CN115267725A - 一种基于单线激光雷达的建图方法及装置、存储介质 - Google Patents

一种基于单线激光雷达的建图方法及装置、存储介质 Download PDF

Info

Publication number
CN115267725A
CN115267725A CN202211178198.3A CN202211178198A CN115267725A CN 115267725 A CN115267725 A CN 115267725A CN 202211178198 A CN202211178198 A CN 202211178198A CN 115267725 A CN115267725 A CN 115267725A
Authority
CN
China
Prior art keywords
data
rtk
outdoor
mapping
key frame
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
CN202211178198.3A
Other languages
English (en)
Other versions
CN115267725B (zh
Inventor
吴国翔
张腾宇
赵越
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 Xiangong Intelligent Technology Co ltd
Original Assignee
Shanghai Xiangong Intelligent 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 Shanghai Xiangong Intelligent Technology Co ltd filed Critical Shanghai Xiangong Intelligent Technology Co ltd
Priority to CN202211178198.3A priority Critical patent/CN115267725B/zh
Publication of CN115267725A publication Critical patent/CN115267725A/zh
Application granted granted Critical
Publication of CN115267725B publication Critical patent/CN115267725B/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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • 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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Abstract

本发明提供了一种基于单线激光雷达的建图方法及装置、存储介质，其中方法步骤包括：S1为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息；S2将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿。籍此至少解决单线激光雷达在室外场景建图时存在累计误差无法消除的问题，使得单线激光雷达可同时适用于室内外建图。

