CN115711618A - 一种基于路侧导引的矿区高精度定位方法 - Google Patents
一种基于路侧导引的矿区高精度定位方法 Download PDFInfo
- Publication number
- CN115711618A CN115711618A CN202211368934.1A CN202211368934A CN115711618A CN 115711618 A CN115711618 A CN 115711618A CN 202211368934 A CN202211368934 A CN 202211368934A CN 115711618 A CN115711618 A CN 115711618A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- positioning
- gps
- vehicle
- roadside
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005065 mining Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000009434 installation Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于路侧导引的矿区高精度定位方法，包括步骤：在路侧导引设施上安装并校准GPS及激光雷达装置，标定后读取GPS一段时间内的信号输出；选取矿区定位地图，数据采集车沿可行驶路径行驶并采集激光雷达点云数据，生成全局先验地图；丢失GPS信号的矿车驶入激光雷达采集范围，路侧导引的激光雷达设备识别矿车并检测矿车位置，输出路端定位结果；矿车行驶过程中，采集实时点云信息，与全局先验地图迭代最近点匹配，生成轨迹路径信息，输出车端定位结果；定位完成后，将路端定位结果和车端定位结果加权融合，上传至云端，控制台根据定位信息完成后续车辆工作调度计划。该方法能够实现无GPS环境下的精准目标定位，有效提高矿区作业效率。
Description
技术领域
本发明涉及自动驾驶环境感知技术领域，特别是涉及一种基于路侧导引的矿区高精度定位方法。
背景技术
近年来，随着计算机算力的提高，人工智能技术快速发展给自动驾驶实现提供可能。核心的自动驾驶技术体系包含环境感知、车辆定位、路径规划和决策规划。其中车辆定位技术是自动驾驶领域的关键技术之一,精确且鲁棒的车辆定位是实现自动驾驶的路径规划和控制的前提。在露天矿区中，车辆定位精准度显得更为重要，高精度定位能够更好地保障工人作业安全，提供高效车辆调度，提高工作效率。
作为环境感知的重要研究技术之一，车体定位不仅能够反映车辆安全行驶状况，同时还能根据车辆位置信息合理分配工作任务，因此精确的定位信息会为无人矿卡驾驶保驾护航。目前，矿区由于占地面积较大，存在移动通信网络不稳定的情况发生，无人矿车一旦在丢失GPS环境下行驶，面临严峻的安全性威胁。目前，针对丢失GPS的情况下，矿区多采用激光雷达点云匹配定位方法，但在矿区非结构化道路中，激光雷达匹配难度提升，且在缺失确定的初始位姿的定位条件下，无法精准定位目标车体；除此以外，针对暴力建图完成后与实时点云场景可能会存在较大偏差，无法应对环境突发更新状况，从而降低了定位精度。因此，如何能够在丢失GPS环境下对车体精准定位是亟待解决的问题。
目前，关于自动驾驶车辆定位技术已经成为研究热点，但对于本场景下应用要求都难以满足：
在论文《煤矿自动驾驶磁寻迹定位技术》中，提出一种根据磁感应天线与磁钉寻迹定位方法，自动驾驶车辆在井下环境通过自身安装的磁感应天线与井下行驶路线的多排磁钉产生脉冲信号，经过控制中心处理返回定位结果，其定位方法达到低延时下的毫米级定位效果。但该方法在露天矿区场景由于行驶路径较多且范围较大，磁钉铺设方法可行性有限，且露天矿区磁感应易受到外界环境干扰，导致磁感应定位效果无法保证。
中国发明专利CN201911002173.6，发明名称为《一种室内场景下激光雷达建图方法、装置、设备及介质》，主要提供了一种利用激光雷达融合UWB在室内场景下的建图方法，通过UWB和激光里程计修正车体位置，达到定位目的。但该发明没有在室外环境应用，且UWB在矿区场景下的定位网络不完善，定位精度难以保证。
在论文《基于激光雷达定位与视觉冗余确认的AGV导航研究》中，提出一种激光雷达与视觉冗余的定位方法，自动导航小车通过激光雷达扫描墙壁反光板并通过视觉扫描人工路标进行定位确认，不断校正到精准定位过程，一定程度上消除了累计误差。但该方法在矿区场景应用有限，矿区工作区相距较远，无法及时消除累计误差，导致激光雷达定位失准。
