CN113311411A - 一种用于移动机器人的激光雷达点云运动畸变校正方法 - Google Patents
一种用于移动机器人的激光雷达点云运动畸变校正方法 Download PDFInfo
- Publication number
- CN113311411A CN113311411A CN202110416220.2A CN202110416220A CN113311411A CN 113311411 A CN113311411 A CN 113311411A CN 202110416220 A CN202110416220 A CN 202110416220A CN 113311411 A CN113311411 A CN 113311411A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinate system
- laser
- laser point
- laser radar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012937 correction Methods 0.000 title claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000013507 mapping Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- 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
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种用于移动机器人的激光雷达点云运动畸变校正方法,首先利用二维激光雷达采集一帧激光点云数据,与此同时,采集轮速计和惯性测量单元的数据并将两者数据融合,得到机器人融合位姿序列;已知机器人坐标系与二维激光雷达坐标系的转换关系,即可将机器人融合位姿序列转换为二维激光雷达位姿序列;通过对二维激光雷达位姿序列进行插值,得到激光点云位姿序列,该位姿序列描述了每个激光点云的运动过程;以最后一个激光点云所在坐标系为基准坐标系,利用得到的激光点云位姿序列将每个激光点云坐标转换至该坐标系下;最后重新封装激光点云数据,其中,该时间戳为最后一个激光点云的时间戳。本发明提高了移动机器人后续进行的建图精确性和定位鲁棒性。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种用于移动机器人的激光雷达点云运动畸变校正方法,适用于智能机器人利用校正后的激光点云开展建图和定位工作。
背景技术
近年来随着机器人行业的飞速发展,各行各业对移动机器人的需求越来越广泛。因此,移动机器人需要被部署至各种行业应用中,而能够适应各种变换的环境,成本较低并且能在其中正常运作的移动机器人将受到青睐。二维激光雷达作为成本较低的环境感知设备,广泛应用于上述移动机器人中。但由于二维激光雷达采集点云数据的频率较低,移动机器人在快速平移或者旋转的过程中,采集的点云数据将会产生运动畸变,该畸变将影响移动机器人的建图精度和定位鲁棒性。
传统的移动机器人只通过轮速计对激光点云数据进行校正,其中轮速计具有较高的测量频率,可以在短时间内有效测量移动机器人的移动距离,但无法提供精准可靠的转动角度,更因为移动机器人存在轮胎打滑和颠簸情况,影响测量精度。而有的移动机器人只通过惯性测量单元校正激光点云数据,其中惯性测量单元同样具有较高的测量频率,可以精确测量短时间内移动机器人转动角度,但其测量加速度精度不足,所以无法提供位移方面的点云数据运动畸变校正。
发明内容
为了克服已有技术的不足,本发明提供了一种用于移动机器人的激光雷达点云运动畸变校正方法。通过使用扩展卡尔曼滤波融合轮速计和惯性测量单元数据,旨在校正移动机器人在快速运动过程中二维激光雷达点云数据出现的平移和旋转畸变。
本发明解决其技术问题所采用的技术方案是:
一种用于移动机器人的激光雷达点云运动畸变校正方法,所述方法包括以下步骤:
S1.利用二维激光雷达采集一帧激光点云数据,与此同时,采集轮速计和惯性测量单元的数据并将两者数据使用扩展卡尔曼滤波进行融合,得到机器人坐标系下的融合位姿序列;
S2.已知机器人坐标系与二维激光雷达坐标系的转换关系,将机器人融合位姿序列转换为二维激光雷达位姿序列,该位姿序列描述了单帧激光点云数据采集过程中二维激光雷达的运动过程;
