CN115166702A - 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置 - Google Patents

一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置 Download PDF

Info

Publication number
CN115166702A
CN115166702A CN202210808533.7A CN202210808533A CN115166702A CN 115166702 A CN115166702 A CN 115166702A CN 202210808533 A CN202210808533 A CN 202210808533A CN 115166702 A CN115166702 A CN 115166702A
Authority
CN
China
Prior art keywords
coordinate system
point cloud
vehicle
calibration
laser radar
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
Application number
CN202210808533.7A
Other languages
English (en)
Inventor
王科未
骆嫚
万骞
周智颖
周子建
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.)
Dongfeng Yuexiang Technology Co Ltd
Original Assignee
Dongfeng Yuexiang Technology Co Ltd
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 Dongfeng Yuexiang Technology Co Ltd filed Critical Dongfeng Yuexiang Technology Co Ltd
Priority to CN202210808533.7A priority Critical patent/CN115166702A/zh
Publication of CN115166702A publication Critical patent/CN115166702A/zh
Pending legal-status Critical Current

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
    • G01S17/93—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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

一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，包括：步骤1：选取合适的标定场地，放置标志物；步骤2：移动车辆，采集不同位置下，同一时刻的激光雷达点云数据和车辆定位数据；步骤3：对于所获取的激光雷达点云数据，进行地面分割，获取地面点云和非地面点云；步骤4：获取标定参数rx、ry、dz；步骤5：获取标定参数rz、dx、dy，本发明通过结合自动驾驶车辆的高精度定位信息进行激光雷达和车体的坐标系转换关系的高精度标定，能实现高效、高精度的外参标定，可以解决一般标定方法步骤繁琐、精度低的问题，能在简单环境下进行自动化标定。