基于此，本发明提出一种基于路侧导引的矿区高精度定位方法，通过路侧双导引激光雷达对车辆识别检测并根据自身位置进行路端定位推算，结合车体实时点云与先验地图匹配输出车端定位信息，路端定位与车端定位加权融合，实现在无GPS环境下厘米级定位目标，提高矿区作业效率。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于路侧导引的矿区高精度定位方法，目的在于增强矿区矿卡的环境感知能力，根据精准定位达到作业要求，不仅保障工人的作业安全，还一定程度上提高矿区的生产工作效率。本发明采用以下技术方案：
一种基于路侧导引的矿区高精度定位方法，包括以下步骤：
步骤1、在路侧导引设施上安装并校准GPS及激光雷达装置，标定后读取GPS一段时间内的信号输出；
步骤2、在两个路侧导引设施周围给定范围内选取矿区定位地图，数据采集车沿可行驶路径行驶并采集激光雷达点云数据，生成全局先验地图；
步骤3、丢失GPS信号的矿车驶入激光雷达采集范围后，路侧导引的激光雷达设备识别矿车并检测矿车位置，输出路端定位结果；
步骤4、丢失GPS信号的矿车行驶过程中，采集实时点云信息，与全局先验地图迭代最近点匹配，生成轨迹路径信息，输出车端定位结果；
步骤5、定位完成后，将路端定位结果和车端定位结果加权融合，在网络环境恢复后上传至云端，控制台根据定位信息完成后续车辆工作调度计划。
进一步，所述步骤1，路侧导引GPS安装与标定需要选定给定距离内的路侧导引，标定测量两个导引间的距离，GPS安装姿态及高度，校验GPS设备正常工作，最终获得稳定的GPS信号输出。
进一步，所述步骤2，所述行驶路径的路径规划选取根据迪杰斯特拉算法中的最短路径作为最优路径，并将该路径根据模拟退火算法规划车辆行驶状态。
进一步，所述步骤2，所述采集激光雷达点云数据，生成全局先验地图，具体为：激光里程计信息，提供车体的相对位置与姿态信息，根据点云特征信息匹配生成地图，并对前向雷达的里程计信息进行回环矫正优化，经过点云去地面、筛选、聚类、匹配过程，最终形成三维地图。
进一步，所述步骤3，所述路侧导引的激光雷达设备识别矿车，具体包括以下子步骤：
(1)获取当前帧点云并进行点云预处理操作；
(2)对点云反射强度进行判断，如果大于θ，对目标进行进一步识别；如果小于θ则获取下一帧点云；
(3)如果点云反射强度满足条件，根据点云信息构建纹理直方图及形状直方图，并输出识别结果，如果识别结果为车辆，则将目标传入定位模块。
进一步，所述步骤3，所述路侧导引的激光雷达设备检测矿车位置，具体为：根据车体速度、激光雷达扫描频率、及两只激光雷达扫描角度Φ1、Φ2联立求解，计算得两点云的畸变距离，而后修正畸变点云得到去运动畸变后点云，获得定位坐标，根据两路侧导引的GPS坐标及两激光雷达到车体的距离信息，推算出矿卡的定位结果。
进一步，所述步骤4具体为：矿车在可行驶路径下行驶，采集实时点云，将实时点云与事先存储的全局先验地图点云进行正态分布匹配，求出使得概率密度之和最大的变换参数，输出此时点云的经纬高信息，作为车端定位结果。
进一步，所述步骤5，所述路端定位结果和车端定位结果加权融合时，路端定位结果的权重高于车端定位结果的权重。
本发明与现有技术相比所具有的有益效果：
(1)本专利提出一种在丢失GPS场景下将路侧导引目标检测与点云地图匹配相结合的定位方法。在GPS丢失情况下，路侧双导引处激光雷达对目标车体进行识别与检测，根据目标距离及路侧导引位置坐标推算定位坐标，并结合车体激光雷达实时点云与先验全局地图匹配结果，将路端定位与车端定位结果融合，在丢失GPS情况下仍能够精准定位车体，提高矿区工作效率。
(2)本专利提出一种基于反射强度与SHOT描述子结合的矿区3D目标检测算法。通过车体与地面的反射强度不同进行粗分类，再利用点云的纹理直方图与形状直方图融合形成的SHOT描述子进行精分类，达到精准识别目标的目的，提高定位精度。
(3)本专利提出一种路侧双激光雷达目标识别补偿定位算法。由于路侧激光雷达对于运动车体点云存在畸变现象，对目标车辆定位偏差。前后激光雷达分别对运动目标车体进行识别保存点云信息，根据车辆速度及扫描角度φ计算得出畸变补偿后点云，获得目标点云中心定位坐标点，根据定位点与路侧双导引的距离输出最终定位坐标。
附图说明
图1是一种基于路侧导引的矿区高精度定位方法流程图；
图2是一种基于路侧导引的矿区高精度定位方法示意图；
图3是一种基于反射强度与SHOT描述子结合的矿区3D目标检测算法；
图4是点云畸变原理图。
具体实施方式
