CN113253293B - 一种激光点云畸变的消除方法和计算机可读存储介质 - Google Patents
一种激光点云畸变的消除方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113253293B CN113253293B CN202110616595.3A CN202110616595A CN113253293B CN 113253293 B CN113253293 B CN 113253293B CN 202110616595 A CN202110616595 A CN 202110616595A CN 113253293 B CN113253293 B CN 113253293B
- Authority
- CN
- China
- Prior art keywords
- target frame
- frame
- laser point
- point data
- target
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明给出了一种激光点云畸变的消除方法,包括:步骤一、获取激光帧集并提取出两个激光帧分别作为参考帧和目标帧;步骤二、获取参考帧和目标帧中各个激光点数据以及参考帧和目标帧之间的时间差;步骤三、得到参考帧的姿态矩阵和目标帧的姿态矩阵;步骤四、计算参考帧和目标帧之间的平均速度;步骤五、判断参考帧和目标帧之间的平均速度是否收敛,如是,则结束;如否,则进入步骤六;步骤六、根计算目标帧中各个激光点数据的修正姿态矩阵;步骤七、对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据。本发明还给出了一种计算机可读存储介质。本发明能够得到更准确更真实的激光点数据。
Description
技术领域
本发明属于激光雷达三维成像技术领域,具体涉及一种激光点云畸变的消除方法和计算机可读存储介质。
背景技术
激光雷达(Light Detection and Ranging,LiDAR)作为当前最先进的环境感知传感器之一,具有测量精度高、速度快、视场范围大、受环境影响小等优点,可为搭载该激光雷达的平台提供强大的环境感知能力,为此LiDAR越来越多的应用于多种无人驾驶车、智能无人机、移动机器人平台等,具有十分广阔的应用前景。
在搭载该激光雷达的平台运行在高速、高机动的状态下时,会造成激光雷达测量的点云产生运动畸变。该畸变来源在于:激光点云以帧为单位进行传输与解算处理,一帧中通常包括一次扫描全部视场所产生的点数据,通常有上万个激光点数据,每个激光点数据有其采集的实际具体时刻,而一帧激光点统一使用一个帧时间戳进行解算,则在解算过程中,每个点数据由于该实际具体时刻与帧时间戳之间的差距以及在该差距中发生的目标物与激光雷达的相对位移而导致畸变的产生。
这一畸变会随着目标物与激光雷达的相对速度的增加而被放大,则对最终的激光点云的解算结果造成影响,进而对高精度地图的生成,对环境中目标物的三维再现产生较大偏差,从而影响自动驾驶的安全运行。为了满足自动驾驶等搭载系统对安全性和稳定性的高要求,需要保证点云数据的准确性和可靠性。
特别是在没有其他传感器数据融合的前提下,仅依靠激光点云数据,进行点云数据去畸变一直以来是本领域技术人员的难点。
发明内容
本发明的目的之一,在于提供一种激光点云畸变的消除方法,该消除方法用于消除畸变,能够得到更准确更真实的激光点数据,且无需其他传感器的辅助,对系统组成的要求低。
本发明的目的之二,在于提供一种计算机可读存储介质。
为了达到上述目的之一,本发明采用如下技术方案实现:
一种激光点云畸变的消除方法,所述消除方法包括如下步骤:
步骤一、获取激光帧集并提取出两个激光帧分别作为参考帧和目标帧;
步骤二、获取参考帧和目标帧中各个激光点数据以及参考帧和目标帧之间的时间差;
步骤三、对参考帧和目标帧中所有激光点数据分别进行本地坐标系转换,得到参考帧的姿态矩阵和目标帧的姿态矩阵;
步骤四、根据参考帧的姿态矩阵和目标帧的姿态矩阵以及参考帧和目标帧之间的时间差,计算参考帧和目标帧之间的平均速度;
步骤五、判断参考帧和目标帧之间的平均速度是否收敛,如是,则结束;如否,则进入步骤六;
步骤六、根据参考帧和目标帧之间的平均速度以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵;
步骤七、根据参考帧的姿态矩阵、目标帧中各个激光点数据的修正姿态矩阵以及参考帧中对应激光点数据,对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据。
进一步的,步骤七还包括:
采用各个激光点修正数据组成新帧后赋给目标帧,返回步骤三。
进一步的,所述参考帧和目标帧为相邻帧。
进一步的,步骤七之后,所述消除方法还包括:
步骤八、判断目标帧是否为激光帧集中最后一帧,如是,则结束;如否,则将目标帧赋给参考帧,将目标帧的另一相邻帧赋给目标帧,返回步骤三。
进一步的,步骤四中,所述参考帧和目标帧之间的平均速度为:
其中,V c,m 为参考帧c和目标帧m之间的平均速度;T m 为目标帧m的姿态矩阵;(T c )-1为参考帧c的姿态矩阵T c 的逆矩阵;△t c,m 为参考帧c和目标帧m之间的时间差。
进一步的,步骤六的具体实现过程为:
步骤61、获取目标帧中各个激光点数据对应的时间序列并计算目标帧中所有相邻两个激光点数据之间的时间间隔;
步骤62、根据参考帧和目标帧之间的平均速度以及目标帧中所有相邻两个激光点数据之间的时间间隔,计算目标帧中对应激光点数据的位姿转换因数;
步骤63、根据目标帧中每个激光点数据的位姿转换因数以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵。
进一步的,步骤62中,所述各个激光点数据的位姿转换因数为:
其中,f m , k 为目标帧m中第k个激光点数据的位姿转换因数;V c,m 为参考帧c和目标帧m之间的平均速度;△t s 为目标帧m中相邻两个激光点数据之间的时间间隔;k=0,1,2,…,K,K+1为目标帧m中激光点数据的数量。
进一步的,步骤63中,所述各个激光点数据的修正姿态矩阵为:
T’ m , k =T m f m , k ;
其中,T’ m , k 为目标帧m中第k个激光点数据的修正姿态矩阵;f m , k 为目标帧m中第k个激光点数据的位姿转换因数。
进一步的,步骤七中,采用如下公式对目标帧中每个激光点数据进行修正:
(x k m )*=(T’ m , k )-1 T c x k c ;
其中,(x k m )*为目标帧m中第k个激光点修正数据;x k c 为参考帧中第k个激光点数据;(T’ m , k )-1为目标帧m中第k个激光点数据的修正姿态矩阵T’ m , k 的逆矩阵;T c 为参考帧c的姿态矩阵。
为了达到上述目的之二,本发明采用如下技术方案实现:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序指令;通过执行所述计算机程序指令,实现上述所述的消除方法。
本发明的有益效果:
本发明通过采用激光帧集中参考帧和目标帧的姿态矩阵以及参考帧和目标帧之间的时间差,计算参考帧和目标帧之间的平均速度,保证了平均速度准确性,提高了运动畸变消除效果;并在参考帧和目标帧之间的平均速度收敛时,则无须进行畸变消除,在参考帧和目标帧之间的平均速度不收敛时,则根据参考帧和目标帧之间的平均速度以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵;并根据参考帧的姿态矩阵、目标帧中对应激光点数据的修正姿态矩阵以及参考帧中对应激光点数据,对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据;本发明能够依靠连续采集的激光点云即可进行运动畸变的消除,无需其他传感器的辅助,对系统组成的要求低,可适用于多种应用场景,提升在各个应用场景下所输出的激光点云数据的准确性,便于提升后续利用该激光点云数据进行的无人驾驶、高精地图等具体应用的安全性和准确度。
附图说明
图1为本发明的激光点云畸变的消除方法流程示意图。
具体实施方式
以下结合附图对本发明的具体实施方式作出详细说明。
本实施例给出了一种激光点云畸变的消除方法,参考图1,该消除方法包括如下步骤:
S1、获取激光帧集并提取出两个激光帧分别作为参考帧和目标帧。
一台激光雷达可以产生多条激光扫描线,一个激光帧集是一条激光扫描线产生的数据。为了减小参考帧和目标帧的误差,保证运动畸变的调整更为细密全面,贴近真实值,本实施例中的参考帧和目标帧优选为相邻帧。
S2、获取参考帧和目标帧中各个激光点数据以及参考帧和目标帧之间的时间差。
S3、对参考帧和目标帧中所有激光点数据分别进行本地坐标系转换,得到参考帧的姿态矩阵和目标帧的姿态矩阵。
S4、根据参考帧的姿态矩阵和目标帧的姿态矩阵以及参考帧和目标帧之间的时间差,计算参考帧和目标帧之间的平均速度。
假设帧内速度为常量,可采用后向差分,得到参考帧和目标帧之间的平均速度:
其中,V c,m 为参考帧c和目标帧m之间的平均速度;T m 为目标帧m的姿态矩阵;(T c )-1为参考帧c的姿态矩阵T c 的逆矩阵;△t c,m 为参考帧c和目标帧m之间的时间差。
S5、判断参考帧和目标帧之间的平均速度是否收敛,如是,则结束;如否,则进入步骤六。
S6、根据参考帧和目标帧之间的平均速度以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵。
本步骤的具体实现过程为:
S61、获取目标帧中各个激光点数据对应的时间序列并计算目标帧中所有相邻两个激光点数据之间的时间间隔。
