CN113666305B - 基于运动补偿与反射板优化排序的智能叉车激光定位方法 - Google Patents
基于运动补偿与反射板优化排序的智能叉车激光定位方法 Download PDFInfo
- Publication number
- CN113666305B CN113666305B CN202111015712.7A CN202111015712A CN113666305B CN 113666305 B CN113666305 B CN 113666305B CN 202111015712 A CN202111015712 A CN 202111015712A CN 113666305 B CN113666305 B CN 113666305B
- Authority
- CN
- China
- Prior art keywords
- reflecting plate
- forklift
- positioning
- reflecting
- algorithm
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/0755—Position control; Position detectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mechanical Engineering (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明公开了基于运动补偿与反射板优化排序的智能叉车激光定位方法,涉及激光导航技术领域,解决了叉车高速运动、大角速度转弯时反射板失配的技术问题;其中激光雷达用于采集反射板的二维点云数据,采用反射板中心定位方法识别反射板中心的定位位置,保证了后续叉车定位计算的高精度;通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,为高速运动中反射板匹配保证了较高精度;然后可通过排序算法将预估位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板,使得导航算法抗干扰能力更突出,解决了叉车高速运动、大角速度转弯时反射板失配的技术问题。
Description
技术领域
本发明涉及激光导航技术领域,具体是基于运动补偿与反射板优化排序的智能叉车激光定位方法。
背景技术
随着人工智能技术在工业智能化领域的应用,如何实现如智能叉车高精度定位是实现自动驾驶叉车自动驾驶的关键一环。
目前市场上针对智能叉车的激光定位技术,多采用反射板三角关系定位方法,但该方法通过简单的三角关系来确定定位位置,对地图设计有很高的要求,需要专业人员定期对场地进行维护,后期成本较高;另一种方法为利用SLAM技术进行地图建立与定位,该方法对系统计算能力要求较高,且长时间运行缺乏稳定性,目前只适用于低速运动下(<1m/s)的定位计算;为此,我们提出一种基于运动补偿与反射板优化排序的智能叉车激光定位方法。
发明内容
为了解决上述方案存在的问题,本发明提供了基于运动补偿与反射板优化排序的智能叉车激光定位方法。本方法将反射板定位方法与运动补偿技术,反射板匹配寻优算法相结合,可在高速运动情况下准确的识别反射板位置并获得精确定位位置;无需惯性计等额外辅助设备做运动补偿,大大简化了系统的复杂度,从算法层面解决了高速运动、大角速度转弯时反射板失配的难题。
本发明的目的可以通过以下技术方案实现:
基于运动补偿与反射板优化排序的智能叉车激光定位方法,应用于激光定位系统,所述激光定位系统包括反射板、激光雷达和工业级计算单元;
所述激光雷达用于采集反射板的二维点云数据,采用反射板中心定位方法对二维点云数据进行处理,识别反射板中心的定位位置并将识别得到的反射板中心的定位位置传输至工业级计算单元;
所述工业级计算单元用于根据反射板中心的定位位置计算叉车定位信息并通过CAN总线输出叉车定位结果,然后根据计算得到的叉车定位结果结合反射板激光导航算法对叉车进行导航。
进一步地,所述反射板激光导航算法的具体流程如下:
S1:读入导航项目参数设置;
S2:读入初始位置定位反射板地图并标记为矫正地图;
S3:读入导航定位反射板地图并标记为反射板导航地图;
S4:设置数据源,所述数据源为R2000实时数据或采集的离线数据包;
S5:开始初始定位计算,获取叉车初始位置;
S6:通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,依据上一步位置,计算下一时刻反射板预期位置;
S7:将反射板预期位置与反射板导航地图进行匹配,通过排序算法将预期位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板;
S8:根据匹配的反射板,计算激光雷达此时位置;重复以上操作直至导航结束。
进一步地,所述运动补偿算法具体流程为:
通过激光雷达采集的反射板二维点云数据,得到叉车每一时刻累计的历史运动轨迹;