Description

一种基于单线激光雷达的建图方法及装置、存储介质
技术领域
本发明涉及机器人建图技术，尤其涉及一种基于单线激光雷达与单天线接收机获取的RTK数据融合技术的室内外建图方法及装置、存储介质。
背景技术
在工业搬运机器人领域，室内环境基于单线激光雷达建图技术已经日趋成熟，但随着需求的增长，室内外协同场景也更多的被纳入到作业范围内。然而由于单线激光雷达的探测距离较短（通常为60m），因此无法有效覆盖室外场景，进而导致累计误差无法消除，使得室外建图将存在较大偏差问题，因此单纯使用单线激光雷达一般无法保证在室外场景下正常工作，可见本领域一般不会采用单线激光雷达来对室外场景进行建图。
因此凡涉及到室外场景建图，业内通常会选择使用多线激光雷达代替单线激光雷达，然而随之而来的问题在于，这样就必须针对室内及室外建图分别提供两套设备，况且多线激光雷达的数据量相比单线激光雷达的更大，且建图算法也更为复杂，因此往往需要更高的硬件配置支持，实施成本也更为昂贵。
可见，若能使单线激光雷达同时适用于室内及室外环境建图，则可以极大的降低实施成本。
发明内容
为此本发明的主要目的在于提供一种基于单线激光雷达的建图方法及装置、存储介质，以至少解决单线激光雷达在室外场景建图时存在累计误差无法消除的问题，使得单线激光雷达可同时适用于室内外建图。
为了实现上述目的，根据本发明第一个方面，提供了一种基于单线激光雷达的建图方法，步骤包括：
步骤S1 为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息；
步骤S2 将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿。
在可能的优选实施方式中，步骤S1中，IMU数据与单天线RTK数据的融合计算步骤包括：
依据运动状态的RTK数据计算初始朝向，以对IMU数据进行预测计算出实时的状态向量，并以此更新状态向量的协方差；
持续使用以运动状态的RTK数据计算出的角度值作为观测数据，来修正状态向量以及状态向量的协方差，并将修正后的状态向量作为RTK位置航向信息。
为了实现上述目的，对应第一个方面，本发明的第二个方面还提供了一种基于单线激光雷达的建图装置，其包括：
存储单元，其存有实现如上所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，并将其添加为室外建图关键帧的约束，以修正关键帧对应的位姿。
为了实现上述目的，并同时解决室内外建图融合问题，根据本发明的第三个方面，还提供了一种基于单线激光雷达的建图方法，步骤包括：
步骤S1 为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息；
步骤S2 采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；搜集信息点对使用SVD法求解并建立室内与室外建图坐标系的变换关系；将室内与室外建图坐标系统一；
步骤S3 将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿后将室内与室外建图融合。
在可能的优选实施方式中，步骤S1中，IMU数据与单天线RTK数据的融合计算步骤包括：
依据运动状态的RTK数据计算初始朝向，以对IMU数据进行预测计算出实时的状态向量，并以此更新状态向量的协方差；
持续使用以运动状态的RTK数据计算出的角度值作为观测数据，来修正状态向量以及状态向量的协方差，并将修正后的状态向量作为RTK位置航向信息。
在可能的优选实施方式中，步骤S2中，室内与室外建图坐标系的变换关系的建立步骤包括：
以最小化点对之间距离方式，求解关键帧在地图坐标系下的位置到对应每个顶点的RTK位置的变换矩阵。
在可能的优选实施方式中，所述变换矩阵求解步骤包括：
计算每个点集的均值
Figure 605847DEST_PATH_IMAGE001
，其中关键帧在地图坐标系下一系列位置为
Figure 365730DEST_PATH_IMAGE002
，每个点对应的RTK位置为
Figure 145467DEST_PATH_IMAGE003
，
Figure 602993DEST_PATH_IMAGE004
为每个点的权重：
Figure 230415DEST_PATH_IMAGE005
；
计算每个点的中心偏差：
Figure 115194DEST_PATH_IMAGE006
；
计算协方差矩阵
Figure 178965DEST_PATH_IMAGE007
，其中：
Figure 955029DEST_PATH_IMAGE008
对矩阵S做奇异值分解，得到三个矩阵分量：
Figure 436957DEST_PATH_IMAGE009
其中
Figure 695900DEST_PATH_IMAGE010
是分解后的酉矩阵，
Figure 512546DEST_PATH_IMAGE011
为非负实数对角矩阵，对角上的元素为S的奇异值，V也是分解后的酉矩阵，
旋转矩阵R为：
Figure 561143DEST_PATH_IMAGE012
；
Figure 84528DEST_PATH_IMAGE013
为
Figure 576689DEST_PATH_IMAGE014
的行列式值，
平移向量为：
Figure 631364DEST_PATH_IMAGE015
。
在可能的优选实施方式中，所述步骤S3中室内与室外建图融合步骤包括：
以室内建图过程中生成的起始顶点设置为初始固定点，将其余室内建图的顶点变换到世界坐标系下后，解除初始固定点；
将室外建图获得的第一个携带RTK信息的关键帧的顶点设为进阶固定点；将其余顶点中具有RTK位置航向信息的对应位姿，根据单天线安装位置与单线激光雷达安装位置的外参，计算出激光雷达在世界坐标系下的位姿，并将其与关键帧对应位姿关联，以修正位姿的累积误差后，将室内及室外建图合并至世界坐标系下。
为了实现上述目的，对应第三个方面，本发明的第四个方面还提供了一种基于单线激光雷达的建图装置，其包括：
存储单元，其存有实现如上所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集室内与室外场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，然后采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；
处理单元进一步搜集信息点对，并使用SVD法求解并建立室内与室外建图坐标系的变换关系，以将室内与室外建图坐标系统一；