由于激光点云是离散扫描生成,帧内相邻点之间存在时间间隔△t s ,所以根据激光雷达的水平分辨率和点频,可得到目标帧中各个激光点数据对应的时间。并以从各个激光点数据对应的时间中选取任意一个激光点数据对应的时间为参考时刻,得到时间序列。为避免延时,本实施例优选为激光点云数据对应的最后时刻作为参考时刻t,形成一组时间序列(t-K△t s ,t-(K-1)△t s ,t-(K-2)△t s ,…,t-(K-k)△t s ,…,t-△t s ,t }。
S62、根据参考帧和目标帧之间的平均速度以及目标帧中所有相邻两个激光点数据之间的时间间隔,计算目标帧中对应激光点数据的位姿转换因数;
本实施例中,各个激光点数据的位姿转换因数为:
其中,f m , k 为目标帧m中第k个激光点数据的位姿转换因数;V c,m 为参考帧c和目标帧m之间的平均速度;△t s 为目标帧m中相邻两个激光点数据之间的时间间隔;k=0,1,2,…,K,K+1为目标帧m中激光点数据的数量。
S63、根据目标帧中每个激光点数据的位姿转换因数以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵。
本实施例中,各个激光点数据的修正姿态矩阵为:
T’ m , k =T m f m , k ;
其中,T’ m , k 为目标帧m中第k个激光点数据的修正姿态矩阵;f m , k 为目标帧m中第k个激光点数据的位姿转换因数。
S7、根据参考帧的姿态矩阵、目标帧中对应激光点数据的修正姿态矩阵以及参考帧中对应激光点数据,对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据。
本实施例中,采用如下公式对目标帧中每个激光点数据进行修正:
(x k m )*=(T’ m , k )-1 T c x k c ;
其中,(x k m )*为目标帧m中第k个激光点修正数据;x k c 为参考帧中第k个激光点数据;(T’ m , k )-1为目标帧m中第k个激光点数据的修正姿态矩阵T’ m , k 的逆矩阵;T c 为参考帧c的姿态矩阵。
采用上述修正公式,将目标帧内所有点的位姿参数修正到目标帧最后一个点对应的时刻,实现时间上的对齐,进而消除畸变。
本实施例的步骤七还包括:采用各个激光点修正数据组成新帧后赋给目标帧,返回步骤三,直至得到参考帧和目标帧之间的平均速度V c,m 收敛为止,实现迭代畸变消除。通过多次迭代获得平滑收敛的平均速度,保证了最终的畸变修正结果的误差小,且准确合理。
遍历激光帧集中所有帧内激光点云数据,并执行上述步骤,直到所有帧均完成畸变消除。具体实现过程为:判断目标帧是否为激光帧集中最后一帧,如是,则结束;如否,则将目标帧赋给参考帧,将目标帧的另一相邻帧赋给目标帧,返回步骤三。
本实施例还可以采用上述激光点云畸变的消除方法,对激光雷达的多条激光扫描线的数据均可以修正以及畸变消除,得到所有激光扫描线的修正结果,进而消除帧内激光点云畸变。
本实施例通过采用激光帧集中参考帧和目标帧的姿态矩阵以及参考帧和目标帧之间的时间差,计算参考帧和目标帧之间的平均速度,保证了平均速度准确性,提高了运动畸变消除效果;并在参考帧和目标帧之间的平均速度收敛时,则无须进行畸变消除,在参考帧和目标帧之间的平均速度不收敛时,则根据参考帧和目标帧之间的平均速度以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵;并根据参考帧的姿态矩阵、目标帧中对应激光点数据的修正姿态矩阵以及参考帧中对应激光点数据,对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据;本实施例能够依靠连续采集的激光点云即可进行运动畸变的消除,无需其他传感器的辅助,对系统组成的要求低,可适用于多种应用场景,提升在各个应用场景下所输出的激光点云数据的准确性,便于提升后续利用该激光点云数据进行的无人驾驶、高精地图等具体应用的安全性和准确度。
另一实施例给出了一种存储介质,该存储介质存储有计算机程序指令;通过执行所述计算机程序指令,实现上述实施例给出的消除方法。
以上实施方式仅用以说明本发明实施例的技术方案而非限制,尽管参照以上较佳实施方式对本发明实施例进行了详细说明,本领域的普通技术人员应当理解,可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (6)
1.一种激光点云畸变的消除方法,其特征在于,所述消除方法包括如下步骤:
步骤一、获取激光帧集并提取出两个激光帧分别作为参考帧和目标帧;
步骤二、获取参考帧和目标帧中各个激光点数据以及参考帧和目标帧之间的时间差;
步骤三、对参考帧和目标帧中所有激光点数据分别进行本地坐标系转换,得到参考帧的姿态矩阵和目标帧的姿态矩阵;
