CN113740871B - 一种在高动态环境下的激光slam方法、系统设备及存储介质 - Google Patents

一种在高动态环境下的激光slam方法、系统设备及存储介质 Download PDF

Info

Publication number
CN113740871B
CN113740871B CN202110872830.3A CN202110872830A CN113740871B CN 113740871 B CN113740871 B CN 113740871B CN 202110872830 A CN202110872830 A CN 202110872830A CN 113740871 B CN113740871 B CN 113740871B
Authority
CN
China
Prior art keywords
point cloud
slam system
slam
matching
current laser
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
Application number
CN202110872830.3A
Other languages
English (en)
Other versions
CN113740871A (zh
Inventor
孙宏滨
钱成龙
张旭翀
张敬敏
杨彦龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110872830.3A priority Critical patent/CN113740871B/zh
Priority to PCT/CN2021/118607 priority patent/WO2023004956A1/zh
Publication of CN113740871A publication Critical patent/CN113740871A/zh
Application granted granted Critical
Publication of CN113740871B publication Critical patent/CN113740871B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • 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
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种在高动态环境下的激光SLAM方法、系统设备及存储介质，包括如下过程：使用IMU的预积分里程计来获得SLAM系统的初始状态估计；分别将当前激光点云和局部点云地图按照SLAM系统的定位误差所确定的分辨率投影为距离图像；比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；将当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；判断点云匹配是否收敛；若点云匹配收敛，将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛。本发明能够同时提高动态点的去除率和SLAM的精度。