处理单元进一步将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿后将室内与室外建图融合。
为了实现上述目的，本发明第五个方面，还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中所述处理器执行所述计算机程序时实现前述任一所述基于单线激光雷达的建图方法的步骤。
为了实现上述目的，本发明第五个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时实现前述任一所述基于单线激光雷达的建图方法的步骤。
通过本发明提供的该基于单线激光雷达的建图方法及装置、存储介质，解决了传统认知上，单线激光雷达无法适用于室外建图的问题，同时为了进一步降低实施成本，本发明特别采用单天线定位器接收单天线RTK数据，来与IMU数据融合出稳定的航向信息，从而实现了以更为低廉的硬件成本来替代高成本的双天线定位器的功能，同时进一步结合单线激光雷达建图算法相对简单，数据处理量较小的优势，从而整体上降低机器人室内外建图的实施成本。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的基于单线激光雷达的建图方法示例中单线激光雷达建图中的图结构示意图；
图2为本发明的基于单线激光雷达的建图方法示例中“L”型路径配准示意图，并示意了室内外坐标系的转换；
图3为本发明的基于单线激光雷达的建图方法示例中建图中的图RTK约束结构示意图；
图4为本发明的基于单线激光雷达的建图方法示例中室内外建图融合后的示意图；
图5为本发明的基于单线激光雷达的建图装置的结构示意图；
图6为本发明的用于执行基于单线激光雷达的建图方法程序步骤的计算机设备结构示意图。
具体实施方式
为了使本领域的技术人员能够更好的理解本发明的技术方案，下面将结合实施例来对本发明的具体技术方案进行清楚、完整地描述，以助于本领域的技术人员进一步理解本发明。显然，本案所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思及相互不冲突的前提下，本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的揭露及保护范围。
此外本发明的说明书和权利要求书及附图中的术语“第一”、“第二”、“S1”、“S2”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里描述的那些以外的顺序实施。同时本发明中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。除非另有明确的规定和限定，术语“设置”、“布设”、“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，可以根据具体情况，结合现有技术来理解上述术语在本案中的具体含义。
具体来说，为了有效解决激光无法全覆盖导致的累计误差无法消除的问题，发明人考虑到激光无法有效覆盖的场景往往较为空旷，此时GPS信号往往较好，因此可以融合高精度RTK（实时动态载波相位差分技术）数据来消除误差，进而提高建图精度。
对应的，发明人还曾考虑采用传统双天线定位器接收机以在信号强度足够时，非运动状态下获取高精度的位置与航向信息的RTK数据，但是双天线比起单天线来说成本更高，因此发明人试图通过一种手段来使得单天线定位器也能替代双天线的方案。
（一）
为此如图1至图3所示，本发明提供了一种基于单线激光雷达的建图方法，其步骤包括：
步骤S1
为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息。
具体来说，如图1所示，机器人建图首先会为每个关键帧，即在机器人建图行驶的轨迹中每过一定距离就会选取一帧数据作为关键帧，其包含点云与当前位姿SE2，并以此添加顶点（即图优化中的vertex），同时每个顶点代表对应关键帧的位姿，相邻的顶点之间添加表达两帧位姿变换关系的边（即图优化中的edge）。
当在室外环境下进行构图时，首先需要将车停放在足够空旷的室外环境中，等待有效的RTK数据，这里把状态为FIX、误差不大于3cm的RTK数据当作有效数据。此时地图是由一帧帧关键帧组成，图结构则是由一些列顶点与边构成。如图1所示。
在接收到有效的RTK数据数据后，如图2所示，需要控制车辆行进一段如10m左右的“L”型的折角路线，以完成室内外地图配准。由于单天线数据本身没有包含朝向信息，而建图中必须带有朝向信息的RTK位置航向信息才能使用。
因此，第一步需要融合IMU数据，计算出RTK位置航向信息。具体过程如下：
在运动过程中，以RTK航向
Figure 968804DEST_PATH_IMAGE016
以及航向的速度
Figure 923860DEST_PATH_IMAGE017
为待估计状态：
设状态向量：
Figure 790185DEST_PATH_IMAGE018
其中IMU的z轴角速度
Figure 581423DEST_PATH_IMAGE019
为输入：
设控制输入：
Figure 473287DEST_PATH_IMAGE020
这里的状态变量与输入变量都是服从高斯分布的，假设线性过程方程为：
Figure 33581DEST_PATH_IMAGE021
，其中过程噪声
Figure 805228DEST_PATH_IMAGE022
，均值为0，协方差矩阵为Q。该过程方程表达意义是上一个时刻的状态加上一段时间内的输入带来的变换，再叠加上噪声，得到当前时刻的状态。
根据角速度乘以变化时间
Figure 67451DEST_PATH_IMAGE023
等于角度增量，
Figure 12273DEST_PATH_IMAGE024
得到：
状态转移矩阵：
Figure 177807DEST_PATH_IMAGE025
控制输入矩阵：
Figure 651513DEST_PATH_IMAGE026
此时初始时刻的朝向需要先行驶一段距离（比如1m），起始和行驶一段距离后的RTK数据分别为
Figure 401032DEST_PATH_IMAGE027
与
Figure 883966DEST_PATH_IMAGE028
，朝向就可以计算出来：
Figure 169585DEST_PATH_IMAGE029
此时以
Figure 283035DEST_PATH_IMAGE030
作为初始朝向，0为初始朝向速速，根据过程方程，每个IMU数据都可以进行一次预测，即实时的朝向信息。随着多次预测状态的协方差也不断更新。
