CN113740864B - 基于激光三维点云的探测器软着陆末段自主位姿估计方法 - Google Patents
基于激光三维点云的探测器软着陆末段自主位姿估计方法 Download PDFInfo
- Publication number
- CN113740864B CN113740864B CN202110972738.4A CN202110972738A CN113740864B CN 113740864 B CN113740864 B CN 113740864B CN 202110972738 A CN202110972738 A CN 202110972738A CN 113740864 B CN113740864 B CN 113740864B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- frame
- point
- laser
- soft landing
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法,包括:1)接收激光雷达输出的点云数据包,并进行帧划分;2)对每帧点云进行预处理,得到点云帧序列;3)利用点云帧序列的首帧选取最佳落点;选取最佳落点采用点云分割+邻域半径搜索算法;4)对点云帧序列非首帧采用基于3D SIFT特征点的匹配实现位姿估计;5)根据位姿估计计算相对导航信息。本发明解决了探测器软着陆末段在无外部导航信息支持下,依据自身携带的激光雷达进行自主位置与姿态估计的问题。
Description
技术领域
本发明涉及空间科学技术领域,具体涉及一种基于激光三维点云的探测器软着陆末段自主位姿估计方法。
背景技术
空间探测领域中,着陆巡视探测是一种重要的探测手段。行星探测软着陆阶段,在无卫星导航等外源性导航信息输入的情况下,开展自主导航是安全着陆必要条件,而探测器自身位姿信息的确定是自主导航的前提。
探测器自主位姿估计是指在不依赖外部导航信息支持的情况下,依据探测器自身携带的导航敏感器,实时计算探测器的位置与姿态角。软着陆任务末段,探测器经过减速与调整,其姿态基本垂直于待着陆区表面,与待着陆区域表面的距离较近,满足自主导航敏感器的工作要求,此时一般也是探测器确定最终着陆点的重要阶段,获取高精度的探测器位姿信息是软着陆末段开展导航、制导与控制(GNC)的前提,对探测器安全着陆至关重要。
现有行星探测软着陆任务中,主要采用惯性导航器件、测距测速仪器及光学相机共同完成导航信息的获取,以惯性导航器件为主,辅以测距、测速和光学图像进行惯性导航信息的修正,以提高导航信息的精度,我国成功实施的嫦娥三号、嫦娥四号任务均采用上述方法。该方法主要依赖惯性导航器件,同时借助测距、测速设备对惯性器件的累计误差进行修正,存在导航信息源单一,且设备种类繁多的缺陷。
发明专利CN105976353B《基于模型和点云全局匹配的空间非合作目标位姿估计方法》(赵高鹏等,南京理工大学)中采用了基于ICP算法计算连续深度数据帧间的6自由度位姿估计,利用深度相机获取场景深度图像并转化为场景点云,通过滤波提取物体点云,对物体点云与模板点云(先验已知)进行去模糊主方向变换,获取物体点云与目标点云的平移域,然后采用最近点迭代算法(IterativeClosestPointNonLinear,ICP)求解物体点云与模板点云的刚体变换矩阵,由刚体变换求解旋转欧拉角,结合平移向量获取六自由度位姿信息。该方法采用深度相机作为导航器件,其作用距离较近,并不适合百米距离的探测,同时ICP全局配准算法复杂,运算速度较慢。
文献《无人机空中对接中的视觉导航方法》(刘爱超等,导航定位与授时,2019,6(1):28-34,以下简称文献2)中在无人机空中对接领域采用基于图像处理方法进行无人机与加油机加油口之间的相对导航,在距离超过视觉传感器工作距离的情况下采用GPS导航,进入视觉传感器工作距离时采用基于彩色HSV空间的椭圆检测方法获取加油口的位置,然后依据椭圆最小外接矩形的四个顶点作为特征点,计算世界坐标系与图像坐标系下的投影关系,从而获取相机与目标椭圆之间的相对位姿信息,实现导航。文献2采用图像处理方法进行特定目标的识别,具有强大的局限性,该方法只能针对椭圆形状的目标物体,而且单目视觉测量其精确度较难保证。
