CN114061573B - 地面无人车辆编队定位装置及方法 - Google Patents
地面无人车辆编队定位装置及方法 Download PDFInfo
- Publication number
- CN114061573B CN114061573B CN202111354799.0A CN202111354799A CN114061573B CN 114061573 B CN114061573 B CN 114061573B CN 202111354799 A CN202111354799 A CN 202111354799A CN 114061573 B CN114061573 B CN 114061573B
- Authority
- CN
- China
- Prior art keywords
- wheeled robot
- point
- value
- data
- inertial navigation
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007613 environmental effect Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01C21/10—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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Abstract
本发明公开了一种地面无人车辆编队定位装置及方法，该装置包括：数据传输单元，用于获取环境场景采集数据并发送；环境感知单元，用于探测障碍物，生成环境场景采集数据；数据处理控制单元，用于对环境场景采集数据进行处理，将惯导数据由经纬度向笛卡尔坐标系进行转化，进行轮式机器人平台之间的相对位置计算，将相对位置换算成笛卡尔坐标系中的XY值坐标，并XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置；移动搭载平台，用于搭载地面无人车辆编队控制装置的其他单元；惯性导航单元，用于进行自主导航和定位，获取轮式机器人平台的当前距离信息。
Description
技术领域
本发明涉及计算机技术领域，尤其是涉及一种地面无人车辆编队定位装置及方法。
背景技术
目前，随着电子信息以及人工智能领域的不断发展，无人车技术也是慢慢进入到了人们的视野之中，无人车编队更是对该技术做出了更加细致的运用，对于将来在无人控制领域有着重要的意义。但是，当前无人车编队常常会出现队形走不稳，或者是车与车之间的间距无法得到很好的把握，车与车之间的控制不能达到分米级，与人工控制编队有较大的差距。当前，在无人车编队中，车与车之间的感应一般都是依靠激光雷达，当无人车编队中的控制要求是米级时，激光雷达能够轻松面对，但是面对更加精准的要求时，激光雷达难以胜任，这是因为由于激光雷达非常容易收到环境的干扰，例如对道路上反射介质的敏感，在雨天时精度大幅损失，而在正常情况下，也会有点云数据的不稳定性。
而对于依赖与惯导来做定位的无人车编队中，发现由于惯导设备的技术的成熟，设备对于环境的敏感度比较低。但是，由于惯导在对无人车进行定位时会有一定的误差(对于一个车而言难以看出来)，对于编队而言已经影响到了编队的队形控制，所以，对于数据的处理就得尤为重要。现在通常使用的编队控制一般都没有很好的强调数据的可靠性以及数据的同步的问题。默认数据的稳定性和同步性，而实际上不可能做到的事实就可能导致控制难度的增加，让理论上可以实现的算法在实际中往往难以实现，单一传感器是难以保证可靠的数据的，而之前做数据融合来控制无人车的示例又少之又少。而在编队中的间距控制方面，以前的领航-跟随法以及图论法等都不能保证车间间距的距离误差到达dm。
发明内容
本发明的目的在于提供一种地面无人车辆编队定位装置及方法，旨在解决现有技术中的上述问题。
本发明提供一种地面无人车辆编队定位装置，设置于轮式机器人平台，包括：
数据传输单元，安装在移动搭载平台的车体中间的位置，用于获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；
环境感知单元，安装在轮式机器人平台的顶部，用于探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；
数据处理控制单元，安装在移动搭载平台的车体中间的位置，用于对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置；
移动搭载平台，设置于所述轮式机器人平台上，用于搭载所述地面无人车辆编队控制装置的其他单元；
惯性导航单元，安装在移动搭载平台的车体中间的位置，用于进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。
本发明提供一种地面无人车辆编队定位方法，用于上述装置，包括：
通过数据传输单元获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；