Description

一种在高动态环境下的激光SLAM方法、系统设备及存储介质
技术领域
本发明属于自动驾驶汽车技术领域，涉及一种在高动态环境下的激光SLAM方法、系统设备及存储介质。
背景技术
基于激光雷达的同步定位与地图构建(Simultaneous LocalizationAndMapping，SLAM)技术可以为没有全球导航卫星系统(Global Navigation SatelliteSystem，GNSS)或者处于GNSS信号不稳定、不可用状态下的自动驾驶汽车或移动机器人提供鲁棒的厘米级定位和高精度的点云地图。然而，现有的基于激光雷达SLAM的定位方法基本上都是基于静态环境假设，即假设环境中不存在移动的物体。但实际上，自动驾驶汽车通常工作在具有大量移动物体(如车辆、行人等)的真实环境中。由于移动物体对传感器视野的遮挡，大多数激光点将落在移动物体上而非静态环境上，此时已有基于静态环境假设的激光雷达SLAM方法将会失效。此外，在传统激光雷达SLAM方法构建点云地图的过程中，移动物体将在点云地图中留下运动重影。这些覆盖在点云地图上的运动重影轨迹会造成严重遮挡，从而大大增加在点云地图中提取道路标记、交通标志和其他关键静态特征的难度。
为了解决上述提到的问题，需要对移动的物体进行识别并去除。然而，目前现有的能够去除移动物体的激光SLAM方法都是先获得系统准确的定位信息，然后才能根据准确的定位信息来判断点云中的移动物体并将之移除。但在高动态环境下，基于静态世界假设的激光SLAM方法将会失效，从而难以获得准确的定位信息，也就无法进一步识别移动物体并将之移除。因此，已有方法在高动态环境下陷入了一个“先有鸡还是先有蛋”的问题：移动物体点云的去除依赖于精确的定位信息，但是当点云地图中包含许多移动物体时，SLAM系统无法获得精确的定位信息。上述问题使得已有的激光SLAM方法在高动态环境下难以取得很好的效果。
发明内容
本发明的目的在于解决上述现有技术中存在的问题，提供一种在高动态环境下的激光SLAM方法、系统设备及存储介质。该方法通过多步迭代先去除动态点再进行激光点云匹配这一方式来实现高动态环境下的激光SLAM定位，并生成仅包含静态环境的点云地图，显著提高建图质量与定位鲁棒性。
为了实现上述目的，本发明采用以下技术方案予以实现：
一种在高动态环境下的激光SLAM方法，包括如下过程：
初始状态估计：使用惯性测量单元(也称为IMU)的预积分里程计来获得SLAM系统的初始状态估计；
距离图像获取：分别将当前激光点云和局部点云地图按照当前SLAM系统的定位误差所动态确定的分辨率投影为距离图像；
去除代表移动物体的点：比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；
点云匹配：将去除了代表移动物体的点的当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；
收敛性判断：判断点云匹配是否收敛；
确定最终的SLAM系统的状态估计：若点云匹配收敛，则将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，则利用去除了代表移动物体的点的当前激光点云和局部点云地图重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛，得到最终的SLAM系统的状态估计。
优选的，首次进行点云匹配前的SLAM系统的定位误差为紧耦合的IMU的预积分里程计和激光雷达里程计之间的定位误差，该定位误差通过下式计算：
其中，δXk表示当前激光点云时刻通过IMU的预积分里程计获得的SLAM系统定位误差，δXk-1表示上一激光点云时刻通过IMU的预积分里程计获得的SLAM系统定位误差，表示上一时刻的SLAM系统的定位误差对时间t的导数，Δt表示当前激光点云时刻和上一激光点云时刻之间的时间间隔；经过收敛性判断且点云匹配不收敛时，重复进行上述距离图像获取的过程时，SLAM系统的定位误差由当前激光点云匹配的误差得到。
优选的，点云匹配收敛，利用去除了代表移动物体的点的当前激光点云和局部点云地图再进行一次所述距离图像获取以及去除代表移动物体的点过程，得到最终的SLAM系统的状态估计。
