CN113532421B - 一种基于子图更新和反光板优化的动态激光slam方法 - Google Patents
一种基于子图更新和反光板优化的动态激光slam方法 Download PDFInfo
- Publication number
- CN113532421B CN113532421B CN202110740698.0A CN202110740698A CN113532421B CN 113532421 B CN113532421 B CN 113532421B CN 202110740698 A CN202110740698 A CN 202110740698A CN 113532421 B CN113532421 B CN 113532421B
- Authority
- CN
- China
- Prior art keywords
- laser
- pose
- reflector
- optimization
- map
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000003780 insertion Methods 0.000 claims description 5
- 230000037431 insertion Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 230000008859 change Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
-
- 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
- G01S7/4808—Evaluating distance, position or velocity data
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)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于子图更新和反光板优化的动态激光SLAM方法,包括如下步骤:实时获取激光数据,进行前端扫描匹配,将激光数据插入子图;根据激光数据的强度信息和初步估计位姿,解析并匹配反光板;根据建立好的约束构建后端优化目标,优化轨迹和地图;根据建图或定位的需求,动态更新或覆盖地图。本发明基于子图更新的方式对地图进行动态更新,可有效应对环境的动态变化,提高了激光匹配的鲁棒性,提高了定位的精准性,并将反光板约束条件加入SLAM后端优化的过程,使得优化过程更加快速且准确,获得了更加精准的状态估计结果。
Description
技术领域
本发明属于移动机器人自主建图与定位领域,具体涉及一种基于子图更新和反光板优化的动态激光SLAM方法。
背景技术
移动机器人的SLAM问题是机器人在未知或已知环境中稳定工作的基石。静态场景的SLAM工作研究已经相对成熟,而动态场景多由于其不确定性,对算法的鲁棒性要求非常高,目前尚没有稳定成熟的工业界解决方案。环境的动态变化可能导致很多问题,比如激光难以初始化、依赖于固定特征的算法不稳定等。货物搬运工厂的动态环境给现有的SLAM算法带来了很大的挑战,变化的环境可能会造成错误的激光匹配,从而导致错误的定位。工厂环境里的AGV在面临工厂结构变化或人员走动等环境的动态变化时,容易发生定位丢失。
移动机器人采用的静态地图与粒子滤波融合的定位方案往往无法应对环境动态变化问题,而当前尚未存在稳定开源的动态SLAM算法,只在一些对动态SLAM的理论研究,比如对时间尺度的并列融合方式可以使得机器人通过建立双地图的方案来动态定位,对动态物体的检测算法可以使得机器人对位姿图节点进行删除和更新,而这些算法大多需要很大的内存消耗和大量计算,且位置难以从错误中恢复。
发明内容
本发明的目的是提供一种基于子图更新和反光板优化的动态激光SLAM方法。
为达到上述目的,本发明采用的技术方案是:
一种基于子图更新和反光板优化的动态激光SLAM方法,包括如下步骤:
S1:实时获取激光数据,进行前端扫描匹配,将激光数据插入子图;
S2:根据激光数据的强度信息和初步估计位姿,解析并匹配反光板;
S3:根据建立好的约束构建后端优化目标,优化轨迹和地图;
S4:根据建图或定位的需求,动态更新或覆盖地图。
优选地,在S1中:所述的前端扫描匹配包括如下步骤:
(1)进行粗细粒度的扫描匹配,
(2)进行基于Ceres优化的扫描匹配,
(3)得到激光帧插入位姿。
优选地,所述的粗细粒度的扫描匹配的搜索式为所述的基于Ceres优化的扫描匹配的搜索式为/>
式中:
Tξ为扫描点到地图坐标系的变换,
hk为激光束的扫描点集。
优选地,在S1中:所述的插入子图包括如下步骤:
