CN113866747A - 一种多激光雷达的标定方法及装置 - Google Patents

一种多激光雷达的标定方法及装置 Download PDF

Info

Publication number
CN113866747A
CN113866747A CN202111193440.XA CN202111193440A CN113866747A CN 113866747 A CN113866747 A CN 113866747A CN 202111193440 A CN202111193440 A CN 202111193440A CN 113866747 A CN113866747 A CN 113866747A
Authority
CN
China
Prior art keywords
point cloud
laser radar
cloud data
main
lidar
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
Application number
CN202111193440.XA
Other languages
English (en)
Other versions
CN113866747B (zh
Inventor
管西强
彭为强
张云侠
刘翔鹏
安康
李一染
徐效农
宋亚庆
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.)
Shanghai Normal University
Original Assignee
Shanghai Normal 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 Shanghai Normal University filed Critical Shanghai Normal University
Priority to CN202111193440.XA priority Critical patent/CN113866747B/zh
Publication of CN113866747A publication Critical patent/CN113866747A/zh
Application granted granted Critical
Publication of CN113866747B publication Critical patent/CN113866747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种多激光雷达的标定方法，该方法包括以下步骤：步骤1：通过多激光雷达采集并获取多个激光雷达点云数据，激光雷达点云数据包括主激光雷达发射的激光光束对应的主激光雷达点云数据以及辅激光雷达发射的激光光束对应的辅激光雷达点云数据；步骤2：根据多个激光雷达点云数据在ROS终端进行联合标定，以获得每个辅激光雷达相对主激光雷达的最优旋转平移变换关系；步骤3：根据最优旋转平移变换关系将辅激光雷达点云数据旋转平移变换至主激光雷达的坐标系下，并融合所有的激光雷达点云数据；步骤4：通过ROS终端定义一个新的激光雷达坐标系，以建立高精度地图，与现有技术相比，本发明具有提高点云的密度和提高建图精度等优点。