通过环境感知单元探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；
通过数据处理控制单元对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置；
通过惯性导航单元进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。
采用本发明实施例，不仅实现了通过数据融合的精确定位，本发明实施例的技术方案根据激光雷达传感器所确定的相对位置和惯性导航传感器所确定的绝对位置相互补充，互相融合来获取相对精准的数据，即弥补了激光雷达在环境反光介质多时数据不准的情况，也弥补了惯性导航传感器在有天空遮挡时定位不了的问题，这种数据融合的定位手段使得定位数据的鲁棒性增强，使无人车能够在多种复杂环境下依旧能够进行精确的定位。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是本发明实施例的地面无人车辆编队定位装置的示意图；
图2是本发明实施例的简化后的经纬度向直角坐标系转化的示意图；
图3是本发明实施例的对无人车周围环境的点云进行聚类的处理示意图；
图4是本发明实施例的地面无人车辆编队定位方法的流程图。
具体实施方式
为了解决现有技术中的问题，本发明实施例提出了激光雷达点云处理方法来确定无人车编队中的相对位置。它是一种通过激光雷达、GNSS/INS(卫星/惯性组合导航系统，简称惯导)实现精确定位以及通过数传电台稳定实时通信用于同步数据和数据融合并利用一种一种定位数据同步以及融合算法来实现编队车辆位置高鲁棒性及高精度的控制。具体地：
第一,先对无人车周围环境的点云进行聚类。在实验平台上实验使用欧几里得算法来进行聚类，该算法计算速度快，实验结果稳定。具体计算流程为：1.随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合。根据车辆编队的相对位置来找到周围无人车编队中其他无人车。
第二,在无人车编队行走时，一般会在某个固定的场景会有固定的队列来调整每辆无人车的行走轨迹。据此，可以根据预定义好的编队队列信息来确定无人车周围的障碍是编队中的那辆车。对聚类结果做一个车的编号标记用以区分车与车和车与障碍。
第三,对其他无人车所属的障碍物的几何空间体做一个滤波后求其质心来确定无人车与无人车之间的相对位置。
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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
装置实施例
根据本发明实施例，提供了一种地面无人车辆编队定位装置，图1是本发明实施例的地面无人车辆编队定位装置的示意图，如图1所示，根据本发明实施例的地面无人车辆编队定位装置具体包括：
数据传输单元10，安装在移动搭载平台的车体中间的位置，用于获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；所述数据传输单元10为：数传电台；
环境感知单元12，安装在轮式机器人平台的顶部，用于探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；所述环境感知单元12为：激光雷达传感器；
数据处理控制单元14，安装在移动搭载平台的车体中间的位置，用于对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置；所述数据处理控制单元14具体用于：
假设X轴是一条沿纬线方向的线；Y轴为一条沿经线方向的线，在一个相对小的范围内，X轴和Y轴两个方向的线是相互垂直的，且各条经、纬线之间是相互平行的；
在测定的区域内确定一个O点做为平面直角坐标系的原点，则区域内任意一C点沿纬线方向偏离此原点的距离OA就是这一点的Y坐标值，沿经线方向偏离原点的距离OB是其X坐标值，完成经纬度向笛卡尔坐标系的转化。
对轮式机器人平台周围环境的点云进行聚类：随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合；
根据车辆编队的相对位置确定周围车辆编队中其他轮式机器人平台；
对所述其他轮式机器人平台所属的障碍物的几何空间体进行滤波后求其质心来确定轮式机器人平台之间的相对位置。
将轮式机器人平台之间的相对位置换算成无人车在无人车所属的笛卡尔坐标系中的XY值坐标：取出当前无人车的航向角θ信息作为依据，使用三维空间中刚体坐标旋转平移的转换公式，将无人车的位置加上其他车相对本车的位置作为补偿来确定XY值坐标；
将激光雷达所得到的转化后的XY值坐标与惯导所转化的XY坐标进行数据融合得到最终小车的真实目标：即将两个值的各部分分别取平均值作为最后的小车编队的XY坐标，确定车辆编队中的每辆轮式机器人平台的位置。
移动搭载平台16，设置于所述轮式机器人平台上，用于搭载所述地面无人车辆编队控制装置的其他单元；所述移动搭载平台16为：阿克曼式底盘；