下面结合附图和实施例对本发明进行进一步的详细介绍。
一种基于路侧导引的矿区高精度定位方法，如图1所示，主要包括以下四个部分：路侧导引GPS安装与标定，路径规划及激光雷达建图，路侧雷达识别定位和激光雷达定位。
步骤1、在路侧导引设施上安装并校准GPS及激光雷达装置，标定后读取GPS一段时间内的信号输出。
具体地，路侧导引GPS安装与标定需要用户先选定一定距离内的路侧导引，标定测量两个导引间的距离，GPS安装姿态及高度，校验GPS设备正常工作，最终获得稳定的GPS信号输出。
步骤2、在两个路侧导引设施周围给定范围内选取矿区定位地图，数据采集车沿可行驶路径行驶并采集激光雷达点云数据，生成全局先验地图。
具体地，获得GPS稳定信号后，用户依据路侧导引位置在周围给定范围内划定感兴趣区域，所述给定范围是指雷达可采集的最远距离，计算机根据感兴趣区域内可行驶路径距离规划自动驾驶路径，路径还要求对路侧导引设施无遮挡在激光雷达可探测范围内。其中对于路径规划，车辆按照用户感兴趣区域中可行驶路径进行择优，选取根据迪杰斯特拉算法中的最短路径作为最优路径，并将该路径根据模拟退火算法规划车辆行驶状态。迪杰斯特拉算法是一种单源最短路径算法，在矿区环境下较为适用。而模拟退火算法是一种适用于大规模组合优化问题的有效近似算法。它模仿固体物质的退火过程，通过设定初温、初态和降温率控制温度的不断下降，结合概率突跳特性，利用解空间的邻域结构进行随机搜索，最终得到较为平滑的规划路径。
路径规划后，打开激光雷达，采集点云生成全局地图，作为后续定位先验信息。其中，激光雷达建图目前有多种纯激光SLAM算法作为参考，如loam,lego-loam根据点云特征匹配的实时建图算法；如hdl-gragh不根据点云特征而采用图优化实时建图的算法。本发明采用lego-loam这种轻量级实时激光建图方案，不仅适用于大多数场景，且建图较为精细。激光里程计信息，提供车体的相对位置与姿态信息，根据点云特征信息匹配生成地图，并对前向雷达的里程计信息进行回环矫正优化，经过点云去地面，筛选，聚类，匹配等过程，最终形成三维地图，形成最终完整地图。
步骤3、丢失GPS信号的矿车驶入激光雷达采集范围内后，路侧导引的激光雷达设备识别并检测矿车位置，输出路端定位结果。
具体地，两个路侧导引在有GPS环境下的坐标信息，形成差分定位系统。如图2所示，路侧导引处激光雷达对车体目标进行检测识别，由于车体与地面反射强度具有差异进行粗分类，再结合SHOT描述子对目标进行精分类，实现对车体目标的精准识别。
识别车体完成后，两只路侧激光雷达基于路侧双激光雷达目标识别补偿定位算法，经过去畸变后输出车体与激光雷达位置关系信息，结合路侧导引的在常规环境下的定位坐标信息，计算得出车体的GPS坐标信息，作为返回的路端定位结果。
优选地，本发明提出一种基于点云反射强度与SHOT描述子结合的3D目标检测算法，通过车体与地面的反射强度不同进行粗分类，再利用点云的纹理直方图与形状直方图融合形成的SHOT描述子进行精分类，达到精准识别目标的目的。如图3所示，具体包括以下步骤：
(1)获取当前帧点云并进行点云预处理操作。
(2)对点云反射强度进行判断，如果大于θ，对目标进行进一步识别；如果小于θ则获取下一帧点云。
(3)如果点云反射强度满足条件，根据点云信息构建纹理直方图及形状直方图，并输出识别结果，如果识别结果为车辆，则将目标传入定位模块。
在识别车体后，如图4点云畸变原理图所示，由于激光雷达向车体发射激光过程中存在运动过程，当激光雷达旋转一周后接收到的数据为运动后的位置返回的，其中就产生了运动畸变。根据车体速度，激光雷达扫描频率，及两只激光雷达扫描角度Φ1、Φ2联立求解，计算得两点云的畸变距离，而后修正畸变点云得到去运动畸变后点云，获得定位坐标，根据两路侧导引的GPS坐标及两激光雷达到车体的距离信息，推算出矿卡的定位结果。
步骤4、丢失GPS信号的矿车行驶过程中，采集实时点云信息，调用步骤2构建的全局先验地图，与全局先验地图迭代最近点匹配，生成轨迹路径信息，输出车端定位结果。
目标定位车辆在可行驶路径下行驶时，将实时点云与事先存储的全局先验地图点云进行正态分布匹配方法，求出使得概率密度之和最大的变换参数，此时两幅激光点云数据将匹配的最好，定位精度最高，输出此时点云的经纬高信息，作为返回的车端定位结果。
步骤5、定位完成后，将路端定位结果和车端定位结果加权融合，在网络环境恢复后上传至云端，控制台根据定位信息完成后续车辆工作调度计划。
计算机获得路端及车端定位结果后，对定位信息进行加权融合，对路端推算定位赋予高权重，车端定位由于矿区特征较少容易获得不稳定结果，故而赋予低权重，二者融合后，得到较为精准的定位结果。
