁棒性强的定位效果,需要融合多种传感器设备数据。
同时,在实际应用中,经常会遇到这样一个场景,即当前定位已经到达了地图的边缘,应该如何处理。一般的处理方法是启动算法的同时定位于建图模块,或者停止算法,判断当前将要去往哪个地图,然后重启算法并载入新地图。第一种方法没有用到先验地图,所以定位准确性会降低,第二种方法需要人工干预,降低了自动化,当有多台小车时这种方法效率太低。
IMU(Inertial measurement unit),是指惯性测量单元;slam(simultaneouslocalization and mapping),是指即时定位与地图构建。
发明内容
本发明旨在至少在一定程度上解决上述技术问题,提供一种基于分支定界法的自动切图方法,该自动切图方法致力于解决上述提出的人工干预的问题,本方法的定位是一个辅助算法,在实际应用中一般会随定位算法一起启动。此外,该方法不仅能够确定当前定位应该使用哪一个先验地图,同时也可以解决重定位的问题。
本发明的技术方案是:一种基于分支定界法的自动切图方法,其中,包括切图触发器,离线处理和分支定界法三个部分,其中,
切图触发器主要分为两个部分,一个部分是判断定位数据是否超出地图边界,另一个部分是判断当前点云数据的占据栅格地图与定位所属子图间的匹配得分;
离线处理主要是由用户输入某一地图关联的地图,随后算法通过简单的逻辑,将地图关系更新到数据库中;
分支定界法寻找当前激光雷达采集到的点云属于哪个占据栅格地图;首先将下界定义为用户提供的一个阈值,同时将搜索空间构造为树形结构,内部节点代表一个子搜索空间,叶子节点代表一个精确的结果;开始搜索时从顶层节点开始往下搜索,当遇到一个节点时,根据该节点位姿变换矩阵旋转当前帧占据栅格地图得到新地图,遍历新地图所有点,根据第二步中载入的子图预算值更新相应子图旧的占据值,将占据值进行加和,若小于下界,说明结果太差,该分支被剪枝;若大于上界,继续往下搜索,直到叶子节点;抵达叶子节点后,使用叶子节点占据值得分更新下界,返回顶层重新查找。
进一步的,使用分支定界法缩小搜索域,找出唯一一个符合要求的占据栅格地图。
进一步的,通过外置定位算法获得定位结果,通过该定位结果判断是否产生地图越界情况,并以此判断是否需要切图。
进一步的,主线程处理判断是否产生越界,当有越界情况发生时,开启一个线程进行分支定界法搜索。
进一步的,当在数据库中添加一个地图时,需要添加该地图紧邻于哪些地图,算法将对每一个地图的紧邻关系维护一个数据结构。
进一步的,预先通过一个线程去载入存储在计算机中的地图数据,该地图存储的数据包括地图的各个节点和子图,节点即激光雷达一帧构成的占据栅格地图,子图即多个节点构成的数据。
进一步的,定义占据值如下,占据栅格某个格点有物体的概率;求取两占据栅格的相对位姿变换就是求取一个旋转,使得两占据栅格合并成的栅格地图占据值最大。
进一步的,将所有的地图数据全部载入一个专门容器中,并提供一个阈值,以作为分支定界法的下界,当需要进行切图时,算法读取存储在计算机中的数据,该数据保存有占据栅格在不同搜索空间中的预算得分;算法将当前激光雷达点云数据构造成占据栅格地图,根据粗糙的搜索空间计算当前该搜索空间的最高得分。
进一步的,根据粗糙的搜索空间计算当前该搜索空间的最高得分后,若高于阈值,则进入该搜索空间继续搜索,若低于阈值,则进行减枝,缩小搜索域;这样一直搜索到一个精确的没有子搜索空间的位姿,用这个占据值得分去更新阈值。
为了保证该算法能够快速准确的确定当前定位所在地图,以及完成重定位的工作。本发明采用的技术方案如下:
本发明首先通过topic从外部获取两种数据,一种是当前帧二维激光雷达点云数据,一个是当前定位数据。并将当前帧激光雷达点云构建为占据栅格地图,以待后续处理。
通过查询数据结构,确定与当前地图紧邻的地图,随后启动一个线程,将这些地图数据载入内存中,具体地说,将子图数据放入同一个容器中。并将子图各个点各个分辨率的预算概率存储在另一个容器,以待将来直接通过索引读取该概率,避免了计算过程。
本发明的切图触发模块基于以下两个部分进行:第一个部分是将当前定位与当前先验地图的所有子图原点世界坐标值进行比较,当距离的绝对值大于某阈值时,则判定进入切图程序中;第二个部分是根据定位数据将当前帧点云栅格地图与先验地图相应子图进行比较,通过上述计算栅格值方法计算栅格值得分,若得分低于某阈值,说明发生了重定位,也需要进入切图模块。
本发明的切图模块是通过以下方法实现的,首先将下界定义为用户提供的一个阈值,同时将搜索空间构造为树形结构,内部节点代表一个子搜索空间,叶子节点代表一个精确的结果。开始搜索时从顶层节点开始往下搜索,当遇到一个节点时,根据该节点位姿变换矩阵旋转当前帧占据栅格地图得到新地图,遍历新地图所有点,根据第二步中载入的子图预算值更新相应子图旧的占据值,将占据值进行加和,若小于下界,说明结果太差,该分支被剪枝;若大于上界,继续往下搜索,直到叶子节点。抵达叶子节点后,使用叶子节点占据值得分更新下界,返回顶层重新查找。
本发明通过预先计算子图在不同分辨率下的占据值来减小计算量,通常的逻辑是,遍历搜索空间中的所有可能情况,顺序计算,直到找到最符合的解。本发明通过将子图变换到不同的分辨率再配合分支定界方法以此摒除了大多无需的计算。