文献《3D Point Cloud Based Indoor Mobile Robot in 6-DoF PoseLocalization Using Fast Scene Recognition and Alignment Approach》(Ren C.Luo,2016IEEE lntemational Conference on Multisensor Fusion and Integration forIntelligent Systems(MFI),2016,以下简称文献3)针对室内机器人导航问题,采用连续帧三维点云相关性估计计算机器人自身6自由度位姿信息,使用深度相机作为导航敏感器件,解算得到环境三维点云,对点云帧间相关性估计采用基于快速点云特征直方图(FPFH)的随机采样一致性算法,匹配帧间的对应点,继而根据对应点估算出相应的刚体变换矩阵,最终得到位置及姿态信息。文献3采用三维点云进行6自由度位姿信息解算能有有效解决室内机器人的导航问题,精度尚可,但深度相机原理上依然是双目视觉,使得其作用距离较为有限,对光照条件也有限制。
发明内容
本发明的目的在于提供一种基于激光三维点云的探测器软着陆末段自主位姿估计方法,解决探测器软着陆末段在无外部导航信息支持下,依据自身携带的激光雷达进行自主位置与姿态估计的问题。
为了达到上述的目的,本发明提供一种基于激光三维点云的探测器软着陆末段自主位姿估计方法,包括:1)接收激光雷达输出的点云数据包,并进行帧划分;2)对每帧点云进行预处理,得到点云帧序列;3)利用点云帧序列的首帧选取最佳落点;选取最佳落点采用点云分割+邻域半径搜索算法;4)对点云帧序列非首帧采用基于3D SIFT特征点的匹配实现位姿估计;5)根据位姿估计计算相对导航信息。
上述基于激光三维点云的探测器软着陆末段自主位姿估计方法,其中,所述步骤2)包括:对首帧点云进行下采样;对下采样后的首帧点云提取地形平面,利用设定阈值识别出障碍物,所述障碍物为高于地形平面的突起物或者低于地形平面的坑洞;对下采样后的首帧点云中每一点,利用邻域半径自增长搜索算法获取该点的最大安全半径;取最大安全半径值最大的点为最佳落点,若最大安全半径值最大的点有两个以上,最佳落点还需满足与点云中心点在地形平面投影点的距离最近,以利探测器机动最小。
上述基于激光三维点云的探测器软着陆末段自主位姿估计方法,其中,所述步骤3)包括:对当前点云帧Pi与前一点云帧Pi-1分别进行3D SIFT特征点提取;对前后帧3D SIFT特征点进行匹配,确定前后帧3D SIFT特征点对应关系;依据前后帧3D SIFT特征点对应关系,采用SVD分解法,获取当前点云帧Pi相对于前一点云帧Pi-1的刚体变换矩阵Ti、刚体变换矩阵的平移分量为Mi、刚体变换矩阵的旋转分量为Ri;依据刚体变换矩阵Ti获取欧拉角变化量ΔEui。
上述基于激光三维点云的探测器软着陆末段自主位姿估计方法,其中,所述预处理包括无效点检测与剔除以及无效帧剔除。所述无效点检测与剔除,根据原始数据中每个点的距离测量值,剔除点云中距离无穷大、距离无穷小以及激光雷达有效作用距离外的点。所述无效帧剔除,根据激光雷达工作距离、数据率、视场角及角分辨率计算一帧点云的理论点数,取理论点数的60%为阈值,点数小于该阈值的帧视为无效帧,予以剔除。
上述基于激光三维点云的探测器软着陆末段自主位姿估计方法,其中,对点云帧序列,通过步骤3)和步骤4)得到以时间为序的Mi、ΔEui,据此可以求解速度矢量、加速度矢量、姿态角和角加速度。
与现有技术相比,本发明的有益技术效果是:
(1)拓展了视觉系统的功能,提供相对导航信息
目前实际工程应用中,视觉系统多用来辅助惯性导航器件进行误差修正,无法输出直接可用的导航信息,依据步骤3)和步骤4),本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法可以实现探测器与最佳落点间相对导航信息量的实时输出,从而为探测器提供了一种额外的导航信息来源,实现导航信息的冗余输出,可提高探测器GNC系统的可靠性;
(2)提高了障碍物识别的可靠性和环境适应性
使用激光雷达对待着陆区扫描形成的三维点云,是对环境空间几何信息的精确,通过步骤3),使用点云分割的方法获取环境中的障碍物,方法精确度高,可以有效避免使用光学图像进行避障时纹理对障碍物识别的不利影响;同时,以激光雷达作为导航信息源,其探测距离较远,对探测环境的光照条件不敏感,可以提高探测对未知环境的适应能力;
(3)有效平衡算法运算速度与精度要求
步骤4),对点云帧间的关联性评估采用点云帧的3D SIFT特征点,有效减少关联性计算所用的点数,同时3D SIFT特征点具有抗尺度变换和抗刚体变换不变性的特点,对稀疏型点云及存在刚体变换的连续点云帧具有较好的适应性,从试验结果也可得到验证。
附图说明
本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法由以下的实施例及附图给出。
图1为本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法的流程图。
图2为本发明较佳实施例中利用点云帧序列的首帧选取最佳落点的流程图。
图3为本发明较佳实施例中对非首帧采用基于3D SIFT特征点的配准实现位姿估计的流程图。
图4为本发明较佳实施例中点云帧序列前后帧间3DSIFT特征点匹配示意图。
