CN113218385A - 基于slam的高精度车辆定位方法 - Google Patents

基于slam的高精度车辆定位方法 Download PDF

Info

Publication number
CN113218385A
CN113218385A CN202110563676.1A CN202110563676A CN113218385A CN 113218385 A CN113218385 A CN 113218385A CN 202110563676 A CN202110563676 A CN 202110563676A CN 113218385 A CN113218385 A CN 113218385A
Authority
CN
China
Prior art keywords
slam
positioning
vehicle
map
initial
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
Application number
CN202110563676.1A
Other languages
English (en)
Other versions
CN113218385B (zh
Inventor
田歌
贺娅莉
张楠楠
谢娟娟
田红蕊
许彩云
李学亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhoukou Normal University
Original Assignee
Zhoukou Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhoukou Normal University filed Critical Zhoukou Normal University
Priority to CN202110563676.1A priority Critical patent/CN113218385B/zh
Publication of CN113218385A publication Critical patent/CN113218385A/zh
Application granted granted Critical
Publication of CN113218385B publication Critical patent/CN113218385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—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
    • 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

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)

Abstract

本发明公开基于SLAM的高精度车辆定位方法，包括：S1、获取车辆待行驶区域的初始环境地图，并基于初始环境地图获取初始环境特征地图；S2、通过第一定位模块获取车辆的初始位姿，基于初始位姿从初始环境地图中获取第一局部地图；S3、基于初始位姿以及第一局部地图进行SLAM定位；S4、基于SLAM定位结果从初始环境特征地图中获取第一局部特征地图，并通过第二定位模块的定位结果从初始环境特征地图中获取车辆的第二局部特征地图；S5、对第一局部特征地图与第二局部特征地图进行特征点匹配，匹配结果大于或等于预设阈值则继续进行SLAM定位，否则重复S2‑S5，直至车辆到达终点。本发明能够有效提高车辆定位的鲁棒性。

