CN115372947A - 针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 - Google Patents
针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 Download PDFInfo
- Publication number
- CN115372947A CN115372947A CN202211025491.6A CN202211025491A CN115372947A CN 115372947 A CN115372947 A CN 115372947A CN 202211025491 A CN202211025491 A CN 202211025491A CN 115372947 A CN115372947 A CN 115372947A
- Authority
- CN
- China
- Prior art keywords
- inertial navigation
- odometer
- data
- laser radar
- time information
- 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
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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统,包括:激光雷达里程计模块,用于获取激光雷达里程计的数据,输出相邻两帧之间的平移间距离;惯性导航里程计模块,用于获取惯性导航里程计的数据,输出相邻两帧之间的平移间距离;外参优化模块,获取平移间距离,剔除异常数据后以内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参输出。在本申请实施例中,针对激光雷达里程计和惯性导航里程计进行距离滤波过滤,过滤掉因为惯性导航设备受信号干扰不良定位点和激光雷达里程计因场地动态物体移动产生的建图定位的不良定位点,提高标定结果平移量的准确性。
Description
技术领域
本申请涉及无人驾驶标定技术领域,尤其涉及一种针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统。
背景技术
标定外参技术,及传感器间空间同步,即不同传感器坐标系下的测量值转换到同一坐标系下。传感器标定是自动驾驶的基本需求,也是多传感器融合的基础,需要首先确定各传感器之间的坐标关系以及各传感器与整车坐标系之间的转换关系。
目前,自动驾驶车辆激光雷达和惯性导航设备的标定方法有手眼标定法和描述子提取法。其中手眼标定法利用激光雷达和惯性导航设备在车辆的刚性连接基本特征,同时提取同时刻的激光雷达和惯性导航设备的位姿进行计算车辆激光雷达与惯性导航设备之间的外参关系。但是两台设备会产生两种无法避免误差,一是惯性导航设备受场地信号干扰产生的定位误差,二是激光雷达里程计受场地动态物体和车辆运动造成激光畸变产生的建图定位误差。
因为这两种误差的存在,导致这两种设备生成的里程计产生误差,最终产生标定结果的平移误差较大结果。通常我们直接使用当前产生的定位数据,或者对当前的定位点直接对比x,y,z三维差异,进行过滤。前者会纳入大量的误差值,从而影响最终的标定精度,后者在存在大幅度旋转的情况下,因为传感器的初始朝向不同,在三维坐标系下是无法直接过滤的。所以作者提出一种算法流程,用来在同纬度间距的情况下过滤大量误差值的算法流程,从而提高激光雷达和惯性导航的标定精度。
发明内容
为了解决上述技术问题,本申请实施例提供一种针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统,通过排除异常间距点算法流程,从而提升优化标定自动驾驶车辆惯性导航设备和激光雷达外参准确度。
本申请实施例第一方面提供了一种针对自动驾驶车辆惯导及激光雷达的标定方法,包括:
S1)获取激光雷达里程计以及惯性导航里程计的数据,以坐标点位姿和对应的时间信息作为每组数据的组成;
S2)对所述每组数据中的坐标点位姿归一化后,获取每个坐标点位姿相对于初始坐标点位姿的平移旋转变换量;
S3)基于激光雷达里程计的时间信息所形成的点云时间戳,在每个时间信息下对惯性导航里程计坐标点位姿进行一维插值运算,获取每个点云时间戳下的惯性导航里程计坐标结果,针对旋转方位使用球面插值,获取每个点云时间戳下的惯性导航里程计旋转方位结果,里程计坐标与旋转方位形成新的惯性导航里程计的数据;
S4)基于激光雷达里程计的数据和新的惯性导航里程计的数据,分别获取相邻两帧之间的旋转平移变换关系后获取平移间距离;
S5)对每一组相邻帧下的激光雷达里程计的平移间距离和新的惯性导航里程计的平移间距离进行筛查,剔除异常点之后利用内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参。
进一步地,所述S1)中,坐标点位姿包括位置信息和转角信息,位置信息由相对于原点的三维坐标点而形成,转角信息由相对于前一帧的方位变换而形成。
进一步地,所述S1)中激光雷达里程计数据中的时间信息与惯性导航里程计的时间信息不一一对应。
进一步地,所述S2)中的坐标点位姿归一化均针对各自的初始坐标点。
进一步地,所述S3)中,利用一维插值与球面插值运算后的新的惯性导航里程计的数据中的时间信息与激光雷达里程计数据中的时间信息形成一一对应关系。
进一步地,所述S4)中将每两个相邻帧作为一个旋转平移变换关系,利用旋转平移变换关系对两个相邻帧下的坐标点位姿所在的坐标数值进行距离计算获取平移间距离;所有所述旋转平移变换关系形成变换关系组,该变换关系组顺次包含所有的平移间距离。
进一步地,所述S5)中激光雷达里程计的变换关系组和新的惯性导航里程计的变换关系组中的同序号下的平移间距离数据的误差若超过预设的阈值,则认定该数据为异常点,并分别从两个变换关系组中剔除。