图5为本发明较佳实施例中点云帧序列中对最佳落点与最佳着陆半径的跟踪图。
图6为本发明较佳实施例中姿态角测量结果图。
图7为本发明较佳实施例中探测器实时位置变化计算结果图。
具体实施方式
以下将结合图1~图7对本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法作进一步的详细描述。
图1所示为本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法的流程图。
参见图1,本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法,包括:
1)接收激光雷达输出的点云数据包,并进行帧划分;
2)对每帧点云进行预处理,得到点云帧序列;
3)利用点云帧序列的首帧选取最佳落点;
选取最佳落点采用点云分割+邻域半径搜索算法;
具体包括:对首帧点云进行下采样;对下采样后的首帧点云提取地形平面,利用设定阈值识别出障碍物,所述障碍物为高于地形平面的突起物或者低于地形平面的坑洞;对下采样后的首帧点云中每一点,利用邻域半径自增长搜索算法获取该点的最大安全半径;取最大安全半径值最大的点为最佳落点,若最大安全半径值最大的点有两个以上,最佳落点还需满足与点云中心点在地形平面投影点的距离最近,以利探测器机动最小;
4)对点云帧序列非首帧采用基于3D SIFT特征点的匹配实现位姿估计;
具体包含:对当前点云帧Pi与前一点云帧Pi-1分别进行3D SIFT特征点提取;对前后帧3D SIFT特征点进行匹配,确定前后帧3D SIFT特征点对应关系;依据前后帧3D SIFT特征点对应关系,采用SVD分解法(奇异值分解),获取当前点云帧Pi相对于前一点云帧Pi-1的刚体变换矩阵Ti,刚体变换矩阵的平移分量为Mi,刚体变换矩阵的旋转分量为Ri;依据刚体变换矩阵Ti获取欧拉角变化量ΔEui;
5)根据位姿估计计算相对导航信息;
依据Mi、ΔEui求解速度矢量、加速度矢量、姿态角、角加速度。
现以具体实施例详细说明本发明的基于激光三维点云的探测器软着陆末段自主位姿估计方法。
本实施例的基于激光三维点云的探测器软着陆末段自主位姿估计方法包括:
1)接收激光雷达输出的点云数据包,根据激光雷达有效视场角对点云数据进行帧划分,对扫描区域一次完整扫描形成的点云为一帧;
2)对每帧点云进行预处理;
2-1)无效点检测与剔除:
根据原始数据中每个点的距离测量值,剔除点云中距离无穷大、距离无穷小以及激光雷达有效作用距离外的点;
2-2)无效帧剔除:
根据激光雷达工作距离、数据率、视场角及角分辨率计算一帧点云的理论点数,取理论点数的60%为阈值,点数小于该阈值的帧视为无效帧,予以剔除;
预处理后的各帧按时间(先后)顺序排列形成点云帧序列;
3)利用点云帧序列的首帧选取最佳落点;
图2所示为本发明较佳实施例中利用点云帧序列的首帧选取最佳落点的流程图;
参见图2,具体包括:
3-1)对首帧进行三维体素栅格下采样,即将点云分为一个个体素栅格(微小三维立方体),使用体素栅格的重心来近似替代体素栅格,从而降低该帧中点的个数,下采样后的首帧记为P0;
3-2)采用随机采样一致性算法提取下采样后首帧中的平面Pl,该平面为激光雷达扫描区域的地形平面,选取合适的阈值区分平面内点与平面外点,Pl为平面内点的点集,平面外点为高于地形平面的突起物或者低于地形平面的坑洞,设平面外点的点集为Ob,P0=Pl+Ob;定义Ob在帧中的索引为IOb;
3-3)对P0的每一点pk(pk∈P0),取邻域半径rn=step*n,step为计算步长(取定值),n为迭代次数;若pk满足其与帧边界的距离大于rn,则求取pk的rn邻域点集索引计算/>与IOb的交集/>若Ispk为空则n=n+1,进行迭代,直至Ispk不为空,记录pk的最大安全半径为rsk;计算P0中所有点的rsk,选取最佳落点pm与最大安全半径Dr=rsm,满足下式:
pm={pm|pm∈P0,rsm=max{rsk|k=0,1,2...sizeof(P0)},min(dis(pm,p0))},其中pm还需满足与点云原点在地形平面投影点的距离最近,以利探测器机动最小;
4)对非首帧采用基于3D SIFT特征点的配准实现位姿估计;
图3所示为本发明较佳实施例中对非首帧采用基于3D SIFT特征点的配准实现位姿估计的流程图;
参见图3,具体包括:
4-1)对当前点云帧Pi与前一点云帧Pi-1分别进行3D SIFT特征点提取,获取各自特征点集Si、Si-1;
4-2)分别计算当前点云帧Pi与前一点云帧Pi-1的中心μi、μi-1
其中,N表示点云帧的点数,pj代表点云帧中第j个点;
ei=μi-μi-1
其中,ei表示中心点的位置变化;