S3.根据收到数据的时间戳和当前激光帧整体扫描时间,估计第一个激光点云时间戳,在此基础之上,根据激光点云的时间间隔,估计每一个激光点云的时间戳,针对每一个激光点云时间戳,通过与二维激光雷达位姿序列进行时间戳比对,找到其前后相邻的两个二维激光雷达位姿;
S4.利用单一激光点云前后相邻的两个二维激光雷达位姿和三者的时间戳,通过线性插值和球面线性插值分别求出对应的激光点云位姿的位移和旋转四元数,得到激光点云位姿序列,并特别记录最后一个激光点云的位姿和时间戳;
S5.以最后一个激光点云所在的坐标系为基准坐标系,利用激光点云位姿序列,将所有激光点云坐标转换至该坐标系;
S6.重新封装此一帧校正后的激光点云数据,其中该帧激光点云数据的时间戳为最后一个激光点云时间戳。
进一步,所述步骤S1中,轮速计和惯性测量单元分别能在高频率采样下局部精确地估计移动机器人位移和旋转,通过扩展卡尔曼滤波来融合轮速计和惯性测量单元两者数据。移动机器人的状态方程表示为:
xk=f(xk-1)+wk-1
其中xk表示了机器人在k时刻的位移与旋转,f是非线性状态转移函数,wk-1是过程噪声;
观测方程表示为:
zk=h(xk)+vk
其中zk是在k时刻的测量,h是非线性传感器模型,vk是测量噪声;
预测方程表示为:
卡尔曼增益表示为:
更新方程表示为:
通过上述扩展卡尔曼滤波的预测与更新,移动机器人能够得到局部精确且高频的位移与旋转估计,从而得到机器人融合位姿序列。
再进一步,所述步骤S2中,轮速计和惯性测量单元的坐标系与机器人坐标系相对应,二维激光雷达坐标系到达机器人坐标系的距离由人工测量,得到两者的转换关系,因此,可以直接转换机器人融合位姿序列为二维激光雷达位姿序列。
更进一步,所述步骤S3中,当前帧激光雷达点云数有N个,激光雷达点云的时间戳按时间顺序的集合为:
K={ki}i=0...N-1
其中两个激光雷达点云的扫描间隔时间为Δk,而k0和kN-1分别为起始点云时间戳和结束点云时间戳;为了获取每个激光点云位于激光雷达坐标系的位姿Twi,首先通过设置时间戳条件kl<ki<kr,寻找激光点云时间戳ki前后相邻的两个二维激光雷达位姿Twl和Twr,其中w表示世界坐标系,kl和kr是距离ki最近的时间戳;最后根据比例分别对两个二维激光雷达位姿Twl和Twr的位移和旋转进行线性插值和球面线性插值,得到激光雷达点云位姿Twi。
所述步骤S4中,在移动机器人运动过程中,由于每个激光点云以二维激光雷达坐标系为基准坐标系,而该坐标系跟随移动机器人运动,使得每个激光点云都有独立的基准坐标系,为了校正当前帧的激光雷达点云数据,将所有激光点云的基准坐标系统一到最后一个激光点云的基准坐标系,所述变换位姿为:
激光雷达点云校正之前的坐标为piw,校正之后的坐标为:
p(N-1)w=T(N-1)i·piw。
本发明的有益效果主要表现在:首先本发明校正了移动机器人在快速运动过程中二维激光雷达点云数据产生的运动畸变,提高了移动机器人的建图精度和定位鲁棒性;相较于使用单一传感器方法,本发明融合了轮速计和惯性测量单元,能够分别提供针对激光雷达点云的位移和旋转方面的运动纠偏,并且只使用传感器的局部增量数据,避免了两种传感器在时间上的累计误差。
附图说明
图1是用于移动机器人的激光雷达点云运动畸变校正方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种用于移动机器人的激光雷达点云运动畸变校正方法的实施例,包括:
步骤S1、利用二维激光雷达采集一帧激光点云数据,与此同时,采集轮速计和惯性测量单元的数据并将两者数据使用扩展卡尔曼滤波进行融合,得到机器人坐标系下的融合位姿序列;
本实施例部署一台移动机器人(差速控制输入的机器人),该移动机器人上配置有一台桌面级计算性能的计算终端并在底盘前端装配有二维激光雷达,该雷达拥有360°水平视野,以10Hz输出雷达点云数据;在移动机器人底盘旋转中心装配一台惯性测量单元,该设备拥有3轴陀螺仪和三轴加速度计,以100Hz输出姿态解算后的旋转信息;在移动机器人两个电机上,配置有轮速计,以100Hz输出航迹推演后的位移信息。
本实施例首先通过扩展卡尔曼滤波来融合轮速计和惯性测量单元两者数据。移动机器人的状态方程表示为:
xk=f(xk-1)+wk-1
其中xk表示了机器人在k时刻的位移与旋转,f是非线性状态转移函数,wk-1是过程噪声。
观测方程表示为:
zk=h(xk)+vk
其中zk是在k时刻的测量,h是非线性传感器模型,vk是测量噪声
预测方程表示为:
卡尔曼增益表示为:
更新方程表示为:
通过上述扩展卡尔曼滤波的预测与更新,移动机器人能够得到局部精确且高频的位移与旋转估计,从而得到机器人融合位姿序列。
