CN115575973B - 基于路标主动重观测的星表巡视器激光雷达定位方法 - Google Patents
基于路标主动重观测的星表巡视器激光雷达定位方法 Download PDFInfo
- Publication number
- CN115575973B CN115575973B CN202211451505.0A CN202211451505A CN115575973B CN 115575973 B CN115575973 B CN 115575973B CN 202211451505 A CN202211451505 A CN 202211451505A CN 115575973 B CN115575973 B CN 115575973B
- Authority
- CN
- China
- Prior art keywords
- road sign
- observation
- point cloud
- laser radar
- inspection device
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000007689 inspection Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000008878 coupling Effects 0.000 claims abstract description 4
- 238000010168 coupling process Methods 0.000 claims abstract description 4
- 238000005859 coupling reaction Methods 0.000 claims abstract description 4
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical group OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007103 stamina Effects 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
- G01S17/86—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
- 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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于路标主动重观测的星表巡视器激光雷达定位方法，包括以下步骤：使用激光雷达和惯性测量单元松耦合的方式进行巡视器基本的定位功能；使用奇异值分解的方法对当前帧点云进行划分；根据当前探测视野的点云地貌定时进行显著性研判并提取重观测的路标；根据实时监测巡视器位姿状态估计情况确定路标重观测的触发时刻；使用层次分析法进行重观测路标优先级排序；最终使用点云匹配算法进行点云配准，更新巡视器的位姿。本发明能够实现星表巡视器漫游巡视任务中对历史路标的重新配准，进而将系统状态方差的预测值与当前观测值的融合更新，提高定位与建图的精确性。
Description
技术领域
本发明属于星表漫游巡视任务中巡视器定位领域，具体涉及一种星表纹理贫瘠且呈现非结构环境下的巡视器主动重观测定位方法。
背景技术
星表巡视器在未知环境中执行探索任务，需要获取巡视器的精确位姿；但星表环境呈现纹理贫瘠、颜色单一、地貌非结构化的特点，在科学价值含量越高的地段地形越复杂（如月面的极区），因此星表巡视器需要具备较高的自主导航能力。表面的土壤非常松软而且崎岖不平，会影响巡视器行驶的平稳性，加重激光雷达定位与建图的运动畸变；此外月球光照条件不稳定，平均光强是地面的4.22倍，这种现象在极地环境更为明显，对基于视觉的导航影响较大。基于传统视觉或激光的导航定位算法鲜有针对性的应对策略，因此难以满足实际任务的导航精度及完备性的要求。
于是如何提高星表巡视器在极端环境下定位精度成为一个重要研究课题。初期的月面巡视器多采用IMU（Inertial measurement unit）和里程计相结合的航迹递推算法，如美国的月球流浪者，索杰纳号和俄罗斯的月球车1、2号，其定位误差均在10%R以上，后期的勇气号、机遇号、好奇号以及毅力号中在航迹推算定位方法基础上增加了视觉里程计，通过连续跟踪视觉特征点来解算巡视器的相对位姿信息，将定位误差提升至5%R以内，我国的玉兔号也采用了这种惯性与双目视觉结合的定位方法，在更稀疏的月表环境下实现了10%R以内的定位精度。但是这些方法尚处于自主或半自主模式，尚未涉及主动，无法很好地抑制误差的累积速率以及及时校正误差，影响了星表探测任务的实时性和可靠性。
发明内容
本发明的目的在于提供一种星表非结构环境下巡视器主动重观测定位方法，将巡视器位姿的预测值与当前观测值的融合更新，提高定位的精确性。
实现本发明目的的技术方案为：第一方面，本发明提供一种基于路标主动重观测的星表巡视器激光雷达定位方法，包括以下步骤：
步骤1，使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位，激光雷达和惯性测量单元测得实时绝对位姿，记录二者状态估计的差值作为状态估计不确定性的参照；