4-3)对点集Si与进行匹配,采用k-d树最邻近欧式距离搜索法,并且设定距离阈值ε,对Si中的每个点求/>中距离最近的点并且距离值小于ε,满足条件的点设定为一个对应点对,如此求解Si与/>之间的所有对应点对/>
H3x3=A×BT,
对H3×3进行SVD分解
其中,σ1、σ2、σ3为矩阵H3×3的特征值;
假定当前点云帧Pi相对于前一点云帧Pi-1的刚体变换矩阵为Ti,Ti的旋转分量Ri:
平移分量Mi:
刚体变换矩阵Ti:
4-6)那么当前点云帧中的最佳落点Li=Ti×Li-1,安全半径为Dr;
4-7)刚体变换矩阵Ti实际上是探测器激光雷达坐标系在前后两个时刻的坐标系转换矩阵,按照Z-Y-X旋转顺序可以获取前后时刻坐标系绕Z轴、Y轴、X轴的旋转角度以及坐标系原点的平移向量,Z-Y-X旋转顺序下的旋转矩阵Ri与欧拉角的关系如下:
Δψi=atan2(r21,r22)
5)计算相对导航信息;
对点云帧序列,通过步骤3)和步骤4)可得以时间为序的Mi、ΔEui,据此可以求解速度矢量Vi(vxi,vyi,vzi),加速度矢量ai(axi,ayi,azi),姿态角角加速度δi(δzi,δyi,δxi):
Vi=dMi/dt
ai=dVi/dt=d2Mi/dt2
Eui=∫ΔEuidt
δi=dΔEu/dt。
图4所示为本发明较佳实施例中点云帧序列前后帧间3DSIFT特征点匹配示意图;图5所示为本发明较佳实施例中点云帧序列中对最佳落点与最佳着陆半径的跟踪图;图6所示为本发明较佳实施例中姿态角测量结果图;图7所示为本发明较佳实施例中探测器实时位置变化计算结果图。
Claims (8)
1.基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,包括:
1)接收激光雷达输出的点云数据包,并进行帧划分;
2)对每帧点云进行预处理,得到点云帧序列;
3)利用点云帧序列的首帧选取最佳落点;
选取最佳落点采用点云分割+邻域半径搜索算法;
4)对点云帧序列非首帧采用基于3D SIFT特征点的匹配实现位姿估计;
对当前点云帧Pi与前一点云帧Pi-1分别进行3D SIFT特征点提取;对前后帧3D SIFT特征点进行匹配,确定前后帧3D SIFT特征点对应关系;依据前后帧3D SIFT特征点对应关系,采用SVD分解法(奇异值分解),获取当前点云帧Pi相对于前一点云帧Pi-1的刚体变换矩阵Ti,刚体变换矩阵的平移分量为Mi,刚体变换矩阵的旋转分量为Ri;依据刚体变换矩阵Ti获取欧拉角变化量ΔEui;
5)根据位姿估计计算相对导航信息。
2.如权利要求1所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,所述步骤2)包括:对首帧点云进行下采样;对下采样后的首帧点云提取地形平面,利用设定阈值识别出障碍物,所述障碍物为高于地形平面的突起物或者低于地形平面的坑洞;对下采样后的首帧点云中每一点,利用邻域半径自增长搜索算法获取该点的最大安全半径;取最大安全半径值最大的点为最佳落点,若最大安全半径值最大的点有两个以上,最佳落点还需满足与点云中心点在地形平面投影点的距离最近,以利探测器机动最小。
3.如权利要求2所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,对首帧进行三维体素栅格下采样;采用随机采样一致性算法提取下采样后首帧中的平面,该平面为激光雷达扫描区域的地形平面。
4.如权利要求1所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,采用k-d树最邻近欧式距离搜索法,并且设定距离阈值ε对前后帧3D SIFT特征点进行匹配。
5.如权利要求1所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,所述预处理包括无效点检测与剔除以及无效帧剔除。
6.如权利要求5所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,所述无效点检测与剔除,根据原始数据中每个点的距离测量值,剔除点云中距离无穷大、距离无穷小以及激光雷达有效作用距离外的点。
7.如权利要求5所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,所述无效帧剔除,根据激光雷达工作距离、数据率、视场角及角分辨率计算一帧点云的理论点数,取理论点数的60%为阈值,点数小于该阈值的帧视为无效帧,予以剔除。