Description

基于SLAM的高精度车辆定位方法
技术领域
本发明涉及车辆定位技术领域，特别是涉及一种基于SLAM的高精度车辆定位方法。
背景技术
无人驾驶技术是当前汽车产业发展的新方向，无人驾驶车辆是一种智能汽车，通过车载传感系统感知道路环境，并自行规划行驶路线抵达预设目的地；车载传感器可根据感知获得的道路状况、车辆位置、障碍物等信息控制车辆的转向和速度，其目标是替代驾驶员执行“枯燥的、恶劣的、危险的、纵深的”任务，具有机动性强、适应能力和生存能力高、降低人员伤亡风险等优点，在军事、民用等方面均拥有广阔的应用前景。无人驾驶汽车经过多年的技术沉淀之后，在当前的大数据、物联网时代获得了更多的关注，无人驾驶目前也被广泛地认为是未来人工智能产品实现大面积落地应用的突破口，因此，无人驾驶成为未来一种重要的发展方向。
与普通车辆相比，自动驾驶车辆需要识别的精度不只是“正行驶在什么道路上”，而是“行驶在哪个车道”，通常一条车道的宽度只有2.7米到4.6米，允许的误差极小，因此，自动驾驶的实现离不开高精度定位。目前，无人驾驶车辆研究领域使用最多的精确定位就是北斗差分定位，用来确定车辆的三维位置，获取最低米级、最高厘米级的高精度位置信息。在北斗卫星导航的功能下，无人驾驶车辆可自主实现直线行驶、弯道行驶、变道超车和变速。然而，由于无人驾驶技术上的难题以及城市存在个别卫星信号遮挡路段，北斗差分定位的无人驾驶技术多应用于按规定路线行驶的车辆，例如，城市环卫清扫车辆、车市洒水车等领域。GPS是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理定位、车行速度及精确的时间信息，但在无人驾驶的应用中，GPS会受到高楼、树木、隧道等干扰，一般会有10米左右的误差，这一误差对于无人车而言是不可接受的。
综上，提供一种基于SLAM的高精度车辆定位方法显得尤为必要。
发明内容
本发明的目的是提供一种基于SLAM的高精度车辆定位方法，以解决现有技术的问题，能够实现车辆的高精度定位。
为实现上述目的，本发明提供了如下方案：本发明提供一种基于SLAM的高精度车辆定位方法，包括：
S1、获取车辆待行驶区域的初始环境地图，并基于所述初始环境地图获取初始环境特征地图；
S2、通过第一定位模块获取车辆的初始位姿，基于所述初始位姿从所述初始环境地图中获取第一局部地图；
S3、基于所述初始位姿以及所述第一局部地图进行SLAM定位；
S4、基于SLAM定位结果从所述初始环境特征地图中获取第一局部特征地图，并通过第二定位模块的定位结果从所述初始环境特征地图中获取车辆的第二局部特征地图；
S5、对所述第一局部特征地图与所述第二局部特征地图进行特征点匹配，匹配结果大于或等于预设阈值则继续进行SLAM定位，直至所述车辆到达预设终点，否则，重复步骤S2-S5，直至所述车辆到达预设终点。
优选地，所述步骤S1中，基于所述初始环境地图获取初始环境特征地图的方法为：将所述初始环境地图中的固定物体通过不同尺寸、不同形状的图形进行表示，得到所述初始环境特征地图；其中所述图形由线段进行表示。
优选地，采用霍夫变换方法将所述初始环境地图中的固定物体通过不同尺寸、不同形状的图形进行表示。
优选地，所述步骤S2中，所述第一定位模块采用惯性传感器，所述惯性传感器包括加速度传感器和角速度传感器，通过所述惯性传感器获取车辆的行驶速度、行驶方向、加速度以及角速度信息。
优选地，所述步骤S3中，基于所述初始位姿以及所述第一局部地图进行SLAM定位之前，还包括：将所述初始位姿以及所述第一局部地图的坐标系转换为SLAM地图坐标系。
优选地，所述步骤S3中，采用基于单目视觉的SLAM定位方法进行SLAM定位，具体为：通过单目摄像头在每个时刻采集一张图像，并基于所采集的图像计算所述车辆的位姿。
优选地，采用基于单目视觉的SLAM定位方法进行SLAM定位过程中，采用光流法获取所述车辆的位姿。
优选地，所述步骤S4中，所述第二定位模块采用GPS定位模块。
本发明公开了以下技术效果：
(1)本发明提供了一种基于SLAM的高精度车辆定位方法，以初始环境地图为基准，分别基于SLAM定位结果以及GPS定位结果获取局部特征图，并对二者获取的局部特征图进行特征点匹配，匹配结果大于或等于预设阈值则SLAM定位结果与GPS定位结果相一致，继续进行SLAM定位，直至所述车辆到达预设终点；匹配结果小于预设阈值，则SLAM定位结果与GPS定位结果差异较大，重新获取车辆的初始位姿，并进行SLAM定位，以在车辆行驶过程中，通过GPS实时检测并纠正SLAM定位结果，避免SLAM定位误差对全局定位精度的影响。
