CN114137560A - 基于改进激光描述符的车辆重定位方法、装置及电子设备 - Google Patents
基于改进激光描述符的车辆重定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114137560A CN114137560A CN202111338337.XA CN202111338337A CN114137560A CN 114137560 A CN114137560 A CN 114137560A CN 202111338337 A CN202111338337 A CN 202111338337A CN 114137560 A CN114137560 A CN 114137560A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- descriptor
- laser
- coordinate system
- pose
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000009616 inductively coupled plasma Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种基于改进激光描述符的车辆重定位方法、装置及电子设备,属于自动驾驶车辆自主导航领域,方法包括:利用激光雷达,在ENU局部坐标系建立全局先验3D点云地图,获取车辆关键帧数据和对应的激光描述符,并构建激光描述符数据库;基于激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在3D点云地图的粗略位姿;基于粗略位姿,对粗略位姿和3D点云地图进行精确匹配,获取车辆在3D点云地图的精确位姿;将精确位姿从局部坐标系转换至大地坐标系,得到车辆的实际位姿信息。本发明的有益效果是:克服了车辆行驶过程中因GPS信号缺失而导致定位失败的问题,实现了车辆重定位,提高了自动驾驶系统的鲁棒性。
Description
技术领域
本发明涉及自动驾驶车辆自主导航领域,尤其涉及一种基于改进激光描述符的车辆重定位方法、装置、电子设备及存储介质。
背景技术
随着科技的不断发展,自动驾驶车辆受到越来越广泛的关注。定位问题是自动驾驶系统导航应用中的一个重要问题。目前自动驾驶系统仍是在建立起高精度地图上的基础上实现的,在室外开放环境中,采用GNSS是比较成熟的方案。但是在高楼林立,电磁信号干扰较强的环境中,GNSS信号通常会受到干扰,无法给出车辆准确的位姿,这对自动驾驶定位系统是一个很大的挑战,因此需要借助激光雷达等传感器来重新确定车辆的精确位置。
发明内容
本发明的目的在于克服上述技术不足,提供一种基于改进激光描述符的车辆重定位方法,解决现有技术自动驾驶车辆在行驶过程中,由于GPS定位信号丢失等原因导致车辆无法准确定位的技术问题。
为达到上述技术目的,本发明的技术方案提供一种基于改进激光描述符的车辆重定位方法,包括以下步骤:
S101:利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
S102:基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;
S103:基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
S104:将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
进一步地,步骤S102中,获取车辆在所述3D点云地图的粗略位姿的具体过程如下:
S201:对车辆的当前关键帧数据进行分割,得到与当前关键帧数据对应的激光描述符Ωq;
S202:根据激光描述符Ωq进行检索,在所述激光描述符数据库中,获取一个候选描述符Ωc;
S203:将激光描述符Ωq和候选描述符Ωc分别转换为其对应的二进制形式Iq,Ic;
S207:对几何相似性得分Φg(Iq,Ic)和高度、强度相似性得分Φi(Ωq,Ωc)进行求和得到新的评分;
S208:当新的评分大于设定阈值时,即判定此次匹配成功,通过索引候选描述符Ωc对应的历史关键帧的信息,找到车辆在所述3D点云地图上的粗略位姿;否则表示匹配失败,结束匹配过程。
进一步地,步骤S103中采用ICP方法进行精确匹配,具体为采用SVD进行求解。
进一步地,在ENU局部坐标系下建立所述3D点云地图时,同时记录ENU局部坐标系原点在WGS-84大地坐标系下的经度和纬度。
步骤S104中将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系的具体过程如下:
其中,S为单位正交矩阵,lon0,lat0分别为ENU坐标系下的原点在WGS-84大地坐标系下的经、纬度;x0,y0,z0为ENU坐标系原点;e,n,u为ENU坐标下的坐标x,y,z;
本发明提供一种基于改进激光描述符的车辆重定位装置,包括:
点云地图构建模块,用于利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
粗略位姿确定模块,用于基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;
精确位姿确定模块,用于基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
实际位姿确定模块,用于将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
本发明还提供了一种计算机设备,其包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于改进激光描述符的车辆重定位的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于改进激光描述符的车辆重定位的步骤。