Description

一种基于高精度定位信息的激光雷达到车体坐标系的自动标 定方法及装置
技术领域
本发明属于辅助驾驶领域，具体涉及一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置。
背景技术
自动驾驶技术发展迅速，在其日渐成熟的过程中对环境感知的准确度要求也日益提高。激光雷达以其测量精度高、范围广等优势在环境感知中起着至关重要的作用。往往一辆自动驾驶车辆包含多个激光雷达以实现视野全覆盖。而多台激光雷达扫描的点云都是基于其自身坐标系的，我们需要把多传感器数据统一到车体坐标系或是世界坐标系下，就需要激光雷达的标定技术。
在现有的标定技术中，常见的激光雷达外参标定方法自动化程度还不够高，常见步骤一般为：常用的方法是以手工测量或水平仪的方法进行坐标系之间平移量和旋转量的测量，这类方法无法获取精确的标定参数，且效率低下。
发明内容
本发明旨在通过结合自动驾驶车辆的高精度定位信息进行激光雷达和车体的本发明坐标系转换关系的高精度标定，实现高效、高精度的外参标定。
本发明提供一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，包括：
步骤1：选取合适的标定场地，放置标志物；
步骤2：移动车辆，采集不同位置下，同一时刻的激光雷达点云数据和车辆定位数据{Pt,Gt|t＝1,2,...T}；
步骤3：对于所获取的激光雷达点云数据，首先设定感兴趣区域，对感兴趣区域内的点云进行地面分割，获取地面点云Pt,g和非地面点云Pt,ug，对于非地面点云Pt,ug，按照DBSCAN聚类算法进行聚类，获取标志物的点云簇，并求取点云簇的中心坐标
Figure BDA0003737649930000021
步骤4：对于所有的位置获取的地面点云集合{Pt,g|t＝1,2,...,T}，构建目标函数，进行标定参数rx,ry的优化，所述优化目标函数为：
f(vx,vy)＝|vx|+|vy|；
其中，Vx和Vy分别为地面点云的法向量在x轴和y轴的值，其值来自于地面点云的平面方程，如下所示：
z＝vxx+vyy+dz；
Figure BDA0003737649930000022
其中，M为坐标转换矩阵，如下面函数所示：
Figure BDA0003737649930000023
其中，rx、ry和rz分别为绕车辆坐标系x、y和z轴的旋转角， dz为在车辆坐标系z轴的平移量；
步骤5：根据不同车辆位置下的标志物全局位置不变的原则构建目标函数，获取标定参数rz、dx和dy。
作为优选，在所述步骤5中，对于其中一个标志物n，在t时刻其在车辆坐标系下的位置
Figure BDA0003737649930000031
为：
Figure BDA0003737649930000032
其在t时刻、在全局坐标系下的位置为：
Figure BDA0003737649930000033
其中，Ml2g是车辆坐标系转全局坐标系的转换矩阵。
对于标志物，其在全局坐标系下的位置不变，因此构建目标函数为：
Figure BDA0003737649930000034
其中，Pt，g为地面点云，Pt，ug为非地面点云数据，G为标志物在全局坐标系下的位置，V为标志物在车辆坐标系下的位置。
作为优选，在所述步骤1中，所述标定场地为一定大小的基本平整的地面，所述标志物为具有一定高度的竖立物体，可选择常见的反光锥桶。
作为优选，在所述步骤2中，移动车辆时应保证标志物在激光雷达的检测范围内，所述车辆定位数据包含车辆当前时刻的经纬度和航向角，即Gt＝(lon,lat,θ)。
作为优选，在所述步骤4中，所述根据目标函数优化获取标定参数rx，ry和dz的过程包括：
步骤41：根据地面点云，首先赋予rx和ry一个随机值；
步骤42：利用粒子群优化PSO算法以目标函数值最小为优化目标，自动更新一组rx和ry值；
步骤43：根据更新的rx和ry值，将地面点云进行坐标转换；
步骤44：将坐标转换后的地面点云进行RANSAC地面拟合，获取地面法向量vx和vy值；
步骤45：根据所述步骤4中的函数求解目标函数值；
步骤46：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值；如果满足任意一个条件，则终止迭代，输出当前的 rx、ry和dz，若不满足，则循环执行步骤42-步骤45。
作为优选，在所述步骤5中，根据求出的rx、ry和dz，结合目标函数
Figure BDA0003737649930000041
求解rz、dx和dy的步骤如下：
步骤51：赋予rz、dx和dy一个随机值；
步骤52：利用PSO算法以目标函数
Figure BDA0003737649930000042
的最小值为优化目标，自动更新一组rz、dx和dy的值；
步骤53：根据更新的rz、dx和dy的值，结合所述步骤4与步骤 5中的函数得出目标函数值；
步骤54：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值。如果满足任意一个条件，则终止迭代，输出当前的rz、dx和dy。若不满足，则循环执行步骤52-步骤53。
本发明还提供一种基于高精度定位信息的激光雷达到车体坐标系的自动标定装置，装置应用于搭载有激光雷达和已完成标定高精度定位设备的智能汽车平台上，且定位设备已完成标定。
作为优选，所述基于高精度定位信息的激光雷达到车体坐标系的自动标定装置包括处理器，所述处理器能实现上述任一项基于高精度定位信息的激光雷达到车体坐标系的自动标定方法。
本发明带来的有益效果：
1.本发明通过结合自动驾驶车辆的高精度定位信息进行激光雷达和车体的坐标系转换关系的高精度标定，能实现高效、高精度的外参标定。
2.本发明可以解决一般标定方法步骤繁琐、精度低的问题。