步骤四、根据参考帧的姿态矩阵和目标帧的姿态矩阵以及参考帧和目标帧之间的时间差,计算参考帧和目标帧之间的平均速度;
步骤四中,所述参考帧和目标帧之间的平均速度为:
其中,Vc,m为参考帧c和目标帧m之间的平均速度;Tm为目标帧m的姿态矩阵;(Tc)-1为参考帧c的姿态矩阵Tc的逆矩阵;△tc,m为参考帧c和目标帧m之间的时间差;
步骤五、判断参考帧和目标帧之间的平均速度是否收敛,如是,则结束;如否,则进入步骤六;
步骤六、根据参考帧和目标帧之间的平均速度以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵;
步骤六的具体实现过程为:
步骤61、获取目标帧中各个激光点数据对应的时间序列并计算目标帧中所有相邻两个激光点数据之间的时间间隔;
步骤62、根据参考帧和目标帧之间的平均速度以及目标帧中所有相邻两个激光点数据之间的时间间隔,计算目标帧中对应激光点数据的位姿转换因数;
步骤63、根据目标帧中每个激光点数据的位姿转换因数以及目标帧的姿态矩阵,计算目标帧中各个激光点数据的修正姿态矩阵;
步骤62中,所述各个激光点数据的位姿转换因数为:
其中,fm,k为目标帧m中第k个激光点数据的位姿转换因数;Vc,m为参考帧c和目标帧m之间的平均速度;△ts为目标帧m中相邻两个激光点数据之间的时间间隔;k=0,1,2,…,K,K+1为目标帧m中激光点数据的数量;
步骤63中,所述各个激光点数据的修正姿态矩阵为:
T’m,k=Tmfm,k;
其中,T’m,k为目标帧m中第k个激光点数据的修正姿态矩阵;fm,k为目标帧m中第k个激光点数据的位姿转换因数;步骤七、根据参考帧的姿态矩阵、目标帧中各个激光点数据的修正姿态矩阵以及参考帧中对应激光点数据,对目标帧中对应激光点数据进行修正,得到目标帧中各个激光点修正数据。
2.根据权利要求1所述的消除方法,其特征在于,步骤七还包括:
采用各个激光点修正数据组成新帧后赋给目标帧,返回步骤三。
3.根据权利要求2所述的消除方法,其特征在于,所述参考帧和目标帧为相邻帧。
4.根据权利要求3所述的消除方法,其特征在于,步骤七之后,所述消除方法还包括:
步骤八、判断目标帧是否为激光帧集中最后一帧,如是,则结束;如否,则将目标帧赋给参考帧,将目标帧的另一相邻帧赋给目标帧,返回步骤三。
5.根据权利要求1~4中任意一项所述的消除方法,其特征在于,步骤七中,采用如下公式对目标帧中每个激光点数据进行修正:
(xk m)*=(T’m,k)-1Tcxk c;
其中,(xk m)*为目标帧m中第k个激光点修正数据;xk c为参考帧中第k个激光点数据;(T’m,k)-1为目标帧m中第k个激光点数据的修正姿态矩阵T’m,k的逆矩阵;Tc为参考帧c的姿态矩阵。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序指令;通过执行所述计算机程序指令,实现权利要求1~5中任意一项所述的消除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616595.3A CN113253293B (zh) | 2021-06-03 | 2021-06-03 | 一种激光点云畸变的消除方法和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616595.3A CN113253293B (zh) | 2021-06-03 | 2021-06-03 | 一种激光点云畸变的消除方法和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253293A CN113253293A (zh) | 2021-08-13 |
CN113253293B true CN113253293B (zh) | 2021-09-21 |
Family
ID=77186299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110616595.3A Active CN113253293B (zh) | 2021-06-03 | 2021-06-03 | 一种激光点云畸变的消除方法和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253293B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680185B (zh) * | 2018-04-26 | 2020-09-22 | 广东宝乐机器人股份有限公司 | 移动机器人的陀螺仪数据校正方法、装置和设备 |
WO2020113417A1 (zh) * | 2018-12-04 | 2020-06-11 | 深圳市大疆创新科技有限公司 | 目标场景三维重建方法、系统及无人机 |