根据历史运动轨迹获得前N(N<5)个时间单元叉车的平均线速度与角速度;从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度、位置与朝向角度;
依据上一步叉车位置,结合预估算出下一时刻叉车运动的速度、位置与朝向角度来计算下一时刻反射板预期位置。
进一步地,其中排序算法的具体流程如下:
对反射板导航地图上标记反射板预期位置,将反射板预期位置预设距离范围内的反射板标记为潜在反射板;
将潜在反射板进行集合,将集合中的反射板按照相对于叉车的距离远近进行排序,从中选出最优的反射板,用于叉车的定位。
进一步地,其中将集合中的反射板按照相对于叉车的距离远近进行排序,从中选出最优的反射板,具体方法为:
将潜在反射板位置与反射板预期位置进行距离差计算,得到反射板间距;
将潜在反射板位置与叉车位置进行距离差计算,得到叉车间距;
根据反射板间距和叉车间距对潜在反射板的匹配度进行评估;
选取匹配度最高的反射板作为匹配反射板。
进一步地,若匹配度最大值小于预设匹配度阈值,则匹配失败。
进一步地,若匹配失败,则使用上一步位置匹配的反射板。
进一步地,其中导航项目参数由工作人员预先设置。
与现有技术相比,本发明的有益效果是:
本发明将反射板中心定位方法与运动补偿技术,反射板匹配寻优算法相结合,可在高速运动情况下准确的识别反射板位置并获得精确叉车定位位置;通过二维点云的反射板提取算法计算,可识别反射板中心的精确位置,保证了后续叉车定位计算的高精度(<1cm);通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,为高速运动中反射板匹配保证了较高精度;然后可通过排序算法将预估位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板,本发明无需惯性计等额外辅助设备做运动补偿,大大简化了系统的复杂度,从算法层面解决了高速运动、大角速度转弯时反射板失配的难题。
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,下面将对实施例或现有技术描述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为本发明的原理框图。
图2为本发明中激光定位系统的系统框图。
图3为本发明中反射板激光导航算法的流程图。
具体实施方式
下面将结合实施例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它实施例,都属于本发明保护的范围。
如图1-3所示,基于运动补偿与反射板优化排序的智能叉车激光定位方法,应用于激光定位系统,所述激光定位系统包括反射板、激光雷达和工业级计算单元;
其中激光雷达用于采集反射板的二维点云数据;采用反射板中心定位方法对二维点云数据进行处理,识别反射板中心的定位位置;并将识别得到的反射板中心的定位位置传输至工业级计算单元;通过二维点云的反射板提取算法计算,可在较大距离范围内对反射板中心进行精确定位,保证了叉车定位数据的高精度(<1cm);
所述工业级计算单元用于根据反射板中心的定位位置计算叉车定位信息并通过CAN总线输出叉车定位结果,然后根据计算得到的叉车定位结果结合反射板激光导航算法对叉车进行导航;
所述反射板激光导航算法流程如下:
S1:读入导航项目参数设置,其中导航项目参数由工作人员预先设置;
S2:读入初始位置定位反射板地图并标记为矫正地图;
S3:读入导航定位反射板地图并标记为反射板导航地图;
S4:设置数据源,所述数据源为R2000实时数据或采集的离线数据包,具体为反射板的二维点云数据;
S5:开始初始定位计算,获取叉车初始位置;
S6:通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,依据上一步位置,计算下一时刻反射板预期位置;所述运动补偿算法具体流程为:
通过激光雷达采集的反射板二维点云数据,得到叉车每一时刻累计的历史运动轨迹;
根据历史运动轨迹获得前N(N<5)个时间单元叉车的平均线速度与角速度;从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度、位置与朝向角度;
依据上一步叉车位置,根据预估算出下一时刻叉车运动的速度、位置与朝向角度来计算下一时刻反射板预期位置;该方法无需加速度计等传统智能叉车导航传感器,只通过激光雷达数据即可实现智能叉车的精确定位,定位精度可达5mm量级,角度精度可达0.4度,(达到国际一流工业高精度导航精度标准);其中激光雷达数据表示为采集的反射板二维点云数据;
S7:将反射板预期位置与反射板导航地图进行匹配,通过排序算法将预期位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板;若匹配失败,则使用上一步位置匹配的反射板;
S8:根据匹配的反射板,计算激光雷达此时位置;重复以上操作直至导航结束;
其中排序算法的具体流程如下:
对反射板导航地图上标记反射板预期位置,将反射板预期位置预设距离范围内的反射板标记为潜在反射板;
将潜在反射板进行集合,将集合中的反射板按照相对于叉车的距离远近进行排序,从中选出最优的反射板,用于叉车的定位;具体为:
将潜在反射板位置与反射板预期位置进行距离差计算,得到反射板间距;
将潜在反射板位置与叉车位置进行距离差计算,得到叉车间距;
根据反射板间距和叉车间距对潜在反射板的匹配度进行评估;
选取匹配度最高的反射板作为匹配反射板;若匹配度最大值小于预设匹配度阈值,则匹配失败;该方法可使叉车选中定位精度最高的反射板,使得导航算法抗干扰能力更突出,可在反射板在发生视线被遮挡,反射板偏离预计位置等意外情况发生下仍然可以保持定位精度不变;
本发明将反射板中心定位方法与运动补偿技术,反射板匹配寻优算法相结合,可在高速运动情况下准确的识别反射板位置并获得精确叉车定位位置;通过二维点云的反射板提取算法计算,可识别反射板中心的精确位置,保证了后续叉车定位计算的高精度(<1cm);通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,为高速运动中反射板匹配保证了较高精度;然后可通过排序算法将预估位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板,本方法无需惯性计等额外辅助设备做运动补偿,大大简化了系统的复杂度,从算法层面解决了高速运动,大角速度转弯时反射板失配的难题。
本发明的工作原理:
基于运动补偿与反射板优化排序的智能叉车激光定位方法,在工作时,激光雷达用于采集反射板的二维点云数据;采用反射板中心定位方法对二维点云数据进行处理,识别反射板中心的定位位置,可在较大距离范围内对反射板中心进行精确定位,保证了叉车定位数据的高精度;然后读入导航定位反射板地图,通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,依据上一步位置,计算下一时刻反射板预期位置,为高速运动中反射板匹配保证了较高精度;
将反射板预期位置与反射板导航地图进行匹配,通过排序算法将预期位置上最有可能的反射板进行排列,并进行评估计算,找到匹配度最高的反射板,使得导航算法抗干扰能力更突出,可在反射板在发生视线被遮挡,反射板偏离预计位置等意外情况发生下仍然可以保持定位精度不变;然后根据匹配的反射板,计算激光雷达此时位置;重复以上操作直至导航结束;本方法无需惯性计等额外辅助设备做运动补偿,大大简化了系统的复杂度,从算法层面解决了高速运动,大角速度转弯时反射板失配的难题。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.基于运动补偿与反射板优化排序的智能叉车激光定位方法,应用于激光定位系统,其特征在于,所述激光定位系统包括反射板、激光雷达和工业级计算单元;
所述激光雷达用于采集反射板的二维点云数据,采用反射板中心定位方法对二维点云数据进行处理,识别反射板中心的定位位置并将识别得到的反射板中心的定位位置传输至工业级计算单元;
所述工业级计算单元用于根据反射板中心的定位位置计算叉车定位信息并通过CAN总线输出叉车定位结果,然后根据计算得到的叉车定位结果结合反射板激光导航算法对叉车进行导航;
其中,所述反射板激光导航算法的具体流程如下:
S1:读入导航项目参数设置;
S2:读入初始位置定位反射板地图并标记为矫正地图;
S3:读入导航定位反射板地图并标记为反射板导航地图;
S4:设置数据源,所述数据源为R2000实时数据或采集的离线数据包;
S5:开始初始定位计算,获取叉车初始位置;
S6:通过运动补偿算法,从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度与可能的位置,依据上一步位置,计算下一时刻反射板预期位置;
S7:将反射板预期位置与反射板导航地图进行匹配,通过排序算法将预期位置上最有可能的反射板进行排列,并进行评估计算;具体为:
在反射板导航地图上标记反射板预期位置,将反射板预期位置预设距离范围内的反射板标记为潜在反射板;
将潜在反射板进行集合,将集合中的反射板按照相对于叉车的距离远近进行排序,从中选出最优的反射板,用于叉车的定位;具体包括:
将潜在反射板位置与反射板预期位置进行距离差计算,得到反射板间距;将潜在反射板位置与叉车位置进行距离差计算,得到叉车间距;
根据反射板间距和叉车间距对潜在反射板的匹配度进行评估;选取匹配度最高的反射板作为匹配反射板;
S8:根据匹配的反射板,计算激光雷达此时位置;重复步骤S6-S8,直至导航结束;
其中,所述运动补偿算法的具体流程为:
通过激光雷达采集的反射板二维点云数据,得到叉车每一时刻累计的历史运动轨迹;
根据历史运动轨迹获得前N个时间单元叉车的平均线速度与角速度;其中N为预设值且N小于5;从算法软件里程计中的速度计算,预估算出下一时刻叉车运动的速度、位置与朝向角度;
依据上一步叉车位置,结合预估算出下一时刻叉车运动的速度、位置与朝向角度来计算下一时刻反射板预期位置。