3.本发明能明显的提高标定精度和效率，满足实际工程的使用需求，能在简单环境下进行自动化标定。
附图说明
图1为本发明方法的流程图。
图2为本发明方法获取标定参数的流程图。
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，本实施例提供一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，包括：
步骤S1：选取合适的标定场地，放置标志物。所述标定场地为一定大小的基本平整的地面，所述标志物为具有一定高度的竖立物体，可选择常见的反光锥桶，在标定场地上以一定的规则摆放若干个标志物，摆放规则可以选择以一定间隔成直线摆放标志物；
步骤S2：移动车辆，采集不同位置下，同一时刻的激光雷达点云数据和车辆定位数据{Pt,Gt|t＝1,2,...T}，移动车辆时应保证标志物在激光雷达的检测范围内，所述车辆定位数据包含车辆当前时刻的经纬度和航向角，即Gt＝(lon,lat,θ)；
步骤S3：对于所获取的激光雷达点云数据，首先设定感兴趣区域，剔除标定场地中的其他点云，只保留地面点云和标志物点云，再对感兴趣区域内的点云进行地面分割，获取地面点云Pt,g和非地面点云Pt,ug，对于非地面点云Pt,ug，按照DBSCAN聚类算法进行聚类，获取标志物的点云簇，并求取点云簇的中心坐标
Figure BDA0003737649930000061
步骤S4：对于所有的位置获取的地面点云集合{Pt,g|t＝1,2,...,T}，构建目标函数，进行标定参数rx,ry的优化，所述优化目标函数为：
f(vx,vy)＝|vx|+|vy|；
其中，Vx和Vy分别为地面点云的法向量在x轴和y轴的值，其值来自于地面点云的平面方程，如下所示：
z＝vxx+vyy+dz；
Figure BDA0003737649930000071
其中，M为坐标转换矩阵，如下面函数所示：
Figure BDA0003737649930000072
其中，rx、ry和rz分别为绕车辆坐标系x、y和z轴的旋转角， dz为在车辆坐标系z轴的平移量；
步骤S5：根据不同车辆位置下的标志物全局位置不变的原则构建目标函数，获取标定参数rz、dx和dy。
进一步地，在所述步骤S5中，对于其中一个标志物n，在t时刻其在车辆坐标系下的位置
Figure BDA0003737649930000073
为：
Figure BDA0003737649930000074
其在t时刻、在全局坐标系下的位置为：
Figure BDA0003737649930000075
其中，Ml2g是车辆坐标系转全局坐标系的转换矩阵；
对于标志物，其在全局坐标系下的位置不变，因此构建目标函数为：
Figure BDA0003737649930000076
其中，Pt，g为地面点云，Pt，ug为非地面点云数据，G为标志物在全局坐标系下的位置，V为标志物在车辆坐标系下的位置。
进一步地，如图2所示，在所述步骤S4中，所述根据目标函数优化获取标定参数rx，ry和dz的过程包括：
步骤S41：根据地面点云，首先赋予rx和ry一个随机值；
步骤S42：利用粒子群优化PSO算法以目标函数值最小为优化目标，自动更新一组rx和ry值；
步骤S43：根据更新的rx和ry值，将地面点云进行坐标转换。
步骤S44：将坐标转换后的地面点云进行RANSAC地面拟合，获取地面法向量vx和vy值；
步骤S45：根据所述步骤S4中的函数求解目标函数值；
步骤S46：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值；如果满足任意一个条件，则终止迭代，输出当前的 rx、ry和dz，若不满足，则循环执行步骤S42-步骤S45。
进一步地，如图2所示，在所述步骤S5中，根据求出的rx、ry 和dz，结合目标函数
Figure BDA0003737649930000081
求解rz、 dx和dy的步骤如下：
步骤S51：赋予rz、dx和dy一个随机值；
步骤S52：利用PSO算法以
Figure BDA0003737649930000082
的最小值为优化目标，自动更新一组rz、dx和dy的值；
步骤S53：根据更新的rz、dx和dy的值，结合所述步骤S4与步骤S5中的函数得出目标函数值；
步骤S54：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值，如果满足任意一个条件，则终止迭代，输出当前的 rz、dx和dy，若不满足，则循环执行步骤S52-步骤S53。
本发明还提供一种基于高精度定位信息的激光雷达到车体坐标系的自动标定装置，装置应用于搭载有激光雷达和已完成标定高精度定位设备的智能汽车平台上，且定位设备已完成标定。本方案通过自动化标定方法获取激光雷达到智能汽车车辆坐标系的标定参数，所述标定参数即为激光雷达坐标系到车辆坐标的的六自由度参数，即：dx, dy,dz,rx,ry,rz分别为三个轴的平移变量和旋转变量。
进一步地，所述基于高精度定位信息的激光雷达到车体坐标系的自动标定装置包括处理器，所述处理器能实现上述任一项基于高精度定位信息的激光雷达到车体坐标系的自动标定方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，包括：
步骤1：选取合适的标定场地，放置标志物；
步骤2：移动车辆，采集不同位置下，同一时刻的激光雷达点云数据和车辆定位数据{Pt,Gt|t＝1,2,...T}；
步骤3：对于所获取的激光雷达点云数据，首先设定感兴趣区域，对感兴趣区域内的点云进行地面分割，获取地面点云Pt,g和非地面点云Pt,ug，对于非地面点云Pt,ug，按照DBSCAN聚类算法进行聚类，获取标志物的点云簇，并求取点云簇的中心坐标