惯性导航单元18，安装在移动搭载平台的车体中间的位置，用于进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。惯性导航单元18为以下至少之一：里程计、陀螺仪、加速度计。
以下结合附图，对本发明实施例的技术方案进行详细说明。
如图1所示，根据本发明实施例所述的装置由五个基本单元组成，分别是数据传输单元，环境感知单元，数据处理控制单元，移动搭载平台，惯性导航单元。本发明实施例中以阿克曼式底盘为搭载平台，激光雷达传感器安装在轮式机器人平台的顶部，这样做的目的是有更广阔的视角来方便探测周围障碍物，更加有利于避障，由于车与车之间的距离较小，数传电台安装在车体中间的位置，更加节省空间。系统用工控机作为编队控制算法和环境场景采集的数据处理单元，其中惯性导航单元为机器人的自主导航和定位，距离等信息。
对于无人车上的传感器来说，只用某一个功能的传感器来实现某个功能往往是不够的，单一设备的传感器发出的数据鲁棒性都不行。至此，本发明实施例使用多传感器数据融合的方法来实现无人车实时定位定姿。据实验表明，该方法有较强的稳定性。
①惯导数据定位：
原始的惯导数据是不能用于无人车定位的，因为无人车本身没有经纬度的概念，只有基于无人车局部地图原点的笛卡尔坐标系。所以，惯导数据向无人车坐标系的转化就成了关键步骤，如图2所示，说明了简化后的经纬度向直角坐标系的转化。
考虑到北斗在精准应用中，所测定的场地面积相对比较小，所以应该完全可以用直线来代替曲线，从而得到比较简单的简化计算公式。在这个简化计算的模型中，我们规定，X轴是一条沿纬线方向的线；Y轴为一条沿经线方向的线，在一个相对小的范围内，可以认为这两个方向的线是相互垂直的，且各条经、纬线之间是相互平行的。以图2所示为例，在测定的区域内确定一个点(O点)做为平面直角坐标系的原点，那么，区域内任意一点(C点)沿纬线方向偏离此原点的距离OA就是这一点的Y坐标值，沿经线方向偏离原点的距离OB是其X坐标值。
至此，基本实现了经纬度向笛卡尔坐标系的转化。
②激光雷达定位：
激光雷达定位主要是用于车与车之间的位姿估计，根据周围环境来确定本车在环境中的相对位姿。由于相对位姿的确定，这种定位方法在无人车编队中可以起到出其不意的效果。
具体做法如下：
第一，对无人车周围环境的点云进行聚类。
在实验平台上实验使用欧几里得算法来进行聚类，该算法计算速度快，实验结果稳定。具体计算流程为：1.随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合。程序流程图如图3所示。
根据车辆编队的相对位置来找到周围无人车编队中其他无人车。
在无人车编队行走时，一般会在某个固定的场景会有固定的队列来调整每辆无人车的行走轨迹。据此，可以根据预定义好的编队队列信息来确定无人车周围的障碍是编队中的那辆车。对聚类结果做一个车的编号标记用以区分车与车和车与障碍。
对其他无人车所属的障碍物的几何空间体做一个滤波后求其质心来确定无人车与无人车之间的相对位置。
在激光雷达获取点云数据时，由于环境，设备等影响，不可避免的会出现噪声点、离群点。为了之后计算空间几何体的质心，去除离群点的步骤是很有必要的，只有这样才会让所得结果更加准确。对于点云去除噪声点，在本实验采取统计滤波器，考虑到离群点的特征，则可以定义某处点云小于某个密度，既点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。给定均值与方差，可剔除3∑之外的点，最终确定一个比较圆滑的空间几何体。
在此之后，求几何体的质心来确定无人车编队中其他车相对本车的位置。在此，本发明实施例假设集合中的每个点的权重都相等，因此，求质心的步骤可以简化为求解所有点的在X、Y、Z轴上的平均值，
自此，已经完成了无人车与无人车之间的相对位置的计算。
③惯导与激光雷达数据融合定位：
在进行数据融合的过程中需要做两部分工作。
将之前算出来的车与车之间的相对位置换算成无人车在无人车所属的笛卡尔坐标系中的XY值坐标。在这个过程中，需要取出当前无人车的航向角(θ)信息作为依据,使用三维空间中刚体坐标旋转平移的转换公式，来将无人车的位置加上其他车相对本车的位置作为补偿来确定XY值坐标，具体计算如下所示：
P′＝H·P
H为三维空间的坐标变换矩阵。
将激光雷达所得到的转化后的XY值坐标与惯导所转化的XY坐标做数据融合得到最终小车的真实目标，具体做法为将两个值的各部分分别取平均值作为最后的小车编队的XY坐标，至此，编队中的每辆无人车的位置已经确定。
综上所述，本发明实施例提出了一种惯导定位数据和激光雷达数据进行融合定位的装置，根据激光雷达传感器所确定的相对位置和惯性导航传感器所确定的绝对位置相互补充，互相融合来获取相对精准的数据，即弥补了激光雷达在环境反光介质多时数据不准的情况，也弥补了惯性导航传感器在有天空遮挡时定位不了的问题，这种数据融合的定位手段使得定位数据的鲁棒性增强，使无人车能够在多种复杂环境下依旧能够进行精确的定位。