与现有技术相比,本发明的有益效果包括:该发明克服了自动驾驶车辆行驶过程中由于GPS信号缺失而导致整个系统定位失败的问题,实现了车辆在先验地图中的重定位,同时提高了整个自动驾驶系统的鲁棒性。
附图说明
图1是本发明提供的基于改进激光描述符的车辆重定位方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种基于改进激光描述符的车辆重定位方法。请参考图1,该方法包括以下步骤:
S101:利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
作为一种实施例,本申请中,通过SLAM方法实现高精度、实时的移动机器人轨迹估计和地图的构建。
具体的说,运用SLAM方法构建3D点云地图的过程为:
利用激光雷达,在因子图上添加的激光-惯导里程计因子,IMU预积分因子,GPS因子和闭环因子四种因子。
通过对原始惯性测量单元测量值进行预积分获得的预积分因子、由特征提取、关键帧提取、局部地图扫描匹配和闭环检测因子组成的激光雷达里程计因子被一起添加到全局因子图中。
进一步优化后,输出运动轨迹、全局地图、状态估计等信息,从而构建起全局一致性的3D点云地图。
点云地图是在ENU局部坐标系下建立,同时记录ENU局部坐标系原点下WGS-84坐标系下的经、纬度。
作为一种实施例,本申请中获取车辆关键帧数据,具体是指:在局部地图扫描匹配过程采用特征匹配的方式计算关键帧的位姿,其步骤如下:
1)建立特征线:在t时刻以点云特征点i为例,利用kdTree算法寻找点i在t时刻最近点j,并以j为中心寻找次最近点l,将点(j,l)作为t时刻对应点云;
2)建立特征面:与(1)类似在t时刻寻找特征点i附近点j,l后,以点l为中心利用kdTree寻找次最近点m,将(j,l,m)作为t时刻对应点云;
3)分别建立特征线与特征面约束方程如下:
计算出距离后,如果距离足够小,小于一个预设的值,满足条件,则该对应关系保留(即特征点对应匹配),从而获取到车辆关键帧数据。
作为一种实施例,获取关键帧数据对应的激光描述符,其过程具体为:
对一关键帧帧激光点云进行分割,那么点云中行(ring)和列(sector)就能唯一索引点云的任意区域(block),使用二维特征图表示该索引关系,行为ring,列为sector,特征图的数值取对于block内的最高反射点的高度和最强反射点的强度,在保留了点云的空间结构特征的同时记录点云的强度信息,使用该方法即提取了一个相对简单的二维特征图,该特征图即是一个激光描述符。
S102:基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;作为一种实施例,在步骤S102中,主要完成基于改进激光描述符的粗定位过程;具体的讲:
本申请中的改进激光描述符算法同时融合了激光点的空间结构信息和强度信息,与现有的仅采用空间结构信息或仅采用强度信息的算法进行比较,该方法具有更高的鲁棒性。
步骤S102具体如下:
S201:对车辆的当前关键帧数据进行分割,得到与当前关键帧数据对应的激光描述符Ωq;
S202:根据激光描述符Ωq进行检索,在所述激光描述符数据库中,获取一个候选描述符Ωc;
S203:将激光描述符Ωq和候选描述符Ωc分别转换为其对应的二进制形式Iq,Ic;
作为一种实施例,本申请通过几何距离的快速重新识别:给定某个激光描述符,其在局部坐标上的几何分布可表示为二元矩阵I:
因此,对于激光描述符Ωq,在激光描述符数据库中的一个候选描述符Ωc根据其二进制转换为Iq,Ic几何相似性可表示为:
其中|X|是X中元素的总数,XOR(x,y)是指矩阵之间元素的异或运算。
强度扫描上下文描述符的列向量表示方位方向,所以激光扫描的旋转在描述符中表现为列位移。为检测视角变化,通过以下方式计算最终得分:
S207:对几何相似性得分Φg(Iq,Ic)和高度、强度相似性得分Φi(Ωq,Ωc)进行求和得到新的评分;
S208:当新的评分大于设定阈值时,即判定此次匹配成功,通过索引历史关键帧的信息,找到车辆在地图上的粗略位姿;否则表示匹配失败,结束匹配过程。
作为一种实施例,在上一阶段匹配完成的基础上进行两个描述符之间的高度相似性和强度相似行的识别。
分别计算当前描述符与候选描述符的高度相似性和强度相似得分。该分数可以通过余弦距离计算得出:
由于已经通过几何体重新识别出视角的变化,因此只需要比较两个列向量移动后的描述符。最终的得分计算如下:
将两种得分进行求和得到新的评分,当评分大于设定的阈值时,即判定此次匹配成功。通过索引历史关键帧的信息,即可以找到车辆在地图上的位姿。但该位置存在一定的偏差,因此需要点云配准算法进行精确定位。
S103:基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
目前ICP求解策略有两种:一种是基于SVD分解,另一种是通过非线性优化进行求解。在本申请书中,采用SVD进行求解。SVD的具体求解过程为:
假设点云X和点云Y中的点数量相等,通过奇异值分解的方法可以求出旋转矩阵R和平移向量t的解,求解过程如下:
首先构建最小二乘问题:
其中ux和uy分别是点集X和Y的质心,即
其中旋转矩阵R为正交矩阵,则可将上式转换为最大化函数:
其中σ1为对角阵Σ的奇异值,可以得出ICP的解:
R=VUT,T=ux-Rup
通过R,t可以得到当前车辆在全局地图中的准确位姿。
S104:将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
作为一种实施例,车辆通常使用的GPS为WGS-84坐标系,需要将车辆位姿从点云地图的ENU坐标系转换到WGS-84大地坐标系下。
步骤S104中将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系的具体过程如下:
其中,S为单位正交矩阵,lon0,lat0分别为ENU坐标系下的原点在WGS-84大地坐标系下的经、纬度;x0,y0,z0为ENU坐标系原点;e,n,u为ENU坐标下的坐标x,y,z;