(2)本发明通过将初始环境地图转换为初始环境特征地图，并对特征地图进行特征点匹配，将特征点的匹配转换为特征图像的匹配，能够有效降低计算量，提高匹配精度，进而保证了车辆定位的实时性和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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为本发明基于SLAM的高精度车辆定位方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示，本实施例提供一种基于SLAM的高精度车辆定位方法，包括：
S1、获取车辆待行驶区域的初始环境地图，并基于所述初始环境地图获取初始环境特征地图；
其中，车辆待行驶区域的初始环境地图为全局环境地图。
基于所述初始环境地图获取初始环境地图的方法为：将所述初始环境地图中的固定物体通过不同尺寸、不同形状的图形进行表示，得到所述初始环境特征地图；其中所述图形由线段进行表示，即将所述初始环境地图中固定物体的边缘通过线段进行表示。例如，将建筑物变换为矩形或三角形。本实施例中，采用霍夫变换方法将所述初始环境地图转换为所述初始环境特征地图。霍夫变换广泛应用于计算机视觉、图像分析等领域，能够用于提取图像中的线段特征。霍夫变换的具体方法如下：
将图像划分成若干个子区域，每个所述子区域称为一个投票箱，代表与投票箱中心点表示的线段，当点云数据中的一个点(x，y)满足式(1)时，认为该点在此投票箱表示的线段特征上，将该投票箱票数加一，当所有点投票结束后统计所有投票箱的票数，如果某个投票箱票数大于一定阈值，则代表有大量点近似在这个投票箱表示的线段上，并将线段特征提取出来。
|x cosθ+y sinθ-c|＜δ………………………(1)
式中，c为坐标系原点到线段特征的距离，θ为线段特征与坐标轴y的夹角，δ为阈值。
S2、通过第一定位模块获取车辆的初始位姿，基于所述初始位姿从所述初始环境地图中获取第一局部地图；
其中，所述第一定位模块采用惯性传感器，所述惯性传感器包括加速度传感器和角速度传感器，车辆通过所述惯性传感器能够获取到车辆的行驶速度、行驶方向、加速度以及角速度等信息，惯性传感器在低速情况下的定位精度明显优于GPS。
第一局部地图即为车辆起始位置的局部地图。
S3、基于所述初始位姿以及所述第一局部地图进行SLAM定位；
其中，基于所述初始位姿以及所述第一局部地图进行SLAM定位之前，还包括：将所述初始位姿以及所述第一局部地图的坐标系转换为SLAM地图坐标系，具体转换方法为：根据所述第一定位模块的坐标系与SLAM地图坐标系的转换关系进行转换，包括旋转和平移变换。
进行SLAM定位过程中，采用基于单目视觉的SLAM定位方法；单目视觉的SLAM定位方法通过单目摄像头在每个时刻只获取一张图像，且依靠所获得的图像数据计算所述车辆的位姿信息；由于单目摄像头需要对目标进行识别，也就是在测距之前先识别障碍物是车、行人或其他，有效提高了定位精度高，且通过SLAM实时建图，并基于建图结果进行定位，定位过程不会受到高楼、数木、隧道等干扰，保证了定位结果的有效性。
采用基于单目视觉的SLAM定位方法进行SLAM定位过程中，采用光流法进行图像匹配定位，获取所述车辆的位姿。光流是描述像素随时间在图像之间运动的方法，通过跟踪像素的运动过程以估计车辆在不同图像上的位置，完成定位。本实施例中，采用Lucas-Kanade光流法。
S4、基于SLAM定位结果从所述初始环境特征地图中获取第一局部特征地图，并通过第二定位模块的定位结果从所述初始环境特征地图中获取车辆的第二局部特征地图；
其中，所述第二定位模块采用GPS定位模块，GPS是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理定位、行车速度及精确的时间信息。
S5、对所述第一局部特征地图与所述第二局部特征地图进行特征点匹配，匹配结果大于或等于预设阈值则继续进行SLAM定位，直至所述车辆到达预设终点，否则，重复步骤S2-S5，直至所述车辆到达预设终点。
其中，特征点匹配结果大于或等于预设阈值，即SLAM定位结果与GPS定位结果相一致，继续进行SLAM定位，直至所述车辆到达预设终点；特征点匹配结果小于预设阈值，则说明SLAM定位结果与GPS定位结果差异较大，重新获取车辆的初始位姿，并进行SLAM定位，以在车辆行驶过程中通过GPS实时检测并纠正SLAM定位结果，避免SLAM定位误差对全局定位精度的影响；本实施例中，预设阈值为相匹配的特征点数量与第二局部特征地图中全部特征点数量的比值为60％。