本发明实施例还提出了点云聚类的一种方法来处理激光雷达在工作过程中获得的点云信息的处理方法，这种方法运用到定无人车编队中的相对位置时，处理速度很快，位置的准确率高，能够满足编队的实时性的条件。
采用本发明实施例提供的使用定位及通信实现高精度无人车编队控制装置，该装置所实现的不止是一种传统的编队控制方法，而是在多种传感器的作用下通过数据融合实现高精度的定位以及路径规划的方法，通过通信电台的实时通信来交互编队中每个车的实时信息，具体包括车辆的经纬度信息，激光雷达对环境的感知信息等，这种高频率的数据交互与融合会让小车的编队在宏观层面上变成一个整体，更有利于对路径进行规划以及调节编队中每个车的速度等，就实现了对每辆车的精确控制来达到车辆编队的稳定性。
方法实施例
根据本发明实施例，提供了一种地面无人车辆编队定位方法，用于上述装置，图4是本发明实施例的地面无人车辆编队定位方法的流程图，如图4所示，根据本发明实施例的地面无人车辆编队定位方法具体包括：
步骤401，通过数据传输单元获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；
步骤402，通过环境感知单元探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；
步骤403，通过数据处理控制单元对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置；
在本发明实施例中，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化具体包括：
假设X轴是一条沿纬线方向的线；Y轴为一条沿经线方向的线，在一个相对小的范围内，X轴和Y轴两个方向的线是相互垂直的，且各条经、纬线之间是相互平行的；
在测定的区域内确定一个O点做为平面直角坐标系的原点，则区域内任意一C点沿纬线方向偏离此原点的距离OA就是这一点的Y坐标值，沿经线方向偏离原点的距离OB是其X坐标值，完成经纬度向笛卡尔坐标系的转化。
根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算具体包括：
对轮式机器人平台周围环境的点云进行聚类：随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合；
根据车辆编队的相对位置确定周围车辆编队中其他轮式机器人平台；
对所述其他轮式机器人平台所属的障碍物的几何空间体进行滤波后求其质心来确定轮式机器人平台之间的相对位置。
将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置具体包括：
将轮式机器人平台之间的相对位置换算成无人车在无人车所属的笛卡尔坐标系中的XY值坐标：取出当前无人车的航向角θ信息作为依据，使用三维空间中刚体坐标旋转平移的转换公式，将无人车的位置加上其他车相对本车的位置作为补偿来确定XY值坐标；
将激光雷达所得到的转化后的XY值坐标与惯导所转化的XY坐标进行数据融合得到最终小车的真实目标：即将两个值的各部分分别取平均值作为最后的小车编队的XY坐标，确定车辆编队中的每辆轮式机器人平台的位置。
步骤404，通过惯性导航单元进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。
在本发明实施例中，上述移动搭载平台为：阿克曼式底盘；数据传输单元为：数传电台；环境感知单元为：激光雷达传感器；惯性导航单元为以下至少之一：里程计、陀螺仪、加速度计。
本发明实施例是与上述装置实施例对应的方法实施例，各个步骤的具体操作可以参照装置实施例的描述进行理解，在此不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。
Claims (6)
1.一种地面无人车辆编队定位装置，其特征在于，设置于轮式机器人平台，具体包括：
数据传输单元，安装在移动搭载平台的车体中间的位置，用于获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；
环境感知单元，安装在轮式机器人平台的顶部，用于探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；
数据处理控制单元，安装在移动搭载平台的车体中间的位置，用于对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置，具体用于：
对轮式机器人平台周围环境的点云进行聚类：随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合；
根据车辆编队的相对位置确定周围车辆编队中其他轮式机器人平台；
对所述其他轮式机器人平台所属的障碍物的几何空间体进行滤波后求其质心来确定轮式机器人平台之间的相对位置；
将轮式机器人平台之间的相对位置换算成无人车在无人车所属的笛卡尔坐标系中的XY值坐标：取出当前无人车的航向角θ信息作为依据，使用三维空间中刚体坐标旋转平移的转换公式，将无人车的位置加上其他车相对本车的位置作为补偿来确定XY值坐标；
