CN117029870A - 一种基于路面点云的激光里程计 - Google Patents

一种基于路面点云的激光里程计 Download PDF

Info

Publication number
CN117029870A
CN117029870A CN202311007948.5A CN202311007948A CN117029870A CN 117029870 A CN117029870 A CN 117029870A CN 202311007948 A CN202311007948 A CN 202311007948A CN 117029870 A CN117029870 A CN 117029870A
Authority
CN
China
Prior art keywords
point cloud
road
grid
map
point
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
Application number
CN202311007948.5A
Other languages
English (en)
Inventor
魏敦文
黎子良
彭倍
迟宏宇
高涛
曹奕
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202311007948.5A priority Critical patent/CN117029870A/zh
Publication of CN117029870A publication Critical patent/CN117029870A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及传感器数据处理机器人定位领域，公开了一种基于路面点云的激光里程计，目的在于降低激光里程计竖直方向的漂移。本发明所提出的一种基于路面点云的激光里程计，首先对当前激光点云帧进行路面点云候选点的提取，然后再提取路沿点，利用路沿点对路面点云候选点做进一步的过滤，得到最终的路面点云。针对当前帧的路面点云进行栅格化处理分区，并对占据栅格的路面点云进行法向量和平均点估计。对当前帧路面点云构成的栅格地图占据栅格和局部路面点云地图构成的栅格地图占据栅格进行匹配，形成匹配对。激光里程计的目标函数分为三部分组成，分别为角点特征匹配、面点特征匹配和路面点云匹配。通过在激光里程计的目标函数中加入路面点云匹配来降低激光里程计竖直方向的漂移。提高激光里程计的精度。