GPS在全球任何地方以及近地空间都能够提供准确的地理定位、行车速度及精确的时间信息，但在无人驾驶的应用中，GPS会受到高楼、树木、隧道等干扰，一般会有10米左右的误差；SLAM定位通过摄像头获取的图像数据进行建图及定位，能够避免高楼、树木、隧道等干扰，实现局部的高精度定位，但获取的图像仅限于车辆所处区域，无法获取到远处图像，全局定位误差大，因此，SLAM定位于GPS定位的优缺点形成互补，通过GPS定位结果对SLAM定位结果进行检测及纠正，能够有效保证定位的实时性，提高定位精度。
本发明具有如下技术效果：
(1)本发明提供了一种基于SLAM的高精度车辆定位方法，以初始环境地图为基准，分别基于SLAM定位结果以及GPS定位结果获取局部特征图，并对二者获取的局部特征图进行特征点匹配，匹配结果大于或等于预设阈值则SLAM定位结果与GPS定位结果相一致，继续进行SLAM定位，直至所述车辆到达预设终点；匹配结果小于预设阈值，则SLAM定位结果与GPS定位结果差异较大，重新获取车辆的初始位姿，并进行SLAM定位，以在车辆行驶过程中，通过GPS实时检测并纠正SLAM定位结果，避免SLAM定位误差对全局定位精度的影响。
(2)本发明通过将初始环境地图转换为初始环境特征地图，并对特征地图进行特征点匹配，将特征点的匹配转换为特征图像的匹配，能够有效降低计算量，提高匹配精度，进而保证了车辆定位的实时性和准确性。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.基于SLAM的高精度车辆定位方法，其特征在于，包括：
S1、获取车辆待行驶区域的初始环境地图，并基于所述初始环境地图获取初始环境特征地图；
S2、通过第一定位模块获取车辆的初始位姿，基于所述初始位姿从所述初始环境地图中获取第一局部地图；
S3、基于所述初始位姿以及所述第一局部地图进行SLAM定位；
S4、基于SLAM定位结果从所述初始环境特征地图中获取第一局部特征地图，并通过第二定位模块的定位结果从所述初始环境特征地图中获取车辆的第二局部特征地图；
S5、对所述第一局部特征地图与所述第二局部特征地图进行特征点匹配，匹配结果大于或等于预设阈值则继续进行SLAM定位，直至所述车辆到达预设终点，否则，重复步骤S2-S5，直至所述车辆到达预设终点。
2.根据权利要求1所述的基于SLAM的高精度车辆定位方法，其特征在于，所述步骤S1中，基于所述初始环境地图获取初始环境特征地图的方法为：将所述初始环境地图中的固定物体通过不同尺寸、不同形状的图形进行表示，得到所述初始环境特征地图；其中，所述图形由线段进行表示。
3.根据权利要求2所述的基于SLAM的高精度车辆定位方法，其特征在于，采用霍夫变换方法将所述初始环境地图中的固定物体通过不同尺寸、不同形状的图形进行表示。
4.根据权利要求1所述的基于SLAM的高精度车辆定位方法，其特征在于，所述步骤S2中，所述第一定位模块采用惯性传感器，所述惯性传感器包括加速度传感器和角速度传感器，通过所述惯性传感器获取车辆的行驶速度、行驶方向、加速度以及角速度信息。
5.根据权利要求1所述的基于SLAM的高精度车辆定位方法，其特征在于，所述步骤S3中，基于所述初始位姿以及所述第一局部地图进行SLAM定位之前，还包括：将所述初始位姿以及所述第一局部地图的坐标系转换为SLAM地图坐标系。
6.根据权利要求1所述的基于SLAM的高精度车辆定位方法，其特征在于，所述步骤S3中，采用基于单目视觉的SLAM定位方法进行SLAM定位，具体为：通过单目摄像头在每个时刻采集一张图像，并基于所采集的图像计算所述车辆的位姿。
7.根据权利要求6所述的基于SLAM的高精度车辆定位方法，其特征在于，采用基于单目视觉的SLAM定位方法进行SLAM定位过程中，采用光流法获取所述车辆的位姿。
8.根据权利要求1所述的基于SLAM的高精度车辆定位方法，其特征在于，所述步骤S4中，所述第二定位模块采用GPS定位模块。
CN202110563676.1A 2021-05-24 2021-05-24 基于slam的高精度车辆定位方法 Active CN113218385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110563676.1A CN113218385B (zh) 2021-05-24 2021-05-24 基于slam的高精度车辆定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110563676.1A CN113218385B (zh) 2021-05-24 2021-05-24 基于slam的高精度车辆定位方法