Figure 270582DEST_PATH_IMAGE031
然而由于IMU存在累计误差，此时需要不断的使用运动状态的RTK数据计算出的角度值zt作为观测数据，修正状态以及状态的协方差。
这里需要注意，RTK数据的时间与IMU数据的时间是没有对齐的，频率不同，需要用插值的方法计算出最新接收到的IMU数据那个时刻的RTK数据，具体计算方法如下。
假设新增的最新接收到IMU的时间为t位于某两帧RTK数据t 1 与t 2 之间，这两帧的RTK位姿分别为
Figure 806475DEST_PATH_IMAGE032
与
Figure 664709DEST_PATH_IMAGE033
，那么时刻IMU对应的RTK位姿
Figure 480219DEST_PATH_IMAGE034
为：
Figure 705795DEST_PATH_IMAGE035
之后继续计算观测方程：
Figure 796110DEST_PATH_IMAGE036
，其中观测噪声
Figure 977693DEST_PATH_IMAGE037
，均值为0，协方差矩阵为R。
根据测量量与状态量的关系，得到变换矩阵：
Figure 502388DEST_PATH_IMAGE038
首先计算出卡尔曼增益
Figure 464528DEST_PATH_IMAGE039
，然后根据观测值更新状态值以及状态协方差矩阵。
测量更新阶段：
Figure 843688DEST_PATH_IMAGE040
算例：
例如初始时刻的朝向需要先行驶一段距离（比如1m），起始和行驶一段距离后的RTK数据分别为
Figure 207673DEST_PATH_IMAGE041
与
Figure 348673DEST_PATH_IMAGE042
，朝向就可以计算出来：
Figure 798109DEST_PATH_IMAGE029
以
Figure 980960DEST_PATH_IMAGE043
作为初始朝向，0为初始朝向速速，根据过程方程，每个IMU数据都可以进行一次预测，即实时的朝向信息：
Figure 871555DEST_PATH_IMAGE044
根据两个相邻的IMU的真实时间差
Figure 730927DEST_PATH_IMAGE045
，带入F，B矩阵，ut 是IMU原始数据中读到的z轴的角速度，wt是过程噪声，通常可以设置一个较小的值（如果0.01），在接收到下一个RTK数据之前，都可以逐个带入上式，得到实时的状态值。
随着多次预测状态的协方差也不断更新。
Figure 651347DEST_PATH_IMAGE046
初始的P可以假设很小0.0001，同时假设角速度与角加速度不相关。例如：
Figure 887156DEST_PATH_IMAGE047
每更新一次状态就需要更新一次协方差矩阵，显然每次更新的都会使得协方差矩阵变大，也是就是说状态的误差就是越大。需要通过RTK数据的观测（下式中的zt）来修正状态。
Figure 710887DEST_PATH_IMAGE048
就算后得到的
Figure 944422DEST_PATH_IMAGE049
就是修正后的状态。将此状态作为下一预测过程的中的状态值，周而复始迭代计算即可。采用这样的方式就可以只使用单天线获取到实时动态的RTK位置航向信息，继而提供给建图使用。
步骤S2
由于步骤S1中已经获得了RTK位置航向信息,因此如图3所示，将RTK位置航向信息数据添加为室外建图关键帧的约束，进而修正关键帧对应的位姿，即可消除误差。
另一方面，如图5所示，对应上述方法，本发明还提供了一种基于单线激光雷达的建图装置，其包括：
存储单元，其存有实现如上所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，并将其添加为室外建图关键帧的约束，以修正关键帧对应的位姿。
从而通过本发明提供的该基于单线激光雷达的建图方法及装置，有效解决了传统认知上，单线激光雷达无法适用于室外建图的问题，同时为了进一步降低实施成本，本发明特别采用单天线定位器接收单天线RTK数据，来与IMU数据融合出稳定的航向信息，从而实现了以更为低廉的硬件成本来替代高成本的双天线定位器的功能，同时进一步结合单线激光雷达建图算法相对简单，数据处理量较小的优势，从而整体上降低机器人室外建图的实施成本。
（二）
如图1至图4所示，为了实现上述目的的同时，解决室内外建图融合问题，本发明提供的该基于单线激光雷达的建图方法，步骤包括：
步骤S1
为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息。
具体来说，以从室内开始建图为例，在室内建图的过程中，如图1所示，首先会为每个关键帧，即在机器人建图行驶的轨迹中每过一定距离就会选取一帧数据作为关键帧，其包含点云与当前位姿SE2，并以此添加顶点（即图优化中的vertex），同时每个顶点代表对应关键帧的位姿，相邻的顶点之间添加表达两帧位姿变换关系的边（即图优化中的edge）。
当在室外环境下进行构图时，首先需要将车停放在足够空旷的室外环境中，等待有效的RTK数据，这里把状态为FIX、误差不大于3cm的RTK数据当作有效数据。此时地图是由一帧帧关键帧组成，图结构则是由一些列顶点与边构成。如图1所示。
在接收到有效的RTK数据数据后，需要控制车辆行进一段如10m左右的“L”型的折角路线，以完成室内外地图配准。由于单天线数据本身没有包含朝向信息，而建图中必须带有朝向信息的RTK位置航向信息才能使用。
因此，第一步需要融合IMU数据，计算出RTK位置航向信息。具体过程如下：
在运动过程中，以RTK航向
Figure 368450DEST_PATH_IMAGE050
以及航向的速度
Figure 391639DEST_PATH_IMAGE051
为待估计状态：
设状态向量：
Figure 319144DEST_PATH_IMAGE052
其中IMU的z轴角速度
Figure 458001DEST_PATH_IMAGE053
为输入：
设控制输入：
Figure 854478DEST_PATH_IMAGE054
这里的状态变量与输入变量都是服从高斯分布的，假设线性过程方程为：
Figure 166511DEST_PATH_IMAGE055
，其中过程噪声
Figure 463369DEST_PATH_IMAGE056
，均值为0，协方差矩阵为Q。该过程方程表达意义是上一个时刻的状态加上一段时间内的输入带来的变换，再叠加上噪声，得到当前时刻的状态。
根据角速度乘以变化时间