步骤S2、已知机器人坐标系与二维激光雷达坐标系的转换关系,将机器人融合位姿序列转换为二维激光雷达位姿序列,该位姿序列描述了单帧激光点云数据采集过程中二维激光雷达的运动过程。
本实施例轮速计和惯性测量单元的坐标系与机器人坐标系相对应,二维激光雷达坐标系到达机器人坐标系的距离由人工测量,得到两者的转换关系,因此,可以直接转换机器人融合位姿序列为二维激光雷达位姿序列。
步骤S3、根据收到数据的时间戳和当前激光帧整体扫描时间,估计第一个激光点云时间戳,在此基础之上,根据激光点云的时间间隔,估计每一个激光点云的时间戳,针对每一个激光点云时间戳,通过与二维激光雷达位姿序列进行时间戳比对,找到其前后相邻的两个二维激光雷达位姿。
在本实施例中,当前帧激光雷达点云数有N个,激光雷达点云的时间戳按时间顺序的集合为
K={ki}i=0...N-1
其中两个激光雷达点云的扫描间隔时间为Δk,而k0和kN-1分别为起始点云时间戳和结束点云时间戳。为了获取每个激光点云位于激光雷达坐标系的位姿Twi,首先通过设置时间戳条件kl<ki<kr,寻找激光点云时间戳ki前后相邻的两个二维激光雷达位姿Twl和Twr,其中w表示世界坐标系,kl和kr是距离ki最近的时间戳。
步骤S4、利用单一激光点云前后相邻的两个二维激光雷达位姿和三者的时间戳,通过线性插值和球面线性插值分别求出对应的激光点云位姿的位移和旋转四元数,得到激光点云位姿序列,并特别记录最后一个激光点云的位姿和时间戳。
步骤S5、以最后一个激光点云所在的坐标系为基准坐标系,利用激光点云位姿序列,将所有激光点云坐标转换至该坐标系。
在本实施例的在移动机器人运动过程中,由于每个激光点云以二维激光雷达坐标系为基准坐标系,而该坐标系跟随移动机器人运动,使得每个激光点云都有独立的基准坐标系,为了校正当前帧的激光雷达点云数据,将所有激光点云的基准坐标系统一到最后一个激光点云的基准坐标系,所述变换位姿为:
激光雷达点云校正之前的坐标为piw,校正之后的坐标为:
p(N-1)w=T(N-1)i·piw
至此,所述激光雷达点云运动畸变校正已经完成。
步骤S6、重新封装此一帧校正后的激光点云数据,其中该帧激光点云数据的时间戳为最后一个激光点云时间戳。
本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举,仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式,本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。
Claims (5)
1.一种用于移动机器人的激光雷达点云运动畸变校正方法,其特征在于,所述方法包括以下步骤:
S1.利用二维激光雷达采集一帧激光点云数据,与此同时,采集轮速计和惯性测量单元的数据并将两者数据使用扩展卡尔曼滤波进行融合,得到机器人坐标系下的融合位姿序列;
S2.已知机器人坐标系与二维激光雷达坐标系的转换关系,将机器人融合位姿序列转换为二维激光雷达位姿序列,该位姿序列描述了单帧激光点云数据采集过程中二维激光雷达的运动过程;
S3.根据收到数据的时间戳和当前激光帧整体扫描时间,估计第一个激光点云时间戳,在此基础之上,根据激光点云的时间间隔,估计每一个激光点云的时间戳,针对每一个激光点云时间戳,通过与二维激光雷达位姿序列进行时间戳比对,找到其前后相邻的两个二维激光雷达位姿;
S4.利用单一激光点云前后相邻的两个二维激光雷达位姿和三者的时间戳,通过线性插值和球面线性插值分别求出对应的激光点云位姿的位移和旋转四元数,得到激光点云位姿序列,并特别记录最后一个激光点云的位姿和时间戳;
S5.以最后一个激光点云所在的坐标系为基准坐标系,利用激光点云位姿序列,将所有激光点云坐标转换至该坐标系;
S6.重新封装此一帧校正后的激光点云数据,其中该帧激光点云数据的时间戳为最后一个激光点云时间戳。
2.如权利要求1所述的一种用于移动机器人的激光雷达点云运动畸变校正方法,其特征在于,所述步骤S1中,轮速计和惯性测量单元分别能在高频率采样下局部精确地估计移动机器人位移和旋转,通过扩展卡尔曼滤波来融合轮速计和惯性测量单元两者数据,移动机器人的状态方程表示为:
xk=f(xk-1)+wk-1
其中xk表示了机器人在k时刻的位移与旋转,f是非线性状态转移函数,wk-1是过程噪声;
观测方程表示为:
zk=h(xk)+vk
其中zk是在k时刻的测量,h是非线性传感器模型,vk是测量噪声;
预测方程表示为:
卡尔曼增益表示为:
更新方程表示为:
