CN113884093A - Agv建图和定位的方法、系统、装置及计算机可读存储介质 - Google Patents
Agv建图和定位的方法、系统、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113884093A CN113884093A CN202010634647.5A CN202010634647A CN113884093A CN 113884093 A CN113884093 A CN 113884093A CN 202010634647 A CN202010634647 A CN 202010634647A CN 113884093 A CN113884093 A CN 113884093A
- Authority
- CN
- China
- Prior art keywords
- landmark
- mapping
- agv
- information
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01C21/20—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
-
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了AGV建图和定位的方法、系统、装置及计算机可读存储介质,其中AGV建图和定位的方法,包括以下步骤:S1、获取环境信息和机器人位姿信息;S2、根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;S3、通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;S4、根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;S5、判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。本AGV建图和定位的方法、系统、装置及计算机可读存储介质,能够提高定位精度。
Description
技术领域
本发明涉及AGV定位技术领域,尤其涉及AGV建图和定位的方法、系统、装置及计算机可读存储介质。
背景技术
自主移动机器人的同步定位与地图构建(simultaneouslocalizationandmapping,SLAM)问题可描述为:在未知环境中,移动机器人通过机载环境感测传感器(如里程计、视觉环境感测传感器、超声波及激光等)来感知环境信息,逐步构建周围环境地图,同时运用此地图对其位置和姿态进行估计。该问题一直是移动机器人研究领域的热点和难点,被认为是能否真正实现机器人自主导航的关键问题,具有广阔的应用前景。
现有的地图构建方法主要是基于栅格的地图,这种方法也称作占有格(证据格)地图。对于栅格地图,整个环境被分割成一定大小的栅格,每一个栅格赋以一个值,表示这个单元格被占的概率。每个单元格代表一个正方形的区块,用一个在(0,1)范围内的值来指示这个区块被占有的概率,表明它所对应的物理位置是否有障碍物存在。占有格地图清楚地表明某个区块是障碍区块,还是自由空间。被占的栅格赋值,自由空间赋值。对于的栅格地图,每一个栅格赋以一个值,表示这个单元格的高度信息。
在栅格化地图时,引入的离散误差问题,会影响定位精度。
发明内容
有鉴于此,本发明要解决的技术问题是提供AGV建图和定位的方法、系统、装置及计算机可读存储介质,能够提高定位精度。
本发明的技术方案是这样实现的:
一种AGV建图和定位的方法,包括以下步骤:
S1、获取环境信息和机器人位姿信息;
S2、根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
S3、通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
S4、根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
S5、判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
优选的,所述机器人位姿信息通过里程计获取,包括速度和角速度信息;
根据里程计信息可以得到系统的控制量u;机器人的运动方程表示为
控制误差表示为δu,则由其引起的状态误差和协方差分别表示为
其中
当里程计返回的信息时机器人的速度v和角速度ω时,控制量表示为
此时的控制方程形式为
当里程计返回的是采样间隔内的位姿变化时,控制量表示为
其中δrot1为第一次旋转角度,δtrans为平移距离,δrot2为第二次旋转角度,则控制方程可表示为:
根据控制量的误差δu,代入式(5),得到状态量的控制误差;
求解控制误差:
运动方程的控制量采用了式(6),使用差速模型对里程计数据进行转化,再求解控制误差;
式(6)的形式为:
δx,δy,δθ分别表示里程计速度的变化量,用差速模型可以表示为
根据误差传递公式,由δsr,δsl的协方差矩阵得到控制量的协方差矩阵;求解时需要式(8)和(9)的雅可比矩阵,分别为:
和
控制量的协方差矩阵可以表示为
优选的,通过激光数据筛选所述环境信息中的特征,得到所述特征的位置包括:
读取数据;
降噪并进行区域分割;
初步获取直线特征;
直线聚类合并筛选;
坐标转换;
得到直线特征。
优选的,所述区域分割采用欧式距离,激光点之间的距离阈值自适应,该阈值公式为
dpoint=2rsin(α/2)ε (14)
其中r为激光束测得的距离,α为激光的角分辨率,ε为放大因子。
优选的,所述直线聚类分两步进行,
A根据方向分类,找出接近平行的各组线段
B根据各集合中的线段距离判断能否合并为一条直线
聚类后的单个集合拟合出一条直线,得到最终的线段特征。
所述S4具体包括:
运动方程和测量方程的线性化,以及状态量的矩阵化表示;卡尔曼滤波算法对状态量和协方差的更新计算;
Kt为卡尔曼增益(KalmanGain),Ht是测量系统的参数,zt是t时刻的激光传感器观测到的地标位置,Qt为噪声协方差。
优选的,采用马氏距离判断所述新地标位置是否与已有的地标相匹配;
预设马氏距离的阈值,当前观测到的线段和已有地标线段的马氏距离大于预设的阈值,判定发现新地标。
本发明还提出了AGV建图和定位的系统,包括:
数据获取模块,用于获取环境信息和机器人位姿信息;
里程计预测信息模块,用于根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
激光数据处理模块,用于通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