优选的，SLAM系统的定位误差所确定的分辨率r如下：
r＝αδp+δθ
其中，α为缩放系数，用于平衡位置误差和姿态误差对于分辨率的贡献度，一般取0.1即可，δp表示位置误差，δθ表示位姿误差。
优选的，将当前激光点云和局部点云地图按照当前SLAM系统的定位误差动态所确定的分辨率投影为距离图像时：
距离图像中的每个像素对应的是当前激光点云和局部点云地图球面坐标的角度范围大小，像素值是球心到球面扇形区域中最近激光点的距离。
优选的，比较当前激光点云和局部点云地图对应的两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点的过程包括：
将两幅距离图像逐像素相减，得到这两幅距离图像的视差图像；
当视差图像中某一像素的像素值大于阈值时，对应的当前激光点云的距离图像的像素对应的点云为动态点，将确定出的动态点从当前激光点云中去除；
当视差图像中某一像素的像素值小于阈值的相反数时，局部点云地图的距离图像的像素对应的点云为动态点，将确定出的动态点从局部点云地图中去除。
优选的，使用紧耦合的IMU的预积分里程计来获得SLAM系统的初始状态估计的过程包括：
通过对IMU的数据进行预积分得到IMU预积分里程计，使用IMU预积分里程计补偿激光雷达的运动畸变，获得SLAM系统的初始状态估计。
本发明还提供了一种在高动态环境下的激光SLAM系统，包括：
初始状态估计模块：用于使用IMU的预积分里程计来获得SLAM系统的初始状态估计；
距离图像获取模块：用于分别将当前激光点云和局部点云地图按照SLAM系统的定位误差所确定的分辨率投影为距离图像；
去除模块：用于比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；
点云匹配模块：用于将去除了代表移动物体的点的当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；
收敛性判断模块：判断点云匹配是否收敛；
最终状态估计确定模块：若点云匹配收敛，则将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，则将去除了代表移动物体的点的当前激光点云和局部点云地图发送给距离图像获取模块。
本发明还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明如上所述的在高动态环境下的激光SLAM方法。
本发明还提供了一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明如上所述的在高动态环境下的激光SLAM方法。
本发明具有以下有益效果：
本发明不依靠容易受到动态环境影响的点云匹配方法来获得当前的精确初始位姿，而是采用不受动态环境影响的IMU预积分方法来预测当前点云的位姿。这一方法使得激光SLAM系统在高动态环境下具有更高的鲁棒性和定位精度。本发明能够根据当前的定位误差动态地调整分辨率，因此能够在仅有相对粗糙的定位精度的情况下去除动态点。本发明将动态点去除和SLAM的过程结合在一起，通过多步迭代的方式进行先动态点去除再点云匹配的步骤，同时提高了动态点的去除率和SLAM的精度。
附图说明
图1为本发明激光SLAM方法的系统工作流程图；
图2为本发明中激光点云的球面坐标投影为距离图像的示意图；
图3为本发明根据定位误差的自适应分辨率曲线图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细的说明：
本发明在处理一个新获取的激光点云时，不会立即对当前激光点云与局部点云地图进行匹配以获得准确的状态估计，因为这样直接匹配的方法很容易受到动态环境的影响，导致定位不准确。相反，本发明采用以下步骤进行：
步骤1：首先使用紧耦合的惯性测量单元(IMU)的预积分里程计来获得SLAM系统的初始状态估计；
步骤2：分别将当前激光点云和局部点云地图按照SLAM系统定位误差所确定的分辨率投影为距离图像(Range Image)。并通过逐像素的比较两幅距离图像的可视性去除这两幅距离图像所对应的点云(即当前激光点云和局部点云地图)中代表移动物体的点。
步骤3：在当前激光点云和局部点云地图中代表移动物体的点去除后，将当前激光点云与局部点云地图进行一次粗略的匹配获得相对精确的SLAM系统的状态估计。
步骤4：判断此时点云匹配是否收敛。
步骤5：如果匹配收敛，步骤3得到的SLAM系统的状态估计即是最终的SLAM系统的状态估计。如果不收敛，将去除了代表移动物体的点的当前激光点云和局部点云地图重复上述步骤2和步骤3，迭代地进行动态点去除和点云匹配，最终在高动态环境中获得精确的SLAM系统定位信息和不包含移动物体的点云地图。
其中，将激光雷达最新获取的激光点云称为当前激光点云。将之前激光点云所构成的点云集合称为点云地图。将点云地图中当前SLAM系统位置周围一定范围的点云称为局部点云地图。将SLAM系统的位置和姿态称为SLAM系统的状态估计，也就是SLAM系统的定位信息。将表示移动物体的点云称为动态点。利用惯性测量单元(IMU)的数据积分得到SLAM系统连续时刻的状态估计称为IMU预积分里程计。使用和当前激光点云时间对应的预积分里程计的值作为SLAM系统的初始状态估计。
参见图1，本发明在高动态环境下的激光SLAM方法具体包括以下步骤：
S1，通过对惯性测量单元IMU的数据进行预积分得到IMU预积分里程计。然后，使用IMU预积分里程计补偿激光雷达的运动畸变并获得SLAM系统的初始状态估计。SLAM系统在第k个激光点云时刻的状态估计用Xk表示，状态估计用Xk由两部分构成，分别是位置p和姿态θ。
S2，初始投影分辨率估计：计算上一激光点云时刻，惯性测量单元IMU预积分里程计和激光雷达里程计之间的定位误差，并通过非线性系统的误差传递关系确定在当前激光点云未进行点云匹配之前估计当前激光点云时刻的SLAM系统的定位误差，所述非线性系统的误差传递关系为：其中，δXk表示当前激光点云时刻的SLAM系统定位误差，δXk-1表示上一激光点云时刻的SLAM系统定位误差，/>表示上一时刻的SLAM系统的定位误差对时间t的导数，Δt表示当前激光点云时刻和上一激光点云时刻之间的时间间隔。
新投影分辨率估计：因为此时已经进行了激光点云匹配，新的定位误差的可以由当前激光点云匹配的误差得到。
S3，使用S2中估计的当前激光点云时刻的定位误差确定投影分辨率r：r＝αδp+δθ。其中，α＝0.1，δp表示位置误差，δθ表示位姿误差。参见图2，投影分辨率即把三维点云投影为距离图像时，距离图像中的每个像素对应的点云球面坐标的角度范围大小，其中像素值是球心到球面扇形区域中最近激光点的距离。
S4，使用S3所述的方法，分别从当前激光点云和对应的局部点云地图构建距离图像。通过将局部点云地图的距离图像与当前激光点云的距离图像逐像素相减，得到两幅距离图像的视差图像。当视差图像某一像素的像素值大于阈值τ时，对应的当前激光点云的距离图像的像素对应的点云即为动态点。反之视差图像某一像素的像素值小于阈值-τ时局部点云地图的距离图像的像素对应的点云即为动态点。分别将当前激光点云和局部点云地图中找到的动态点去除。
S5，将当前激光点云和局部点云地图进行点云匹配，并判断点云匹配是否收敛。
S6，如果匹配收敛，经过图优化后，生成精细的投影分辨率。优选的，可再一次重复S4所述方法，移除当前关键帧中剩余的动态点，并得到SLAM系统最终更为准确的状态估计。
S7，,如果点云匹配失败(即点云匹配不收敛)，将生成新的粗分辨率，并重复S4-S6步骤。
S8，最后生成激光雷达里程计数据，并将其输入IMU预积分模块估计IMU的bias。完成一个循环。
参见图3，因为定位误差是时刻改变的，因此将激光点云数据投影为2D距离图像的过程中，投影分辨率根据系统当时的定位误差自适应动态调整。同时为了平衡动态点去除率和SLAM系统的实时性，本发明将预测得到的分辨率适当放大，并限制多线激光雷达每一线对应的垂直方向的视角大小为分辨率最小的截断值，得到最后用于投影的分辨率。图3中的三条曲线分别为根据真实的定位误差生成的分辨率曲线。根据上一时刻误差预测当前时刻误差生成的分辨率曲线。以及将预测分辨率曲线放大2倍并采用一个下界截断的产生的最终分辨率。