通过上述扩展卡尔曼滤波的预测与更新,移动机器人能够得到局部精确且高频的位移与旋转估计,从而得到机器人融合位姿序列。
3.如权利要求1或2所述的一种用于移动机器人的激光雷达点云运动畸变校正方法,其特征在于,所述步骤S2中,轮速计和惯性测量单元的坐标系与机器人坐标系相对应,二维激光雷达坐标系到达机器人坐标系的距离由人工测量,得到两者的转换关系,因此,可以直接转换机器人融合位姿序列为二维激光雷达位姿序列。
4.如权利要求1或2所述的一种用于移动机器人的激光雷达点云运动畸变校正方法,其特征在于,所述步骤S3中,当前帧激光雷达点云数有N个,激光雷达点云的时间戳按时间顺序的集合为:
K={ki}i=0...N-1
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110416220.2A CN113311411B (zh) | 2021-04-19 | 2021-04-19 | 一种用于移动机器人的激光雷达点云运动畸变校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110416220.2A CN113311411B (zh) | 2021-04-19 | 2021-04-19 | 一种用于移动机器人的激光雷达点云运动畸变校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113311411A true CN113311411A (zh) | 2021-08-27 |
CN113311411B CN113311411B (zh) | 2022-07-12 |
Family
ID=77372297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110416220.2A Active CN113311411B (zh) | 2021-04-19 | 2021-04-19 | 一种用于移动机器人的激光雷达点云运动畸变校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311411B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848912A (zh) * | 2021-09-28 | 2021-12-28 | 北京理工大学重庆创新中心 | 基于自主探索的室内地图建立方法及装置 |
CN114569011A (zh) * | 2022-03-25 | 2022-06-03 | 微思机器人(深圳)有限公司 | 一种沿墙行走方法、装置、扫地机器人及存储介质 |
CN114705682A (zh) * | 2022-06-06 | 2022-07-05 | 东北大学 | 一种岩体结构智能视觉探测识别成像装置 |
CN115218891A (zh) * | 2022-09-01 | 2022-10-21 | 西华大学 | 一种移动机器人自主定位导航方法 |
CN115421125A (zh) * | 2022-11-07 | 2022-12-02 | 山东富锐光学科技有限公司 | 一种基于数据融合的雷达点云数据惯性校正方法 |
CN115683170A (zh) * | 2023-01-04 | 2023-02-03 | 成都西物信安智能系统有限公司 | 基于雷达点云数据融合误差的校准方法 |
CN115755901A (zh) * | 2022-11-14 | 2023-03-07 | 杭州蓝芯科技有限公司 | 一种移动机器人的停障控制方法和装置 |
WO2023060631A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 一种激光点云数据实时处理系统和方法 |
CN116106864A (zh) * | 2021-11-09 | 2023-05-12 | 深圳市速腾聚创科技有限公司 | 点云的运动补偿方法、装置、存储介质及激光雷达 |
CN116973895A (zh) * | 2023-09-22 | 2023-10-31 | 山东科技大学 | 一种激光点云匹配的实时位姿校正方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
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 |
CN110888120A (zh) * | 2019-12-03 | 2020-03-17 | 华南农业大学 | 一种基于组合导航系统矫正激光雷达点云数据运动畸变的方法 |