2.根据权利要求1所述的基于运动补偿与反射板优化排序的智能叉车激光定位方法,其特征在于,若匹配度最大值小于预设匹配度阈值,则匹配失败。
3.根据权利要求2所述的基于运动补偿与反射板优化排序的智能叉车激光定位方法,其特征在于,若匹配失败,则使用上一步位置匹配的反射板。
4.根据权利要求1所述的基于运动补偿与反射板优化排序的智能叉车激光定位方法,其特征在于,其中导航项目参数由工作人员预先设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015712.7A CN113666305B (zh) | 2021-08-31 | 2021-08-31 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015712.7A CN113666305B (zh) | 2021-08-31 | 2021-08-31 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113666305A CN113666305A (zh) | 2021-11-19 |
CN113666305B true CN113666305B (zh) | 2023-02-21 |
Family
ID=78547829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111015712.7A Active CN113666305B (zh) | 2021-08-31 | 2021-08-31 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113666305B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400334B (zh) * | 2023-06-01 | 2023-09-12 | 未来机器人(深圳)有限公司 | 激光外参的标定验证方法、装置、电子设备及可存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090001721A (ko) * | 2007-05-14 | 2009-01-09 | 팅크웨어(주) | 맵 매칭 보정 방법 및 상기 방법을 수행하는 내비게이션시스템 |
CN107991683A (zh) * | 2017-11-08 | 2018-05-04 | 华中科技大学 | 一种基于激光雷达的机器人自主定位方法 |
CN109760064A (zh) * | 2019-03-25 | 2019-05-17 | 广东电网有限责任公司 | 一种移动机器人自身位置的调整方法和装置 |
CN110031817A (zh) * | 2018-12-28 | 2019-07-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光雷达反光板的快速匹配方法 |
CN110275155A (zh) * | 2018-12-24 | 2019-09-24 | 北京航空航天大学 | 一种地基激光雷达强度数据的自校正方法 |
CN110308423A (zh) * | 2019-05-23 | 2019-10-08 | 浙江厚达智能科技股份有限公司 | 基于反光板的室内车载激光定位方法及系统 |
CN110379044A (zh) * | 2018-09-13 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 一种运动误差补偿的方法和装置 |
CN110415259A (zh) * | 2019-07-30 | 2019-11-05 | 南京林业大学 | 一种基于激光反射强度的行道树点云识别方法 |
CN111902730A (zh) * | 2019-03-05 | 2020-11-06 | 深圳市大疆创新科技有限公司 | 一种标定板、深度参数标定方法、探测装置及标定系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064506B (zh) * | 2018-07-04 | 2020-03-13 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置及存储介质 |
-
2021
- 2021-08-31 CN CN202111015712.7A patent/CN113666305B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090001721A (ko) * | 2007-05-14 | 2009-01-09 | 팅크웨어(주) | 맵 매칭 보정 방법 및 상기 방법을 수행하는 내비게이션시스템 |