Claims (9)

1.一种在高动态环境下的激光SLAM方法，其特征在于，包括如下过程：
初始状态估计：使用惯性测量单元的预积分里程计来获得SLAM系统的初始状态估计；
距离图像获取：分别将当前激光点云和局部点云地图按照当前SLAM系统的定位误差所动态确定的分辨率投影为距离图像；
去除代表移动物体的点：比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；
点云匹配：将去除了代表移动物体的点的当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；
收敛性判断：判断点云匹配是否收敛；
确定最终的SLAM系统的状态估计：若点云匹配收敛，则将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，则利用去除了代表移动物体的点的当前激光点云和局部点云地图重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛，得到最终的SLAM系统的状态估计；
比较当前激光点云和局部点云地图对应的两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点的过程包括：
将两幅距离图像逐像素相减，得到这两幅距离图像的视差图像；
当视差图像中某一像素的像素值大于阈值时，对应的当前激光点云的距离图像的像素对应的点云为动态点，将确定出的动态点从当前激光点云中去除；
当视差图像中某一像素的像素值小于阈值的相反数时，局部点云地图的距离图像的像素对应的点云为动态点，将确定出的动态点从局部点云地图中去除。
2.根据权利要求1所述的一种在高动态环境下的激光SLAM方法，其特征在于，首次进行点云匹配前的SLAM系统的定位误差为惯性测量单元的预积分里程计和激光雷达里程计之间的定位误差，该定位误差通过下式计算：
其中，表示当前激光点云时刻通过惯性测量单元的预积分里程计获得的SLAM系统定位误差，/>表示上一激光点云时刻通过惯性测量单元的预积分里程计获得的SLAM系统定位误差，/>表示上一时刻的SLAM系统的定位误差对时间/>的导数，/>表示当前激光点云时刻和上一激光点云时刻之间的时间间隔；
经过收敛性判断且点云匹配不收敛、图重复进行所述距离图像获取时，SLAM系统的定位误差由当前激光点云匹配的误差得到。
3.根据权利要求1所述的一种在高动态环境下的激光SLAM方法，其特征在于，若点云匹配收敛，利用去除了代表移动物体的点的当前激光点云和局部点云地图再进行一次所述距离图像获取以及去除代表移动物体的点过程，得到最终的SLAM系统的状态估计。
4.根据权利要求1所述的一种在高动态环境下的激光SLAM方法，其特征在于，SLAM系统的定位误差所确定的分辨率如下：
其中，为缩放系数，/>表示位置误差，/>表示位姿误差。
5.根据权利要求1所述的一种在高动态环境下的激光SLAM方法，其特征在于，将当前激光点云和局部点云地图按照当前SLAM系统的定位误差所动态确定的分辨率投影为距离图像时：
距离图像中的每个像素对应的是当前激光点云和局部点云地图球面坐标的角度范围大小，像素值是球心到球面扇形区域中最近激光点的距离。
6.根据权利要求1所述的一种在高动态环境下的激光SLAM方法，其特征在于，使用惯性测量单元的预积分里程计来获得SLAM系统的初始状态估计的过程包括：
通过对惯性测量单元的数据进行预积分得到惯性测量单元预积分里程计，使用惯性测量单元预积分里程计补偿激光雷达的运动畸变，获得SLAM系统的初始状态估计。
7.一种在高动态环境下的激光SLAM系统，其特征在于，包括：
初始状态估计模块：用于使用惯性测量单元的预积分里程计来获得SLAM系统的初始状态估计；
距离图像获取模块：用于分别将当前激光点云和局部点云地图按照当前SLAM系统的定位误差所动态确定的分辨率投影为距离图像；
去除模块：用于比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；比较当前激光点云和局部点云地图对应的两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点的过程包括：将两幅距离图像逐像素相减，得到这两幅距离图像的视差图像；当视差图像中某一像素的像素值大于阈值时，对应的当前激光点云的距离图像的像素对应的点云为动态点，将确定出的动态点从当前激光点云中去除；当视差图像中某一像素的像素值小于阈值的相反数时，局部点云地图的距离图像的像素对应的点云为动态点，将确定出的动态点从局部点云地图中去除；
点云匹配模块：用于将去除了代表移动物体的点的当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；
收敛性判断模块：判断点云匹配是否收敛；
最终状态估计确定模块：若点云匹配收敛，则将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，则将去除了代表移动物体的点的当前激光点云和局部点云地图发送给距离图像获取模块。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任意一项所述的在高动态环境下的激光SLAM方法。
9.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的在高动态环境下的激光SLAM方法。
CN202110872830.3A 2021-07-30 2021-07-30 一种在高动态环境下的激光slam方法、系统设备及存储介质 Active CN113740871B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110872830.3A CN113740871B (zh) 2021-07-30 2021-07-30 一种在高动态环境下的激光slam方法、系统设备及存储介质
PCT/CN2021/118607 WO2023004956A1 (zh) 2021-07-30 2021-09-15 一种在高动态环境下的激光slam方法、系统设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110872830.3A CN113740871B (zh) 2021-07-30 2021-07-30 一种在高动态环境下的激光slam方法、系统设备及存储介质