以上所述仅为本发明的具体实施方式，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于路侧导引的矿区高精度定位方法，其特征在于，包括以下步骤：
步骤1、在路侧导引设施上安装并校准GPS及激光雷达装置，标定后读取GPS一段时间内的信号输出；
步骤2、在两个路侧导引设施周围给定范围内选取矿区定位地图，数据采集车沿可行驶路径行驶并采集激光雷达点云数据，生成全局先验地图；
步骤3、丢失GPS信号的矿车驶入激光雷达采集范围后，路侧导引的激光雷达设备识别矿车并检测矿车位置，输出路端定位结果；
步骤4、丢失GPS信号的矿车行驶过程中，采集实时点云信息，与全局先验地图迭代最近点匹配，生成轨迹路径信息，输出车端定位结果；
步骤5、定位完成后，将路端定位结果和车端定位结果加权融合，在网络环境恢复后上传至云端，控制台根据定位信息完成后续车辆工作调度计划。
2.根据权利要求1所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤1，路侧导引GPS安装与标定需要选定给定距离内的路侧导引，标定测量两个导引间的距离，GPS安装姿态及高度，校验GPS设备正常工作，最终获得稳定的GPS信号输出。
3.根据权利要求2所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤2，所述行驶路径的路径规划选取根据迪杰斯特拉算法中的最短路径作为最优路径，并将该路径根据模拟退火算法规划车辆行驶状态。
4.根据权利要求3所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤2，所述采集激光雷达点云数据，生成全局先验地图，具体为：激光里程计信息，提供车体的相对位置与姿态信息，根据点云特征信息匹配生成地图，并对前向雷达的里程计信息进行回环矫正优化，经过点云去地面、筛选、聚类、匹配过程，最终形成三维地图。
5.根据权利要求4所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤3，所述路侧导引的激光雷达设备识别矿车，具体包括以下子步骤：
(1)获取当前帧点云并进行点云预处理操作；
(2)对点云反射强度进行判断，如果大于θ，对目标进行进一步识别；如果小于θ则获取下一帧点云；
(3)如果点云反射强度满足条件，根据点云信息构建纹理直方图及形状直方图，并输出识别结果，如果识别结果为车辆，则将目标传入定位模块。
6.根据权利要求5所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤3，所述路侧导引的激光雷达设备检测矿车位置，具体为：根据车体速度、激光雷达扫描频率、及两只激光雷达扫描角度Φ1、Φ2联立求解，计算得两点云的畸变距离，而后修正畸变点云得到去运动畸变后点云，获得定位坐标，根据两路侧导引的GPS坐标及两激光雷达到车体的距离信息，推算出矿卡的定位结果。
7.根据权利要求6所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤4具体为：矿车在可行驶路径下行驶，采集实时点云，将实时点云与事先存储的全局先验地图点云进行正态分布匹配，求出使得概率密度之和最大的变换参数，输出此时点云的经纬高信息，作为车端定位结果。
8.根据权利要求7所述的一种基于路侧导引的矿区高精度定位方法，其特征在于，所述步骤5，所述路端定位结果和车端定位结果加权融合时，路端定位结果的权重高于车端定位结果的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211368934.1A CN115711618B (zh) | 2022-11-03 | 2022-11-03 | 一种基于路侧导引的矿区高精度定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211368934.1A CN115711618B (zh) | 2022-11-03 | 2022-11-03 | 一种基于路侧导引的矿区高精度定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115711618A true CN115711618A (zh) | 2023-02-24 |
| CN115711618B CN115711618B (zh) | 2024-06-18 |
Family