Publications (2)

Publication Number Publication Date
CN113218385A true CN113218385A (zh) 2021-08-06
CN113218385B CN113218385B (zh) 2022-05-27

Family

ID=77099344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110563676.1A Active CN113218385B (zh) 2021-05-24 2021-05-24 基于slam的高精度车辆定位方法

Country Status (1)

Country Link
CN (1) CN113218385B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108303721A (zh) * 2018-02-12 2018-07-20 北京经纬恒润科技有限公司 一种车辆定位方法及系统
CN108759833A (zh) * 2018-04-25 2018-11-06 中国科学院合肥物质科学研究院 一种基于先验地图的智能车辆定位方法
CN109029417A (zh) * 2018-05-21 2018-12-18 南京航空航天大学 基于混合视觉里程计和多尺度地图的无人机slam方法
CN109631855A (zh) * 2019-01-25 2019-04-16 西安电子科技大学 基于orb-slam的高精度车辆定位方法
CN109887032A (zh) * 2019-02-22 2019-06-14 广州小鹏汽车科技有限公司 一种基于单目视觉slam的车辆定位方法及系统
CN110187375A (zh) * 2019-06-27 2019-08-30 武汉中海庭数据技术有限公司 一种基于slam定位结果提高定位精度的方法及装置
CN111179162A (zh) * 2018-11-12 2020-05-19 北京初速度科技有限公司 一种特殊环境下的定位初始化方法及车载终端
WO2020168667A1 (zh) * 2019-02-18 2020-08-27 广州小鹏汽车科技有限公司 基于共享slam地图的高精度定位方法及系统
CN112304322A (zh) * 2019-07-26 2021-02-02 北京初速度科技有限公司 一种视觉定位失效后的重启方法及车载终端

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108303721A (zh) * 2018-02-12 2018-07-20 北京经纬恒润科技有限公司 一种车辆定位方法及系统
CN108759833A (zh) * 2018-04-25 2018-11-06 中国科学院合肥物质科学研究院 一种基于先验地图的智能车辆定位方法
CN109029417A (zh) * 2018-05-21 2018-12-18 南京航空航天大学 基于混合视觉里程计和多尺度地图的无人机slam方法
CN111179162A (zh) * 2018-11-12 2020-05-19 北京初速度科技有限公司 一种特殊环境下的定位初始化方法及车载终端
CN109631855A (zh) * 2019-01-25 2019-04-16 西安电子科技大学 基于orb-slam的高精度车辆定位方法
WO2020168667A1 (zh) * 2019-02-18 2020-08-27 广州小鹏汽车科技有限公司 基于共享slam地图的高精度定位方法及系统
CN109887032A (zh) * 2019-02-22 2019-06-14 广州小鹏汽车科技有限公司 一种基于单目视觉slam的车辆定位方法及系统
CN110187375A (zh) * 2019-06-27 2019-08-30 武汉中海庭数据技术有限公司 一种基于slam定位结果提高定位精度的方法及装置
CN112304322A (zh) * 2019-07-26 2021-02-02 北京初速度科技有限公司 一种视觉定位失效后的重启方法及车载终端

Also Published As

Publication number Publication date
CN113218385B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN107246868B (zh) 一种协同导航定位系统及导航定位方法
CN111307162B (zh) 用于自动驾驶场景的多传感器融合定位方法
CN109946732B (zh) 一种基于多传感器数据融合的无人车定位方法
CN110160542B (zh) 车道线的定位方法和装置、存储介质、电子装置
CN106352867B (zh) 用于确定车辆自身位置的方法和设备
US8301374B2 (en) Position estimation for ground vehicle navigation based on landmark identification/yaw rate and perception of landmarks
Yoneda et al. Vehicle localization using 76GHz omnidirectional millimeter-wave radar for winter automated driving
CN103777220B (zh) 基于光纤陀螺、速度传感器和gps的实时精确位姿估计方法
CN107015238A (zh) 基于三维激光雷达的无人车自主定位方法
CN111006655B (zh) 机场巡检机器人多场景自主导航定位方法
Wang et al. Vehicle localization at an intersection using a traffic light map
CN108387236B (zh) 一种基于扩展卡尔曼滤波的偏振光slam方法
US20220035036A1 (en) Method and apparatus for positioning movable device, and movable device
CN115552200A (zh) 用于生成重要性占据栅格地图的方法和系统
WO2018154579A1 (en) Method of navigating an unmanned vehicle and system thereof
CN111426320A (zh) 一种基于图像匹配/惯导/里程计的车辆自主导航方法
Moras et al. Drivable space characterization using automotive lidar and georeferenced map information
CN112433531A (zh) 一种自动驾驶车辆的轨迹跟踪方法、装置及计算机设备
US11579622B2 (en) Systems and methods for utilizing images to determine the position and orientation of a vehicle
CN114323050A (zh) 车辆定位方法、装置和电子设备
Jiménez et al. Improving the lane reference detection for autonomous road vehicle control
Suganuma et al. Map based localization of autonomous vehicle and its public urban road driving evaluation
Krejsa et al. Fusion of local and global sensory information in mobile robot outdoor localization task
CN113218385B (zh) 基于slam的高精度车辆定位方法
Deusch et al. Improving localization in digital maps with grid maps

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