步骤2，使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合；
步骤3，对于步骤2划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式进行显著性研判从而提取重观测路标；
步骤4，计算激光雷达以及惯性测量单元的状态估计值误差差值的2-范数，若该值大于预定阈值，则触发重观测；
步骤5，在巡视器行进过程中实时存储四处路标，在有新的路标被提取时，最早被提取的路标将被释放，在触发重观测后巡视器将停止行进，使用层次分析法对四处路标进行优先级排序，选择一处最佳路标进行配准；
步骤6，将步骤5得到的重观测路标与地图中对应路标进行配准，实现系统状态方差的预测值与当前观测值的融合更新。
第二方面，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法的步骤。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法的步骤。
与现有技术相比，本发明的显著优点为：本发明使用层次分析法确定路标并根据路标的距离范围在地图中进行对应的检索，能够将当前观测到的路标与地图中检索后的有限范围内的点云进行更为精确的配准，减少需要对比匹配的点对个数，从而在保证精度的前提下，大幅度的降低对星载计算机资源的消耗，或者在消耗相同计算资源的情况下，提高定位精度。
附图说明
图1为本发明基于路标主动重观测的星表巡视器激光雷达定位方法流程图。
图2和图3分别为地貌1和地貌2的云地图与行驶路线。
图4和图5分别对比了地貌1和地貌2使用重观测前后的位姿估计误差，实线为使用重观测后的位姿估计误差，虚线为使用重观测前的位姿估计误差。
图6和图7分别对比了地貌1和地貌2使用触发机制与仅采用定时启动的重观测位姿估计误差，实线为使用触发机制重观测的位姿估计误差，虚线为仅采用定时启动重观测的位姿估计误差。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明， 实施方式提及的内容并非对本发明的限定。
参照图1所示，本发明的一种星表非结构环境下巡视器主动重观测定位方法，包括的步骤如下：
1）使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位与建图，激光雷达和惯性测量单元测得的实时绝对位姿分别为和，并记录二者状态估计的差值作为状态估计不确定性的参照。
在步骤1）中巡视器激光雷达和惯性测量单元状态估计的差值求取方法如下：
k时刻巡视器在全局系下的位置表达式：
k到k+1时刻激光雷达测得的位姿变换矩阵，则k+1时刻激光雷达的位姿估计：
惯性测量单元在k+1时刻测得的位姿估计值表达式：
式中，表示速度，表示重力加速度，表示k和k+1时刻的时间间隔，表示加速度计的测量值和分别表示加速度计的漂移和白噪声，表示陀螺仪的测量值，和表示陀螺仪的漂移和白噪声，和分别表示
k和
k+1时刻从载体系到全局系得旋转矩阵。
二者测量的状态估计误差差值计算公式：
2）使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合。
在步骤2）中对当前帧点云的划分方式如下：
考虑月面漫游巡视的任务背景，在巡视器漫游巡视过程中，进行大范围的点云检索不仅占用星载计算机过多的资源，因此设计了一种缩减检索方法，每经过时间
t对当前帧点云进行显著性研判，提取显著性点云地貌作为路标，以便后续进行重观测的配准。
为了提高显著性研判的可靠性与实时性，将当前帧点云均匀分成四块区域A、B、C、D，并求取每块区域的中心点Centre_A、Centre_B、Centre_C、Centre_D，以四个中心点为中心，用Range Search算法做范围搜索，逐步扩充点云集合，直至每个集合中囊括了足够数量的点云，这些点云能代表本区域的地貌。将此方法得到的点云集合标记为ContainerA、ContainerB、ContainerC、ContainerD，将每个集合里的点云实时地进行SVD分解，得到三个特征值，且，构建表达式：
当S小于阈值时，认为点云集合中具有了足够数量的点，可以停止范围搜索。
3）对于步骤2）划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式进行显著性研判从而标记出重观测路标。
在步骤3）中重观测路标的提取方式如下：
（1）构建数量熵表达式：
其中为采样点序号，
max为所有采样点的个数，为边缘点的数量，为数量直方图中边缘点数量的概率值。点云排列越是有序，熵值就越低；反之越是无序熵值就越高。
进行归一化：
其中和分别为针对当前点周围一定范围内的点云数量熵的最小值和最大值，对归一化后的点云集合所有点进行SVD分解，得到三个特征值，且令；
如果，则点云集合呈线性结构；
如果，则点云集合呈平面结构；
定义函数：
若函数接近0，则点云集合所有点云近似为线性结构，若函数近似为1，则近似为平面结构；
（2）定义维度为2的综合性的度量参考函数：
定义协方差矩阵
Cr：
其中为所考虑的所有点上函数
f的均值，
n为点云的个数。
