CN112904395B - 一种矿用车辆定位系统及方法 - Google Patents
一种矿用车辆定位系统及方法 Download PDFInfo
- Publication number
- CN112904395B CN112904395B CN201911220058.6A CN201911220058A CN112904395B CN 112904395 B CN112904395 B CN 112904395B CN 201911220058 A CN201911220058 A CN 201911220058A CN 112904395 B CN112904395 B CN 112904395B
- Authority
- CN
- China
- Prior art keywords
- positioning
- information
- mining vehicle
- positioning information
- sensing
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种矿用车辆定位系统及方法,该系统包括:多源传感器和路边辅助设施,所述传感器包括激光里程计,感知定位模块,其利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息;定位信息数据融合模块,其将所述感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的位姿信息。本发明克服了现有定位技术中误差累积大、鲁棒性较差、定位精度低的问题。
Description
技术领域
本发明涉及矿山智能机械、无人驾驶及智能导航技术领域,尤其是基于多传感器及辅助设施的矿用车辆定位系统及方法。
背景技术
根据矿车工作环境的复杂性,以及传感器的种类和数量不同,定位方法有多种。主要可用方法有:航迹推算定位技术、无线电定位技术、地图匹配定位技术、视觉定位技术和多传感器融合定位技术。其中航迹推算定位是指已经确定某一初始时刻矿用车辆的位置,结合车载传感器(航向陀螺、速度计、里程计等)推算出车辆的具体位置坐标;无线电定位是指利用无线电波直线恒速传播特性通过测量固定或运动的物体的位置以进行定位的技术,包括雷达、无线电测向、无线电导航系统和全球定位系统(GPS)等;地图匹配定位和视觉定位技术属于感知定位,感知周围环境信息而获得车辆的位姿,主要有激光雷达 SLAM、视觉SLAM;多传感器的融合定位技术,融合多个车载传感器的定位数据,从中获得一个更加准确的定位信息。
然而,现有的针对矿车的定位技术存在定位精度低、鲁棒性较差的问题,因此亟需提供一种方案来解决该问题。
发明内容
本发明所要解决的技术问题之一是需要提供一种应用范围广泛,且能够提高定位精度和鲁棒性的方案。
为了解决上述技术问题,本申请的实施例首先提供了一种基于多传感器及辅助设施的矿用车辆定位系统,该系统包括:多源传感器和路边辅助设施,所述传感器包括激光里程计,感知定位模块,其利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息;定位信息数据融合模块,其将所述感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的位姿信息。
根据本发明的一个实施例,所述感知定位模块,其进一步对利用作为激光里程计的多线激光雷达获取的特征点进行提取,然后基于多帧点云配准(ICP)的方法计算得到矿用车辆的在局部里程计坐标系(odom)下的速度和姿态角,从而得到矿用车辆的第一感知里程计定位信息。
根据本发明的一个实施例,所述感知定位模块,其进一步利用多线激光雷达测量激光雷达到所述路边辅助设施的距离和方位角,从而获取所述车辆与所述路边辅助设施之间的相对位置;根据所述车辆与所述路边辅助设施之间的相对位置以及所述路边辅助设施的位置信息确定所述矿用车辆的第二感知定位信息。
根据本发明的一个实施例,所述路边辅助设施为标志杆,其上配置有表示标志杆设置位置的标签信息;所述多线激光雷达读取这些标签以获取标志杆的标号;所述感知定位模块确定对应标号的标志杆的位置信息。
根据本发明的一个实施例,该系统还包括:GPS定位设备和IMU定位设备;所述定位信息数据融合模块,其进一步将感知定位信息和通过GPS定位设备和IMU定位设备获得的矿用车辆的高精度RTK-GPS定位信息和IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,根据获取的数据质量经过持续迭代来回调整权重,以判别各定位信息的可依赖性,最终得到矿用车辆的位姿信息。