ID=85232033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211368934.1A Active CN115711618B (zh) | 2022-11-03 | 2022-11-03 | 一种基于路侧导引的矿区高精度定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115711618B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118033703A (zh) * | 2024-04-12 | 2024-05-14 | 华能信息技术有限公司 | 一种基于地图融合的无人驾驶矿车定位方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006047033A (ja) * | 2004-08-03 | 2006-02-16 | Daihatsu Motor Co Ltd | 物体認識方法及び物体認識装置 |
| CN113066303A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云协同的智能公交车站点组合定位系统 |
| CN113064193A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云协同的组合定位系统 |
| CN113706702A (zh) * | 2021-08-11 | 2021-11-26 | 重庆九洲星熠导航设备有限公司 | 矿区三维地图构建系统和方法 |
| CN114079665A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 数据采集方法、装置、设备及存储介质 |
| CN114488122A (zh) * | 2021-12-30 | 2022-05-13 | 中智行(上海)交通科技有限公司 | 一种基于车路系统的高精度车辆定位方法 |
| CN114612869A (zh) * | 2022-03-14 | 2022-06-10 | 合肥工业大学 | 一种路侧激光雷达与车载激光雷达信息融合方法 |
| CN114964274A (zh) * | 2022-05-10 | 2022-08-30 | 阿波罗智联(北京)科技有限公司 | 地图更新方法、路径规划方法、装置、电子设备及介质 |
-
2022
- 2022-11-03 CN CN202211368934.1A patent/CN115711618B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006047033A (ja) * | 2004-08-03 | 2006-02-16 | Daihatsu Motor Co Ltd | 物体認識方法及び物体認識装置 |
| CN113066303A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云协同的智能公交车站点组合定位系统 |
| CN113064193A (zh) * | 2021-03-25 | 2021-07-02 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云协同的组合定位系统 |
| CN113706702A (zh) * | 2021-08-11 | 2021-11-26 | 重庆九洲星熠导航设备有限公司 | 矿区三维地图构建系统和方法 |
| CN114488122A (zh) * | 2021-12-30 | 2022-05-13 | 中智行(上海)交通科技有限公司 | 一种基于车路系统的高精度车辆定位方法 |
| CN114079665A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 数据采集方法、装置、设备及存储介质 |
| CN114612869A (zh) * | 2022-03-14 | 2022-06-10 | 合肥工业大学 | 一种路侧激光雷达与车载激光雷达信息融合方法 |