与现有技术相比,有益效果是:本发明的自动切图方法致力于解决上述提出的人工干预的问题,本方法的定位是一个辅助算法,在实际应用中一般会随定位算法一起启动。此外,该方法不仅能够确定当前定位应该使用哪一个先验地图,同时也可以解决重定位的问题。
该方法可以提高纯定位算法的自动化能力,当定位偏出当前地图时,使用该方法可以准确定位当前所在地图,并进行切图操作,同时当发生定位失效问题时,该方法也可进行重定位操作。该方法通过获取外部定位算法的定位结果,并读取离线数据载入地图。首先通过触发模块确定是否需要切图,若需要切图,则进入切图模块进行运算。切图模块所作的工作实际上是去找与当前激光雷达获取数据最匹配的子图,但由于计算量太大,所以使用构造不同分辨率的栅格以及分支定界法优化了这个计算。
附图说明
图1表示本发明的总体框架。
图2表示本发明切图触发器流程图。
图3表示本发明离线处理流程图。
图4表示本发明流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1-4所示,
如图3所示,当新增一个地图时,给出地图地址和名称,以及其紧邻的地图名称,随后算法会将紧邻关系更新到数据库中。
如图2所示,本发明首先通过topic从外部获取两种数据,一种是当前帧二维激光雷达点云数据,一个是当前定位数据。并将当前帧激光雷达点云构建为占据栅格地图,以待后续处理。通过查询数据库,确定与当前地图紧邻的地图,随后启动一个线程,将这些地图数据载入内存中,具体地说,将子图数据放入同一个容器中。并将子图各个点各个分辨率的预算概率存储在另一个容器,以待将来直接通过索引读取该概率,避免了计算过程。本发明的切图触发模块基于以下两个部分进行:第一个部分是将当前定位与当前先验地图的所有子图原点世界坐标值进行比较,当距离的绝对值大于某阈值时,则判定进入切图程序中;第二个部分是根据定位数据将当前帧点云栅格地图与先验地图相应子图进行比较,通过上述计算栅格值方法计算栅格值得分,若得分低于某阈值,说明发生了重定位,也需要进入切图模块。
如图4所示,本发明的切图模块是通过以下方法实现的,首先将下界定义为用户提供的一个阈值,同时将搜索空间构造为树形结构,内部节点代表一个子搜索空间,叶子节点代表一个精确的结果。开始搜索时从顶层节点开始往下搜索,当遇到一个节点时,根据该节点位姿变换矩阵旋转当前帧占据栅格地图得到新地图,遍历新地图所有点,根据第二步中载入的子图预算值更新相应子图旧的占据值,将占据值进行加和,若小于下界,说明结果太差,该分支被剪枝;若大于上界,继续往下搜索,直到叶子节点。抵达叶子节点后,使用叶子节点占据值得分更新下界,返回顶层重新查找。必须注意的是,本发明通过预先将地图的子图构造成不同分辨率的构造栅格网图,在搜索树的不同层时,使用不同分辨率的栅格计算匹配得分,以此方法才能得到该搜索空间下的最高得分。
本发明的总体框架如图1所示,
S1.第一步是从定位算法中获取定位数据以及激光雷达获取的二维点云数据,同时对二维点云数据构建占据栅格网图,每个栅格网图与一个数据值关联起来,以下述公式进行计算:
其中,z代表观测值,occ(s)代表栅格某格点处的占据值,p(z|s=0)代表栅格处实际上没有障碍物z的概率,p(z|s=1)代表栅格处实际上有障碍物z的概率,odd(s|z)代表z发生的条件下s的状态;
S2.第二步是根据初始启动的先验地图,查询数据库,数据库格式见表1,通过数据库获得当前先验地图紧邻地图地址,将这些地图的子图数据放入一个容器中,并将子图各个点各个分辨率的预算概率存储在另一个容器,以待将来直接通过索引读取该概率。
S3.第三步是将第一步获取的定位数据和构建好的占据栅格网图传入切图触发模块,切图触发模块的第一个部分将当前定位与当前先验地图的所有子图原点世界坐标值进行比较,当距离的绝对值大于某阈值时,则判定进入切图程序中;第二个部分是根据定位数据将当前帧点云栅格地图与先验地图相应子图进行比较,通过公式2计算栅格值方法计算栅格值得分,若得分低于某阈值,说明定位算法定位出错,需要进行定位调整,也进入切图模块。
其中,M(k)代表栅格k处的占据值,T1代表一个位姿变换矩阵矩阵,hk代表点云当前位置。通过上式计算得到T1后,最终得到匹配得分。
S4.第四步算法搜索所有可能的情况,找出最可能与当前占据栅格适配的子图,该子图所属地图即为所要查询的地图,执行逻辑如公式4所示。
其中,W代表所有子图所在窗口,M函数如公式(3)。由于直接顺序查找搜索空间需要非常大的计算量,所以使用分支定界法优化这一搜索过程。首先将下界定义为用户提供的一个阈值,同时将搜索空间构造为树形结构,内部节点代表一个子搜索空间,叶子节点代表一个精确的结果。开始搜索时从顶层节点开始往下搜索,当遇到一个节点时,根据该节点位姿变换矩阵旋转当前帧占据栅格地图得到新地图,遍历新地图所有点,根据公式(3)计算当前得分,将占据值进行加和,若小于下界,说明结果太差,该分支被剪枝;若大于上界,继续往下搜索,直到叶子节点。抵达叶子节点后,使用叶子节点占据值得分更新下界,返回顶层重新查找。
S5.第五步,获得适配子图后,查询数据库,找到对应的地址,将该地址发给定位算法。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于分支定界法的自动切图方法,其特征在于,包括切图触发器,离线处理和分支定界法三个部分,其中,