根据本发明的另一方面,还提供了一种基于多传感器及辅助设施的矿用车辆定位方法,该方法包括:步骤一,利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息;步骤二,将所述感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的位姿信息。
根据本发明的一个实施例,在所述步骤一中,对利用作为激光里程计的多线激光雷达获取的特征点进行提取,然后基于多帧点云配准(ICP)的方法计算得到矿用车辆的在局部里程计坐标系(odom)下的速度和姿态角,从而得到矿用车辆的第一感知里程计定位信息。
根据本发明的一个实施例,在所述步骤一中,利用多线激光雷达测量激光雷达到所述路边辅助设施的距离和方位角,从而获取所述车辆与所述路边辅助设施之间的相对位置;根据所述车辆与所述路边辅助设施之间的相对位置以及所述路边辅助设施的位置信息确定所述矿用车辆的第二感知定位信息。
根据本发明的一个实施例,所述路边辅助设施为标志杆,其上配置有表示标志杆设置位置的标签信息;采用多线激光雷达读取这些标签以获取标志杆的标号,进而确定对应标号的标志杆的位置信息。
根据本发明的一个实施例,在所述步骤二中,通过GPS设备和IMU设备分别获得矿用车辆的高精度RTK-GPS定位信息和IMU高频局部运动追踪信息;将所述感知定位信息和矿用车辆的RTK-GPS定位信息和IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,根据获取的数据质量经过持续迭代来回调整权重,以判别各定位信息的可依赖性,最终得到矿用车辆的位姿信息。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明实施例主要针对矿山复杂环境下,针对里程计定位信息存在累积误差以及GPS 信号的不确定性(易被遮挡,山体的多路径反射和更新速率慢),通过利用多传感器技术和标志杆辅助设施的定位进行结合,并将感知定位信息和多传感器定位信息通过自适应扩展卡尔曼滤波算法进行滤波处理,最后得到一个更加准确的定位信息,由此克服了现有定位技术中误差累积大、鲁棒性较差、定位精度低的问题。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本申请实施例的基于多传感器及辅助设施的矿用车辆定位系统的框架结构示意图。
图2为本申请实施例的利用激光里程计进行矿用车辆定位的流程图。
图3为本申请实施例的利用标志杆进行矿用车辆定位的示意图。
图4为本申请实施例的标志杆存储的标签信息的示意图。
图5为kalman滤波器工作流程示意图。
图6为本申请实施例的多传感器融合过程的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如背景技术所述的那样,由于矿用车辆的所处的矿山环境较为复杂,现有的车辆定位方法存在累积误差大、鲁棒性较差的问题,因此本发明实施例提出了一种解决方案,该方案采用多传感器技术以及路边辅助设施获取多个定位信息,然后将这些信息进行数据融合,最终得到一个更加准确的定位信息。下面对本实施例进行详细说明。
图1为本申请实施例的基于多传感器及辅助设施的矿用车辆定位系统的框架结构示意图。该矿用车辆定位系统包括:多源种传感器和路边辅助设施(后文中的标志杆),感知定位模块10,以及定位信息数据融合模块20。在本实施例中,多源传感器包括激光雷达(激光里程计)、差分GPS定位设备和IMU定位设备。除此之外,还可以包括摄像头,电子罗盘、高程计、气压计等多源传感器。感知定位模块10,其利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息;定位信息数据融合模块20,其将感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的更加鲁棒和高精度的位姿信息。
优选地,在本例的激光里程计采用的传感器是多线激光雷达,在利用该多线激光雷达获取矿用车辆定位信息的过程,相对于其它直接匹配两个点云的方法来进行车辆定位,感知定位模块10,其进一步对利用作为激光里程计的多线激光雷达获取的特征点进行提取,然后基于多帧点云配准(ICP)的方法计算得到矿用车辆的在局部里程计坐标系(odom) 下的速度和姿态角,从而得到矿用车辆的第一感知里程计定位信息。通过这种方式得到的定位信息精度更高。具体可参见如图2所示的流程。
第一步,特征提取及描述步骤。
具体地,首先粗略提取曲率特征,然后采用ID3算法训练决策树并筛选出最优曲率特征点,随后采用非极大值抑制去除局部角密集特征点。
第二步,特征匹配步骤。
通过计算特征点的汉明距离来进行匹配,设置一个阈值,当两特征点的相似度大于这个阈值,便认为这两个是相同的特征点,即匹配成功。优选地,可采用词袋模型加速匹配。
第三部,位姿估算步骤。
在特征成功匹配后,可以根据相邻两帧的空间点计算出空间向量距离RT,从而便可得到位姿变换信息。对于局部优化,可以采用g2o优化库进行优化。
通过上述相关操作即可得到利用激光里程计获得的车辆位姿信息(第一里程计感知定位信息)。
另外,感知定位模块10,其进一步利用多线激光雷达测量激光雷达到路边辅助设施的距离和方位角,从而获取车辆与所述路边辅助设施之间的相对位置,然后根据车辆与路边辅助设施之间的相对位置以及路边辅助设施的位置信息确定矿用车辆的第二感知定位信息。
在一个优选的实施例,路边辅助设施为标志杆,其上配置有表示标志杆设置位置的标签信息。对于标志杆的精确位置,可以通过读取信息标签中的信息获取。在进行作业之前,需要在道路两边布置标志杆,每一个标志杆在世界坐标系中的位置需要人工精确测量,同时对标志杆进行标号i=0,1,...,n,那么与之所对应的坐标位置为(xi,yi),并将其存储在上位机数据库中,因此只需知道标志杆的标号便可得到标志杆的精确位置。如图4所示,图中表示标志杆存储的标签信息,以黑白相间的宽条纹来存储信息,黑白条纹用标志杆的背景色的窄条纹来隔开,其中黑色条纹代表数值1,白色条纹代表数值0,共有8个黑白条纹,可存储255个标志杆的信息,图4中显示了第82和第21号标志杆。
通过采用多线激光雷达读取这些标签以获取标志杆的标号,感知定位模块10确定对应标号的标志杆的位置信息,这样就可以获取每一个标志杆的位置信息。同时结合多线激光雷达所获取的车辆相对于标志杆的位置,此时便可知道车辆在世界坐标系精确位置,该位姿信息可以弥补IMU累积误差、LO(Lidar Odometry,视觉里程计)累积误差以及GPS 信号不好时的所造成的位姿偏移。
采用多线激光雷达测量激光雷达到标志杆的距离和方位角。如图3所示,其中,图3(a)为正视图,图3(b)为俯视图。通过激光雷达传感器扫描标志杆,可以根据窗口均值法获取雷达到标志杆的距离dM以及激光雷达与标志杆的方位角θM,这样便获得了车辆与标志杆的相对位置。
定位信息数据融合模块20,其进一步将上面获得的第一感知定位信息、第二感知定位信息和通过差分GPS定位设备和IMU定位设备获得的矿用车辆的高精度RTK-GPS定位信息和IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,根据获取的数据质量经过持续迭代来回调整权重,以判别各定位信息的可依赖性,最终得到矿用车辆的位姿信息。需要说明的是,可以先将矿用车辆的高精度RTK-GPS定位信息和IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,然后再与其他定位数据进行融合。或者将所有这些数据统一进行融合处理。由于差分GPS定位设备在获取定位数据的过程中更新较慢,因此获取的定位信息间隔较远,容易形成误差,通过将IMU高频局部运动追踪信息融合到该高精度RTK-GPS定位信息,能够有效提高定位数据的精度。
图6为本申请实施例的多传感器融合过程的示意图。
如图6所示,通过差分GPS定位设备利用RTK高精度解析算法得到矿用车辆的高精度RTK-GPS定位信息,通过IMU定位设备利用IMU姿态融合和实时数据滤波技术得到的IMU高频局部运动追踪信息,然后基于扩展卡尔曼滤波EKF进行GNSS和IMU数据的融合处理。在利用激光里程计进行定位的过程中,基于NDT和G2O的点云地图预建立技术预先建立点云地图,然后基于lider的里程计技术和基于点云的实时感知和匹配算法获得在基于点云预建地图的扫描匹配定位信息。利用标志杆独特位置检测算法获取标志杆辅助定位。最后,将以上得到的融合数据、各个定位数据进行再次的扩展卡尔曼滤波融合处理,得到最终可靠的矿车车辆的定位信息。
图5为kalman滤波器工作流程示意图,如图所示,左侧的迭代流程如下:在初始状态下,初始化后,状态变量初始值和权重值分别为k=1,在迭代过程中,根据状态转换方程,在预测的环节,即可得到迭代过程的下一个状态的预测值,然后将观测值和预测值输入到融合环节,即可得到滤波融合结果,然后继续按照这样的过程进行迭代,即令 k=k+1,重复上面的步骤。右侧属于更新流程,先初始化一个协方差值P0和权重值k=1,然后进入协方差预测,得到协方差的预测估计值P’k,然后根据实时的协方差矩阵和观测误差数据R得到实时更新的最新的权重值K,最后更新协方差矩阵,就完成了通过协方差矩阵来对权重值进行实时更新的迭代策略。这样实时的协方差矩阵就能够影响卡尔曼滤波对于预测和观察值的信任权重的调节。
其中涉及到的公式如下。
状态预测:
预测误差方差阵:
增益矩阵:
状态更新:
方差更新:
Pk=(I-KKHK)Pk|k-1
其中,Q、R分别表示过程噪声和观测噪声的协方差矩阵。
F:表示状态转移矩阵;
Pk|k-1:误差协方差矩阵,P表示协方差矩阵;
B:控制输入矩阵;
u:控制输入;
Z:观测量;
H:观测矩阵;
K:低通滤波权重系数;
综上所述,通过利用多传感器技术和标志杆辅助设施的定位进行结合,并将感知定位信息、差分GPS定位信息、IMU定位信息通过自适应扩展卡尔曼滤波算法进行滤波处理,最后得到一个更加准确的定位信息。
本发明实施例主要针对矿山复杂环境下,针对里程计定位信息存在累积误差以及GPS 信号的不确定性,采用了基于激光点云特征点关联和标志杆的感知定位方法进行定位,克服了现有技术应用环境单一、误差累积大、定位精度低的问题。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权利要求书来限定。
Claims (4)
1.一种矿用车辆定位系统,其特征在于,该系统包括:
GPS定位设备、IMU定位设备、多源传感器和路边辅助设施,所述传感器包括激光里程计,
感知定位模块,其利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息,所述感知定位模块,其还对利用作为激光里程计的多线激光雷达获取的特征点进行提取,然后基于多帧点云配准(ICP)的方法计算得到矿用车辆的在局部里程计坐标系(odom)下的速度和姿态角,从而得到矿用车辆的第一感知里程计定位信息,以及利用多线激光雷达测量激光雷达到所述路边辅助设施的距离和方位角,从而获取所述车辆与所述路边辅助设施之间的相对位置,并根据所述车辆与所述路边辅助设施之间的相对位置以及所述路边辅助设施的位置信息确定所述矿用车辆的第二感知定位信息;
定位信息数据融合模块,其将所述感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的位姿信息;
所述定位信息数据融合模块,其还先将通过GPS定位设备获得的矿用车辆的高精度RTK-GPS定位信息和通过IMU定位设备获得的IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,再与所述第一感知里程计定位信息和所述第二感知定位信息进行融合,根据获取的数据质量经过持续迭代来回调整权重,以判别各定位信息的可依赖性,最终得到矿用车辆的位姿信息。
2.根据权利要求1所述的系统,其特征在于,
所述路边辅助设施为标志杆,其上配置有表示标志杆设置位置的标签信息;
所述多线激光雷达读取这些标签以获取标志杆的标号;
所述感知定位模块确定对应标号的标志杆的位置信息。
3.一种矿用车辆定位方法,其特征在于,该方法包括:
步骤一,利用激光里程计和路边辅助设施获取得到矿用车辆的感知定位信息,在所述步骤一中,包括:
对利用作为激光里程计的多线激光雷达获取的特征点进行提取,然后基于多帧点云配准(ICP)的方法计算得到矿用车辆的在局部里程计坐标系(odom)下的速度和姿态角,从而得到矿用车辆的第一感知里程计定位信息;
利用多线激光雷达测量激光雷达到所述路边辅助设施的距离和方位角,从而获取所述车辆与所述路边辅助设施之间的相对位置;
根据所述车辆与所述路边辅助设施之间的相对位置以及所述路边辅助设施的位置信息确定所述矿用车辆的第二感知定位信息;
步骤二,将所述感知定位信息和通过其他多种传感器得到的矿用车辆定位信息进行数据融合,得到矿用车辆的位姿信息,在所述步骤二中,
通过GPS设备和IMU设备分别获得矿用车辆的高精度RTK-GPS定位信息和IMU高频局部运动追踪信息;
先将通过GPS定位设备获得的矿用车辆的高精度RTK-GPS定位信息和通过IMU定位设备获得的IMU高频局部运动追踪信息通过扩展卡尔曼滤波算法进行融合,再与所述第一感知里程计定位信息和所述第二感知定位信息进行融合,根据获取的数据质量经过持续迭代来回调整权重,以判别各定位信息的可依赖性,最终得到矿用车辆的位姿信息。
4.根据权利要求3所述的方法,其特征在于,
所述路边辅助设施为标志杆,其上配置有表示标志杆设置位置的标签信息;