(1)将当前帧的点云分别插入相邻的两个子图,
(2)对已生成的子图进行激光帧-子图的扫描匹配,若响应达到指定的阈值,则视为找到回环,
(3)将激光帧与子图的约束加入后端,进行周期性的全局优化。
优选地,在S2中:所述的解析并匹配反光板包括如下步骤:
(1)对每一个激光帧设定激光强度阈值,在超过阈值的区域进行局部极大值检测,获得反光柱圆心到激光雷达的位置,并获取其相对于激光雷达的直线距离和偏转角度信息,定义激光坐标系下的反光板位置为Rn={d′,θ′},机器人坐标系下的反光板位置为R′n={d,θ},对激光坐标系和机器人坐标系下的相对位姿变换,
(2)根据当前机器人的位姿对检测到的反光板进行初步判断,根据反光板安装时的位置并按照距离最近原则的匹配标准进行匹配,获取反光板的唯一标识,将反光板位姿转R′n换为旋转矩阵形式的位姿ξjk并加入后端约束。
优选地,所述的激光坐标系和机器人坐标系下的相对位姿变换为:
式中:
Δx和Δy为机器人坐标系和激光坐标系之间的偏移量,
所述的旋转矩阵形式的位姿ξjk为:
式中:
优选地,在S3中:所述的后端优化包括如下步骤:
(1)建立激光帧节点位姿和子图位姿间的约束、激光帧位姿和反光板节点位姿间的约束,
(2)融合两项约束,按照动态SLAM的后端全局优化目标进行优化,
(3)基于SPA算法迭代求解优化目标,得到优化后的子图集合Ξm,激光点云集合Ξs,反光板位姿集合Ξr。
优选地,所述的动态SLAM的后端全局优化目标为
其中:
为某一个子图的位姿,/>为某一帧激光点云的位姿,/>为某一个反光板的位姿。
优选地,所述的子图集合Ξm、激光点云集合Ξs、反光板位姿集合Ξr分别为:
优选地,在S4中:所述的动态更新或覆盖地图包括如下步骤:
(1)建立覆盖工作环境的地图,并将轨迹和子图保存,
(2)在下次作业开始时,对原先存储的地图和轨迹进行加载,机器人在场景内建立一条新的轨迹,并产生新的子图,
(3)定位过程中保留新建立的三个子图,并将其以滑动窗口的形式更新原来重叠的子图部分,
(4)在产生新的轨迹后,对整个地图进行更新,使系统中保存的地图始终是经最新动态探索而得到的地图m。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:
1.本发明基于子图更新的方式对地图进行动态更新,可有效应对环境的动态变化,提高了激光匹配的鲁棒性,提高了定位的精准性。
2.本发明将反光板约束条件加入SLAM后端优化的过程,使得优化过程更加快速且准确,并获得了更加精准的状态估计结果。
附图说明
附图1为本发明的动态激光SLAM方法流程图;
附图2为本发明的前端扫描匹配过程示意图;
附图3为本发明的插入子图过程示意图;
附图4为本发明的后端优化过程示意图;
附图5为本发明的动态地图更新过程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
一种基于子图更新和反光板优化的动态激光SLAM方法,如图1所示,包括如下步骤:
S1:
实时获取激光数据,使用激光雷达作为前端数据来源。
进行前端扫描匹配,如图2所示,包括如下步骤:
进行粗细粒度的扫描匹配;在计算出一个位姿后,进行基于Ceres优化的扫描匹配,对位姿进行更精细粒度的优化求解,基于Ceres的匹配过程可使激光帧在粗细粒度的扫描匹配后在小范围内获取更为精准的解;最后得到激光帧插入位姿。
具体而言:
粗细粒度的扫描匹配的搜索式为
基于Ceres优化的扫描匹配的搜索式为
式中:
Tξ为扫描点到地图坐标系的变换,
hk为激光束的扫描点集。
将激光数据插入子图,如图3所示,包括如下步骤:
为使子图之间连续性更高,将当前帧的点云分别插入相邻的两个子图,子图在达到设定帧数的点云后,会置为完成状态,并开启下一个子图的建立;
同时对已生成的子图进行激光帧-子图的扫描匹配,若响应达到指定的阈值,则视为找到回环;将激光帧与子图的约束加入后端,进行周期性的全局优化。在本实施例中:优化的时机设置为多个子图完成的时刻。
S2:
根据激光数据的强度信息和初步估计位姿,解析并匹配反光板,具体而言:
对每一个激光帧设定激光强度阈值,雷达激光束到达反光板和墙面后,所返回的激光强度值不同,反光板面返回的激光强度值远高于普通墙面,且离激光雷达越近的点激光强度值越高。
在超过阈值的区域进行局部极大值检测,获得反光柱圆心到激光雷达的位置,并获取其相对于激光雷达的直线距离和偏转角度信息。
定义激光坐标系下的反光板位置为Rn={d′,θ′},机器人坐标系下的反光板位置为R′n={d,θ},机器人坐标系和激光雷达坐标系之间的偏移量为{Δx,Δy},对激光坐标系和机器人坐标系下的相对位姿变换,具体而言:
根据当前机器人的位姿对检测到的反光板进行初步判断,由于环境中存在多个反光板,需要进行做唯一性识别,根据反光板安装时的位置并按照距离最近原则的匹配标准进行匹配,获取反光板的唯一标识,将反光板位姿转R′n换为旋转矩阵形式的位姿ξjk并加入后端约束,具体而言:
式中:
S3:
根据建立好的约束构建后端优化目标,优化轨迹和地图,如图4所示,包括如下步骤:
建立激光帧节点位姿和子图位姿间的约束、激光帧位姿和反光板节点位姿间的约束。
融合两项约束,按照动态SLAM的后端全局优化目标进行优化,全局优化的时间在提前设定的周期内以及子图构建完成时,具体而言:
其中:
为某一个子图的位姿,/>为某一帧激光点云的位姿,/>为某一个反光板的位姿。
基于SPA算法迭代求解优化目标,得到优化后的子图集合Ξm,激光点云集合Ξs,反光板位姿集合Ξr,具体而言:
S4:
根据建图或定位的需求,动态更新或覆盖地图,如图5所示,保证了在环境变化时不会因为激光的误匹配而导致定位系统失效,具体而言:
利用前端和后端系统,建立覆盖工作环境的地图,并将轨迹和子图保存。
在下次作业开始时,对原先存储的地图和轨迹进行加载,机器人在场景内建立一条新的轨迹,并产生新的子图。
为避免程序对大量子图匹配和存储带来计算负担,定位过程中保留新建立的三个子图,并将其以滑动窗口的形式更新原来重叠的子图部分。如图5所示,如果当前子图与原始子图存在差异,则原始子图被覆盖,该情况通常发生在定位轨迹与建图轨迹相近的情况下,此时当前子图与原始的子图会存在重叠的情况。
在产生新的轨迹后,对整个地图进行更新,使系统中保存的地图始终是经最新动态探索而得到的地图m。如此反复,在完成一项任务后,将更新后的地图保存,在下次任务开始时,加载更新后的地图。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于子图更新和反光板优化的动态激光SLAM方法,其特征在于:依次包括如下步骤:S1:实时获取激光数据,进行前端扫描匹配,将激光数据插入子图,
所述的前端扫描匹配包括如下步骤:
(1)进行粗细粒度的扫描匹配,
(2)进行基于Ceres优化的扫描匹配,
(3)得到激光帧插入位姿,
所述的插入子图包括如下步骤:
(1)将当前帧的点云分别插入相邻的两个子图,
(2)对已生成的子图进行激光帧-子图的扫描匹配,若响应达到指定的阈值,则视为找到回环,
(3)将激光帧与子图的约束加入后端,进行周期性的全局优化;
S2:根据激光数据的强度信息和初步估计位姿,解析并匹配反光板,所述的解析并匹配反光板包括如下步骤:
(1)对每一个激光帧设定激光强度阈值,在超过阈值的区域进行局部极大值检测,获得反光柱圆心到激光雷达的位置,并获取其相对于激光雷达的直线距离和偏转角度信息,定义激光坐标系下的反光板位置为Rn={d′,θ′},机器人坐标系下的反光板位置为Rn′={d,θ},对激光坐标系和机器人坐标系下的相对位姿变换为:
式中:
Δx和Δy为机器人坐标系和激光坐标系之间的偏移量,
旋转矩阵形式的位姿ξjk为:
式中:
(2)根据当前机器人的位姿对检测到的反光板进行初步判断,根据反光板安装时的位置并按照距离最近原则的匹配标准进行匹配,获取反光板的唯一标识,将反光板位姿Rn′转换为旋转矩阵形式的位姿ξjk并加入后端约束,
S3:根据建立好的约束构建后端优化目标,优化轨迹和地图,所述的后端优化包括如下步骤:
(1)建立激光帧节点位姿和子图位姿间的约束、激光帧位姿和反光板节点位姿间的约束,
(2)融合两项约束,按照动态SLAM的后端全局优化目标进行优化,
(3)基于SPA算法迭代求解优化目标,得到优化后的子图集合Ξm,激光点云集合Ξs,反光板位姿集合Ξr;
S4:根据建图或定位的需求,动态更新或覆盖地图,所述的动态更新或覆盖地图包括如下步骤:
(1)建立覆盖工作环境的地图,并将轨迹和子图保存,
(2)在下次作业开始时,对原先存储的地图和轨迹进行加载,机器人在场景内建立一条新的轨迹,并产生新的子图,
(3)定位过程中保留新建立的三个子图,并将其以滑动窗口的形式更新原来重叠的子图部分,(4)在产生新的轨迹后,对整个地图进行更新,使系统中保存的地图始终是经最新动态探索而得到的地图m。
2.根据权利要求1所述的基于子图更新和反光板优化的动态激光SLAM方法,其特征在于:所述的粗细粒度的扫描匹配的搜索式为所述的基于Ceres优化的扫描匹配的搜索式为/>式中:
Tξ为扫描点到地图坐标系的变换,
hk为激光束的扫描点集。
3.根据权利要求1所述的基于子图更新和反光板优化的动态激光SLAM方法,其特征在于:所述的子图集合Ξm、激光点云集合Ξs、反光板位姿集合Ξr分别为:
为某一个子图的位姿,/>为某一帧激光点云的位姿,/>为某一个反光板的位姿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740698.0A CN113532421B (zh) | 2021-06-30 | 2021-06-30 | 一种基于子图更新和反光板优化的动态激光slam方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740698.0A CN113532421B (zh) | 2021-06-30 | 2021-06-30 | 一种基于子图更新和反光板优化的动态激光slam方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532421A CN113532421A (zh) | 2021-10-22 |
CN113532421B true CN113532421B (zh) | 2024-04-26 |
Family
ID=78126432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740698.0A Active CN113532421B (zh) | 2021-06-30 | 2021-06-30 | 一种基于子图更新和反光板优化的动态激光slam方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532421B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115979248B (zh) * | 2023-03-17 | 2023-08-18 | 上海仙工智能科技有限公司 | 基于定位位姿为约束的地图更新方法及系统、存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631919A (zh) * | 2018-12-28 | 2019-04-16 | 芜湖哈特机器人产业技术研究院有限公司 | 一种融合反光板和占据栅格的混合导航地图构建方法 |
CN109974712A (zh) * | 2019-04-22 | 2019-07-05 | 广东亿嘉和科技有限公司 | 一种基于图优化的变电站巡检机器人建图方法 |
CN110989595A (zh) * | 2019-12-03 | 2020-04-10 | 武汉科技大学 | 一种基于子图归并与位姿优化的激光slam方法 |
CN111693046A (zh) * | 2019-03-13 | 2020-09-22 | 锥能机器人(上海)有限公司 | 机器人系统和机器人导航地图建图系统及方法 |
CN111929699A (zh) * | 2020-07-21 | 2020-11-13 | 北京建筑大学 | 一种顾及动态障碍物的激光雷达惯导里程计与建图方法及系统 |
CN112629522A (zh) * | 2020-12-31 | 2021-04-09 | 山东大学 | 一种反光板与激光slam融合的agv定位方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10989542B2 (en) * | 2016-03-11 | 2021-04-27 | Kaarta, Inc. | Aligning measured signal data with slam localization data and uses thereof |
TW201831920A (zh) * | 2017-02-22 | 2018-09-01 | 鴻海精密工業股份有限公司 | 自主移動設備 |
US10801855B2 (en) * | 2018-01-12 | 2020-10-13 | Zhejiang Guozi Technology Co., Ltd. | Method and system for creating map based on 3D laser |
-
2021
- 2021-06-30 CN CN202110740698.0A patent/CN113532421B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631919A (zh) * | 2018-12-28 | 2019-04-16 | 芜湖哈特机器人产业技术研究院有限公司 | 一种融合反光板和占据栅格的混合导航地图构建方法 |
CN111693046A (zh) * | 2019-03-13 | 2020-09-22 | 锥能机器人(上海)有限公司 | 机器人系统和机器人导航地图建图系统及方法 |
CN109974712A (zh) * | 2019-04-22 | 2019-07-05 | 广东亿嘉和科技有限公司 | 一种基于图优化的变电站巡检机器人建图方法 |