EKF算法模块;用于根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
地标处理模块;用于判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
本发明还提出了AGV建图和定位装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1-7任一项所述的AGV建图和定位方法。
本发明还提出了计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求17任一项所述的AGV建图和定位方法。
本发明提出的AGV建图和定位的方法、系统及计算机可读存储介质,使用扩展卡尔曼滤波(EKF)算法实现AGV行进过程中的建图和定位计算。该算法直接以环境特征的位置信息作为观测量,只要观测精度足够,就能得到准确的观测信息,不存在栅格化地图中引入的离散误差问题,可以在得到较高的定位精度的同时降低计算量。
附图说明
图1为本发明实施例提出的AGV建图和定位的方法流程图;
图2为本发明AGV建图和定位系统的结构框图;
图3为δ的含义图;
图4为0.5度的激光分辨率扫描的散点图;
图5为0.5度激光提取的直线特征图;
图6为0.25度激光提取的直线特征图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提出了一种AGV建图和定位的方法,包括以下步骤:
S101、获取环境信息和机器人位姿信息;
S102、根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
S103、通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
S104、根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
S105、判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
可见,本发明提出的AGV建图和定位的方法、系统及计算机可读存储介质,使用扩展卡尔曼滤波(EKF)算法实现AGV行进过程中的建图和定位计算。该算法直接以环境特征的位置信息作为观测量,只要观测精度足够,就能得到准确的观测信息,不存在栅格化地图中引入的离散误差问题,可以在得到较高的定位精度的同时降低计算量。
本发明实施例具体实施如下:
实现过程:
(1)数据获取
对激光传感器和里程计的数据获取均采用了线程获取的方法,即给激光传感器和里程计分别分配一个线程用来读取数据,当算法需要获取数据计算时,再从线程中把数据读取出来。
(2)里程计信息处理
获取里程计速度和角速度信息,得到的运动信息。
根据里程计信息可以得到系统的控制量u。机器人的运动方程可以表示为
控制误差表示为δu,则由其引起的状态误差和协方差可分别表示为
其中
当里程计返回的信息时车体的速度v和角速度ω时,控制量可以表示为
此时的控制方程形式为
看以看到此时位姿是三维的,而控制方程是二维的,在计算状态误差时通常需要
给θ额外加一个角度。
当里程计返回的是采样间隔内的位姿变化时,控制量可以表示为
其中的三个δ的含义如图3所示,δrot1为第一次旋转角度,δtrans为平移距离,δrot2为第二次旋转角度,则控制方程可表示为:
根据控制量的误差δu,代入式(5),可以得到状态量的控制误差。
控制误差的求解:
运动方程的控制量采用了式(6),使用差速模型对里程计数据进行转化,进而再求解控制误差。
式6的具体形式为:
δx,δy,δθ分别表示里程计速度的变化量,用差速模型可以表示为
根据误差传递公式,可由δsr,δsl的协方差矩阵得到控制量的协方差矩阵。求解时需要式(8)和(9)的雅可比矩阵,分别为:
和
控制量的协方差矩阵可以表示为
(3)激光数据处理
通过激光数据筛选出环境中的特征,并得到这些特征的位置和误差信息,对二维激光目前的地标特征主要为直线特征,此外还有角特征,弧线特征等,必要时可加入反光板作为地标特征。
目前使用一帧激光数据直接进行处理,提取特征。降噪采用均值滤波。
区域分割采用欧式距离,激光点之间的距离阈值自适应,该阈值公式为
dpoint=2rsin(α/2)ε (14)
其中r为激光束测得的距离,α为激光的角分辨率,ε为放大因子,一般大于1,小于2即可。
分割得到的子区域需要进行初步计算,找出包含的直线数目,采用了Douglas-
Peucker算法,该算法先找出了属于同一直线的散点,对各组散点可使用最小二乘算法进行直线拟合。初步得到的直线存在交叠的情况,需要进一步聚类。直线聚类分两步进行,
(1)根据方向分类,找出接近平行的各组线段
(2)根据各集合中的线段距离判断能否合并为一条直线
聚类后的单个集合可以拟合出一条直线,即为最终的线段特征。
得到的线段特征可以求出其中点在全局坐标系下的位置矢量,该矢量即为线段的观测量。
直线特征实验及结果如图4-图6。
读取了激光头的扫描数据,并进行处理。图4显示了0.5度的激光分辨率扫描的散点。图5为0.5度激光提取的直线特征。图6为0.25度激光提取的直线特征。图中标注了各个直线的拟合优度显示了在两种扫描分辨率下的处理结果。可以看到在相同的环境和扫描位置下,密集的扫描更能有效的提取出环境的特征。
(4)EKFSLAM(基于扩展卡尔曼滤波的SLAM)算法
该模块主要包含两部分:第一部分是运动方程和测量方程的线性化,以及状态量的矩阵化表示;第二部分是卡尔曼滤波算法对状态量和协方差的更新计算。
Kt为卡尔曼增益(KalmanGain),Ht是测量系统的参数,zt是t时刻的激光传感器观测到的地标位置,Qt为噪声协方差,
(5)新地标识别模块模块
该模块将会判定当前估计得到的最优地标位置是否和已有的地标相匹配。对于新地标的识别目前采用马氏距离作为判据。给定一个马氏距离的阈值,当前观测到的线段和已有地标线段的马氏距离大于给定的阈值,就可以判定发现了新地标。
如图2所示,本发明实施例还提出了一种AGV建图和定位的系统,包括:
数据获取模块21,用于获取环境信息和机器人位姿信息;
里程计预测信息模块22,用于根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
激光数据处理模块23,用于通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
EKF算法模块24;用于根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
地标处理模块25;用于判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