Figure FDA0003737649920000011
步骤4：对于所有的位置获取的地面点云集合{Pt,g|t＝1,2,...,T}，构建目标函数，进行标定参数rx,ry的优化，所述优化目标函数为：
f(vx,vy)＝|vx|+|vy|；
其中，Vx和Vy分别为地面点云的法向量在x轴和y轴的值，其值来自于地面点云的平面方程，函数如下所示：
z＝vxx+vyy+dz；
Figure FDA0003737649920000012
其中，M为坐标转换矩阵，如下面函数所示：
Figure FDA0003737649920000013
Figure FDA0003737649920000025
其中，rx、ry和rz分别为绕车辆坐标系x、y和z轴的旋转角，dz为在车辆坐标系z轴的平移量；
步骤5：根据不同车辆位置下的标志物全局位置不变的原则构建目标函数，获取标定参数rz、dx和dy。
2.如权利要求1所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，其特征在于，在所述步骤5中，对于其中的一个标志物n，在t时刻其在车辆坐标系下的位置
Figure FDA0003737649920000021
为：
Figure FDA0003737649920000022
其在t时刻、在全局坐标系下的位置为：
Figure FDA0003737649920000023
其中，Ml2g是车辆坐标系转全局坐标系的转换矩阵；
对于标志物，其在全局坐标系下的位置不变，因此构建目标函数为：
Figure FDA0003737649920000024
其中，Pt，g为地面点云，Pt，ug为非地面点云数据，G为标志物在全局坐标系下的位置，V为标志物在车辆坐标系下的位置。
3.如权利要求1所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，其特征在于，在所述步骤1中，所述标定场地为一定大小的基本平整的地面，所述标志物为具有一定高度的竖立物体，可选择常见的反光锥桶。
4.如权利要求1所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，其特征在于，在所述步骤2中，移动车辆时应保证标志物在激光雷达的检测范围内，所述车辆定位数据包含车辆当前时刻的经纬度和航向角，即Gt＝(lon,lat,θ)。
5.如权利要求1所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，其特征在于，在所述步骤4中，所述根据目标函数优化获取标定参数rx，ry和dz的过程包括：
步骤41：根据地面点云，首先赋予rx和ry一个随机值；
步骤42：利用粒子群优化PSO算法以目标函数值最小为优化目标，自动更新一组rx和ry值；
步骤43：根据更新的rx和ry值，将地面点云进行坐标转换；
步骤44：将坐标转换后的地面点云进行RANSAC地面拟合，获取地面法向量vx和vy值；
步骤45：根据所述步骤4中的函数求解目标函数值；
步骤46：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值；如果满足任意一个条件，则终止迭代，输出当前的rx、ry和dz，若不满足，则循环执行步骤42-步骤45。
6.如权利要求1所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法，其特征在于，在所述步骤5中，根据求出的rx、ry和dz，结合目标函数:
Figure FDA0003737649920000031
求解rz、dx和dy的步骤如下：
步骤51：赋予rz、dx和dy一个随机值；
步骤52：利用PSO算法以函数:
Figure FDA0003737649920000041
的最小值为优化目标，自动更新一组rz、dx和dy的值；
步骤53：根据更新的rz、dx和dy的值，结合所述步骤4-步骤5中的函数得出目标函数值；
步骤54：判断目标函数值是否小于设定阈值，或者迭代次数是否达到预设值。如果满足任意一个条件，则终止迭代，输出当前的rz、dx和dy，若不满足，则循环执行步骤52-步骤53。
7.一种基于高精度定位信息的激光雷达到车体坐标系的自动标定装置，其特征在于，所述标定装置应用于搭载有激光雷达和已完成标定高精度定位设备的智能汽车平台上，且所述定位设备已完成标定。
8.如权利要求7所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定装置，其特征在于，包括：处理器，所述处理器能实现上述权利要求1-6所述的一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法。
CN202210808533.7A 2022-07-08 2022-07-08 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置 Pending CN115166702A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210808533.7A CN115166702A (zh) 2022-07-08 2022-07-08 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210808533.7A CN115166702A (zh) 2022-07-08 2022-07-08 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置