Description

一种多激光雷达的标定方法及装置
技术领域
本发明涉及激光雷达标定技术领域，尤其是涉及一种多激光雷达的标定方法及装置。
背景技术
建立高精度地图是自动驾驶开发与使用中必不可少的一环，也是定位和导航规划的前提。良好的定位系统不仅能够有效帮助车辆完成自动驾驶功能，更能够有效提高车辆的安全性。当前，激光雷达是构建高精度地图的主要传感器。
目前自动驾驶中使用的激光雷达大都是32线、64线甚至更高的线数，高线数的激光雷达可以获取更加丰富的信息，但是高线数雷达的价格比低线数16线的雷达贵了多倍，使用高线数的雷达成本相对来说特别高，因此，采用多个低线数的激光雷达处理成为了研究热点。激光雷达外参数值，即激光雷达间的相对位置和姿态的标定对提高多激光雷达系统的数据融合精度有着重要的作用。
激光雷达的外参数的标定是指求解激光雷达测量坐标系相对于其他传感器测量坐标系的相对变换关系，即旋转平移变换矩阵。目前的激光雷达标定技术有了一定的发展，在自动驾驶技术中取得了令人满意的结果。尽管如此，当前的标定技术还有以下几点不足：
第一，现有的标定技术多是利用平面方格板或立体靶标作为几何约束求解激光雷达之间的相位置姿态，这种标定的过程由技术人员手动进行多个激光雷达的标定，但是操作者的水平不同会导致效果不稳定，降低了标定的效率。
第二，当前的多激光雷达标定通常要花费较多的时间去进行校正，自动化程度不高，不能够很快速的得到结果并运用于实际场景中，满足不了目前的感知系统对自动化程度要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多激光雷达的标定方法及装置。
本发明的目的可以通过以下技术方案来实现：
一种多激光雷达的标定方法，该方法包括以下步骤：
步骤1：通过多个激光雷达采集并获取多个激光雷达点云数据，激光雷达点云数据包括主激光雷达发射的激光光束对应的主激光雷达点云数据以及辅激光雷达发射的激光光束对应的辅激光雷达点云数据；
步骤2：根据主激光雷达点云数据和辅激光雷达点云数据在ROS终端进行联合标定，以获得每个辅激光雷达相对主激光雷达的最优旋转平移变换关系；
步骤3：根据最优旋转平移变换关系在ROS终端将辅激光雷达点云数据旋转平移变换至主激光雷达的坐标系下，并融合所有的激光雷达点云数据；
步骤4：通过ROS终端定义一个新的激光雷达坐标系，以建立高精度地图。
步骤2中，联合标定的过程具体包括以下步骤：
步骤201：将主激光雷达点云数据作为目标点云，采用正态分布函数将目标点云划分为均匀大小的立方体，获取每个立方体中主激光雷达点云数据的数量；
步骤202：将辅激光雷达点云数据作为待配准点云，输入待配准点云的初始位姿，并将其作为输入算法的初始搜索位置；
步骤203：对于主激光雷达点云数据的数量大于3的立方体，求出该立方体内主激光雷达点云数据的均值向量和协方差矩阵：
步骤204：对主激光雷达点云数据进行正态分布建模，并得到每个主激光雷达点云数据的概率密度函数；
步骤205：根据旋转平移变换矩阵S对待配准点云的每个辅激光雷达点云数据进行旋转变换，并将变换后的各个辅激光雷达点云数据分配至对应的立方体内，计算所有激光雷达点云数据的概率密度函数，并将其相加获得目标函数u；
步骤206：通过最大化目标函数获取最优旋转平移变换矩阵，即采用Hessian矩阵法得到点云概率分布函数的最小值，进而得到最优旋转平移变换矩阵；
步骤207：判断平移和旋转两个连续变换之间允许的最大差值是否达到收敛域；
步骤208：若是，则完成标定，并输出最优旋转平移变换矩阵，即辅激光雷达相对主激光雷达的最优旋转平移变换关系，若否，则返回步骤201；
步骤209：通过多激光雷达启动节点发布最优旋转平移变换关系对所有的激光雷达点云数据进行融合。
步骤203中，初始位姿为通过测量得到的对初始点云在目标点云中的位姿估计，初始点云的初始位姿为：
V0＝(x，y，z，roll，pitch，yaw)
其中，x、y和z为三维坐标，roll为滚转角，pitch为俯仰角，yaw为偏航角。
步骤203中，均值向量的表达式为：
Figure BDA0003302141210000031