CN107991683A (zh) * | 2017-11-08 | 2018-05-04 | 华中科技大学 | 一种基于激光雷达的机器人自主定位方法 |
CN110379044A (zh) * | 2018-09-13 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 一种运动误差补偿的方法和装置 |
CN110275155A (zh) * | 2018-12-24 | 2019-09-24 | 北京航空航天大学 | 一种地基激光雷达强度数据的自校正方法 |
CN110031817A (zh) * | 2018-12-28 | 2019-07-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光雷达反光板的快速匹配方法 |
CN111902730A (zh) * | 2019-03-05 | 2020-11-06 | 深圳市大疆创新科技有限公司 | 一种标定板、深度参数标定方法、探测装置及标定系统 |
CN109760064A (zh) * | 2019-03-25 | 2019-05-17 | 广东电网有限责任公司 | 一种移动机器人自身位置的调整方法和装置 |
CN110308423A (zh) * | 2019-05-23 | 2019-10-08 | 浙江厚达智能科技股份有限公司 | 基于反光板的室内车载激光定位方法及系统 |
CN110415259A (zh) * | 2019-07-30 | 2019-11-05 | 南京林业大学 | 一种基于激光反射强度的行道树点云识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113666305A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112197770B (zh) | 一种机器人的定位方法及其定位装置 | |
CN109696663B (zh) | 一种车载三维激光雷达标定方法和系统 | |
CN109443351B (zh) | 一种稀疏环境下的机器人三维激光定位方法 | |
CN111693968B (zh) | 一种车载三维激光雷达系统外参的系统化标定方法 | |
CN109470254A (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
CN112363158B (zh) | 机器人的位姿估计方法、机器人和计算机存储介质 | |
CN112066982B (zh) | 一种在高动态环境下的工业移动机器人定位方法 | |
CN110196044A (zh) | 一种基于gps闭环检测的变电站巡检机器人建图方法 | |
CN113654555A (zh) | 一种基于多传感器数据融合的自动驾驶车辆高精定位方法 | |
CN114004869A (zh) | 一种基于3d点云配准的定位方法 | |
CN105867373B (zh) | 一种基于激光雷达数据的移动机器人位姿推算方法及系统 | |
CN111323802B (zh) | 智能驾驶车辆定位方法、装置及设备 | |
CN113666305B (zh) | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 | |
CN110749895B (zh) | 一种基于激光雷达点云数据的定位方法 | |
CN112833890B (zh) | 地图构建方法、装置、设备、机器人及存储介质 | |
CN114565726A (zh) | 一种非结构化动态环境下的同时定位与建图方法 | |
CN116127405A (zh) | 一种融合点云地图、运动模型和局部特征的位置识别方法 | |
CN116380039A (zh) | 一种基于固态激光雷达和点云地图的移动机器人导航系统 | |
CN112802199A (zh) | 基于人工智能的高精度测绘点云数据处理方法与系统 | |
EP4148392A1 (en) | Method and apparatus for vehicle positioning | |
Li et al. | Pallet detection and localization with RGB image and depth data using deep learning techniques | |
CN113554705A (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
CN117420560A (zh) | 基于多传感器融合的动态环境增量式建图与定位方法 | |
CN117570958A (zh) | 一种应用非结构环境的鲁邦定位方法 | |
CN117029870A (zh) | 一种基于路面点云的激光里程计 |
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 |