CN111784835A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
CN111982091A (zh) * | 2020-07-09 | 2020-11-24 | 安徽博龙动力科技股份有限公司 | 一种基于同步imu的激光点云畸变纠正方法 |
CN112083433A (zh) * | 2020-07-21 | 2020-12-15 | 浙江工业大学 | 一种应用于两轮移动机器人的激光雷达除畸变方法 |
CN112284376A (zh) * | 2020-10-10 | 2021-01-29 | 南京工程学院 | 一种基于多传感器融合的移动机器人室内定位建图方法 |
-
2021
- 2021-04-19 CN CN202110416220.2A patent/CN113311411B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和系统 |
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 |
CN110888120A (zh) * | 2019-12-03 | 2020-03-17 | 华南农业大学 | 一种基于组合导航系统矫正激光雷达点云数据运动畸变的方法 |
CN111784835A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
CN111982091A (zh) * | 2020-07-09 | 2020-11-24 | 安徽博龙动力科技股份有限公司 | 一种基于同步imu的激光点云畸变纠正方法 |
CN112083433A (zh) * | 2020-07-21 | 2020-12-15 | 浙江工业大学 | 一种应用于两轮移动机器人的激光雷达除畸变方法 |
CN112284376A (zh) * | 2020-10-10 | 2021-01-29 | 南京工程学院 | 一种基于多传感器融合的移动机器人室内定位建图方法 |
Non-Patent Citations (2)
Title |
---|
孙林: "基于多传感器信息融合的移动机器人室内导航研究", 《中国优秀博硕士学位论文全文数据库(硕士)·信息科技辑》 * |
方婷 等: "基于单目微视觉深度信息获取及畸变校正", 《中国西部科技》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848912A (zh) * | 2021-09-28 | 2021-12-28 | 北京理工大学重庆创新中心 | 基于自主探索的室内地图建立方法及装置 |
WO2023060631A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 一种激光点云数据实时处理系统和方法 |
CN116106864A (zh) * | 2021-11-09 | 2023-05-12 | 深圳市速腾聚创科技有限公司 | 点云的运动补偿方法、装置、存储介质及激光雷达 |
CN114569011A (zh) * | 2022-03-25 | 2022-06-03 | 微思机器人(深圳)有限公司 | 一种沿墙行走方法、装置、扫地机器人及存储介质 |
CN114569011B (zh) * | 2022-03-25 | 2023-09-05 | 微思机器人(深圳)有限公司 | 一种沿墙行走方法、装置、扫地机器人及存储介质 |
CN114705682A (zh) * | 2022-06-06 | 2022-07-05 | 东北大学 | 一种岩体结构智能视觉探测识别成像装置 |
CN115218891A (zh) * | 2022-09-01 | 2022-10-21 | 西华大学 | 一种移动机器人自主定位导航方法 |
CN115218891B (zh) * | 2022-09-01 | 2022-12-27 | 西华大学 | 一种移动机器人自主定位导航方法 |
CN115421125A (zh) * | 2022-11-07 | 2022-12-02 | 山东富锐光学科技有限公司 | 一种基于数据融合的雷达点云数据惯性校正方法 |
CN115755901A (zh) * | 2022-11-14 | 2023-03-07 | 杭州蓝芯科技有限公司 | 一种移动机器人的停障控制方法和装置 |