Publications (1)

Publication Number Publication Date
CN115166702A true CN115166702A (zh) 2022-10-11

Family

ID=83493510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210808533.7A Pending CN115166702A (zh) 2022-07-08 2022-07-08 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置

Country Status (1)

Country Link
CN (1) CN115166702A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381632A (zh) * 2023-06-05 2023-07-04 南京隼眼电子科技有限公司 雷达横滚角的自标定方法、装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381632A (zh) * 2023-06-05 2023-07-04 南京隼眼电子科技有限公司 雷达横滚角的自标定方法、装置及存储介质
CN116381632B (zh) * 2023-06-05 2023-08-18 南京隼眼电子科技有限公司 雷达横滚角的自标定方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN108802785B (zh) 基于高精度矢量地图和单目视觉传感器的车辆自定位方法
CN110596683B (zh) 一种多组激光雷达外参标定系统及其方法
CN107991683B (zh) 一种基于激光雷达的机器人自主定位方法
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
CN109901139A (zh) 激光雷达标定方法、装置、设备和存储介质
CN106651990A (zh) 一种室内地图构建方法及基于室内地图的室内定位方法
CN108958282A (zh) 基于动态球形窗口的三维空间路径规划方法
CN112819903A (zh) 基于l型标定板的相机和激光雷达联合标定的方法
CN111060888A (zh) 一种融合icp和似然域模型的移动机器人重定位方法
CN110187375A (zh) 一种基于slam定位结果提高定位精度的方法及装置
CN110187372B (zh) 一种低速无人车园区内组合导航方法及系统
CN112684432B (zh) 激光雷达标定方法、装置、设备及存储介质
CN110208783B (zh) 基于环境轮廓的智能车辆定位方法
CN112652062B (zh) 一种点云地图构建方法、装置、设备和存储介质
WO2022193106A1 (zh) 一种通过惯性测量参数将gps与激光雷达融合定位的方法
CN108896957A (zh) 一种无人机操控信号源的定位系统及方法
CN109141427A (zh) 在非视距环境下基于距离和角度概率模型的ekf定位方法
CN110988894A (zh) 一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法
CN110046563A (zh) 一种基于无人机点云的输电线路断面高程修正方法
CN115166702A (zh) 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置
CN112731354A (zh) Agv上激光雷达位姿的自标定方法
CN113724387A (zh) 一种激光与相机融合的地图构建方法
CN107765257A (zh) 一种基于反射强度辅助外部校准的激光探测与测量方法
CN114608568A (zh) 一种基于多传感器信息即时融合定位方法
CN109931940A (zh) 一种基于单目视觉的机器人定位置信度评估方法

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