采用多线激光雷达读取这些标签以获取标志杆的标号,进而确定对应标号的标志杆的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220058.6A CN112904395B (zh) | 2019-12-03 | 2019-12-03 | 一种矿用车辆定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220058.6A CN112904395B (zh) | 2019-12-03 | 2019-12-03 | 一种矿用车辆定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904395A CN112904395A (zh) | 2021-06-04 |
CN112904395B true CN112904395B (zh) | 2022-11-25 |
Family
ID=76104700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911220058.6A Active CN112904395B (zh) | 2019-12-03 | 2019-12-03 | 一种矿用车辆定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904395B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447949B (zh) * | 2021-06-11 | 2022-12-09 | 天津大学 | 一种基于激光雷达和先验地图的实时定位系统及方法 |
CN113945956A (zh) * | 2021-10-15 | 2022-01-18 | 北京路凯智行科技有限公司 | 车载定位系统以及包括其的矿山车辆 |
CN114170320B (zh) * | 2021-10-29 | 2022-10-28 | 广西大学 | 一种基于多传感器融合的打桩机自动定位和工况自适应方法 |
CN114964280A (zh) * | 2021-12-06 | 2022-08-30 | 星即科技(上海)有限公司 | 基于多元异构传感器的车内手机定位导航技术 |
CN114355891A (zh) * | 2021-12-09 | 2022-04-15 | 青岛慧拓智能机器有限公司 | 一种井工矿智能无人运输系统 |
CN114264301B (zh) * | 2021-12-13 | 2024-06-21 | 青岛慧拓智能机器有限公司 | 车载多传感器融合定位方法、装置、芯片及终端 |
CN114459481A (zh) * | 2021-12-22 | 2022-05-10 | 陕西小保当矿业有限公司 | 一种井工矿中无人驾驶车辆的定位系统及方法 |
CN114323003B (zh) * | 2021-12-27 | 2024-07-19 | 青岛慧拓智能机器有限公司 | 一种基于uwb、imu及激光雷达的井工矿融合定位方法 |
CN114166207A (zh) * | 2021-12-30 | 2022-03-11 | 清华大学苏州汽车研究院(吴江) | 一种矿区自动驾驶的定位系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101846734A (zh) * | 2009-03-26 | 2010-09-29 | 中国农业大学 | 农用机械导航定位方法、系统及农用机械工控机 |
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输系统及其驾驶控制方法 |
CN110285806A (zh) * | 2019-07-05 | 2019-09-27 | 电子科技大学 | 基于多次位姿校正的移动机器人快速精确定位算法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
JP2019532292A (ja) * | 2016-09-29 | 2019-11-07 | ザ・チャールズ・スターク・ドレイパー・ラボラトリー・インコーポレイテッド | 車両位置特定の自律走行車両 |
CN107478214A (zh) * | 2017-07-24 | 2017-12-15 | 杨华军 | 一种基于多传感器融合的室内定位方法及系统 |
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 |
CN109059906B (zh) * | 2018-06-26 | 2020-09-29 | 上海西井信息科技有限公司 | 车辆定位方法、装置、电子设备、存储介质 |
CN109099901B (zh) * | 2018-06-26 | 2021-09-24 | 中科微易(苏州)智能科技有限公司 | 基于多源数据融合的全自动压路机定位方法 |