CN110989595A (zh) * | 2019-12-03 | 2020-04-10 | 武汉科技大学 | 一种基于子图归并与位姿优化的激光slam方法 |
CN111929699A (zh) * | 2020-07-21 | 2020-11-13 | 北京建筑大学 | 一种顾及动态障碍物的激光雷达惯导里程计与建图方法及系统 |
CN112629522A (zh) * | 2020-12-31 | 2021-04-09 | 山东大学 | 一种反光板与激光slam融合的agv定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于激光信息的移动机器人SLAM研究;柳俊城;李迪;翁潇文;;自动化与仪表;20180615(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113532421A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Elastic lidar fusion: Dense map-centric continuous-time slam | |
Zhao et al. | A robust laser-inertial odometry and mapping method for large-scale highway environments | |
CN108297115B (zh) | 一种机器人的自主重定位方法 | |
CN110849374A (zh) | 地下环境定位方法、装置、设备及存储介质 | |
CN106382917B (zh) | 一种室内环境下三维空间信息连续精确采集方法 | |
CN113467456A (zh) | 一种未知环境下用于特定目标搜索的路径规划方法 | |
WO2021021862A1 (en) | Mapping and localization system for autonomous vehicles | |
CN112904358B (zh) | 基于几何信息的激光定位方法 | |
CN115290097B (zh) | 基于bim的实时精确地图构建方法、终端及存储介质 | |
CN113763548B (zh) | 基于视觉-激光雷达耦合的贫纹理隧洞建模方法及系统 | |
CN114280625A (zh) | 基于无人机的三维激光雷达井下地图构建方法及装置 | |
CN113532421B (zh) | 一种基于子图更新和反光板优化的动态激光slam方法 | |
CN116242374A (zh) | 一种基于直接法的多传感器融合的slam定位方法 | |
CN114792338A (zh) | 基于先验三维激光雷达点云地图的视觉融合定位方法 | |
CN112762929B (zh) | 一种智能导航方法、装置和设备 | |
Zhang et al. | Lidar-inertial 3d slam with plane constraint for multi-story building | |
CN111951341A (zh) | 一种基于rgb-d slam的闭环检测改进方法 | |
CN115962773A (zh) | 一种移动机器人同步定位与地图构建方法、装置和设备 | |
Zhang et al. | A Robust Lidar SLAM System Based on Multi-Sensor Fusion | |
Chang et al. | Robust accurate LiDAR-GNSS/IMU self-calibration based on iterative refinement | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
CN113554705A (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
Xiang et al. | Low data overlap rate graph-based slam with distributed submap strategy | |
CN117213500B (zh) | 基于动态点云与拓扑路网的机器人全局定位方法及系统 | |
Tungadi et al. | Loop exploration for SLAM with fusion of advanced sonar features and laser polar scan matching |
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 |