Publications (2)

Publication Number Publication Date
CN113740871A CN113740871A (zh) 2021-12-03
CN113740871B true CN113740871B (zh) 2024-04-02

Family

ID=78729578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110872830.3A Active CN113740871B (zh) 2021-07-30 2021-07-30 一种在高动态环境下的激光slam方法、系统设备及存储介质

Country Status (2)

Country Link
CN (1) CN113740871B (zh)
WO (1) WO2023004956A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117804423A (zh) * 2022-09-26 2024-04-02 华为云计算技术有限公司 一种重定位方法以及装置
CN116879870A (zh) * 2023-06-08 2023-10-13 哈尔滨理工大学 一种适用于低线束3d激光雷达的动态障碍物去除方法
CN117367412B (zh) * 2023-12-07 2024-03-29 南开大学 一种融合捆集调整的紧耦合激光惯导里程计与建图方法
CN117968682B (zh) * 2024-04-01 2024-07-02 山东大学 基于多线激光雷达和惯性测量单元的动态点云去除方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020155616A1 (zh) * 2019-01-29 2020-08-06 浙江省北大信息技术高等研究院 一种基于数字视网膜的拍摄装置的定位方法
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
CN112381841A (zh) * 2020-11-27 2021-02-19 广东电网有限责任公司肇庆供电局 一种动态场景下基于gms特征匹配的语义slam方法
CN113066105A (zh) * 2021-04-02 2021-07-02 北京理工大学 激光雷达和惯性测量单元融合的定位与建图方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190346271A1 (en) * 2016-03-11 2019-11-14 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
KR20210015516A (ko) * 2019-08-02 2021-02-10 네이버랩스 주식회사 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
CN112258600A (zh) * 2020-10-19 2021-01-22 浙江大学 一种基于视觉与激光雷达的同时定位与地图构建方法
CN113008274B (zh) * 2021-03-19 2022-10-04 奥特酷智能科技(南京)有限公司 车辆初始化定位方法、系统及计算机可读介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020155616A1 (zh) * 2019-01-29 2020-08-06 浙江省北大信息技术高等研究院 一种基于数字视网膜的拍摄装置的定位方法
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
CN112381841A (zh) * 2020-11-27 2021-02-19 广东电网有限责任公司肇庆供电局 一种动态场景下基于gms特征匹配的语义slam方法
CN113066105A (zh) * 2021-04-02 2021-07-02 北京理工大学 激光雷达和惯性测量单元融合的定位与建图方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
融合激光与视觉点云信息的定位与建图方法;张伟伟;陈超;徐军;;计算机应用与软件(第07期);全文 *

Also Published As

Publication number Publication date
WO2023004956A1 (zh) 2023-02-02
CN113740871A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN113740871B (zh) 一种在高动态环境下的激光slam方法、系统设备及存储介质
CN111656136B (zh) 使用激光雷达的车辆定位系统
CN111561937B (zh) 用于精确定位的传感器融合
JP6760114B2 (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
US10762643B2 (en) Method for evaluating image data of a vehicle camera
EP3517997A1 (en) Method and system for detecting obstacles by autonomous vehicles in real-time
CN111263960B (zh) 用于更新高清晰度地图的设备和方法
CN109300143B (zh) 运动向量场的确定方法、装置、设备、存储介质和车辆
Konrad et al. Localization in digital maps for road course estimation using grid maps
CN114136315B (zh) 一种基于单目视觉辅助惯性组合导航方法及系统
CN110794828A (zh) 一种融合语义信息的路标定位方法
CN112284416A (zh) 一种自动驾驶定位信息校准装置、方法及存储介质
CN113920198A (zh) 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法
Khoshelham et al. Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry
CN113327270A (zh) 视觉惯导方法、装置、设备及计算机可读存储介质
CN116804553A (zh) 基于事件相机/imu/自然路标的里程计系统及方法
CN116883460A (zh) 一种视觉感知定位方法、装置、电子设备及存储介质
WO2022133986A1 (en) Accuracy estimation method and system
JP2022190173A (ja) 位置推定装置
US11514588B1 (en) Object localization for mapping applications using geometric computer vision techniques
JP2018194417A (ja) 位置推定装置、移動装置
Hsu et al. New integrated navigation scheme for the level 4 autonomous vehicles in dense urban areas
CN112325770B (zh) 一种车端单目视觉测量相对精度置信度评估方法及系统
CN117906624A (zh) 一种基于异源融合的车辆定位系统及方法
JP2023039626A (ja) 車載処理装置、車両制御装置、及び自己位置推定方法

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