CN109270544A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 基于杆状物识别的移动机器人自定位系统 |
CN109297510B (zh) * | 2018-09-27 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 相对位姿标定方法、装置、设备及介质 |
-
2019
- 2019-12-03 CN CN201911220058.6A patent/CN112904395B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101846734A (zh) * | 2009-03-26 | 2010-09-29 | 中国农业大学 | 农用机械导航定位方法、系统及农用机械工控机 |
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输系统及其驾驶控制方法 |
CN110285806A (zh) * | 2019-07-05 | 2019-09-27 | 电子科技大学 | 基于多次位姿校正的移动机器人快速精确定位算法 |
Also Published As
Publication number | Publication date |
---|---|
CN112904395A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112904395B (zh) | 一种矿用车辆定位系统及方法 | |
CN108303721B (zh) | 一种车辆定位方法及系统 | |
EP3519770B1 (en) | Methods and systems for generating and using localisation reference data | |
CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
EP3332217B1 (en) | Methods and systems for generating and using localisation reference data | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
CN110332945B (zh) | 基于交通道路标线视觉识别的车载导航方法和装置 | |
CN102208035B (zh) | 图像处理系统及位置测量系统 | |
Tao et al. | Lane marking aided vehicle localization | |
JP5162849B2 (ja) | 不動点位置記録装置 | |
CN111006655A (zh) | 机场巡检机器人多场景自主导航定位方法 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN109325390B (zh) | 一种基于地图与多传感器检测相结合的定位方法及系统 | |
US11327155B2 (en) | Radar sensor misalignment detection for a vehicle | |
CN114565674B (zh) | 自动驾驶车辆城市结构化场景纯视觉定位方法及装置 | |
CN111649740A (zh) | 一种基于imu进行车辆高精度定位的方法及系统 | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
JP2022136145A (ja) | データ構造、情報処理装置、及び地図データ生成装置 | |
JP2012215442A (ja) | 自位置特定システム、自位置特定プログラム及び自位置特定方法 | |
CN112424568B (zh) | 构建高清地图的系统和方法 | |
CN114641701A (zh) | 使用表面穿透雷达和深度学习的改进的导航和定位 | |
JP7289761B2 (ja) | 車両の自己位置推定装置、および、自己位置推定方法 | |
US20230025579A1 (en) | High-definition mapping | |
CN117805866A (zh) | 基于高精地图的多传感器融合定位的方法、装置和介质 |
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 |