本发明还提出了AGV建图和定位装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如上述所述的AGV建图和定位方法。
本发明还提出了计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上述所述的AGV建图和定位方法。
本发明提出的AGV建图和定位的方法、系统及计算机可读存储介质,使用扩展卡尔曼滤波(EKF)算法实现AGV行进过程中的建图和定位计算。该算法直接以环境特征的位置信息作为观测量,只要观测精度足够,就能得到准确的观测信息,不存在栅格化地图中引入的离散误差问题,可以在得到较高的定位精度的同时降低计算量。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solidstatedisk,SSD))等。最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种AGV建图和定位的方法,其特征在于,包括以下步骤:
S1、获取环境信息和机器人位姿信息;
S2、根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
S3、通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
S4、根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
S5、判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
2.如权利要求1所述的AGV建图和定位的方法,其特征在于,所述机器人位姿信息通过里程计获取,包括速度和角速度信息。
3.如权利要求1所述的AGV建图和定位的方法,其特征在于,通过激光数据筛选所述环境信息中的特征,得到所述特征的位置包括:
读取数据;
降噪并进行区域分割;
初步获取直线特征;
直线聚类合并筛选;
坐标转换;
得到直线特征。
4.如权利要求3所述的AGV建图和定位的方法,其特征在于,所述区域分割采用欧式距离,激光点之间的距离阈值自适应,该阈值公式为
dpoint=2r sin(α/2)ε
其中r为激光束测得的距离,α为激光的角分辨率,ε为放大因子。
5.如权利要求4所述的AGV建图和定位的方法,其特征在于,所述直线聚类分两步进行,
A根据方向分类,找出接近平行的各组线段
B根据各集合中的线段距离判断能否合并为一条直线
聚类后的单个集合拟合出一条直线,得到最终的线段特征。
7.如权利要求1所述的AGV建图和定位的方法,其特征在于,采用马氏距离判断所述新地标位置是否与已有的地标相匹配;
预设马氏距离的阈值,当前观测到的线段和已有地标线段的马氏距离大于预设的阈值,判定发现新地标。
8.AGV建图和定位的系统,其特征在于,包括:
数据获取模块,用于获取环境信息和机器人位姿信息;
里程计预测信息模块,用于根据机器人位姿信息,计算新地标的期望位置,得到控制量和控制误差;
激光数据处理模块,用于通过激光数据筛选所述环境信息中的特征,得到所述特征的位置;
EKF算法模块;用于根据所述期望位置和所述特征的位置,得到基于机器人当前位置最优的新地标位置;
地标处理模块;用于判断所述新地标位置是否与已有的地标相匹配,如果新地标位置未在地图中出现过,地标建立;如果新地标位置已经在地图中出现过,更新地图。
9.AGV建图和定位装置,其特征在于,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1-7任一项所述的AGV建图和定位方法。
10.计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求17任一项所述的AGV建图和定位方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010634647.5A CN113884093A (zh) | 2020-07-02 | 2020-07-02 | Agv建图和定位的方法、系统、装置及计算机可读存储介质 |
PCT/CN2020/123545 WO2022000882A1 (zh) | 2020-07-02 | 2020-10-26 | Agv建图和定位的方法、系统、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010634647.5A CN113884093A (zh) | 2020-07-02 | 2020-07-02 | Agv建图和定位的方法、系统、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113884093A true CN113884093A (zh) | 2022-01-04 |
Family
ID=79012778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010634647.5A Pending CN113884093A (zh) | 2020-07-02 | 2020-07-02 | Agv建图和定位的方法、系统、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113884093A (zh) |
WO (1) | WO2022000882A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106502253A (zh) * | 2016-12-22 | 2017-03-15 | 深圳乐行天下科技有限公司 | 一种移动装置全自主建图方法及装置 |
CN106843222A (zh) * | 2017-03-13 | 2017-06-13 | 苏州艾吉威机器人有限公司 | 一种局部铺反射板的激光导航agv系统 |
CN110163963A (zh) * | 2019-04-12 | 2019-08-23 | 南京华捷艾米软件科技有限公司 | 一种基于slam的建图装置和建图方法 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
CN110866927A (zh) * | 2019-11-21 | 2020-03-06 | 哈尔滨工业大学 | 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法 |