进一步地,所述S5)中在剔除所有异常点之后所形成的新的两个变换关系组进行内点法优化。
本申请实施例第二方面提供了一种针对自动驾驶车辆惯导及激光雷达的标定系统,包括:
激光雷达里程计模块,用于获取激光雷达里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离;
惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离;
外参优化模块,获取激光雷达里程计模块与惯性导航里程计模块的输出数据,剔除异常数据后以内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参输出。
进一步地,所述惯性导航里程计模块包括:
第一惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后进行一维插值与球面插值处理,输出与激光雷达里程计模块中同时间信息下所对应的坐标与旋转数据;
第二惯性导航里程计模块,获取第一惯性导航里程计模块处理后的数据形成新的时惯性导航里程计的数据,该数据中的时间信息与激光雷达里程计模块中的时间信息一致,以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离。
在本申请实施例中,针对激光雷达里程计和惯性导航里程计进行距离滤波过滤,过滤掉因为惯性导航设备受信号干扰不良定位点和激光雷达里程计因场地动态物体移动产生的建图定位的不良定位点,提高标定结果平移量的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的方法流程图;
图2是步骤S3处理后的里程计状态示意图;
图3是步骤S5处理后的里程计状态示意图。
具体实施方式
为使得本申请的申请目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
下面结合附图和具体实施例,进一步阐明本发明。
在本申请的描述中,需要理解的是,术语“上”、“下”、“顶”、“底”、“内”、“外”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申请和简化描述,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申请的限制。
本申请实施例第一方面提供了一种针对自动驾驶车辆惯导及激光雷达的标定方法,包括:
S1)获取激光雷达里程计以及惯性导航里程计的数据,以坐标点位姿和对应的时间信息作为每组数据的组成,这里的坐标点位姿包括位置信息和转角信息,位置信息由相对于原点的三维坐标点而形成,转角信息由相对于前一帧的方位变换而形成。
这里的获取只是读取数据,因此激光雷达里程计以及惯性导航里程计的数据中所形成的时间信息不一一对应。
作为一个具体的实施例,激光雷达里程计中的数据包含i个坐标点位姿TL(TL为变换矩阵)和对应的时间信息TimeLidar,其中每个位姿又由位置信息和转角信息组成,这里位置信息相对于原点的三维坐标点,转角信息为第i帧相对于i-1帧的方位变换组成。
S2)对每组数据中的坐标点位姿针对各自的初始坐标点进行归一化后,获取每个坐标点位姿相对于初始坐标点位姿的平移旋转变换量。
S3)基于激光雷达里程计的时间信息所形成的点云时间戳,在每个时间信息下对惯性导航里程计坐标点位姿进行一维插值运算,获取每个点云时间戳下的惯性导航里程计坐标结果,针对旋转方位使用球面插值,获取每个点云时间戳下的惯性导航里程计旋转方位结果,里程计坐标与旋转方位形成新的惯性导航里程计的数据;
在本步骤中考虑到外参是要针对同时间下的两个里程计去进行转换,因此需要将两组数据中的时间戳进行统一,这里利用一维插值与球面插值运算后的新的惯性导航里程计的数据中的时间信息与激光雷达里程计数据中的时间信息形成一一对应关系。
作为一个具体的实施例,惯性里程计位姿TI根据点云里程计位姿TL的时间戳TimeLidar进行一维插值与球面插值运算,取得跟点云里程计时间同步的惯性里程计平移和旋转变换量,效果如图2,展示处理后的里程计状态。
S4)基于激光雷达里程计的数据和新的惯性导航里程计的数据,分别获取相邻两帧之间的旋转平移变换关系后获取平移间距离;具体地将每两个相邻帧作为一个旋转平移变换关系,利用旋转平移变换关系对两个相邻帧下的坐标点位姿所在的坐标数值进行距离计算获取平移间距离;所有所述旋转平移变换关系形成变换关系组,该变换关系组顺次包含所有的平移间距离。
作为一个具体的实施例,计算插值后雷达里程计和惯性设备里程计各自相邻两帧之间的平移和旋转变换,以雷达里程计帧间变换公式为例,第i个变换关系 表示激光雷达里程计的第i个坐标点位姿信息;将坐标点位姿信息TL和TI,转换为激光雷达里程计的变换关系组TLr和惯性导航里程计的变换关系组TIr。
S5)对每一组相邻帧下的激光雷达里程计的平移间距离和新的惯性导航里程计的平移间距离进行筛查,激光雷达里程计的变换关系组和新的惯性导航里程计的变换关系组中的同序号下的平移间距离数据的误差若超过预设的阈值,则认定该数据为异常点,并分别从两个旋转平移变换关系中剔除,在剔除所有异常点之后所形成的新的两个变换关系组进行内点法优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参。
作为一个具体的实施例,得到相邻两帧变换关系组TLr和TIr后开始筛除距离异常点,以相邻两帧的平移变换记为t(t中包含三维平移变量x,y,z),其中TLr的第i个平移变换记为TIr的第i个平移变换记为通过两点间的距离公式,计算与以及与时刻平移变换,分别得到变换间距distance。
若激光雷达里程计的distance和新的惯性导航里程计的distance误差大于0.05cm(本实施例中所设置的阈值),则移除当前变换关系组TLr和TIr。