Figure 38707DEST_PATH_IMAGE057
等于角度增量，
Figure 171748DEST_PATH_IMAGE058
得到：
状态转移矩阵：
Figure 38204DEST_PATH_IMAGE059
控制输入矩阵：
Figure 940301DEST_PATH_IMAGE060
此时初始时刻的朝向需要先行驶一段距离（比如1m），起始和行驶一段距离后的RTK数据分别为
Figure 732545DEST_PATH_IMAGE061
与
Figure 24986DEST_PATH_IMAGE062
，朝向就可以计算出来：
Figure 944401DEST_PATH_IMAGE029
此时以
Figure 451737DEST_PATH_IMAGE063
作为初始朝向，0为初始朝向速速，根据过程方程，每个IMU数据都可以进行一次预测，即实时的朝向信息。随着多次预测状态的协方差也不断更新。
Figure 634456DEST_PATH_IMAGE064
然而由于IMU存在累计误差，此时需要不断的使用运动状态的RTK数据计算出的角度值Zt作为观测数据，修正状态以及状态的协方差。
这里需要注意，RTK数据的时间与IMU数据的时间是没有对齐的，频率不同，需要用插值的方法计算出最新接收到的IMU数据那个时刻的RTK数据，具体计算方法如下。
假设新增的最新接收到IMU的时间为
Figure 991357DEST_PATH_IMAGE065
位于某两帧RTK数据
Figure 448883DEST_PATH_IMAGE066
与
Figure 810726DEST_PATH_IMAGE067
之间，这两帧的RTK位姿分别为
Figure 961084DEST_PATH_IMAGE068
与
Figure 228118DEST_PATH_IMAGE033
，那么时刻IMU对应的RTK位姿
Figure 738602DEST_PATH_IMAGE034
为：
Figure 141902DEST_PATH_IMAGE069
之后继续计算观测方程：
Figure 994320DEST_PATH_IMAGE070
，其中观测噪声
Figure 561699DEST_PATH_IMAGE071
，均值为0，协方差矩阵为R。
根据测量量与状态量的关系，得到变换矩阵：
Figure 298711DEST_PATH_IMAGE072
首先计算出卡尔曼增益
Figure 618833DEST_PATH_IMAGE073
，然后根据观测值更新状态值以及状态协方差矩阵。
测量更新阶段：
Figure 625841DEST_PATH_IMAGE074
算例：
例如初始时刻的朝向需要先行驶一段距离（比如1m），起始和行驶一段距离后的RTK数据分别为
Figure 664205DEST_PATH_IMAGE075
，朝向就可以计算出来：
Figure 752378DEST_PATH_IMAGE029
以
Figure 395848DEST_PATH_IMAGE076
作为初始朝向，0为初始朝向速速，根据过程方程，每个IMU数据都可以进行一次预测，即实时的朝向信息：
Figure 573758DEST_PATH_IMAGE077
根据两个相邻的IMU的真实时间差
Figure 364996DEST_PATH_IMAGE078
，带入F，B矩阵，ut 是IMU原始数据中读到的z轴的角速度，wt是过程噪声，通常可以设置一个较小的值（如果0.01），在接收到下一个RTK数据之前，都可以逐个带入上式，得到实时的状态值。
随着多次预测状态的协方差也不断更新。
Figure 256860DEST_PATH_IMAGE079
初始的P可以假设很小0.0001，同时假设角速度与角加速度不相关。例如：
Figure 754837DEST_PATH_IMAGE080
每更新一次状态就需要更新一次协方差矩阵，显然每次更新的都会使得协方差矩阵变大，也是就是说状态的误差就是越大。需要通过RTK数据的观测（下式中的zt）来修正状态。
Figure 323222DEST_PATH_IMAGE081
就算后得到的
Figure 851024DEST_PATH_IMAGE049
就是修正后的状态。将此状态作为下一预测过程的中的状态值，周而复始迭代计算即可。采用这样的方式就可以只使用单天线获取到实时动态的RTK位置航向信息，继而提供给建图使用。
步骤S2
采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；搜集信息点对使用SVD法求解并建立室内与室外建图坐标系的变换关系；将室内与室外建图坐标系统一。
具体来说，此前关键帧位置对应的为之前的室内地图坐标系下，而RTK数据的位置信息是局部ENU坐标系下，该局部ENU系以第一个有效RTK数据为原点。第二步通过计算两个坐标系的变换关系，解决先室内建图再室外建图坐标不一致的问题。
由于上述状态是在IMU输出时刻更新的，而激光的数据与IMU数据是异步的，因此需要使用插值的方法为每个新生成的关键帧标记上对应的RTK位置航向信息。
假设新增的关键帧时间为t位于某两帧IMU数据t 1 与t 2 之间，这两帧的RTK位姿分别为
Figure 733530DEST_PATH_IMAGE068
与
Figure 148330DEST_PATH_IMAGE033
，那么该关键帧对应的RTK位姿
Figure 903928DEST_PATH_IMAGE034
为：
Figure 873021DEST_PATH_IMAGE082
之后，当在室外环境接收到有效RTK数据后，开始行走一段“L”型路线，在这个过程中，需要确保周围有部分环境在激光的有效探测距离内。由于刚到从室内到室外，这个条件通常都比较容易满足。这样的前提是为了在行进的过程中，使用激光数据也可以构建高精度的地图。
同时在这段路径上，每个由单线激光数据计算得到的关键帧位置都有一个RTK位置信息，这样的一组位置信息可以组为一个点对儿。当采集到足够数量的点对儿就可以使用SVD方法求解两个坐标系的变换关系，具体过程如下：
假设关键帧在地图坐标系下一系列位置为
Figure 355955DEST_PATH_IMAGE083
，每个点对应的RTK位置为
Figure 140109DEST_PATH_IMAGE084
，通过最小化点对之间距离求解P到Q的变换矩阵：
Figure 987979DEST_PATH_IMAGE085
求解步骤如下：
计算每个点集的均值，
Figure 975527DEST_PATH_IMAGE086
为每个点的权重，这里每个点的权重一样，均为1。