| CN114964274A (zh) * | 2022-05-10 | 2022-08-30 | 阿波罗智联(北京)科技有限公司 | 地图更新方法、路径规划方法、装置、电子设备及介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118033703A (zh) * | 2024-04-12 | 2024-05-14 | 华能信息技术有限公司 | 一种基于地图融合的无人驾驶矿车定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115711618B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921947B (zh) | 生成电子地图的方法、装置、设备、存储介质以及采集实体 | |
| Kim et al. | Placement optimization of multiple lidar sensors for autonomous vehicles | |
| CN114419152B (zh) | 一种基于多维度点云特征的目标检测与跟踪方法及系统 | |
| CN109946731A (zh) | 一种基于模糊自适应无迹卡尔曼滤波的车辆高可靠融合定位方法 | |
| CN111273312B (zh) | 一种智能车辆定位与回环检测方法 | |
| CN110187372B (zh) | 一种低速无人车园区内组合导航方法及系统 | |
| US11842430B2 (en) | Methods and systems for ground segmentation using graph-cuts | |
| CN112099042B (zh) | 车辆跟踪方法以及系统 | |
| Mueller et al. | GIS-based topological robot localization through LIDAR crossroad detection | |
| US20210188275A1 (en) | Vehicle control device and storage medium which stores a computer program for vehicle control | |
| CN115016458B (zh) | 基于rrt算法的地洞勘探机器人路径规划方法 | |
| CN115866744A (zh) | 基于反射信号的单基站室内uwb优化定位方法 | |
| CN113030997B (zh) | 一种基于激光雷达的露天矿区可行驶区域检测方法 | |
| CN112015199B (zh) | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 | |
| Fassbender et al. | Landmark-based navigation in large-scale outdoor environments | |
| CN115711618B (zh) | 一种基于路侧导引的矿区高精度定位方法 | |
| Zhang et al. | Real time obstacle detection method based on lidar and wireless sensor | |
| CN115328122B (zh) | 一种基于多雷达感知的无人船避障方法及系统 | |
| KR102618680B1 (ko) | 영상과 라이다를 이용한 실시간 3차원 물체 인식 및 추적하는 시스템 | |
| CN114371726A (zh) | 无人机空地一体化探测定位方法、装置、系统与设备 | |
| CN113671511A (zh) | 一种面向区域场景的激光雷达高精度定位方法 | |
| Sun et al. | Mathematical Method for Lidar-based Obstacle Detection of Intelligent Vehicle | |
| Xu et al. | Agricultural Vehicle Automatic Navigation Positioning and Obstacle Avoidance Technology based on ICP | |
| CHOUCHANI et al. | ENHANCE RAILWAY DIGITAL MAP FOR SLAM: FEASIBILITY STUDY | |
| Bai | Accurate obstacle prediction method in unmanned vehicle driving. |
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 |