首先,进行离线处理,用户输入某一地图关联的地图,随后算法通过简单的逻辑,将地图关系更新到数据库中;
然后,通过切图触发器进行判断是否需要切图,一部分是判断定位数据是否超出地图边界,若超出,则需要切图,进入下一步;另一部分是判断当前点云数据的占据栅格地图与定位所属子图间的匹配得分,若得分低于设定的阈值,则需要切图,也进入下一步;
最后,通过分支界定法寻找当前激光雷达采集到的点云属于哪个占据栅格地图,直到寻找到所属的占据栅格地图后,则进行切图;具体步骤包括:首先,将下界定义为用户提供的一个阈值,同时将搜索空间构造为树形结构,内部节点代表一个子搜索空间,叶子节点代表一个精确的结果;开始搜索时从顶层节点开始往下搜索,当遇到一个节点时,根据该节点位姿变换矩阵旋转当前帧占据栅格地图得到新地图,遍历新地图所有点,根据载入的子图占据值更新当前子图旧的占据值,将占据值进行加和,若小于下界,说明结果太差,该分支被剪枝,返回顶层重新查找;若大于上界,继续往下搜索,直到叶子节点,抵达叶子节点后,使用叶子节点占据值得分更新下界,返回顶层重新查找,直到查找到适配的子图。
2.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:使用分支定界法缩小搜索域,找出唯一一个符合要求的占据栅格地图。
3.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:通过外置定位算法获得定位结果,通过该定位结果判断是否产生地图越界情况,并以此判断是否需要切图。
4.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:主线程处理判断是否产生越界。
5.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:当在数据库中添加一个地图时,需要添加该地图紧邻于哪些地图,算法将对每一个地图的紧邻关系维护一个数据结构。
6.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:预先通过一个线程去载入存储在计算机中的地图数据,该地图数据包括地图的各个节点和子图,节点即激光雷达一帧构成的占据栅格地图,子图即多个节点构成的数据。
7.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:定义占据值如下,占据栅格某个格点有物体的概率;求取两占据栅格的相对位姿变换就是求取一个旋转,使得两占据栅格合并成的栅格地图占据值最大。
8.根据权利要求1所述的一种基于分支定界法的自动切图方法,其特征在于:将所有的地图数据全部载入一个专门容器中,并提供一个阈值,以作为分支定界法的下界,当需要进行切图时,算法读取存储在计算机中的数据,该数据保存有占据栅格在不同搜索空间中的预算得分;算法将当前激光雷达点云数据构造成占据栅格地图,根据粗糙的搜索空间计算当前该搜索空间的最高得分。
9.根据权利要求8所述的一种基于分支定界法的自动切图方法,其特征在于:根据粗糙的搜索空间计算当前该搜索空间的最高得分后,若高于阈值,则进入该搜索空间继续搜索,若低于阈值,则进行减枝,缩小搜索域;这样一直搜索到一个精确的没有子搜索空间的位姿,用这个占据值得分去更新阈值。
10.根据权利要求4所述的一种基于分支定界法的自动切图方法,其特征在于:当有越界情况发生时,开启一个线程进行分支定界法搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110038919.XA CN112883290B (zh) | 2021-01-12 | 2021-01-12 | 一种基于分支定界法的自动切图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110038919.XA CN112883290B (zh) | 2021-01-12 | 2021-01-12 | 一种基于分支定界法的自动切图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883290A CN112883290A (zh) | 2021-06-01 |
CN112883290B true CN112883290B (zh) | 2023-06-27 |
Family
ID=76044780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110038919.XA Active CN112883290B (zh) | 2021-01-12 | 2021-01-12 | 一种基于分支定界法的自动切图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883290B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427047A (zh) * | 2020-03-30 | 2020-07-17 | 哈尔滨工程大学 | 一种大场景下自主移动机器人slam方法 |