Figure 12884DEST_PATH_IMAGE087
计算每个点的中心偏差
Figure 402277DEST_PATH_IMAGE088
计算协方差矩阵
Figure 998212DEST_PATH_IMAGE089
其中
Figure 941898DEST_PATH_IMAGE090
对矩阵S做奇异值分解（SVD），这里可以调用数学库（比如Eigen）中的SVD函数求解，求解后可以得到3个矩阵分量如下：
Figure 501055DEST_PATH_IMAGE091
其中
Figure 761266DEST_PATH_IMAGE010
是分解后的酉矩阵，
Figure 216518DEST_PATH_IMAGE011
为非负实数对角矩阵，对角上的元素为S的奇异值，V也是分解后的酉矩阵，
所求的旋转矩阵R为：
Figure 427926DEST_PATH_IMAGE092
，
Figure 790774DEST_PATH_IMAGE013
为
Figure 905492DEST_PATH_IMAGE014
的行列式值，
平移向量为：
Figure 531645DEST_PATH_IMAGE093
因此“L”型路线的目的就是为了使得采集的点对儿不在同一条直线上，确保可以求解到正确的坐标变换关系，如图2所示。
当获得两个坐标系的变换关系后，需要将之前的室内建图转换到局部ENU坐标下，实现室内外地图坐标系的统一。因此将求得变换矩阵之前所有的图中的顶点位置修改为变换到ENU坐标系下的值。
Figure 246660DEST_PATH_IMAGE095
其中
Figure 350882DEST_PATH_IMAGE096
为室内关键帧的位姿，
Figure 818642DEST_PATH_IMAGE097
为上文中求解出来的旋转矩阵，
Figure 678013DEST_PATH_IMAGE098
为上文中求解出的平移向量，
Figure 99898DEST_PATH_IMAGE099
为变换到ENU坐标系下的位姿。
步骤S3
由于步骤S1中已经获得了RTK位置航向信息，同时步骤2也统一了室内外建图坐标系,因此如图3所示，将RTK位置航向信息数据添加为室外建图关键帧的约束，进而修正关键帧对应的位姿，即可消除误差，之后，由于室内外建图坐标系已经统一，因此可将室内与室外建图融合。
具体来说，当获取到两个坐标系的变换关系后，才可以将之前的室内建图中所生成的关键帧位姿变换到ENU坐标系下，生成ENU坐标系下的地图。此后，在室外环境中生成的关键帧位姿均为ENU坐标下，只有这样统一了坐标后，将单天线RTK与IMU融合出带航行信息的RTK数据添加为关键帧的约束，这样才能修正关键帧的位姿，消除由于激光无法覆盖室外大环境而导致的累计误差。
例如，以之前构建室内地图过程中生成的图结构（图1所示）中，起点为原点，坐标为（0,0），将改点设置为固定点（图优化中的固定点就不再对该点的位姿进行优化计算，可以认为这个点已经足够准确不需要依赖其它数据修正），这样的好处也可以防止后续数据误差导致原点偏移其实际值。
在把之前的顶点变换到ENU坐标系后，解除初始固定的顶点，将室外第一个有RTK信息的关键帧顶点设为固定顶点，跟原点的原理相似，认为该点的可信度很高。在接下来对室外场景建图过程中，如果有有效的RTK数据（带朝向的RTK数据），位姿为T_R2ENU，根据天线安装位置与激光安装位置的外参，假设激光到天线的变换矩阵为T_L2R，计算出激光在ENU坐标系下的位姿T_L2ENU：
T_L2ENU = T_L2R * T_R2ENU
这个位姿数据由于是通过RTK数据计算来得，已经消除了累计误差，且位置可信度很高，信号好的情况下可以达到正负2cm。之后使用图优化库中的添加先验位置约束的函数（比如g2o库中EdgeSE2XYPrior，addEdge相关函数）将该数据与关键帧位姿关联起来，如图3所示。
此后在室外建图的过程中，不断的将由高精度RTK数据计算出的关键帧在ENU坐标下的姿态约束、修正利用单线激光数据计算出的存在累计误差的位姿，即可达到消除误差，构建一致地图的效果，如图4所示。
此外本领域技术人员通过上述实施例的介绍也可以知晓，本案的该方法实际上并不限制室内/室外建图优先顺序，虽然本实施例以室内建图为优先进行了示例，但其实也可以先进行室外建图再进行室内建图，并最终进行室内外建图融合，实施上并无障碍。
另一方面，如图5所示，对应上述方法，本发明还提供了一种基于单线激光雷达的建图装置，其包括：
存储单元，其存有实现如上所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集室内与室外场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，然后采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；
处理单元进一步搜集信息点对，并使用SVD法求解并建立室内与室外建图坐标系的变换关系，以将室内与室外建图坐标系统一；
处理单元进一步将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿后将室内与室外建图融合。
从而，通过本发明提供的该基于单线激光雷达的建图方法及装置，解决了传统认知上，单线激光雷达无法适用于室外建图的问题，同时为了进一步降低实施成本，本发明特别采用单天线定位器接收单天线RTK数据，来与IMU数据融合出稳定的航向信息，从而使得室内外建图融合成为了可能，并且实现了以更为低廉的硬件成本来替代高成本的双天线定位器的功能，同时进一步结合单线激光雷达建图算法相对简单，数据处理量较小的优势，从而整体上可降低机器人室内外建图的实施成本。
另一方面，如图6所示，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中所述处理器执行所述计算机程序时实现前述实施例中任一所述基于单线激光雷达的建图方法的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时实现前述实施例中任一所述基于单线激光雷达的建图方法的步骤。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员可以理解，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块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程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