将激光雷达所得到的转化后的XY值坐标与惯导所转化的XY坐标进行数据融合得到最终小车的真实目标：即将两个值的各部分分别取平均值作为最后的小车编队的XY坐标，确定车辆编队中的每辆轮式机器人平台的位置；
移动搭载平台，设置于所述轮式机器人平台上，用于搭载地面无人车辆编队控制装置的其他单元；
惯性导航单元，安装在移动搭载平台的车体中间的位置，用于进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。
2.根据权利要求1所述的装置，其特征在于，
所述移动搭载平台为：阿克曼式底盘；
所述数据传输单元为：数传电台；
所述环境感知单元为：激光雷达传感器；
惯性导航单元为以下至少之一：里程计、陀螺仪、加速度计。
3.根据权利要求1所述的装置，其特征在于，所述数据处理控制单元具体用于：
假设X轴是一条沿纬线方向的线；Y轴为一条沿经线方向的线，在一个相对小的范围内，X轴和Y轴两个方向的线是相互垂直的，且各条经、纬线之间是相互平行的；
在测定的区域内确定一个O点做为平面直角坐标系的原点，则区域内任意一C点沿纬线方向偏离此原点的距离OA就是这一点的Y坐标值，沿经线方向偏离原点的距离OB是其X坐标值，完成经纬度向笛卡尔坐标系的转化。
4.一种地面无人车辆编队定位方法，其特征在于，用于权利要求1至3中任一项所述的装置，所述方法具体包括：
通过数据传输单元获取环境感知单元生成的环境场景采集数据，并发送到数据处理控制单元；
通过环境感知单元探测所述轮式机器人平台周围的障碍物，基于探测到的障碍物生成环境场景采集数据；
通过数据处理控制单元对所述环境场景采集数据进行处理，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化，根据所述环境场景采集数据进行轮式机器人平台之间的相对位置的计算，将所述相对位置换算成轮式机器人平台在其所属的笛卡尔坐标系中的XY值坐标，并得到所述XY值坐标与惯性导航单元所转化的XY坐标进行数据融合，得到最终轮式机器人平台的真实目标，确定编队中的每辆轮式机器人平台的位置，具体包括：
对轮式机器人平台周围环境的点云进行聚类：随机在点云中找到某点P0，在P0周围构建kd-tree来找到离它最近的点，判断是否与P0的具体是否小于一个阈值，如果小于，则加入P0，成为聚类Q0，以此类推循环，直到所有的点都有了归属的一个大集合；
根据车辆编队的相对位置确定周围车辆编队中其他轮式机器人平台；
对所述其他轮式机器人平台所属的障碍物的几何空间体进行滤波后求其质心来确定轮式机器人平台之间的相对位置；
将轮式机器人平台之间的相对位置换算成无人车在无人车所属的笛卡尔坐标系中的XY值坐标：取出当前无人车的航向角θ信息作为依据，使用三维空间中刚体坐标旋转平移的转换公式，将无人车的位置加上其他车相对本车的位置作为补偿来确定XY值坐标；
将激光雷达所得到的转化后的XY值坐标与惯导所转化的XY坐标进行数据融合得到最终小车的真实目标：即将两个值的各部分分别取平均值作为最后的小车编队的XY坐标，确定车辆编队中的每辆轮式机器人平台的位置；
通过惯性导航单元进行轮式机器人平台的自主导航和定位，获取轮式机器人平台的当前距离信息。
5.根据权利要求4所述的方法，其特征在于，将惯性导航单元提供的惯导数据由经纬度向笛卡尔坐标系进行转化具体包括：
假设X轴是一条沿纬线方向的线；Y轴为一条沿经线方向的线，在一个相对小的范围内，X轴和Y轴两个方向的线是相互垂直的，且各条经、纬线之间是相互平行的；
在测定的区域内确定一个O点做为平面直角坐标系的原点，则区域内任意一C点沿纬线方向偏离此原点的距离OA就是这一点的Y坐标值，沿经线方向偏离原点的距离OB是其X坐标值，完成经纬度向笛卡尔坐标系的转化。
6.根据权利要求4所述的方法，其特征在于，
所述移动搭载平台为：阿克曼式底盘；
所述数据传输单元为：数传电台；
所述环境感知单元为：激光雷达传感器；
惯性导航单元为以下至少之一：里程计、陀螺仪、加速度计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111354799.0A CN114061573B (zh) | 2021-11-16 | 2021-11-16 | 地面无人车辆编队定位装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111354799.0A CN114061573B (zh) | 2021-11-16 | 2021-11-16 | 地面无人车辆编队定位装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114061573A CN114061573A (zh) | 2022-02-18 |
| CN114061573B true CN114061573B (zh) | 2024-03-22 |
Family