CN115683170A (zh) * | 2023-01-04 | 2023-02-03 | 成都西物信安智能系统有限公司 | 基于雷达点云数据融合误差的校准方法 |
CN116973895A (zh) * | 2023-09-22 | 2023-10-31 | 山东科技大学 | 一种激光点云匹配的实时位姿校正方法 |
CN116973895B (zh) * | 2023-09-22 | 2023-12-12 | 山东科技大学 | 一种激光点云匹配的实时位姿校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113311411B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113311411B (zh) | 一种用于移动机器人的激光雷达点云运动畸变校正方法 | |
CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
CN111426318B (zh) | 基于四元数-扩展卡尔曼滤波的低成本ahrs航向角补偿方法 | |
CN108731670B (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
CN113252033B (zh) | 基于多传感器融合的定位方法、定位系统及机器人 | |
CN110986988B (zh) | 融合多传感器数据的轨迹推算方法、介质、终端和装置 | |
CN112697138B (zh) | 一种基于因子图优化的仿生偏振同步定位与构图的方法 | |
CN111238535B (zh) | 一种基于因子图的imu误差在线标定方法 | |
CN112254729A (zh) | 一种基于多传感器融合的移动机器人定位方法 | |
CN112781594A (zh) | 基于imu耦合的激光雷达迭代最近点改进算法 | |
CN109856640B (zh) | 一种基于反光柱或反光板的单线激光雷达二维定位方法 | |
CN112284381B (zh) | 视觉惯性实时初始化对准方法及系统 | |
CN112083433B (zh) | 一种应用于两轮移动机器人的激光雷达除畸变方法 | |
CN117119586B (zh) | 一种基于uwb和imu室内定位融合方法 | |
CN116338719A (zh) | 基于b样条函数的激光雷达-惯性-车辆融合定位方法 | |
CN114543786B (zh) | 一种基于视觉惯性里程计的爬壁机器人定位方法 | |
CN108107882B (zh) | 基于光学运动跟踪的服务机器人自动标定与检测系统 | |
CN115451946A (zh) | 一种MEMS-IMU和Wi-Fi组合的室内行人定位方法 | |
CN112902950B (zh) | 一种面向低速运动载体中mems级imu的初始对准方法 | |
CN114413893A (zh) | 一种融合惯性测量信息的动态位置、姿态同步的测量方法 | |
CN113267183A (zh) | 一种多加速度计惯导系统的组合导航方法 | |
CN114323011B (zh) | 一种适用于相对位姿测量的卡尔曼滤波方法 | |
CN111307176A (zh) | 一种vr头戴显示设备中视觉惯性里程计的在线标定方法 | |
CN117346768B (zh) | 同时适用于室内外的多传感器融合感知定位方法 | |
CN112987063B (zh) | 一种铁路轨道测量方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Laser Radar Point Cloud Motion Distortion Correction Method for Mobile Robots Effective date of registration: 20231027 Granted publication date: 20220712 Pledgee: Hangzhou United Rural Commercial Bank Co.,Ltd. Shangcheng District Sub branch Pledgor: HANGZHOU SHISHANG TECHNOLOGY Co.,Ltd. Registration number: Y2023980063009 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |