CN115523929A - 一种基于slam的车载组合导航方法、装置、设备及介质 - Google Patents

一种基于slam的车载组合导航方法、装置、设备及介质 Download PDF

Info

Publication number
CN115523929A
CN115523929A CN202211141952.6A CN202211141952A CN115523929A CN 115523929 A CN115523929 A CN 115523929A CN 202211141952 A CN202211141952 A CN 202211141952A CN 115523929 A CN115523929 A CN 115523929A
Authority
CN
China
Prior art keywords
information
vehicle
slam
image
road surface
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
CN202211141952.6A
Other languages
English (en)
Other versions
CN115523929B (zh
Inventor
张攀科
马浩
毛明楷
朱万凯
吴国平
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.)
Beijing Geo Vision Tech Co ltd
Original Assignee
Beijing Geo Vision Tech 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 Beijing Geo Vision Tech Co ltd filed Critical Beijing Geo Vision Tech Co ltd
Priority to CN202211141952.6A priority Critical patent/CN115523929B/zh
Publication of CN115523929A publication Critical patent/CN115523929A/zh
Application granted granted Critical
Publication of CN115523929B publication Critical patent/CN115523929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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

Abstract

本申请涉及数据管理的领域，尤其是涉及一种基于SLAM的车载组合导航方法、装置、设备及介质。方法包括：获取若干车辆的第一信息以及第二信息，然后对第一信息以及第二信息进行时钟同步处理，得到坐标标定指令，然后根据坐标标定指令控制标定设备对SLAM传感器以及车载系统进行坐标标定处理，得到SLAM传感器相对于车载系统的标定参数值，然后基于标定参数值以及第一信息进行车载组合导航，得到GNSS信息、IMU信息以及里程计信息，然后确定GNSS信息是否存在预设情况，若存在，则获取GNSS信息相对应车辆所在的区域信息，并基于区域信息对IMU信息以及里程计信息进行解算，得到车辆的运动轨迹信息，本申请具有提高组合导航精准度的效果。

Description

一种基于SLAM的车载组合导航方法、装置、设备及介质
技术领域
本申请涉及数据处理的领域，尤其是涉及一种基于SLAM的车载组合导航方法、装置、设备及介质。
背景技术
目前，车载系统通过搭载在汽车上，在汽车高速运行的同时获取GNSS、IMU和里程计数据。通过GNSS、IMU和里程计的组合获取位置和姿态信息。但是在实际作业情况复杂，各种路况都可能遇见，例如：在通过高大楼宇、狭窄巷子、过街天桥、隧道、地下停车场等弱GNSS区域，组合后的轨迹云会与现实场景存在偏差，因此增加多种传感器作为在弱GNSS或者无GNSS情况下的补充，以提高组合导航的精度。
针对于上述相关技术，发明人认为在使用传感器以及车载系统进行空间地理信息导航时，由于每个传感器与车载系统的时钟不同以及设备标定的偏差，导致在对地理信息导航时存在组合导航进准度降低缺陷。
发明内容
为了提高组合导航的精准度，本申请提供了一种基于SLAM的车载组合导航方法、装置、设备及介质。
第一方面，本申请提供一种基于SLAM的车载组合导航方法，采用如下的技术方案：一种基于SLAM的车载组合导航方法，包括：
获取若干车辆的第一信息以及第二信息，所述第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息；
对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令；
根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值；
基于所述标定参数值、所述第一信息以及所述第二信息进行车载组合导航，得到GNSS信息、IMU信息以及里程计信息；
确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
在另一种可能实现的方式中，对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令，包括：
基于所述第一信息确定系统时钟信息；
基于所述第二信息确定采集时钟信息；
判断所述系统时钟信息与所述采集时钟信息是否一致，若不一致，则获取北斗时钟信息，并根据所述北斗时钟信息对所述系统时钟信息以及所述采集时钟信息进行时钟校准，得到坐标标定指令。
在另一种可能实现的方式中，所述根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值，包括：
检测所述SLAM传感器与所述车载系统的全景影像之间的位置偏移量，得到位置偏移信息；将所述SLAM传感器与所述位置偏移信息相结合，得到SLAM组合信息；
基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点；
对所述同名球面坐标点进行最小二乘算法计算，标定所述SLAM传感器与所述车载系统之间的姿态信息；
根据所述姿态信息对所述位置偏移信息进行迭代优化，得到优化偏移信息；
将所述优化偏移信息以及所述姿态信息进行信息汇总，得到所述SLAM传感器相对于所述车载系统的标定参数值。
在另一种可能实现的方式中，所述基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点，包括：
根据所述SLAM组合信息确定所述SLAM传感器的数据特征点；
将所述数据特征点与所述影像模型体的坐标进行共线，得到同名特征点；
将所述同名特征点的绝对坐标转换至所述影像模型体的坐标系，得到同名球面坐标点。
在另一种可能实现的方式中，所述方法还包括：
获取路面图像信息以及物体图像信息，所述物体图像信息为安装在所述车辆上的激光扫描仪所扫描到的物体图像；
分别对所述路面图像信息以及所述物体图像信息进行图像增强处理，得到处理后的路面图像信息以及物体图像信息；
对所述路面图像信息进行分析，确定所述路面图像信息中是否存在预设路面异常，若所述路面图像信息中存在预设路面异常，则生成路面提示信息，若所述路面图像信息中不存在预设路面异常，则对所述物体图像信息进行分析，确定所述物体图像信息是否存在预设物体异常；若所述物体图像信息存在预设物体异常，则生成物体异常信息。
在另一种可能实现的方式中，所述若所述路面图像信息中存在预设路面异常，则生成路面提示信息，之后还包括：
获取车辆转向信息，所述车辆转向信息为在生成路面提示信息后的预设时间段内的转向信息；对所述路面提示信息进行信息提取，得到提示转向信息；
判断所述车辆转向信息是否与所述提示转向信息相对应，若不对应，则基于所述车辆转向信息确定违规人员信息。
在另一种可能实现的方式中，所述基于所述车辆转向信息确定违规人员信息，之后还包括：
获取负责人员信息，所述负责人员信息用于表示负责驾驶车辆的人员信息；
计算所述违规人员信息在所述负责人员信息中的占比值，并判断所述占比值是否超过预设占比阈值；
若所述占比值超过所述预设占比阈值，则调取会议安排信息，并对所述会议安排信息进行占用记录分析，生成会议信息。
第二方面，本申请提供一种基于SLAM的车载组合导航装置，采用如下的技术方案：一种基于SLAM的车载组合导航装置，包括：
信息获取模块，用于获取若干车辆的第一信息以及第二信息，所述第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息；同步处理模块，用于对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令；
标定处理模块，用于根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值；
组合导航模块，用于基于所述标定参数值以及所述第一信息进行车载组合导航，得到组合结果信息，其中组合结果信息包括:GNSS信息、IMU信息以及里程计信息；
轨迹分析模块，用于确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
在一种可能的实现方式中，所述同步处理模块在对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令，具体用于：
基于所述第一信息确定系统时钟信息；
基于所述第二信息确定采集时钟信息；
判断所述系统时钟信息与所述采集时钟信息是否一致，若不一致，则获取北斗时钟信息，并根据所述北斗时钟信息对所述系统时钟信息以及所述采集时钟信息进行时钟校准，得到坐标标定指令。
在另一种可能的实现方式中，所述标定处理模块在根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值，具体用于：
检测所述SLAM传感器与所述车载系统的全景影像之间的位置偏移量，得到位置偏移信息；将所述SLAM传感器与所述位置偏移信息相结合，得到SLAM组合信息；
基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点；
对所述同名球面坐标点进行最小二乘算法计算，标定所述SLAM传感器与所述车载系统之间的姿态信息；
根据所述姿态信息对所述位置偏移信息进行迭代优化，得到优化偏移信息；
将所述优化偏移信息以及所述姿态信息进行信息汇总，得到所述SLAM传感器相对于所述车载系统的标定参数值。
在另一种可能的实现方式中，所述标定处理模块在基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点，具体用于：
根据所述SLAM组合信息确定所述SLAM传感器的数据特征点；
将所述数据特征点与所述影像模型体的坐标进行共线，得到同名特征点；
将所述同名特征点的绝对坐标转换至所述影像模型体的坐标系，得到同名球面坐标点。
在另一种可能的实现方式中，所述装置还包括：图像获取模块、图像增强模块、图像分析模块以及信息生成模块，其中，
所述图像获取模块，用于获取路面图像信息以及物体图像信息，所述物体图像信息为安装在所述车辆上的激光扫描仪所扫描到的物体图像；
所述图像增强模块，用于分别对所述路面图像信息以及所述物体图像信息进行图像增强处理，得到处理后的路面图像信息以及物体图像信息；
所述图像分析模块，用于对所述路面图像信息进行分析，确定所述路面图像信息中是否存在预设路面异常，若所述路面图像信息中存在预设路面异常，则生成路面提示信息，若所述路面图像信息中不存在预设路面异常，则对所述物体图像信息进行分析，确定所述物体图像信息是否存在预设物体异常；
所述信息生成模块，用于当所述物体图像信息存在预设物体异常时，生成物体异常信息。
在另一种可能的实现方式中，所述装置还包括：转向获取模块、信息提取模块以及信息判断模块，其中，
所述转向获取模块，用于获取车辆转向信息，所述车辆转向信息为在生成路面提示信息后的预设时间段内的转向信息；
所述信息提取模块，用于对所述路面提示信息进行信息提取，得到提示转向信息；
所述信息判断模块，用于判断所述车辆转向信息是否与所述提示转向信息相对应，若不对应，则基于所述车辆转向信息确定违规人员信息。
在另一种可能的实现方式中，所述装置还包括：人员获取模块、占比计算模块以及占比判断模块，其中，
人员获取模块，用于获取负责人员信息，所述负责人员信息用于表示负责驾驶车辆的人员信息；
所述占比计算模块，用于计算所述违规人员信息在所述负责人员信息中的占比值，并判断所述占比值是否超过预设占比阈值；
所述占比判断模块，用于当所述占比值超过所述预设占比阈值时，调取会议安排信息，并对所述会议安排信息进行占用记录分析，生成会议信息。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述基于SLAM的车载组合导航方法。
第四方面，提供了一种计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的基于SLAM的车载组合导航方法。
综上所述，本申请包括以下至少一种有益技术效果：
本申请提供了一种基于SLAM的车载组合导航方法、装置、设备及介质，与相关技术相比，在本申请中，在对不同车辆进行地理信息导航时，获取若干车辆所搭载的车载系统的第一信息以及每个车辆所安装的SLAM传感器采集的第二信息，然后对第一信息以及第二信息进行时钟同步处理，得到坐标标定指令，然后根据坐标标定指令控制标定设备对SLAM传感器以及车载系统进行坐标标定处理，得到SLAM传感器相对于车载系统的标定参数值，然后基于标定参数值以及第一信息进行车载组合导航，得到组合结果信息，其中组合结果信息包括:GNSS信息、IMU信息以及里程计信息，然后确定GNSS信息是否存在预设情况，若存在，则获取GNSS信息相对应车辆所在的区域信息，并基于区域信息对IMU信息以及里程计信息进行解算，得到车辆的运动轨迹信息，通过对SLAM传感器以及车载系统的同步处理以及坐标标定处理，提高了传感器与车载系统的组合导航准确度。
附图说明
图1是本申请实施例一种基于SLAM的车载组合导航方法的流程示意图；
图2是本申请实施例一种基于SLAM的车载组合导航装置的方框示意图；
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，一种基于SLAM的车载组合导航方法、装置、设备及介质和/或B，可以表示：单独存在一种基于SLAM的车载组合导航方法、装置、设备及介质，同时存在一种基于SLAM的车载组合导航方法、装置、设备及介质和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于SLAM的车载组合导航方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：
步骤S10，获取若干车辆的第一信息以及第二信息。
其中，第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息。
对于本申请实施例来说，车载系统是指能够在汽车或同类运动工具上使用的产品,方便在汽车运动中使用,常见的是车载MP3、MP4、GPS、车载DVD、车载硬盘机、车载电源、车载冰箱、车载按摩器、车载电脑以及车载电视等等。SLAM传感器为激光雷达，它提供车辆本体与周围环境障碍物间的距离信息。常见的激光雷达，例如SICK、Velodyn以及的rplidar等。
步骤S11，对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令。
步骤S12，根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值。
具体地，SLAM传感器与车载系统的标定，多采用已知控制点来进行解算标定，但是已知控制点受场地控制点布设精度等限制，且区域限制更集中，通常参与标定解算的影像帧较少。因此本申请采用项目方法，使用点云来选取特征点进行SLAM传感器的标定解算，通过全景相机与载体坐标系已完成标定的条件下，也能保证全景相机的影像中特征点与外部控制点精度相近并且参与标定解算的同名点不受任何场地限制，可免除标定厂址布设过程。
步骤S13，基于所述标定参数值、所述第一信息以及所述第二信息进行车载组合导航，得到GNSS信息、IMU信息以及里程计信息。
步骤S14，确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
本申请实施例提供了一种基于SLAM的车载组合导航方法，在对不同车辆进行地理信息导航时，获取若干车辆所搭载的车载系统的第一信息以及每个车辆所安装的SLAM传感器采集的第二信息，然后对第一信息以及第二信息进行时钟同步处理，得到坐标标定指令，然后根据坐标标定指令控制标定设备对SLAM传感器以及车载系统进行坐标标定处理，得到SLAM传感器相对于车载系统的标定参数值，然后基于标定参数值以及第一信息进行车载组合导航，得到组合结果信息，其中组合结果信息包括:GNSS信息、IMU信息以及里程计信息，然后确定GNSS信息是否存在预设情况，若存在，则获取GNSS信息相对应车辆所在的区域信息，并基于区域信息对IMU信息以及里程计信息进行解算，得到车辆的运动轨迹信息，通过对SLAM传感器以及车载系统的同步处理以及坐标标定处理，提高了传感器与车载系统的组合导航准确度。
本申请实施例的一种可能的实现方式，步骤S11具体包括步骤S11(图中未示出)、步骤S112(图中未示出)以及步骤S113(图中未示出)，其中，
步骤S111，基于所述第一信息确定系统时钟信息。
步骤S112，基于所述第二信息确定采集时钟信息。
步骤S113，判断所述系统时钟信息与所述采集时钟信息是否一致，若不一致，则获取北斗时钟信息，并根据所述北斗时钟信息对所述系统时钟信息以及所述采集时钟信息进行时钟校准，得到坐标标定指令。
具体地，利用高精度北斗授时系统接入车载系统的每个传感器时钟中，保证与各传感器的精确时间同步，同时将该系统同步信号接入到SLAM传感器中。车载系统已经通过计时芯片获得了一个相对时间系统，但由于晶振误差的存在，设备时间系统与更为稳定的GNSS时存在一定误差，因此还需对GNSS时进行对时同步。
在本申请实施例中，记录车轮距离数据同时接受GNSS时间串口同步北斗GNSS系统输出的PPS脉冲和UTC时间，并将实时计算按实际移动距离发送相机触发曝光TTL信号，各个相机曝光将影像数据通过USB3.0协议的数据接口传输存储于电子设备，并将曝光flash信号进行同步记录。
本申请实施例的一种可能的实现方式，步骤S12之后还包括步骤S21(图中未示出)、步骤S22(图中未示出)、步骤S23(图中未示出)以及步骤S24(图中未示出)，其中，步骤S21，检测所述SLAM传感器与所述车载系统的全景影像之间的位置偏移量，得到位置偏移信息。
在本申请实施例中，采用全站仪技术获取SLAM传感器和全景影像之间的位置偏移量。
步骤S22，将所述SLAM传感器与所述位置偏移信息相结合，得到SLAM组合信息。
步骤S23，基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点。
具体地，以车载系统中全景影像的摄影中心点为圆心建立一个半径为10m的球，将SLAM传感器数据加上对应的偏移量后投影到该球面上，全景影像也投影到该球面上。然后通过两个数据的叠加选择同名球面坐标。
步骤S24，对所述同名球面坐标点进行最小二乘算法计算，标定所述SLAM传感器与所述车载系统之间的姿态信息。
步骤S25，根据所述姿态信息对所述位置偏移信息进行迭代优化，得到优化偏移信息。
步骤S26，将所述优化偏移信息以及所述姿态信息进行信息汇总，得到所述SLAM传感器相对于所述车载系统的标定参数值。
对于本申请实施例来说，在SLAM和车载系统之间数据融合的时候将该标定参数用于数据变换。SLAM传感器数据与车载系统之间标定达到的效果是使影像经投影到球面后，以摄影中心为球中心原点进行透视查看，球上像素特征物应与全景影像叠加显示不存在任何错位，此条件的数学表达即为同名像素点与点云特征点存在共线条件。
SLAM传感器数据特征点与全景影像球面坐标共线，并将SLAM传感器数据特征点中同名特征点绝对坐标转换至该全景球面坐标系后，得到的SLAM传感器数据特征点坐标应与全景影像上同名像素点坐标一致，亦即其像素偏差量最小。例如：已知某一个SLAM传感器数据特征点坐标为Pp-1(Up-1,Vp-1,Zp-1),获取对应的全景影像上同名点球面坐标为Pq(Xq,Yq,Zq)，应满足如下公式所示：
Figure BDA0003853963850000091
其中，Pp-1为全景影像球面坐标系下坐标。
Figure BDA0003853963850000092
为标定待求的SALM传感器坐标系到全景影像坐标系的三个旋转角Heading、Pitch、Roll构建的旋转矩阵的逆矩阵。Tdb为标定待求的SALM传感器坐标系到全景影像坐标系的三个偏移量。Pq为全景影像上同名球面坐标。
由此可知，同名球面坐标的误差方程表现形式：fi(x)＝Pq-Pp-1。其中，x表示6个未知数，就是待求的标定值，对应矩阵
Figure BDA0003853963850000093
Tdb，如下所示：x＝[Xdb Ydb Zdb Hdb Pdb Rdb]。
选择SLAM传感器数据上投影后的像素特征点与全景影像上投影坐标对应的特征点，每一对同名特征点构建两个方程，若存在n对同名特征，即可构建2n个误差方程式，对上述误差方程进行线性化展开，其矩阵表现形式为：V＝AX-L根据最小二乘间接平差原理，列出法方程式如下所示：
ATPAX＝ATPL。
其中P作为观测值的权矩阵，表现观测值的量测精度，通常认为为同等观测权重，即P为单位矩阵，亦即：X＝(ATA)-1ATL。
将以上求出SLAM传感器相对于全景相机的标定值与已知的全景相机相对于车载系统的偏移和旋转值进行变换，即可得到SLAM传感器相对于车载系统坐标系的标定参数值。
本申请实施例的一种可能的实现方式，步骤S23具体包括：
根据所述SLAM组合信息确定所述SLAM传感器的数据特征点；
将所述数据特征点与所述影像模型体的坐标进行共线，得到同名特征点；
将所述同名特征点的绝对坐标转换至所述影像模型体的坐标系，得到同名球面坐标点。
本申请实施例的一种可能的实现方式，步骤S14之后还包括步骤S15(图中未示出)、步骤S16(图中未示出)、步骤S17(图中未示出)以及步骤S18(图中未示出)，其中步骤S15，获取路面图像信息以及物体图像信息，所述物体图像信息为安装在所述车辆上的激光扫描仪所扫描到的物体图像。
在本申请实施例中，以七路相机拍摄获取路面图像信息以及物体图像信息进行举例说明，包括但不局限于七路相机。
具体地，七路相机：具有七个旋转镜头的相机，每个拍摄镜头所对应的拍摄焦距以及拍摄模式不同，例如：有一些拍摄镜头适于在也夜间拍摄，有一些拍摄镜头适于拍摄较远物体。
步骤S16，分别对所述路面图像信息以及所述物体图像信息进行图像增强处理，得到处理后的路面图像信息以及物体图像信息。
对于本申请实施例来说，图像增强是为了增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合。有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
具体地，图像增强可分成两大类：频率域法和空间域法，前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的路面图像信息以及物体图像信息变得清晰。后者空间域法中具有代表性的算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等，它们可用于去除或减弱噪声。
步骤S17，对所述路面图像信息进行分析，确定所述路面图像信息中是否存在预设路面异常，若所述路面图像信息中存在预设路面异常，则生成路面提示信息，若所述路面图像信息中不存在预设路面异常，则对所述物体图像信息进行分析，确定所述物体图像信息是否存在预设物体异常。
步骤S18，若所述物体图像信息存在预设物体异常，则生成物体异常信息。
本申请实施例的一种可能的实现方式，步骤S17之后还包括步骤S171(图中未示出)、步骤S172(图中未示出)以及步骤S173(图中未示出)，其中，
步骤S171，获取车辆转向信息。
其中，所述车辆转向信息为在生成路面提示信息后的预设时间段内的转向信息。
在本申请实施例中，预设时间段是根据当前车辆的行驶速度以及异常路面与车辆距离决定的，例如：当前车辆的行驶速度为5m/分钟，而异常路面与车辆之间的距离为10m，那么预设时间段为90秒。
步骤S172，对所述路面提示信息进行信息提取，得到提示转向信息。
具体地，当发生异常路面时，生成的路面提示信息为指引驾驶人员躲避异常路面的信息，例如：当道路正前方5m出现异常路面时，查看对面是否存在来往车辆，当没有时，生成“请向左转换车道行驶，避开前方5m的异常路面”，当有时，生成“请减速慢行，等待前方车辆经过后，向左转换车道避开前方5m的异常路面”，提示转换信息，是从路面提示信息提取的转向操作信息，如：向左转换车道。
步骤S173，判断车辆转向信息是否与提示转向信息相对应，若不对应，则基于车辆转向信息确定违规人员信息。
本申请实施例的一种可能的实现方式，步骤S172之后还包括：步骤Sa(图中未示出)、步骤Sb(图中未示出)以及步骤Sc(图中未示出)，其中，
步骤Sa，获取负责人员信息。
其中，负责人员信息用于表示负责驾驶车辆的人员信息。
步骤Sb，计算违规人员信息在负责人员信息中的占比值，并判断占比值是否超过预设占比阈值。
具体地，计算违规人员信息中的违规人员数量以及负责人员信息中负责人员数量，将违规人员数量与负责人员数量进行比值运算，得到占比值。
对于本申请实施例来说，预设第二阈值为20％。
步骤Sc，若占比值超过预设占比阈值，则调取会议安排信息，并对会议安排信息进行占用记录分析，生成会议信息。
具体地，会议信息包括会议时间、会议内容以及会议人员
上述实施例从方法流程的角度介绍一种基于SLAM的车载组合导航方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于SLAM的车载组合导航装置，具体详见下述实施例。
本申请实施例提供一种基于SLAM的车载组合导航装置，如图2所示，该基于SLAM的车载组合导航装置20具体可以包括：信息获取模块21、同步处理模块22、标定处理模块23、组合导航模块24以及轨迹分析模块25，其中，
信息获取模块21，用于获取若干车辆的第一信息以及第二信息，所述第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息；
同步处理模块22，用于对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令；
标定处理模块23，用于根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值；组合导航模块24，用于基于所述标定参数值以及所述第一信息进行车载组合导航，得到组合结果信息，其中组合结果信息包括:GNSS信息、IMU信息以及里程计信息；
轨迹分析模块25，用于确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
本申请实施例的一种可能的实现方式，所述同步处理模块22在对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令，具体用于：
基于所述第一信息确定系统时钟信息；
基于所述第二信息确定采集时钟信息；
判断所述系统时钟信息与所述采集时钟信息是否一致，若不一致，则获取北斗时钟信息，并根据所述北斗时钟信息对所述系统时钟信息以及所述采集时钟信息进行时钟校准，得到坐标标定指令。
本申请实施例的另一种可能的实现方式，所述标定处理模块23在根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值，具体用于：
检测所述SLAM传感器与所述车载系统的全景影像之间的位置偏移量，得到位置偏移信息；将所述SLAM传感器与所述位置偏移信息相结合，得到SLAM组合信息；
基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点；
对所述同名球面坐标点进行最小二乘算法计算，标定所述SLAM传感器与所述车载系统之间的姿态信息；
根据所述姿态信息对所述位置偏移信息进行迭代优化，得到优化偏移信息；
将所述优化偏移信息以及所述姿态信息进行信息汇总，得到所述SLAM传感器相对于所述车载系统的标定参数值。
本申请实施例的另一种可能的实现方式，所述标定处理模块23在基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点，具体用于：
根据所述SLAM组合信息确定所述SLAM传感器的数据特征点；
将所述数据特征点与所述影像模型体的坐标进行共线，得到同名特征点；
将所述同名特征点的绝对坐标转换至所述影像模型体的坐标系，得到同名球面坐标点。
本申请实施例的另一种可能的实现方式，所述装置20还包括：图像获取模块、图像增强模块、图像分析模块以及信息生成模块，其中，
所述图像获取模块，用于获取路面图像信息以及物体图像信息，所述物体图像信息为安装在所述车辆上的激光扫描仪所扫描到的物体图像；
所述图像增强模块，用于分别对所述路面图像信息以及所述物体图像信息进行图像增强处理，得到处理后的路面图像信息以及物体图像信息；
所述图像分析模块，用于对所述路面图像信息进行分析，确定所述路面图像信息中是否存在预设路面异常，若所述路面图像信息中存在预设路面异常，则生成路面提示信息，若所述路面图像信息中不存在预设路面异常，则对所述物体图像信息进行分析，确定所述物体图像信息是否存在预设物体异常；
所述信息生成模块，用于当所述物体图像信息存在预设物体异常时，生成物体异常信息。
本申请实施例的另一种可能的实现方式，所述装置20还包括：转向获取模块、信息提取模块以及信息判断模块，其中，
所述转向获取模块，用于获取车辆转向信息，所述车辆转向信息为在生成路面提示信息后的预设时间段内的转向信息；
所述信息提取模块，用于对所述路面提示信息进行信息提取，得到提示转向信息；
所述信息判断模块，用于判断所述车辆转向信息是否与所述提示转向信息相对应，若不对应，则基于所述车辆转向信息确定违规人员信息。
本申请实施例的另一种可能的实现方式，所述装置20还包括：人员获取模块、占比计算模块以及占比判断模块，其中，
人员获取模块，用于获取负责人员信息，所述负责人员信息用于表示负责驾驶车辆的人员信息；
所述占比计算模块，用于计算所述违规人员信息在所述负责人员信息中的占比值，并判断所述占比值是否超过预设占比阈值；
所述占比判断模块，用于当所述占比值超过所述预设占比阈值时，调取会议安排信息，并对所述会议安排信息进行占用记录分析，生成会议信息。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备，如图3所示，图3所示的电子设备300除常规配置装置外包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种基于SLAM的车载组合导航方法，其特征在于，包括：
获取若干车辆的第一信息以及第二信息，所述第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息；
对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令；
根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值；
基于所述标定参数值、所述第一信息以及所述第二信息进行车载组合导航，得到GNSS信息、IMU信息以及里程计信息；
确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
2.根据权利要求1所述的一种基于SLAM的车载组合导航方法，其特征在于，对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令，包括：
基于所述第一信息确定系统时钟信息；
基于所述第二信息确定采集时钟信息；
判断所述系统时钟信息与所述采集时钟信息是否一致，若不一致，则获取北斗时钟信息，并根据所述北斗时钟信息对所述系统时钟信息以及所述采集时钟信息进行时钟校准，得到坐标标定指令。
3.根据权利要求1所述的一种基于SLAM的车载组合导航方法，其特征在于，所述根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值，包括：
检测所述SLAM传感器与所述车载系统的全景影像之间的位置偏移量，得到位置偏移信息；
将所述SLAM传感器与所述位置偏移信息相结合，得到SLAM组合信息；
基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点；
对所述同名球面坐标点进行最小二乘算法计算，标定所述SLAM传感器与所述车载系统之间的姿态信息；
根据所述姿态信息对所述位置偏移信息进行迭代优化，得到优化偏移信息；
将所述优化偏移信息以及所述姿态信息进行信息汇总，得到所述SLAM传感器相对于所述车载系统的标定参数值。
4.根据权利要求3所述的一种基于SLAM的车载组合导航方法，其特征在于，所述基于所述全景影像的中心点为球心建立影像模型体，并将所述SLAM组合信息以及所述全景影像投影至所述影像模型体进行分析，得到同名球面坐标点，包括：
根据所述SLAM组合信息确定所述SLAM传感器的数据特征点；
将所述数据特征点与所述影像模型体的坐标进行共线，得到同名特征点；
将所述同名特征点的绝对坐标转换至所述影像模型体的坐标系，得到同名球面坐标点。
5.根据权利要求1所述的一种基于SLAM的车载组合导航方法，其特征在于，所述方法还包括：
获取路面图像信息以及物体图像信息，所述物体图像信息为安装在所述车辆上的激光扫描仪所扫描到的物体图像；
分别对所述路面图像信息以及所述物体图像信息进行图像增强处理，得到处理后的路面图像信息以及物体图像信息；
对所述路面图像信息进行分析，确定所述路面图像信息中是否存在预设路面异常，若所述路面图像信息中存在预设路面异常，则生成路面提示信息，若所述路面图像信息中不存在预设路面异常，则对所述物体图像信息进行分析，确定所述物体图像信息是否存在预设物体异常；
若所述物体图像信息存在预设物体异常，则生成物体异常信息。
6.根据权利要求5所述的一种基于SLAM的车载组合导航方法，其特征在于，所述若所述路面图像信息中存在预设路面异常，则生成路面提示信息，之后还包括：
获取车辆转向信息，所述车辆转向信息为在生成路面提示信息后的预设时间段内的转向信息；
对所述路面提示信息进行信息提取，得到提示转向信息；
判断所述车辆转向信息是否与所述提示转向信息相对应，若不对应，则基于所述车辆转向信息确定违规人员信息。
7.根据权利要求6所述的一种基于SLAM的车载组合导航方法，其特征在于，所述基于所述车辆转向信息确定违规人员信息，之后还包括：
获取负责人员信息，所述负责人员信息用于表示负责驾驶车辆的人员信息；
计算所述违规人员信息在所述负责人员信息中的占比值，并判断所述占比值是否超过预设占比阈值；
若所述占比值超过所述预设占比阈值，则调取会议安排信息，并对所述会议安排信息进行占用记录分析，生成会议信息。
8.一种基于SLAM的车载组合导航装置，其特征在于，包括：
信息获取模块，用于获取若干车辆的第一信息以及第二信息，所述第一信息为每个车辆所搭载的车载系统的采集信息，所述第二信息为每个车辆所安装的SLAM传感器的采集信息；
同步处理模块，用于对所述第一信息以及所述第二信息进行时钟同步处理，得到坐标标定指令；
标定处理模块，用于根据所述坐标标定指令控制标定设备对所述SLAM传感器以及所述车载系统进行坐标标定处理，得到所述SLAM传感器相对于所述车载系统的标定参数值；
组合导航模块，用于基于所述标定参数值、所述第一信息以及所述第二信息进行车载组合导航，得到GNSS信息、IMU信息以及里程计信息；
轨迹分析模块，确定所述GNSS信息是否存在预设情况，若存在，则获取所述GNSS信息相对应车辆所在的区域信息，并基于所述区域信息对所述IMU信息以及所述里程计信息进行解算，得到所述车辆的运动轨迹信息。
9.一种电子设备，其特征在于，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～7任一项所述的基于SLAM的车载组合导航方法。
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，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～7任一项所述的基于SLAM的车载组合导航方法。
CN202211141952.6A 2022-09-20 2022-09-20 一种基于slam的车载组合导航方法、装置、设备及介质 Active CN115523929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211141952.6A CN115523929B (zh) 2022-09-20 2022-09-20 一种基于slam的车载组合导航方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211141952.6A CN115523929B (zh) 2022-09-20 2022-09-20 一种基于slam的车载组合导航方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115523929A true CN115523929A (zh) 2022-12-27
CN115523929B CN115523929B (zh) 2023-05-12

Family

ID=84697273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211141952.6A Active CN115523929B (zh) 2022-09-20 2022-09-20 一种基于slam的车载组合导航方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115523929B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106679648A (zh) * 2016-12-08 2017-05-17 东南大学 一种基于遗传算法的视觉惯性组合的slam方法
CN110232736A (zh) * 2019-06-18 2019-09-13 中国矿业大学 一种井下综采工作面三维场景快速构建方法
CN110906923A (zh) * 2019-11-28 2020-03-24 重庆长安汽车股份有限公司 车载多传感器紧耦合融合定位方法、系统、存储介质及车辆
CN111426320A (zh) * 2020-05-18 2020-07-17 中南大学 一种基于图像匹配/惯导/里程计的车辆自主导航方法
CN111811506A (zh) * 2020-09-15 2020-10-23 中国人民解放军国防科技大学 视觉/惯性里程计组合导航方法、电子设备及存储介质
WO2020248614A1 (zh) * 2019-06-10 2020-12-17 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
CN112241167A (zh) * 2020-03-05 2021-01-19 北京新能源汽车技术创新中心有限公司 自动驾驶中的信息处理方法、装置及存储介质
CN113074752A (zh) * 2021-03-11 2021-07-06 清华大学 一种用于车载地磁传感器的动态标定方法及系统
CN113147738A (zh) * 2021-02-26 2021-07-23 重庆智行者信息科技有限公司 一种自动泊车定位方法和装置
CN113405571A (zh) * 2021-06-18 2021-09-17 北京轻舟智航科技有限公司 一种车载组合导航产品安装角标定方法
CN114252099A (zh) * 2021-12-03 2022-03-29 武汉科技大学 一种智能车辆多传感器融合自标定方法及系统
CN114485654A (zh) * 2022-02-24 2022-05-13 中汽创智科技有限公司 一种基于高精地图的多传感器融合定位方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106679648A (zh) * 2016-12-08 2017-05-17 东南大学 一种基于遗传算法的视觉惯性组合的slam方法
WO2020248614A1 (zh) * 2019-06-10 2020-12-17 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
CN110232736A (zh) * 2019-06-18 2019-09-13 中国矿业大学 一种井下综采工作面三维场景快速构建方法
CN110906923A (zh) * 2019-11-28 2020-03-24 重庆长安汽车股份有限公司 车载多传感器紧耦合融合定位方法、系统、存储介质及车辆
CN112241167A (zh) * 2020-03-05 2021-01-19 北京新能源汽车技术创新中心有限公司 自动驾驶中的信息处理方法、装置及存储介质
CN111426320A (zh) * 2020-05-18 2020-07-17 中南大学 一种基于图像匹配/惯导/里程计的车辆自主导航方法
CN111811506A (zh) * 2020-09-15 2020-10-23 中国人民解放军国防科技大学 视觉/惯性里程计组合导航方法、电子设备及存储介质
CN113147738A (zh) * 2021-02-26 2021-07-23 重庆智行者信息科技有限公司 一种自动泊车定位方法和装置
CN113074752A (zh) * 2021-03-11 2021-07-06 清华大学 一种用于车载地磁传感器的动态标定方法及系统
CN113405571A (zh) * 2021-06-18 2021-09-17 北京轻舟智航科技有限公司 一种车载组合导航产品安装角标定方法
CN114252099A (zh) * 2021-12-03 2022-03-29 武汉科技大学 一种智能车辆多传感器融合自标定方法及系统
CN114485654A (zh) * 2022-02-24 2022-05-13 中汽创智科技有限公司 一种基于高精地图的多传感器融合定位方法及装置

Also Published As

Publication number Publication date
CN115523929B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN110146869B (zh) 确定坐标系转换参数的方法、装置、电子设备和存储介质
JP7186607B2 (ja) 電子地図を更新する方法、装置、およびコンピュータ読み取り可能な記憶媒体
CN107328410B (zh) 用于定位自动驾驶车辆的方法和汽车电脑
CN107328411B (zh) 车载定位系统和自动驾驶车辆
CN110148185B (zh) 确定成像设备坐标系转换参数的方法、装置和电子设备
JP6821712B2 (ja) 自然光景中での統合センサの較正
CN110869700B (zh) 用于确定车辆位置的系统和方法
CN114111775B (zh) 一种多传感器融合定位方法、装置、存储介质及电子设备
CN110555884A (zh) 一种车载双目相机的标定方法、装置及终端
CN113406682A (zh) 一种定位方法、装置、电子设备及存储介质
CN112455502B (zh) 基于激光雷达的列车定位方法及装置
CN111353453B (zh) 用于车辆的障碍物检测方法和装置
CN112017236B (zh) 一种基于单目相机计算目标物位置的方法及装置
CN112284416B (zh) 一种自动驾驶定位信息校准装置、方法及存储介质
CN110458885B (zh) 基于行程感知与视觉融合的定位系统和移动终端
CN113870379A (zh) 地图生成方法、装置、电子设备及计算机可读存储介质
Hamme et al. Robust monocular visual odometry for road vehicles using uncertain perspective projection
CN113850867A (zh) 相机参数标定及设备的控制方法、装置、设备及存储介质
CN109029418A (zh) 一种在封闭区域内对车辆进行定位的方法
CN115164918A (zh) 语义点云地图构建方法、装置及电子设备
CN113137973A (zh) 一种图像语义特征点真值确定方法及装置
CN114694111A (zh) 车辆定位
CN112902911B (zh) 基于单目相机的测距方法、装置、设备及存储介质
CN112595335A (zh) 一种智慧交通行车停止线的生成方法及相关装置
CN112255604A (zh) 一种雷达数据准确性的判断方法、装置及计算机设备

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