其中，qj为第j个立方体的均值向量，n为第j个立方体中主激光雷达点云数据的数量，pi为第j个立方体的第i个主激光雷达点云数据。
步骤203中，协方差矩阵的表达式为：
Figure BDA0003302141210000032
其中，∑j为第j个立方体的协方差矩阵，qj为第j个立方体的均值向量，T表示矩阵的转置。
步骤204中，每个主激光雷达点云数据的概率密度函数的表达式为：
Figure BDA0003302141210000033
其中，f(pi)为第i个主激光雷达点云数据的概率密度函数，qj为第j个立方体的均值向量，pi为第j个立方体的第i个主激光雷达点云数据，p-i为不包括第i个主激光雷达点云数据的其他主激光雷达点云数据，n为第j个立方体中主激光雷达点云数据的数量，(·)-1表示求逆。
步骤205中，目标函数u的表达式为：
Figure BDA0003302141210000041
Figure BDA0003302141210000042
其中，m′k为待配准点云中旋转平移后的第k个辅激光雷达点云数据，m′-k为不包括旋转平移后的第k个辅激光雷达点云数据的其他旋转平移后的辅激光雷达点云数据，w为辅激光雷达点云数据的数量，u为目标函数，表示旋转平移变换矩阵S的评分。
步骤3中，获取最优旋转平移变换关系具体为求解多激光雷达的外参变换参数值，即激光雷达间的相对位置和姿态的标定。
该标定方法在个人PC机或工控机中运行。
一种多激光雷达的标定方法的标定装置，该装置包括安装在移动平台上的主激光雷达、多个辅激光雷达和ROS终端。
与现有技术相比，本发明具有以下优点：
一、本发明采用的一种多激光雷达的自动标定方法，减少了传统手工测量的不稳定和标定物获取的繁琐步骤，增加了标定的稳定性，节约了开发的成本；
二、本发明能够方便快速地进行多激光雷达标定，在结构化场景和非结构化场景下都能够取得准确度高的标定结果，且能够在短时间内获得最佳的标定结果，增加了标定的自动化程度；
三、在大尺寸地图下进行立方体的划分会造成内存占用偏高，计算量增大，导致无法满足实时性的要求，本发明在代码层面调整了立方体的大小，能够更好的进行划分；
四、本发明的初始位姿是对初始点云在目标点云中的位姿估计，这个位姿能够通过目测或者手工粗略测量得到，给一个初始位姿可以方便算法更加快速的达到收敛，且初始位姿的误差对最后的标定结果影响较小。
附图说明
图1为本发明的装置示意图；
图2为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本发明提供了一种多激光雷达的标定方法，该方法包括以下步骤：
步骤1：将多个激光雷达放置在移动平台上，在结构化环境或非结构化场景下启动多激光雷达的节点，采集并获取多个激光雷达点云数据，激光雷达点云数据包括主激光雷达发射的激光光束对应的主激光雷达点云数据以及辅激光雷达发射的激光光束对应的辅激光雷达点云数据；
步骤2：根据主激光雷达点云数据和辅激光雷达点云数据在ROS终端进行联合标定，以获得每个辅激光雷达相对主激光雷达的最优旋转平移变换关系；
步骤3：根据最优旋转平移变换关系(最优TF变换关系)在ROS终端将辅激光雷达点云数据旋转平移变换至主激光雷达的坐标系下，并融合激光雷达点云数据；
步骤4：通过ROS终端定义一个新的激光雷达坐标系，以建立高精度地图。
在步骤2中，联合标定的过程具体包括以下步骤：
步骤201：将主激光雷达点云数据作为目标点云，采用正态分布函数将目标点云划分为均匀大小的立方体，获取每个立方体中主激光雷达点云数据的数量；
步骤202：将激光雷达点云数据作为待配准点云，输入待配准点云的初始位姿(x，y，z，roll，pitch，yaw)，x、y和z为三维坐标，roll为滚转角，pitch为俯仰角，yaw为偏航角，并将其作为输入算法的初始搜索位置；
步骤203：对于主激光雷达点云数据的数量大于3的立方体，计算其均值向量和协方差矩阵：
Figure BDA0003302141210000051
Figure BDA0003302141210000061