ID=80273131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111354799.0A Active CN114061573B (zh) | 2021-11-16 | 2021-11-16 | 地面无人车辆编队定位装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114061573B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116958201A (zh) * | 2023-07-27 | 2023-10-27 | 中国人民解放军陆军工程大学 | 基于路线各点位置的视角漫游同步方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2131207A2 (de) * | 2008-06-02 | 2009-12-09 | Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) | Verfahren und Vorrichtung zum Bestimmen der Relativposition von bewegten Objekten |
| EP2491344A1 (en) * | 2009-10-22 | 2012-08-29 | Tom Tom Polska SP. Z.O.O. | System and method for vehicle navigation using lateral offsets |
| CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆编队行驶方法 |
| CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队系统 |
| CN111912419A (zh) * | 2020-08-28 | 2020-11-10 | 清华大学苏州汽车研究院（吴江） | 基于激光雷达的高精度语义导航地图构建方法和装置 |
| CN112334790A (zh) * | 2019-08-21 | 2021-02-05 | 深圳市大疆创新科技有限公司 | 可移动物体的定位系统与定位方法、可移动物体、存储介质 |
| KR102238628B1 (ko) * | 2019-10-16 | 2021-04-09 | 한국해양과학기술원 | 전파간섭환경에서 uav를 활용한 선박 백업 항법 시스템 및 그 방법 |
| CN112650214A (zh) * | 2020-11-20 | 2021-04-13 | 上海航天控制技术研究所 | 一种集群系统动态编队的队形控制方法 |
| WO2021143286A1 (zh) * | 2020-01-14 | 2021-07-22 | 华为技术有限公司 | 车辆定位的方法、装置、控制器、智能车和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004063975B4 (de) * | 2004-10-22 | 2018-05-30 | Société Civile "Galileo 2011" | Optoelektronische Anordnung zum Erfassen von Relativbewegungen oder Relativpositionen zweier Objekte |
| US20160260328A1 (en) * | 2015-03-06 | 2016-09-08 | Qualcomm Incorporated | Real-time Occupancy Mapping System for Autonomous Vehicles |
| US10007271B2 (en) * | 2015-12-11 | 2018-06-26 | Avishtech, Llc | Autonomous vehicle towing system and method |
-
2021
- 2021-11-16 CN CN202111354799.0A patent/CN114061573B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2131207A2 (de) * | 2008-06-02 | 2009-12-09 | Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) | Verfahren und Vorrichtung zum Bestimmen der Relativposition von bewegten Objekten |
| EP2491344A1 (en) * | 2009-10-22 | 2012-08-29 | Tom Tom Polska SP. Z.O.O. | System and method for vehicle navigation using lateral offsets |