将优化选择后的TLr和TIr带入手眼标定公式AX=XB,带入TLr带入A和TIr带入B,使用内点法非线性优化法,进行非线性优化,loss=AX-XB,当损失值loss最小时,则得到最优外参X。最后优化得到的X就是激光雷达与惯性导航设备间的平移和旋转外参,将所有TL乘以X进行旋转变换,可见最终轨迹标定效果如图3,乘以外参后里程计完全拟合度高,也证明该外参标定精度较高。
本申请实施例第二方面提供了一种针对自动驾驶车辆惯导及激光雷达的标定系统,应用上述标定方法,包括:激光雷达里程计模块、惯性导航里程计模块和外参优化模块,每个模块的具体运作方式与上述标定方法具体内容一致,这里不进行具体赘述。
激光雷达里程计模块,用于获取激光雷达里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离;。
惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离。
其中,惯性导航里程计模块具体包括:
第一惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后进行一维插值和球面插值处理,输出与激光雷达里程计模块中同时间信息下所对应的坐标与旋转方位数据;
第二惯性导航里程计模块,获取第一惯性导航里程计模块处理后的数据形成新的时惯性导航里程计的数据,该数据中的时间信息与激光雷达里程计模块中的时间信息一致,以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离。
外参优化模块,获取激光雷达里程计模块与惯性导航里程计模块的输出数据,剔除异常数据后以内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参输出。
这里第二惯性导航里程计模块相当于是将惯性导航里程计模块内的数据所对应的时间信息与激光雷达里程计模块同步,这样能够便于外参优化模块对外参的优化,以提高标定结果平移量的准确性。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护。
Claims (10)
1.一种针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,包括:
S1)获取激光雷达里程计以及惯性导航里程计的数据,以坐标点位姿和对应的时间信息作为每组数据的组成;
S2)对所述每组数据中的坐标点位姿归一化后,获取每个坐标点位姿相对于初始坐标点位姿的平移旋转变换量;
S3)基于激光雷达里程计的时间信息所形成的点云时间戳,在每个时间信息下对惯性导航里程计坐标点位姿进行一维插值运算,获取每个点云时间戳下的惯性导航里程计坐标结果,针对旋转方位使用球面插值,获取每个点云时间戳下的惯性导航里程计旋转方位结果,里程计坐标与旋转方位形成新的惯性导航里程计的数据;
S4)基于激光雷达里程计的数据和新的惯性导航里程计的数据,分别获取相邻两帧之间的旋转平移变换关系后获取平移间距离;
S5)对每一组相邻帧下的激光雷达里程计的平移间距离和新的惯性导航里程计的平移间距离进行筛查,剔除异常点之后利用内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参。
2.根据权利要求1所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S1)中,坐标点位姿包括位置信息和转角信息,位置信息由相对于原点的三维坐标点而形成,转角信息由相对于前一帧的方位变换而形成。
3.根据权利要求2所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S1)中激光雷达里程计数据中的时间信息与惯性导航里程计的时间信息不一一对应。
4.根据权利要求3所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S2)中的坐标点位姿归一化均针对各自的初始坐标点。
5.根据权利要求4所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S3)中,利用一维插值和球面插值运算后的新的惯性导航里程计的数据中的时间信息与激光雷达里程计数据中的时间信息形成一一对应关系。
6.根据权利要求5所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S4)中将每两个相邻帧作为一个旋转平移变换关系,利用旋转平移变换关系对两个相邻帧下的坐标点位姿所在的坐标数值进行距离计算获取平移间距离;所有所述旋转平移变换关系形成变换关系组,该变换关系组顺次包含所有的平移间距离。
7.根据权利要求6所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S5)中激光雷达里程计的变换关系组和新的惯性导航里程计的变换关系组中的同序号下的平移间距离数据的误差若超过预设的阈值,则认定该数据为异常点,并分别从两个变换关系组中剔除。
8.根据权利要求7所述的针对自动驾驶车辆惯导及激光雷达的标定方法,其特征在于,所述S5)中在剔除所有异常点之后所形成的新的两个变换关系组进行内点法优化。
9.一种针对自动驾驶车辆惯导及激光雷达的标定系统,其特征在于,包括:
激光雷达里程计模块,用于获取激光雷达里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离;
惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离;
外参优化模块,获取激光雷达里程计模块与惯性导航里程计模块的输出数据,剔除异常数据后以内点法进行非线性优化,将所得到的优化参数作为激光雷达与惯性导航设备间的平移和旋转外参输出。
10.根据权利要求9所述的针对自动驾驶车辆惯导及激光雷达的标定系统,其特征在于,所述惯性导航里程计模块包括:
第一惯性导航里程计模块,用于获取惯性导航里程计的数据,并将数据以坐标点位姿和对应的时间信息作为一组的形式存储后进行一维插值与球面插值处理,输出与激光雷达里程计模块中同时间信息下所对应的坐标数据;
第二惯性导航里程计模块,获取第一惯性导航里程计模块处理后的数据形成新的时惯性导航里程计的数据,该数据中的时间信息与激光雷达里程计模块中的时间信息一致,以坐标点位姿和对应的时间信息作为一组的形式存储后输出相邻两帧之间的平移间距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211025491.6A CN115372947A (zh) | 2022-08-25 | 2022-08-25 | 针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211025491.6A CN115372947A (zh) | 2022-08-25 | 2022-08-25 | 针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115372947A true CN115372947A (zh) | 2022-11-22 |
Family
ID=84068179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211025491.6A Pending CN115372947A (zh) | 2022-08-25 | 2022-08-25 | 针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115372947A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295345A (zh) * | 2023-03-16 | 2023-06-23 | 上海知而行科技有限公司 | 存在光学干扰环境下的定位方法、装置、设备、介质 |
-
2022
- 2022-08-25 CN CN202211025491.6A patent/CN115372947A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295345A (zh) * | 2023-03-16 | 2023-06-23 | 上海知而行科技有限公司 | 存在光学干扰环境下的定位方法、装置、设备、介质 |
CN116295345B (zh) * | 2023-03-16 | 2024-01-19 | 上海知而行科技有限公司 | 存在光学干扰环境下的定位方法、装置、设备、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389590B (zh) | 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 | |
CN111693968B (zh) | 一种车载三维激光雷达系统外参的系统化标定方法 | |
CN114862932B (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN111812649A (zh) | 基于单目相机与毫米波雷达融合的障碍物识别与定位方法 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN113311411A (zh) | 一种用于移动机器人的激光雷达点云运动畸变校正方法 | |
CN113269878B (zh) | 一种基于多传感器的建图方法及系统 | |
CN115272596A (zh) | 一种面向单调无纹理大场景的多传感器融合slam方法 | |
CN114485654A (zh) | 一种基于高精地图的多传感器融合定位方法及装置 | |
CN115372947A (zh) | 针对自动驾驶车辆惯导及激光雷达的标定方法及标定系统 | |
CN112017248A (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
CN115330866A (zh) | 一种融合激光雷达和深度相机点云的建图定位方法 | |
CN115308721A (zh) | 一种激光雷达和组合惯导外参标定方法、装置、设备、介质 | |
CN115639547A (zh) | 多线激光雷达与gnss_ins联合标定方法、系统及介质 | |
KR102490521B1 (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
CN114444284A (zh) | 一种车端实时仿真场景道路底图生成方法及系统 | |
CN111753901B (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
CN116681776B (zh) | 一种双目相机的外参标定方法和系统 | |
CN114252099B (zh) | 一种智能车辆多传感器融合自标定方法及系统 | |
CN116481543A (zh) | 一种移动机器人多传感器融合双层滤波定位方法 | |
CN111736137B (zh) | LiDAR外部参数标定方法、系统、计算机设备及可读存储介质 | |
CN114998864A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN117611762B (zh) | 一种多层级地图构建方法、系统及电子设备 | |
CN110232714B (zh) | 深度相机的标定方法及系统 | |
CN116543057B (zh) | 一种水下多相机与imu一体化标定方法 |
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 |