其中，qj为第j个立方体的均值向量，n为第j个立方体中主激光雷达点云数据的数量，pi为第j个立方体的第i个主激光雷达点云数据，∑j为第j个立方体的协方差矩阵，qj为第j个立方体的均值向量，T表示矩阵的转置；
步骤204：对主激光雷达点云数据进行正态分布建模，并得到每个主激光雷达点云数据的概率密度函数：
Figure BDA0003302141210000062
其中，f(pi)为第i个主激光雷达点云数据的概率密度函数，qj为第j个立方体的均值向量，pi为第j个立方体的第i个主激光雷达点云数据，p-i为不包括第i个主激光雷达点云数据的其他主激光雷达点云数据，n为第j个立方体中主激光雷达点云数据的数量，(·)-1表示求逆；
步骤205：根据旋转平移变换矩阵S对待配准点云的每个辅激光雷达点云数据进行旋转变换，并将变换后的各个辅激光雷达点云数据分配至对应的立方体内，计算所有激光雷达点云数据的概率密度函数，并将其相加获得目标函数u：
Figure BDA0003302141210000063
Figure BDA0003302141210000064
其中，m′k为待配准点云中旋转平移后的第k个辅激光雷达点云数据，m′-k为不包括旋转平移后的第k个辅激光雷达点云数据的其他旋转平移后的辅激光雷达点云数据，w为辅激光雷达点云数据的数量，u为目标函数，表示相对变换矩阵T的评分；
步骤206：通过最大化目标函数获取最优旋转平移变换矩阵，即采用Hessian矩阵法得到点云概率分布函数的最小值，从而得出最优旋转平移变换矩阵；
步骤207：判断平移和旋转两个连续变换之间允许的最大差值是否达到收敛域；
步骤208：若是，则完成标定，并输出最优旋转平移变换矩阵，即辅激光雷达相对主激光雷达的最优旋转平移变换关系，若否，则返回步骤201；
步骤209：通过多激光雷达启动节点发布最优旋转平移变换关系对所有的激光雷达点云数据进行融合。
为了验证本发明的标定方法的有效性，本实施例在不同的环境下进行标定实验，通过记录多组外参数据对比外参波动的大小进行验证，从表1的几组激光雷达外参标定数据结果能够看出，多激光雷达的外参变换参数在三个平移方向(x，y，z)上的波动值均能够稳定在2cm以内，旋转变换量的波动范围在0.1弧度内，可见外参的标定结果是有效的，能够达到多雷达感知系统的要求。
表1多激光雷达的外参变换参数标定实验数据
环境 x y z row pitch yaw
1 -0.151658 -0.0404174 -0.151252 3.13662 -2.87082 -3.12962
2 -0.15047 -0.0348107 -0.157695 3.13539 -2.86852 -3.12398
3 -0.151828 -0.0201602 -0.179525 3.13337 -2.91636 -3.12885
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多激光雷达的标定方法，其特征在于，该方法包括以下步骤：
步骤1：通过多个激光雷达采集并获取多个激光雷达点云数据，激光雷达点云数据包括主激光雷达发射的激光光束对应的主激光雷达点云数据以及辅激光雷达发射的激光光束对应的辅激光雷达点云数据；
步骤2：根据主激光雷达点云数据和辅激光雷达点云数据在ROS终端进行联合标定，以获得每个辅激光雷达相对主激光雷达的最优旋转平移变换关系；
步骤3：根据最优旋转平移变换关系在ROS终端将辅激光雷达点云数据旋转平移变换至主激光雷达的坐标系下，并融合所有的激光雷达点云数据；
步骤4：通过ROS终端定义一个新的激光雷达坐标系，以建立高精度地图。
2.根据权利要求1所述的一种多激光雷达的标定方法，其特征在于，所述的步骤2中，联合标定的过程具体包括以下步骤：
步骤201：将主激光雷达点云数据作为目标点云，采用正态分布函数将目标点云划分为均匀大小的立方体，获取每个立方体中主激光雷达点云数据的数量；
步骤202：将辅激光雷达点云数据作为待配准点云，输入待配准点云的初始位姿，并将其作为输入算法的初始搜索位置；
步骤203：对于主激光雷达点云数据的数量大于3的立方体，求出该立方体内主激光雷达点云数据的均值向量和协方差矩阵；