此外实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种基于单线激光雷达的建图方法，其特征在于，步骤包括：
步骤S1 为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息；
步骤S2 将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿。
2.一种基于单线激光雷达的建图方法，其特征在于，步骤包括：
步骤S1 为单线激光雷达获取的扫描信息建立建图关键帧与对应位姿的顶点数据；在室外环境中接收到有效的单天线RTK数据后；控制机器人以折角形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据进行融合计算，以获取RTK位置航向信息；
步骤S2 采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；搜集信息点对使用SVD法求解并建立室内与室外建图坐标系的变换关系；将室内与室外建图坐标系统一；
步骤S3 将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿后将室内与室外建图融合。
3.根据权利要求2所述的基于单线激光雷达的建图方法，其特征在于，步骤S1中，IMU数据与单天线RTK数据的融合计算步骤包括：
依据运动状态的RTK数据计算初始朝向，以对IMU数据进行预测计算出实时的状态向量，并以此更新状态向量的协方差；
持续使用以运动状态的RTK数据计算出的角度值作为观测数据，来修正状态向量以及状态向量的协方差，并将修正后的状态向量作为RTK位置航向信息。
4.根据权利要求2所述的基于单线激光雷达的建图方法，其特征在于，步骤S2中，室内与室外建图坐标系的变换关系的建立步骤包括：
以最小化点对之间距离方式，求解关键帧在地图坐标系下的位置到对应每个顶点的RTK位置的变换矩阵。
5.根据权利要求4所述的基于单线激光雷达的建图方法，其特征在于，所述变换矩阵求解步骤包括：
计算每个点集的均值
Figure 537084DEST_PATH_IMAGE001
，其中关键帧在地图坐标系下一系列位置为
Figure 951885DEST_PATH_IMAGE002
，每个点对应的RTK位置为
Figure 704553DEST_PATH_IMAGE003
，
Figure 735963DEST_PATH_IMAGE004
为每个点的权重：
Figure 844995DEST_PATH_IMAGE005
；
计算每个点的中心偏差：
Figure 317565DEST_PATH_IMAGE006
；
计算协方差矩阵
Figure 493331DEST_PATH_IMAGE007
，其中：
Figure 231611DEST_PATH_IMAGE008
对矩阵S做奇异值分解，得到三个矩阵分量：
Figure 518236DEST_PATH_IMAGE009
其中
Figure 314154DEST_PATH_IMAGE010
是分解后的酉矩阵，
Figure 228799DEST_PATH_IMAGE011
为非负实数对角矩阵，对角上的元素为S的奇异值，V也是分解后的酉矩阵，
旋转矩阵R为：
Figure 454376DEST_PATH_IMAGE012
；
Figure 544691DEST_PATH_IMAGE013
为
Figure 539323DEST_PATH_IMAGE014
的行列式值，
平移向量为：
Figure 994575DEST_PATH_IMAGE015
。
6.根据权利要求2所述的基于单线激光雷达的建图方法，其特征在于，所述步骤S3中室内与室外建图融合步骤包括：
以室内建图过程中生成的起始顶点设置为初始固定点，将其余室内建图的顶点变换到世界坐标系下后，解除初始固定点；
将室外建图获得的第一个携带RTK信息的关键帧的顶点设为进阶固定点；将其余顶点中具有RTK位置航向信息的对应位姿，根据单天线安装位置与单线激光雷达安装位置的外参，计算出激光雷达在世界坐标系下的位姿，并将其与关键帧对应位姿关联，以修正位姿的累积误差后，将室内及室外建图合并至世界坐标系下。
7.一种基于单线激光雷达的建图装置，其特征在于包括：
存储单元，其存有实现如权利要求1所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，并将其添加为室外建图关键帧的约束，以修正关键帧对应的位姿。
8.一种基于单线激光雷达的建图装置，其特征在于包括：
存储单元，其存有实现如权利要求2至6任一所述基于单线激光雷达的建图方法步骤的程序，以供控制单元及处理单元适时调取执行；
控制单元操控单线激光雷达采集室内与室外场景扫描信息向处理单元发送；
处理单元根据扫描信息建立建图关键帧与对应位姿的顶点数据；
当处于室外环境中时，控制单元操控单天线定位器接收到有效的单天线RTK数据后，控制机器人以L形路线行驶预设距离方式获取IMU数据进而与单天线RTK数据一同发往处理单元；
处理单元将IMU数据与单天线RTK数据进行融合计算，以获取RTK位置航向信息，然后采用插值法为每个室外新生成的建图关键帧标记上对应的RTK位置航向信息形成信息点对；
处理单元进一步搜集信息点对，并使用SVD法求解并建立室内与室外建图坐标系的变换关系，以将室内与室外建图坐标系统一；
处理单元进一步将RTK位置航向信息数据添加为室外建图关键帧的约束，修正关键帧对应的位姿后将室内与室外建图融合。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202211178198.3A 2022-09-27 2022-09-27 一种基于单线激光雷达的建图方法及装置、存储介质 Active CN115267725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211178198.3A CN115267725B (zh) 2022-09-27 2022-09-27 一种基于单线激光雷达的建图方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211178198.3A CN115267725B (zh) 2022-09-27 2022-09-27 一种基于单线激光雷达的建图方法及装置、存储介质