8.如权利要求1所述的基于激光三维点云的探测器软着陆末段自主位姿估计方法,其特征在于,对点云帧序列,通过步骤3)和步骤4)得到以时间为序的Mi、ΔEui,据此可以求解速度矢量、加速度矢量、姿态角和角加速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972738.4A CN113740864B (zh) | 2021-08-24 | 2021-08-24 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972738.4A CN113740864B (zh) | 2021-08-24 | 2021-08-24 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113740864A CN113740864A (zh) | 2021-12-03 |
CN113740864B true CN113740864B (zh) | 2023-06-09 |
Family
ID=78732469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110972738.4A Active CN113740864B (zh) | 2021-08-24 | 2021-08-24 | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113740864B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140586B (zh) * | 2022-01-29 | 2022-05-17 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
CN117146829A (zh) * | 2023-10-30 | 2023-12-01 | 江苏云幕智造科技有限公司 | 基于双目与三维点云的多姿态人形机器人环境导航方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN110796728A (zh) * | 2019-09-20 | 2020-02-14 | 南京航空航天大学 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
CN111750864A (zh) * | 2020-06-30 | 2020-10-09 | 杭州海康机器人技术有限公司 | 一种基于视觉地图的重定位方法和装置 |
CN111830534A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航系统工程研究所 | 一种应用激光雷达进行最佳着陆点选取方法 |
CN112612788A (zh) * | 2020-12-11 | 2021-04-06 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
CN112762937A (zh) * | 2020-12-24 | 2021-05-07 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种基于占据栅格的2d激光序列点云配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11175146B2 (en) * | 2017-05-11 | 2021-11-16 | Anantak Robotics Inc. | Autonomously moving machine and method for operating an autonomously moving machine |
-
2021
- 2021-08-24 CN CN202110972738.4A patent/CN113740864B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN110796728A (zh) * | 2019-09-20 | 2020-02-14 | 南京航空航天大学 | 一种基于扫描式激光雷达的非合作航天器三维重建方法 |
CN111830534A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航系统工程研究所 | 一种应用激光雷达进行最佳着陆点选取方法 |
CN111750864A (zh) * | 2020-06-30 | 2020-10-09 | 杭州海康机器人技术有限公司 | 一种基于视觉地图的重定位方法和装置 |
CN112612788A (zh) * | 2020-12-11 | 2021-04-06 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