步骤204：对主激光雷达点云数据进行正态分布建模，并得到每个主激光雷达点云数据的概率密度函数；
步骤205：根据旋转平移变换矩阵S对待配准点云的每个辅激光雷达点云数据进行旋转变换，并将变换后的各个辅激光雷达点云数据分配至对应的立方体内，计算所有激光雷达点云数据的概率密度函数，并将其相加获得目标函数u；
步骤206：通过最大化目标函数获取最优旋转平移变换矩阵，即采用Hessian矩阵法得到点云概率分布函数的最小值，进而得到最优旋转平移变换矩阵；
步骤207：判断平移和旋转两个连续变换之间允许的最大差值是否达到收敛域；
步骤208：若是，则完成标定，并输出最优旋转平移变换矩阵，即辅激光雷达相对主激光雷达的最优旋转平移变换关系，若否，则返回步骤201；
步骤209：通过多激光雷达启动节点发布最优旋转平移变换关系对所有的激光雷达点云数据进行融合。
3.根据权利要求2所述的一种多激光雷达的标定方法，其特征在于，所述的步骤203中，初始位姿为通过测量得到的对初始点云在目标点云中的位姿估计，初始点云的初始位姿为：
V0＝(x，y，z，roll，pitch，yaw)
其中，x、y和z为三维坐标，roll为滚转角，pitch为俯仰角，yaw为偏航角。
4.根据权利要求2所述的一种多激光雷达的标定方法，其特征在于，所述的步骤203中，均值向量的表达式为：
Figure FDA0003302141200000021
其中，qj为第j个立方体的均值向量，n为第j个立方体中主激光雷达点云数据的数量，pi为第j个立方体的第i个主激光雷达点云数据。
5.根据权利要求4所述的一种多激光雷达的标定方法，其特征在于，所述的步骤203中，协方差矩阵的表达式为：
Figure FDA0003302141200000022
其中，∑j为第j个立方体的协方差矩阵，qj为第j个立方体的均值向量，T表示矩阵的转置。
6.根据权利要求5所述的一种多激光雷达的标定方法，其特征在于，所述的步骤204中，每个主激光雷达点云数据的概率密度函数的表达式为：
Figure FDA0003302141200000023
其中，f(pi)为第i个主激光雷达点云数据的概率密度函数，qj为第j个立方体的均值向量，pi为第j个立方体的第i个主激光雷达点云数据，p-i为不包括第i个主激光雷达点云数据的其他主激光雷达点云数据，n为第j个立方体中主激光雷达点云数据的数量，(·)-1表示求逆。
7.根据权利要求6所述的一种多激光雷达的标定方法，其特征在于，所述的步骤205中，目标函数u的表达式为：
Figure FDA0003302141200000031
其中，m′k为待配准点云中旋转平移后的第k个辅激光雷达点云数据，m′-k为不包括旋转平移后的第k个辅激光雷达点云数据的其他旋转平移后的辅激光雷达点云数据，w为辅激光雷达点云数据的数量，u为目标函数，表示旋转平移变换矩阵S的评分。
8.根据权利要求1所述的一种多激光雷达的标定方法，其特征在于，所述的步骤3中，获取最优旋转平移变换关系具体为求解多激光雷达的外参变换参数值，即激光雷达间的相对位置和姿态的标定。
9.根据权利要求1～8任一项所述的一种多激光雷达的标定方法，其特征在于，该标定方法在个人PC机或工控机中运行。
10.一种实现如权利要求1～8任一项所述的多激光雷达的标定方法的标定装置，其特征在于，该装置包括安装在移动平台上的主激光雷达、多个辅激光雷达和ROS终端。
CN202111193440.XA 2021-10-13 2021-10-13 一种多激光雷达的标定方法及装置 Active CN113866747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111193440.XA CN113866747B (zh) 2021-10-13 2021-10-13 一种多激光雷达的标定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111193440.XA CN113866747B (zh) 2021-10-13 2021-10-13 一种多激光雷达的标定方法及装置