CN111220153A (zh) * | 2020-01-15 | 2020-06-02 | 西安交通大学 | 基于视觉拓扑节点和惯性导航的定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10055195A1 (de) * | 2000-11-07 | 2002-05-08 | Bosch Gmbh Robert | Verfahren zur Erstellung von ein Objekt geografisch eindeutig referenzierender Appendices |
CN109885049B (zh) * | 2019-02-12 | 2021-06-04 | 北京航空航天大学 | 一种基于航位推算的激光导引agv自动建图和路径匹配方法 |
CN109917790A (zh) * | 2019-03-21 | 2019-06-21 | 上海赛摩物流科技有限公司 | 一种自主导引车辆及其行驶控制方法和控制装置 |
CN110530372B (zh) * | 2019-09-26 | 2021-06-22 | 上海商汤智能科技有限公司 | 定位方法、路径确定方法、装置、机器人及存储介质 |
-
2020
- 2020-07-02 CN CN202010634647.5A patent/CN113884093A/zh active Pending
- 2020-10-26 WO PCT/CN2020/123545 patent/WO2022000882A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106502253A (zh) * | 2016-12-22 | 2017-03-15 | 深圳乐行天下科技有限公司 | 一种移动装置全自主建图方法及装置 |
CN106843222A (zh) * | 2017-03-13 | 2017-06-13 | 苏州艾吉威机器人有限公司 | 一种局部铺反射板的激光导航agv系统 |
CN110163963A (zh) * | 2019-04-12 | 2019-08-23 | 南京华捷艾米软件科技有限公司 | 一种基于slam的建图装置和建图方法 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
CN110866927A (zh) * | 2019-11-21 | 2020-03-06 | 哈尔滨工业大学 | 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法 |
CN111220153A (zh) * | 2020-01-15 | 2020-06-02 | 西安交通大学 | 基于视觉拓扑节点和惯性导航的定位方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022000882A1 (zh) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5677836A (en) | Method for producing a cellularly structured environment map of a self-propelled, mobile unit that orients itself in the environment at least with the assistance of sensors based on wave refection | |
CN110554376A (zh) | 用于运载工具的雷达测程法 | |
CN112363158B (zh) | 机器人的位姿估计方法、机器人和计算机存储介质 | |
CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN113781582A (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
US20200271787A1 (en) | Grid occupancy mapping using error range distribution | |
CN114140761A (zh) | 点云配准方法、装置、计算机设备和存储介质 | |
KR20170088583A (ko) | 이동 로봇의 위치 인식 및 지도 작성 시스템 및 방법 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
WO2008009966A2 (en) | Determining the location of a vehicle on a map | |
CN110160528B (zh) | 一种基于角度特征识别的移动装置位姿定位方法 | |
CN114004869A (zh) | 一种基于3d点云配准的定位方法 | |
US20230251097A1 (en) | Efficient map matching method for autonomous driving and apparatus thereof | |
JP2017526083A (ja) | 位置特定およびマッピングの装置ならびに方法 | |
CN110736456A (zh) | 稀疏环境下基于特征提取的二维激光实时定位方法 | |
CN116721337A (zh) | 无人驾驶场景下基于动态车辆检测的点云畸变矫正方法 | |
CN114973195A (zh) | 基于多信息融合的车辆追踪方法、装置及系统 | |
CN114565726A (zh) | 一种非结构化动态环境下的同时定位与建图方法 | |
Meis et al. | A new method for robust far-distance road course estimation in advanced driver assistance systems | |
CN113884093A (zh) | Agv建图和定位的方法、系统、装置及计算机可读存储介质 | |
CN101939666B (zh) | 利用传感器数据来对对象的运动进行计算机辅助计算的方法 | |
CN113554705B (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
US20220155455A1 (en) | Method and system for ground surface projection for autonomous driving | |
CN110749327B (zh) | 一种合作环境下的车辆导航方法 | |
CN113758491B (zh) | 基于多传感器融合无人车的相对定位方法、系统及车辆 |
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 |