行列式也可看作是衡量特征向量和期望之间的偏离程度的度量。越大，表示特征空间中随机变量分布得越离散，与期望之间偏离越人，反之亦然。行列式越大，则点集在几何、数量特征空间中有更显著的变化，从而可以作为重观测路标的判断依据。寻找四个点云集合的最大值，标记出其对应的点云集合，作为重观测的备选路标。
4）当计算激光雷达以及惯性测量单元的状态估计值误差差值的2-范数，若该值大于预定阈值，则认为当前误差较大，触发重观测。
在步骤4）中重观测的触发机制如下：
考虑星载计算机算力限制与导航算法实时性要求，频繁的通过路标重观测更新自身位姿难以适合月面作业场景，针对该问题设计了一种基于多传感器状态误差差值的重观测触发方法：在求取LOAM算法以及惯性测量单元的状态估计值后，计算激光雷达以及惯性测量单元的状态估计值误差差值的2-范数，若该值大于预定阈值，则认为当前误差较大，需要触发重观测。
5）在巡视器行进过程中实时存储四处路标，在有新的路标被提取时，最早被提取的路标将被释放。在触发重观测后巡视器将停止行进，综合显著性、距离、观测角度等因素，使用层次分析法对四处路标进行优先级排序，选择一处最佳路标进行配准。
在步骤5）中重观测待匹配路标的优先级排序如下：
在巡视器行进过程中实时存储四处路标，在有新的路标被提取时，最早被提取的路标将被释放。在触发重观测后巡视器将停止行进，综合显著性、距离、观测角度等因素，对四处路标进行优先级排序，选择一处最佳路标进行配准。
在进行路标的优先级排序时采用层次分析法，层次分析法通过建立一种多层次分析结构，定量地求出各方案的权重系数，从而做出最优的决策。层次分析法的第一步是建立层次结构模型。在本方案设计中，共建立三层层次模型。分别是目标层、准则层和方案层，目标层即选择重观测路标、准则层为影响路标选择的显著值和距离因素、方案层为待选择的路标。层次分析法的第二步就要建立成对比较矩阵，成对比较矩阵需要将两两因素进行对比，将对比的结果作为成对比较矩阵的元素。
准则层相对于方案层的成对比较矩阵如下所示，该成对比较矩阵的意义可以描述为：显著性和距离相对于自身的重要性是1，显著性相对于距离的重要是2。由于该成对比较矩阵只有两个指标，所以能通过一致性检验。
由于显著值和距离因素是随着巡视器的行进不断改变的，因此方案层相对于准则层的成对比较矩阵是动态变化的。针对该问题设计了一种基于商值的动态成对比较矩阵，具体如下所示：
由于成对比较矩阵是正互反矩阵，以主对角线为对称轴，对应元素互为倒数，在确定矩阵处的元素时，将不同路标和路标的显著值和进行对比，若，将除以得到的商值四舍五入取整记为；若，将除以得到的商值四舍五入取整记为，则。
最终汇总得到各路标权重矩阵：
各路标权重
各路标权重系数为：
该方法得到的成对比较矩阵具有极高的一致性检验通过率。比较四个权重系数的大小，将最大权重系数所对应的区域作为重观测路标。若当前成对比较矩阵未通过一致性检验，则本次重观测选取显著值最大的路标。
6）将当前帧采集到的重观测路标与地图中对应路标进行配准，从而实现巡视器位姿的预测值与当前观测值的融合更新。
在进行步骤6）时，使用如下改进ICP（迭代最近点）方法进行重观测配准：
传统的 ICP 点云配准算法中，要将当前帧点云与地图整体点云进行匹配，但大范围的地图点云检索不仅占用过多的星载计算机资源，也降低了匹配的成功率，影响了可靠性与实时性。因此使用层次分析法确定路标后，根据路标的距离范围在地图中进行对应的检索，将当前观测到的路标与地图中检索后的点云进行更为精确配准，从而大大降低了计算量。
图2~图7所示为选用三维巡视器运动学作为系统运动学模型进行蒙特卡洛仿真试验算例，其中图2和3分别为地貌1和地貌2的云地图与行驶路线；图4和5分别对比了地貌1和地貌2使用重观测前后的位姿估计误差，图中误差较低的曲线为使用重观测后的位姿估计误差；图6和7分别对比了地貌1和地貌2使用触发机制与定时启动的重观测位姿估计误差；仿真结果显示，在不同地貌环境下，本发明所提的算法的状态估计累积误差小于不使用重观测与定时启动重观测的方法，体现了算法的优势，证明了算法的有效性和适用性。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，包括以下步骤：
步骤1，使用激光雷达和惯性测量单元松耦合的方式进行巡视器的定位，激光雷达和惯性测量单元测得实时绝对位姿，记录二者状态估计的差值作为状态估计不确定性的参照；
步骤2，使用奇异值分解的方法对当前帧点云进行划分，每隔固定时间段将当前帧点云划分为四个集合；
步骤3，对于步骤2划分的每个点云集合，构建由该集合点云数量熵和SVD分解奇异值组成的协方差矩阵，求取协方差矩阵的行列式最大值，提取重观测路标；
步骤4，计算激光雷达以及惯性测量单元的状态估计的差值的2-范数，若该范数大于预定阈值，则触发重观测；
步骤5，在巡视器行进过程中实时存储四处重观测路标，在有新的重观测路标被提取时，最早被提取的重观测路标将被释放，在触发重观测后巡视器将停止行进，使用层次分析法对四处重观测路标进行优先级排序，选择一处最佳路标进行配准；
步骤6，将步骤5选取的最佳路标的位置信息与地图中对应的位置信息进行配准，实现系统状态方差的预测值与当前观测值的融合更新。
2.如权利要求1所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，在进行步骤1时，巡视器激光雷达和惯性测量单元状态估计的差值求取方法如下：
k时刻巡视器在全局系下的位置表达式：
k到k+1时刻激光雷达测得的位姿变换矩阵，则k+1时刻激光雷达的位姿估计：
惯性测量单元在k+1时刻测得的位姿估计值表达式：
式中，表示速度，表示重力加速度，表示k和k+1时刻的时间间隔，表示加速度计的测量值，和分别表示加速度计的漂移和白噪声，表示陀螺仪的测量值，和表示陀螺仪的漂移和白噪声，和分别表示k和k+1时刻从载体系到全局系得旋转矩阵，二者测量的状态估计的差值计算公式：
。
3.如权利要求2所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，在进行步骤2时，对当前帧点云的划分方式如下：
将当前帧点云均匀分成四块区域A、B、C、D，并求取每块区域的中心点Centre_A、Centre_B、Centre_C、Centre_D，以四个中心点为中心，用Range Search算法做范围搜索，逐步扩充点云集合，直至每个集合中囊括了足够数量的点云，这些点云能代表本区域的地貌；将此方法得到的点云集合标记为ContainerA、ContainerB、ContainerC、ContainerD，将每个集合里的点云实时地进行SVD分解，得到三个特征值，，，且，构建表达式：
当S小于阈值时，停止范围搜索。
4.如权利要求3所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，在进行步骤3时，重观测路标的提取方式如下：
（1）构建数量熵表达式：
其中，为采样点序号，max为所有采样点的个数，为边缘点的数量，为数量直方图中边缘点数量的概率值；
进行归一化：
其中和分别为针对当前点周围一定范围内的点云数量熵的最小值和最大值，对归一化后的点云集合所有点云进行SVD分解，得到三个特征值，且令；
如果，则点云集合呈线性结构；
如果，则点云集合呈平面结构；
定义函数：
若函数接近0，则该点云集合所有点云近似为线性结构，若函数近似为1，则近似为平面结构；
（2）定义维度为2的综合性的度量参考函数：
定义协方差矩阵Cr：
其中为所考虑的所有点云上函数f的均值，n为点云的个数，寻找四个点云集合的最大值，标定其对应的点云集合作为重观测路标。
5.如权利要求4所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于，在进行步骤5时，最佳路标的优先级排序如下：
在巡视器行进过程中实时存储四处重观测路标，在有新的重观测路标被提取时，最早被提取的重观测路标将被释放，在触发重观测后巡视器将停止行进，对四处重观测路标进行优先级排序，选择一处最佳路标进行配准；
在进行路标的优先级排序时采用层次分析法，层次分析法的第一步是建立三层层次模型，分别是目标层、准则层和方案层，目标层即选择最佳路标、准则层为影响路标选择的显著值和距离因素、方案层为待选择的重观测路标，层次分析法的第二步是建立成对比较矩阵，成对比较矩阵需要将两两因素进行对比，将对比的结果作为成对比较矩阵的元素，最后进行一致性检验，通过后计算出各路标的权重，将权重值最大的区域作为最佳路标；若没有通过一致性检验则选取显著值最大的区域作为重观测路标。
6.如权利要求5所述的基于路标主动重观测的星表巡视器激光雷达定位方法，其特征在于：在进行步骤6时，使用改进ICP方法进行重观测配准：
使用层次分析法确定路标后，根据路标的距离范围在地图中进行对应的检索，将当前观测到的最佳路标与地图中检索到的点云进行精确配准。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6中任一所述的方法的步骤。
8.一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，该程序被处理器执行时实现权利要求1-6中任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211451505.0A CN115575973B (zh) | 2022-11-21 | 2022-11-21 | 基于路标主动重观测的星表巡视器激光雷达定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211451505.0A CN115575973B (zh) | 2022-11-21 | 2022-11-21 | 基于路标主动重观测的星表巡视器激光雷达定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115575973A CN115575973A (zh) | 2023-01-06 |
| CN115575973B true CN115575973B (zh) | 2023-04-28 |
Family
ID=84589574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211451505.0A Active CN115575973B (zh) | 2022-11-21 | 2022-11-21 | 基于路标主动重观测的星表巡视器激光雷达定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115575973B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9155675B2 (en) * | 2011-10-12 | 2015-10-13 | Board Of Trustees Of The University Of Arkansas | Portable robotic device |
| CN110057371B (zh) * | 2019-04-08 | 2022-06-24 | 南京航空航天大学 | 一种基于压缩感知的行星巡视器主动路径规划方法 |
| CN112985416B (zh) * | 2021-04-19 | 2021-07-30 | 湖南大学 | 激光与视觉信息融合的鲁棒定位和建图方法及系统 |
-
2022
- 2022-11-21 CN CN202211451505.0A patent/CN115575973B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115575973A (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9384394B2 (en) | Method for generating accurate lane level maps | |
| Chen et al. | Learning an overlap-based observation model for 3D LiDAR localization | |
| US9551561B2 (en) | Determining location using magnetic fields from AC power lines | |
| CN108931245A (zh) | 移动机器人的局部自定位方法及设备 | |
| CN114526745B (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
| CN113916243B (zh) | 目标场景区域的车辆定位方法、装置、设备和存储介质 | |
| EP3252615B1 (fr) | Procede et systeme de determination de cellules traversees par un axe de mesure ou de visualisation | |
| CN108089572A (zh) | 用于稳健且有效的车辆定位的算法和基础设施 | |
| CN113091738B (zh) | 基于视觉惯导融合的移动机器人地图构建方法及相关设备 | |
| AU2020356082B2 (en) | Vehicle and method for generating map corresponding to three-dimensional space | |
| CN113377888B (zh) | 训练目标检测模型和检测目标的方法 | |
| Li et al. | Map-aided dead-reckoning with lane-level maps and integrity monitoring | |
| Sujiwo et al. | Monocular vision-based localization using ORB-SLAM with LIDAR-aided mapping in real-world robot challenge | |
| CN111915675B (zh) | 基于粒子漂移的粒子滤波点云定位方法及其装置和系统 | |
| CN110553643A (zh) | 一种基于神经网络的行人自适应零速更新点选取方法 | |
| CN109708643B (zh) | 小行星表面光学导航路标评价选取方法 | |
| CN114565674B (zh) | 自动驾驶车辆城市结构化场景纯视觉定位方法及装置 | |
| CN115639823A (zh) | 崎岖起伏地形下机器人地形感知与移动控制方法及系统 | |
| Marks et al. | Gamma-SLAM: Using stereo vision and variance grid maps for SLAM in unstructured environments | |
| CN116878501A (zh) | 一种基于多传感器融合的高精度定位与建图系统及方法 | |
| Charroud et al. | Localisation and mapping of self-driving vehicles based on fuzzy K-means clustering: A non-semantic approach | |
| CN115575973B (zh) | 基于路标主动重观测的星表巡视器激光雷达定位方法 | |
| CN113160280A (zh) | 一种基于激光雷达的动态多目标跟踪方法 | |
| Guo et al. | Occupancy grid based urban localization using weighted point cloud | |
| Andersson et al. | Simultaneous localization and mapping for vehicles using ORB-SLAM2 |
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 |