Publications (2)

Publication Number Publication Date
CN113866747A true CN113866747A (zh) 2021-12-31
CN113866747B CN113866747B (zh) 2023-10-27

Family

ID=78999176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111193440.XA Active CN113866747B (zh) 2021-10-13 2021-10-13 一种多激光雷达的标定方法及装置

Country Status (1)

Country Link
CN (1) CN113866747B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114646932A (zh) * 2022-05-23 2022-06-21 深圳元戎启行科技有限公司 基于外置雷达的雷达外参标定方法、装置和计算机设备
CN115184909A (zh) * 2022-07-11 2022-10-14 中国人民解放军国防科技大学 一种基于目标检测的车载多谱系激光雷达标定系统与方法
CN115236690A (zh) * 2022-09-20 2022-10-25 图达通智能科技(武汉)有限公司 用于激光雷达系统的数据融合方法、装置及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110658530A (zh) * 2019-08-01 2020-01-07 北京联合大学 一种基于双激光雷达数据融合的地图构建方法、系统及地图
CN111090084A (zh) * 2018-10-24 2020-05-01 舜宇光学（浙江）研究院有限公司 多激光雷达外参标定方法、标定装置、标定系统和电子设备
US20210103040A1 (en) * 2019-10-02 2021-04-08 Korea University Research And Business Foundation EXTRINSIC CALIBRATION METHOD OF MULTIPLE 3D LiDAR SENSORS FOR AUTONOMOUS NAVIGATION SYSTEM
CN112731358A (zh) * 2021-01-08 2021-04-30 奥特酷智能科技(南京)有限公司 一种多激光雷达外参在线标定方法
CN112965047A (zh) * 2021-02-01 2021-06-15 中国重汽集团济南动力有限公司 一种车辆多激光雷达标定方法、系统、终端及存储介质
CN112965049A (zh) * 2021-03-29 2021-06-15 的卢技术有限公司 一种多固态激光雷达的外参标定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111090084A (zh) * 2018-10-24 2020-05-01 舜宇光学（浙江）研究院有限公司 多激光雷达外参标定方法、标定装置、标定系统和电子设备
CN110658530A (zh) * 2019-08-01 2020-01-07 北京联合大学 一种基于双激光雷达数据融合的地图构建方法、系统及地图
US20210103040A1 (en) * 2019-10-02 2021-04-08 Korea University Research And Business Foundation EXTRINSIC CALIBRATION METHOD OF MULTIPLE 3D LiDAR SENSORS FOR AUTONOMOUS NAVIGATION SYSTEM
CN112731358A (zh) * 2021-01-08 2021-04-30 奥特酷智能科技(南京)有限公司 一种多激光雷达外参在线标定方法
CN112965047A (zh) * 2021-02-01 2021-06-15 中国重汽集团济南动力有限公司 一种车辆多激光雷达标定方法、系统、终端及存储介质
CN112965049A (zh) * 2021-03-29 2021-06-15 的卢技术有限公司 一种多固态激光雷达的外参标定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHIA-LE LEE: "Extrinsic and Temporal Calibration of Automotive Radar and 3D LiDAR", 2020 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS) *
吴环宇: "基于激光雷达的智能车辆三维地图构建和定位算法研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 2 *
孙宇: "面向自动驾驶的户外点云特征提取及定位技术研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, pages 2 *
林辉: "基于车载多激光雷达的地图构建与障碍物检测", 中国硕士学位论文全文数据库 信息科技 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114646932A (zh) * 2022-05-23 2022-06-21 深圳元戎启行科技有限公司 基于外置雷达的雷达外参标定方法、装置和计算机设备
CN115184909A (zh) * 2022-07-11 2022-10-14 中国人民解放军国防科技大学 一种基于目标检测的车载多谱系激光雷达标定系统与方法
CN115236690A (zh) * 2022-09-20 2022-10-25 图达通智能科技(武汉)有限公司 用于激光雷达系统的数据融合方法、装置及可读存储介质
CN115236690B (zh) * 2022-09-20 2023-02-10 图达通智能科技(武汉)有限公司 用于激光雷达系统的数据融合方法、装置及可读存储介质

Also Published As

Publication number Publication date
CN113866747B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN113866747B (zh) 一种多激光雷达的标定方法及装置
CN110927740B (zh) 一种移动机器人定位方法
CN111427026B (zh) 激光雷达的标定方法、装置、存储介质及自移动设备
CN110609290B (zh) 激光雷达匹配定位方法及装置
CN111765884B (zh) 机器人重定位方法、装置、电子设备及存储介质
CN107315171B (zh) 一种雷达组网目标状态与系统误差联合估计算法
CN109163675B (zh) 一种基于激光跟踪仪检测角摆轴位置精度的方法
CN107330927B (zh) 机载可见光图像定位方法
CN112132875B (zh) 一种基于面特征的多平台点云匹配方法
CN112154429B (zh) 高精度地图定位方法、系统、平台及计算机可读存储介质
CN111678516B (zh) 一种基于激光雷达的有界区域快速全局定位方法
CN112085843B (zh) 一种隧道类目标特征实时提取及测量方法和装置
CN111820545A (zh) 一种结合离线与在线扫描自动生成鞋底喷胶轨迹的方法
CN114398455B (zh) 异构多机器人协同slam地图融合方法
CN112147598A (zh) 一种基于直角墙面的激光标定方法
CN117788529B (zh) 三维平面点云粗配准方法、系统、介质及设备
CN105574884A (zh) 一种医疗机器人dh参数标定方法
CN113420384B (zh) 轮毂打磨轨迹的生成方法及装置
CN114510068A (zh) 一种基于信息融合的多无人机协同态势感知方法及系统
CN112154355B (zh) 高精度地图定位方法、系统、平台及计算机可读存储介质
CN112180396B (zh) 一种激光雷达定位及地图创建方法
CN111735443B (zh) 一种基于赋值矩阵的密集目标航迹关联方法
CN117572395A (zh) 一种车载激光雷达的外参标定方法、装置、设备及介质
JP4217251B2 (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN111366921A (zh) 基于距离加权融合的双站雷达交叉定位方法、系统及介质

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