当GPS信号消失时,该信息将作为车辆定位的信息,从而完成整个自动驾驶车辆的重定位过程。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本实施例还提供一种基于改进激光描述符的车辆重定位装置,该基于改进激光描述符的车辆重定位装置与上述实施例中基于改进激光描述符的车辆重定位方法一一对应。该基于改进激光描述符的车辆重定位包括:
点云地图构建模块,用于利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
粗略位姿确定模块,用于基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;
精确位姿确定模块,用于基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
实际位姿确定模块,用于将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
本发明还提供了一种计算机设备,其包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于改进激光描述符的车辆重定位的步骤,在此不再赘述。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于改进激光描述符的车辆重定位的步骤,在此不再赘述。
本发明的有益效果是:该发明克服了自动驾驶车辆行驶过程中由于GPS信号缺失而导致整个系统定位失败的问题,实现了车辆在先验地图中的重定位,同时提高了整个自动驾驶系统的鲁棒性。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (8)
1.一种基于改进激光描述符的车辆重定位方法,其特征在于:包括以下步骤:
S101:利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
S102:基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;
S103:基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
S104:将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
2.如权利要求1所述的一种基于改进激光描述符的车辆重定位方法,其特征在于:步骤S102中,获取车辆在所述3D点云地图的粗略位姿的具体过程如下:
S201:对车辆的当前关键帧数据进行分割,得到与当前关键帧数据对应的激光描述符Ωq;
S202:根据激光描述符Ωq进行检索,在所述激光描述符数据库中,获取一个候选描述符Ωc;
S203:将激光描述符Ωq和候选描述符Ωc分别转换为其对应的二进制形式Iq,Ic;
S207:对几何相似性得分Φg(Iq,Ic)和高度、强度相似性得分Φi(Ωq,Ωc)进行求和得到新的评分;
S208:当新的评分大于设定阈值时,即判定此次匹配成功,通过索引候选描述符Ωc对应的历史关键帧的信息,找到车辆在所述3D点云地图上的粗略位姿;否则表示匹配失败,结束匹配过程。
3.如权利要求1所述的一种基于改进激光描述符的车辆重定位方法,其特征在于:步骤S103中采用ICP方法进行精确匹配,具体为采用SVD进行求解。
4.如权利要求1所述的一种基于改进激光描述符的车辆重定位方法,其特征在于:在ENU局部坐标系下建立所述3D点云地图时,同时记录ENU局部坐标系原点在WGS-84大地坐标系下的经度和纬度。
6.一种基于改进激光描述符的车辆重定位装置,其特征在于,所述装置包括:
点云地图构建模块,用于利用激光雷达,采用SLAM方法在ENU局部坐标系下建立全局先验3D点云地图,获取车辆关键帧数据和其对应的激光描述符,并构建激光描述符数据库;
粗略位姿确定模块,用于基于所述激光描述符数据库,获取车辆关键帧数据和其对应的激光描述符,对车辆进行粗定位,获取车辆在所述3D点云地图的粗略位姿;
精确位姿确定模块,用于基于所述粗略位姿,利用ICP方法对所述粗略位姿和所述3D点云地图进行精确匹配,获取车辆在所述3D点云地图的精确位姿;
实际位姿确定模块,用于将所述精确位姿从ENU局部坐标系转换至WGS-84大地坐标系,得到车辆的实际位姿信息。
7.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于改进激光描述符的车辆重定位的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于改进激光描述符的车辆重定位的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111338337.XA CN114137560A (zh) | 2021-11-12 | 2021-11-12 | 基于改进激光描述符的车辆重定位方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111338337.XA CN114137560A (zh) | 2021-11-12 | 2021-11-12 | 基于改进激光描述符的车辆重定位方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114137560A true CN114137560A (zh) | 2022-03-04 |
Family
ID=80393892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111338337.XA Withdrawn CN114137560A (zh) | 2021-11-12 | 2021-11-12 | 基于改进激光描述符的车辆重定位方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114137560A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758000A (zh) * | 2022-04-20 | 2022-07-15 | 北京京东乾石科技有限公司 | 一种终端重定位方法和装置 |