| CN106708057A (zh) * | 2017-02-16 | 2017-05-24 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆编队行驶方法 |
| CN112334790A (zh) * | 2019-08-21 | 2021-02-05 | 深圳市大疆创新科技有限公司 | 可移动物体的定位系统与定位方法、可移动物体、存储介质 |
| KR102238628B1 (ko) * | 2019-10-16 | 2021-04-09 | 한국해양과학기술원 | 전파간섭환경에서 uav를 활용한 선박 백업 항법 시스템 및 그 방법 |
| WO2021143286A1 (zh) * | 2020-01-14 | 2021-07-22 | 华为技术有限公司 | 车辆定位的方法、装置、控制器、智能车和系统 |
| CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队系统 |
| CN111912419A (zh) * | 2020-08-28 | 2020-11-10 | 清华大学苏州汽车研究院（吴江） | 基于激光雷达的高精度语义导航地图构建方法和装置 |
| CN112650214A (zh) * | 2020-11-20 | 2021-04-13 | 上海航天控制技术研究所 | 一种集群系统动态编队的队形控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 三维激光雷达在无人车环境感知中的应用研究;张银，任国全，程子阳，孔国杰;激光与光电子学进展;第1-8页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114061573A (zh) | 2022-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
| CN110658531B (zh) | 一种用于港口自动驾驶车辆的动态目标追踪方法 | |
| CN109752725A (zh) | 一种低速商用机器人、定位导航方法及定位导航系统 | |
| CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
| CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
| CN111797906B (zh) | 基于视觉和惯性里程定位的方法及装置 | |
| CN113570629B (zh) | 去除动态物体的语义分割方法及系统 | |
| JP7171425B2 (ja) | 移動量推定装置 | |
| CN114061573B (zh) | 地面无人车辆编队定位装置及方法 | |
| CN112504261A (zh) | 一种基于视觉锚点的无人机降落位姿滤波估计方法及系统 | |
| CN114255323A (zh) | 机器人、地图构建方法、装置和可读存储介质 | |
| Manivannan et al. | Vision based intelligent vehicle steering control using single camera for automated highway system | |
| CN113515128B (zh) | 一种无人车实时路径规划方法及存储介质 | |
| CN115900730A (zh) | 一种自动驾驶车辆三维点云定位方法、装置及存储介质 | |
| CN117387604A (zh) | 基于4d毫米波雷达和imu融合的定位与建图方法及系统 | |
| CN115930948A (zh) | 一种果园机器人融合定位方法 | |
| Lv et al. | FVO: floor vision aided odometry | |
| CN113848957B (zh) | 地面无人车辆编队控制装置及方法 | |
| CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
| Zhang et al. | A novel infrared landmark indoor positioning method based on improved IMM-UKF | |
| CN113483762A (zh) | 一种位姿优化方法及设备 | |
| CN113340310A (zh) | 一种移动机器人台阶地形识别定位方法及相关装置 | |
| CN111798489A (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
| Zhou et al. | Localization for unmanned vehicle | |
| CN115839718B (zh) | 一种基于运动约束的融合定位方法及装置 |
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 |