Publications (2)

Publication Number Publication Date
CN115267725A true CN115267725A (zh) 2022-11-01
CN115267725B CN115267725B (zh) 2023-01-31

Family

ID=83756688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211178198.3A Active CN115267725B (zh) 2022-09-27 2022-09-27 一种基于单线激光雷达的建图方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN115267725B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109222772A (zh) * 2018-11-19 2019-01-18 上海布灵信息科技有限公司 一种室外多媒体全自动扫地机器人
CN109934920A (zh) * 2019-05-20 2019-06-25 奥特酷智能科技(南京)有限公司 基于低成本设备的高精度三维点云地图构建方法
CN110244284A (zh) * 2019-07-29 2019-09-17 南通润邦重机有限公司 一种用于多线激光雷达和gps\ins标定的标定板及其方法
CN110297224A (zh) * 2019-08-01 2019-10-01 深圳前海达闼云端智能科技有限公司 激光雷达的定位方法、装置、机器人及计算设备
US20200226782A1 (en) * 2018-05-18 2020-07-16 Boe Technology Group Co., Ltd. Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database
CN112362051A (zh) * 2020-10-16 2021-02-12 无锡卡尔曼导航技术有限公司 一种基于gnss/ins/lidar-slam信息融合的移动机器人导航定位系统
CN112987065A (zh) * 2021-02-04 2021-06-18 东南大学 一种融合多传感器的手持式slam装置及其控制方法
CN113345018A (zh) * 2021-05-31 2021-09-03 湖南大学 一种动态场景下的激光单目视觉融合定位建图方法
CN113777580A (zh) * 2021-07-19 2021-12-10 长春理工大学 一种基于可旋转单线激光雷达的三维激光扫描仪

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200226782A1 (en) * 2018-05-18 2020-07-16 Boe Technology Group Co., Ltd. Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database
CN109222772A (zh) * 2018-11-19 2019-01-18 上海布灵信息科技有限公司 一种室外多媒体全自动扫地机器人
CN109934920A (zh) * 2019-05-20 2019-06-25 奥特酷智能科技(南京)有限公司 基于低成本设备的高精度三维点云地图构建方法
CN110244284A (zh) * 2019-07-29 2019-09-17 南通润邦重机有限公司 一种用于多线激光雷达和gps\ins标定的标定板及其方法
CN110297224A (zh) * 2019-08-01 2019-10-01 深圳前海达闼云端智能科技有限公司 激光雷达的定位方法、装置、机器人及计算设备
CN112362051A (zh) * 2020-10-16 2021-02-12 无锡卡尔曼导航技术有限公司 一种基于gnss/ins/lidar-slam信息融合的移动机器人导航定位系统
CN112987065A (zh) * 2021-02-04 2021-06-18 东南大学 一种融合多传感器的手持式slam装置及其控制方法
CN113345018A (zh) * 2021-05-31 2021-09-03 湖南大学 一种动态场景下的激光单目视觉融合定位建图方法
CN113777580A (zh) * 2021-07-19 2021-12-10 长春理工大学 一种基于可旋转单线激光雷达的三维激光扫描仪

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王锐等: ""单线激光雷达与ＧＮＳＳ／ＩＮＳ的空间重构"", 《光学精密工程》 *

Also Published As

Publication number Publication date
CN115267725B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN108717710B (zh) 室内环境下的定位方法、装置及系统
CN112862894B (zh) 一种机器人三维点云地图构建与扩充方法
CN109211251B (zh) 一种基于激光和二维码融合的即时定位与地图构建方法
CN108759833B (zh) 一种基于先验地图的智能车辆定位方法
CN111102978B (zh) 一种车辆运动状态确定的方法、装置及电子设备
CN109885080B (zh) 自主控制系统及自主控制方法
CN111402339B (zh) 一种实时定位方法、装置、系统及存储介质
CN110595466B (zh) 轻量级的基于深度学习的惯性辅助视觉里程计实现方法
CN110546459A (zh) 具有数据融合的机器人跟踪导航
CN110490809B (zh) 多智能体协同定位与建图方法及装置
US11580688B2 (en) High-definition city mapping
CN113238554A (zh) 一种基于激光与视觉融合slam技术的室内导航方法及系统
Nguyen et al. Flexible and resource-efficient multi-robot collaborative visual-inertial-range localization
CN112797985A (zh) 基于加权扩展卡尔曼滤波的室内定位方法及室内定位系统
CN112067007B (zh) 地图生成方法、计算机存储介质及电子设备
CN113701742A (zh) 一种基于云端与边端融合计算的移动机器人slam方法
CN115267725B (zh) 一种基于单线激光雷达的建图方法及装置、存储介质
CN113311452A (zh) 一种基于多传感器的定位方法及其系统
CN112985391A (zh) 一种基于惯性和双目视觉的多无人机协同导航方法和装置
Bender et al. Map-based drone homing using shortcuts
Xiaoqian et al. Nonlinear extended Kalman filter for attitude estimation of the fixed-wing UAV
CN115435781A (zh) 一种基于多传感器融合的机器人室内外无缝定位方法及系统
CN114264301A (zh) 车载多传感器融合定位方法、装置、芯片及终端
CN114358419A (zh) 位姿预测方法、位姿预测装置、存储介质与电子设备
CN113759904A (zh) 基于融合算法的移动机器人自主导航方法

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
GR01 Patent grant
GR01 Patent grant