CN115797422A (zh) * | 2022-12-01 | 2023-03-14 | 西南交通大学 | 基于语义地图的地面到无人机激光点云跨视角重定位方法 |
CN116148808A (zh) * | 2023-04-04 | 2023-05-23 | 江苏集萃清联智控科技有限公司 | 一种基于点云描述符的自动驾驶激光重定位方法和系统 |
CN117291984A (zh) * | 2023-11-22 | 2023-12-26 | 武汉理工大学 | 一种基于位姿约束的多帧描述符匹配重定位方法及系统 |
-
2021
- 2021-11-12 CN CN202111338337.XA patent/CN114137560A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758000A (zh) * | 2022-04-20 | 2022-07-15 | 北京京东乾石科技有限公司 | 一种终端重定位方法和装置 |
CN115797422A (zh) * | 2022-12-01 | 2023-03-14 | 西南交通大学 | 基于语义地图的地面到无人机激光点云跨视角重定位方法 |
CN116148808A (zh) * | 2023-04-04 | 2023-05-23 | 江苏集萃清联智控科技有限公司 | 一种基于点云描述符的自动驾驶激光重定位方法和系统 |
CN116148808B (zh) * | 2023-04-04 | 2024-01-26 | 江苏集萃清联智控科技有限公司 | 一种基于点云描述符的自动驾驶激光重定位方法和系统 |
CN117291984A (zh) * | 2023-11-22 | 2023-12-26 | 武汉理工大学 | 一种基于位姿约束的多帧描述符匹配重定位方法及系统 |
CN117291984B (zh) * | 2023-11-22 | 2024-02-09 | 武汉理工大学 | 一种基于位姿约束的多帧描述符匹配重定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114137560A (zh) | 基于改进激光描述符的车辆重定位方法、装置及电子设备 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN108868268B (zh) | 基于点到面距离和互相关熵配准的无人车位姿估计方法 | |
KR20220004203A (ko) | 기기 포지셔닝을 위한 방법, 장치 및 기기 | |
CN110132284B (zh) | 一种基于深度信息的全局定位方法 | |
CN111982532B (zh) | 一种自动泊车性能测试方法 | |
CN110095123B (zh) | 不规则小天体表面路标观测信息评价优化方法 | |
CN110906924A (zh) | 一种定位初始化方法和装置、定位方法和装置及移动装置 | |
CN112346104A (zh) | 一种无人机信息融合定位方法 | |
US20230251097A1 (en) | Efficient map matching method for autonomous driving and apparatus thereof | |
CN111273312A (zh) | 一种智能车辆定位与回环检测方法 | |
CN112782721A (zh) | 一种可通行区域检测方法、装置、电子设备和存储介质 | |
CN114088081A (zh) | 一种基于多段联合优化的用于精确定位的地图构建方法 | |
Liao et al. | SE-Calib: Semantic Edge-Based LiDAR–Camera Boresight Online Calibration in Urban Scenes | |
CN113759928B (zh) | 用于复杂大尺度室内场景的移动机器人高精度定位方法 | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
CN109633531B (zh) | 一种复合噪声条件下的无线传感器网络节点定位系统 | |
CN116753969A (zh) | 一种高动态环境下的激光惯性slam方法 | |
CN116127405A (zh) | 一种融合点云地图、运动模型和局部特征的位置识别方法 | |
CN113850864B (zh) | 一种面向室外移动机器人的gnss/lidar回环检测方法 | |
CN115436968A (zh) | 一种基于激光雷达的位图化重定位方法 | |
CN112258391B (zh) | 一种基于道路交通标线的碎片化地图拼接方法 | |
Huang et al. | Research on lidar slam method with fused point cloud intensity information | |
CN107727096B (zh) | 基于有效节点筛选的auv地形匹配定位方法 | |
Pyo et al. | Development of radial layout underwater acoustic marker using forward scan sonar for AUV |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220304 |
|
WW01 | Invention patent application withdrawn after publication |