CN110658531B (zh) * | 2019-08-23 | 2022-03-29 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
CN110824496B (zh) * | 2019-09-18 | 2022-01-14 | 北京迈格威科技有限公司 | 运动估计方法、装置、计算机设备和存储介质 |
WO2021056438A1 (zh) * | 2019-09-27 | 2021-04-01 | 深圳市大疆创新科技有限公司 | 点云数据处理方法及其装置、激光雷达、可移动平台 |
CN111091077B (zh) * | 2019-12-03 | 2022-11-11 | 华中科技大学 | 一种基于图像相关性和模板匹配的车速检测方法 |
CN111045017B (zh) * | 2019-12-20 | 2023-03-31 | 成都理工大学 | 一种激光和视觉融合的巡检机器人变电站地图构建方法 |
CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
CN111402339B (zh) * | 2020-06-01 | 2020-10-09 | 深圳市智绘科技有限公司 | 一种实时定位方法、装置、系统及存储介质 |
-
2021
- 2021-06-03 CN CN202110616595.3A patent/CN113253293B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113253293A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460779B (zh) | 一种动态环境下的移动机器人图像视觉定位方法 | |
CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
CN113066105A (zh) | 激光雷达和惯性测量单元融合的定位与建图方法及系统 | |
US11908152B2 (en) | Acceleration method of depth estimation for multiband stereo cameras | |
CN103822615A (zh) | 一种多控制点自动提取与聚合的无人机地面目标实时定位方法 | |
CN113409459B (zh) | 高精地图的生产方法、装置、设备和计算机存储介质 | |
CN111060898B (zh) | 场端多线束激光雷达内参标定方法 | |
WO2020237516A1 (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
CN106570905A (zh) | 一种非合作目标点云初始姿态验证方法 | |
CN111161179A (zh) | 一种基于法向量的点云平滑光顺滤波方法 | |
CN111881773A (zh) | 一种基于位置偏移的事件相机人体姿态估计方法及系统 | |
CN112037159A (zh) | 一种跨相机道路空间融合及车辆目标检测跟踪方法及系统 | |
CN107817003B (zh) | 一种分布式大尺寸空间定位系统的外参数标定方法 | |
CN113327296A (zh) | 基于深度加权的激光雷达与相机在线联合标定方法 | |
CN110942477A (zh) | 一种利用双目相机和激光雷达深度图融合的方法 | |
CN111982091A (zh) | 一种基于同步imu的激光点云畸变纠正方法 | |
CN112017248A (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
CN112270320A (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
CN113269878A (zh) | 一种基于多传感器的建图方法及系统 | |
CN113253293B (zh) | 一种激光点云畸变的消除方法和计算机可读存储介质 | |
CN113670316A (zh) | 基于双雷达的路径规划方法、系统、存储介质及电子设备 | |
CN114140527A (zh) | 一种基于语义分割的动态环境双目视觉slam方法 | |
CN107330934A (zh) | 低维度的集束调整计算方法与系统 | |
CN107240133A (zh) | 一种立体视觉映射模型建立方法 | |
CN115082532B (zh) | 一种基于激光雷达的跨江输电线防船舶碰撞方法 |
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 |