CN112762937A (zh) * | 2020-12-24 | 2021-05-07 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种基于占据栅格的2d激光序列点云配准方法 |
Non-Patent Citations (2)
Title |
---|
江秀强 ; .基于IMU/LIDAR的月面软着陆自主导航方法.导弹与航天运载技术.2013,(第04期),第56-60页. * |
田阳 ; 崔平远 ; 崔祜涛 ; .基于图像的着陆点评估及探测器运动估计方法.宇航学报.2010,第31卷(第01期),第98-103页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113740864A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389348B (zh) | 基于激光雷达与双目相机的定位与导航方法及装置 | |
CN109345588B (zh) | 一种基于Tag的六自由度姿态估计方法 | |
CN110686677B (zh) | 一种基于几何信息的全局定位方法 | |
Gui et al. | Airborne vision-based navigation method for UAV accuracy landing using infrared lamps | |
CN103954283B (zh) | 基于景象匹配/视觉里程的惯性组合导航方法 | |
US8521418B2 (en) | Generic surface feature extraction from a set of range data | |
CN113052908B (zh) | 一种基于多传感器数据融合的移动机器人位姿估计算法 | |
CN113740864B (zh) | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 | |
CN109708648B (zh) | 一种空间运动点目标的分类辨识方法 | |
CN107677274A (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN103617328A (zh) | 一种飞机三维姿态解算方法 | |
JP7173471B2 (ja) | 3次元位置推定装置及びプログラム | |
CN108225273A (zh) | 一种基于传感器先验知识的实时跑道检测方法 | |
CN117523461B (zh) | 一种基于机载单目相机的运动目标跟踪与定位方法 | |
CN112862818B (zh) | 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法 | |
Park et al. | Global map generation using LiDAR and stereo camera for initial positioning of mobile robot | |
CN112731503A (zh) | 一种基于前端紧耦合的位姿估计方法及系统 | |
Jiang et al. | Icp stereo visual odometry for wheeled vehicles based on a 1dof motion prior | |
CN116380079A (zh) | 一种融合前视声呐与orb-slam3的水下slam方法 | |
CN112862862B (zh) | 基于人工智能视觉跟踪的飞机自主受油装置及应用方法 | |
Ma et al. | A novel method for measuring drogue-UAV relative pose in autonomous aerial refueling based on monocular vision | |
JP7179687B2 (ja) | 障害物検知装置 | |
CN114049542A (zh) | 一种动态场景下基于多传感器的融合定位方法 | |
Cheng et al. | Positioning method research for unmanned aerial vehicles based on meanshift tracking algorithm | |
Atanasyan et al. | Improving self-localization using CNN-based monocular landmark detection and distance estimation in virtual testbeds |
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 |