CN111551953A (zh) * | 2020-05-06 | 2020-08-18 | 天津博诺智创机器人技术有限公司 | 基于slam算法的室内建图优化方法 |
CN111680747A (zh) * | 2020-06-08 | 2020-09-18 | 北京百度网讯科技有限公司 | 用于占据栅格子图的闭环检测的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011305154B2 (en) * | 2010-09-24 | 2015-02-05 | Irobot Corporation | Systems and methods for VSLAM optimization |
-
2021
- 2021-01-12 CN CN202110038919.XA patent/CN112883290B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427047A (zh) * | 2020-03-30 | 2020-07-17 | 哈尔滨工程大学 | 一种大场景下自主移动机器人slam方法 |
CN111551953A (zh) * | 2020-05-06 | 2020-08-18 | 天津博诺智创机器人技术有限公司 | 基于slam算法的室内建图优化方法 |
CN111680747A (zh) * | 2020-06-08 | 2020-09-18 | 北京百度网讯科技有限公司 | 用于占据栅格子图的闭环检测的方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于3D LiDAR的矿山车无人驾驶车行驶边界检测;陈龙 等;《煤炭学报》;20200630;第45卷(第6期);第2140-2146页 * |
基于ROS的室内移动机器人实时定位与地图创建研究;李敏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190615(第06期);I140-273 * |
Also Published As
Publication number | Publication date |
---|---|
CN112883290A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
CN112179330B (zh) | 移动设备的位姿确定方法及装置 | |
JP6688521B2 (ja) | 測位方法、端末及びサーバー | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN113376650B (zh) | 移动机器人定位方法及装置、电子设备及存储介质 | |
KR20190082070A (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
CN112086010B (zh) | 地图生成方法、装置、设备及存储介质 | |
CN111784835B (zh) | 制图方法、装置、电子设备及可读存储介质 | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN111650598A (zh) | 一种车载激光扫描系统外参标定方法和装置 | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN115205470B (zh) | 续扫重定位方法、装置、设备、存储介质及三维续扫方法 | |
CN115728803A (zh) | 一种城市驾驶车辆连续定位系统及方法 | |
CN113514843A (zh) | 多子图激光雷达定位方法、系统以及终端 | |
CN114264301A (zh) | 车载多传感器融合定位方法、装置、芯片及终端 | |
CN112883290B (zh) | 一种基于分支定界法的自动切图方法 | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
CN113297259A (zh) | 机器人及其环境地图构建方法和装置 | |
EP4205084A1 (en) | Multi-agent map generation | |
CN116097303A (zh) | 三维点云聚类方法、装置、计算机设备和存储介质 | |
CN118135133A (zh) | 一种面向广域搜索的车机协同建图方法及设备 | |
Wang et al. | Multi-sensors based simultaneous mapping and global pose optimization | |
CN114674308B (zh) | 基于安全出口指示牌视觉辅助激光长廊定位方法及装置 | |
KR102624644B1 (ko) | 벡터 맵을 이용한 이동체의 맵 매칭 위치 추정 방법 |
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 |