Description

一种基于路面点云的激光里程计
技术领域
本发明涉及机器人与无人车定位与导航领域，具体涉及在路面上进行运动的机器人与无人车，且机器人与无人车需要搭载机械激光雷达，并基于激光雷达进行激光雷达里程计估计。
背景技术
近年来，同时定位与建图(SLAM，simultaneous localization and mapping)在机器人与无人车领域得到了广泛的应用，主要采用的传感器有相机，激光雷达，惯性测量单元(imu)。imu由于自身的漂移和噪声问题，往往需要搭配相机或者激光雷达传感器一起使用。而相机对环境纹理以及光照敏感，并且测量的距离比较小，构建大范围的地图比较困难。激光雷达由于具有扫描范围广，测量距离的精度高的优点，被研究人员进行广泛研究，开发出很多基于激光雷达的里程计和SLAM算法，在机器人和无人车的定位与导航领域得到广泛应用。针对激光里程计领域，研究人员主要利用正态分布变换算法(NDT，NormalDistributions Transform)、迭代最近点算法(ICP，Iterative Closest Point)的方法对全部的点云进行匹配或者基于LOAM(Low-drift and real-time lidar odometry andmapping)系列的论文进行角点特征和面点特征的匹配。而由于机械式激光雷达的水平方向的分辨率远高于竖直方向上的分辨率，因此竖直方向上的特征相比水平方向上的特征更加稀少。在激光里程计的计算中容易导致z、roll和pitch方向的约束不及x、y和yaw的约束。因此估计出的激光里程计容易沿z轴方向进行漂移。
近年来研究人员对激光SLAM中加入地面约束有了一定的研究，如使用了地面约束的LEGO-LOAM论文(Lightweight and Groud-Optimized Lidar Odometry and Mapping onVariable Terrain)，其使用的是地面点云中的面点特征的匹配来约束激光里程计z、roll和pitch方向的位姿。但由于提取的地面点云可能会包含草坪点或者人行道上的点，这些点在前后帧中并不稳定，容易进行错误匹配。而这些错误匹配的点容易导致激光里程计中z、roll和pitch方向的位姿的错误约束。容易导致在这三个方向出现漂移。因此仍需更鲁棒的地面点云特征以及对应的加入到激光里程计的计算方法来降低激光里程计在竖直方向上的漂移。而机器人或者无人车在道路上行驶的时候，由于路面在空间中占据的面积比较大，并且一般的路面比较平整，比地面点云更具有稳定性。应该考虑用路面点云替换地面点云加入到激光里程计的约束中。而对于现有的地面点云的匹配，往往将一帧激光雷达的全部的地面点云和上一帧的全部的地面点云进行匹配，匹配比较耗时。并且由于地面点云特征不明显，难以找到正确的匹配点云。
发明内容
本发明针对现有技术的不足，提供一种基于路面点云的激光里程计，目的在于解决目前激光里程计竖直方向漂移高的问题。
本发明的方案是通过以下4个主要步骤的技术方案来实现的：
S1，当前帧路面点云和非路面点云分割，提取局部路面点云地图；
S2，基于栅格地图对当前帧路面点云和局部路面点云地图分区，并对有效的栅格分区内的点云进行法向量和平均点估计；
S3，当前帧路面点云构成的栅格地图占据栅格与局部路面点云地图构成的栅格地图占据栅格匹配；
S4，根据匹配的栅格地图的占据栅格的路面点云，进行融合路面点云匹配约束的激光点云帧里程计计算。
在一些实施例中，步骤S1中，将当前帧点云进行范围图像(RangeImage)划分，并基于路沿点夹角模型进行路沿点的选取。基于RangeImage一列的上下两点的斜率进行路面点云的粗提取，并基于扇形圆周分区提取路沿点以内的粗路面点云作为最终的路面点云。
在一些实施例中，步骤S2中，针对当前帧路面点云以及局部路面点云地图，分别进行栅格地图划分。进一步计算各栅格内的路面点云的平均点以及拟合出平面方程。并将所有平均点加入到kd树中。
在一些实施例中，步骤S3中，基于匀速模型预估当前帧位姿，并利用该位姿将当前帧栅格内的平均点以及平面法向量转移到世界坐标系下，和局部路面点云地图的栅格的平均点和法向量进行平均点距离匹配以及法向量夹角匹配。找到所有匹配的平均点对。
在一些实施例中，步骤S4中，在角点和面点匹配的残差基础上，加入当前帧路面点云到局部路面点云地图匹配平面的距离最小化残差，并利用非线性优化函数进行求解来计算激光里程计。
本发明具有如下有益效果：
相比地面点云，使用更为稳定，平整的路面点云能在前后帧保持一致性。对当前帧路面点云以及局部路面点云地图进行栅格化处理，可以更精确地进行当前帧路面点云以及局部路面点云地图点云的匹配，提高匹配的准确性。通过对激光里程计中加以路面平面约束，可以加强对竖直方向位姿的约束，进而降低激光里程计在竖直方向上的漂移。提高激光里程计的精度。
附图说明
图1为本发明一种基于路面点云的激光里程计的总流程图；
图2为本发明一种基于路面点云的激光里程计的路面点云提取示例；
图3为本发明一种基于路面点云的激光里程计的局部路面点云地图的栅格以及法向量示例；
图4为本发明一种基于路面点云的激光里程计的当前帧路面点云的栅格以及法向量示例；
图5为本发明一种基于路面点云的激光里程计的局部路面地图栅格和当前帧路面点云栅格的匹配示例。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
一种基于路面点云的激光里程计，主要步骤如图1所示。
S1，当前帧路面点云和非路面点云分割，提取局部路面点云地图；
S2，基于栅格地图对当前帧路面点云和局部路面点云地图分区，并对有效的栅格分区内的点云进行法向量和平均点估计；
S3，当前帧路面点云构成的栅格地图占据栅格与局部路面点云地图构成的栅格地图占据栅格匹配；
S4，根据匹配的栅格地图的占据栅格的路面点云，进行融合路面点云匹配约束的激光点云帧里程计计算。
步骤S1当前帧路面点云和非路面点云分割，以及局部路面点云地图提取具体包括以下步骤：
根据提前测量的激光雷达到路面的高度，设置相对于激光雷达的最低和最高的高度阈值对整体点云进行过滤。使用过滤后的点云进行范围图像(RangeImage)的划分。其中总的列数等于360/horizontal_res，其中horizontal_res是激光雷达的水平分辨率。总的行数等于激光雷达的竖直方向的线数。依次遍历每个过滤后的点云，利用激光点云的ring值来确定该点云的行坐标。假设激光雷达第i个点云的坐标为[xi,yi,zi]。行坐标根据点云在xy平面的投影点[xi,yi,0]和坐标系x轴的夹角，以及激光雷达的水平分辨率来确定。
对于路面点云提取，在RangeImage上，依次选取k列的点云进行路面点云提取。针对每一列上的点云，依次选择上下两点，记为(x1,y1,z1)和(x2,y2,z2)。假设在z轴方向上的高度差h，其中h＝z1-z2。同理，计算出两点在水平方向上距离d，其中计算出两点和水平面的夹角θ，θ＝arctan(h/d)·180/π。选择夹角θ小于阈值(一种可选实施例，角度阈值设为30°)，并且点的z轴坐标在阈值区间[zmin,zmax]的点作为粗提取的路面点。当粗提取完k列(一种可选实施例，k＝30)的路面点云后，对粗提取的路面点云使用PCA主成分法进行平面拟合，对拟合后的平面，计算各点到平面的距离，提取出点云到拟合平面的距离小于dmin的点作为该区域粗提取的路面点云。依次遍历RangeImage全部的列，得到全部粗提取的路面点云。
对于粗提取后的路面点云以一定的角度间隔进行360度的圆周分区。基于夹角和高度差阈值路沿点的提取，由于激光雷达在扫描到路面的时候，因为路面比较平整，激光雷达的点和它左右两边的点形成的向量的夹角比较大，接近180°。而在扫描到路沿的时候，由于路沿有一定的凸起，因此激光雷达的点和它左右两边的点形成的向量的夹角比较小。因此可以利用这个特性来进行路沿点的提取。通过按行对点云进行遍历，对于每一个点，计算该行id和id-10的点组成的向量以及id和id+10的点组成的向量之间的夹角。并且计算这三个点的相对高度值。当夹角小于阈值时(一种可选实施例，角度阈值＝135°)，且这三个点的最高点相对于最低点的高度在[0.02m，0.06m]之间时，认为是该点是路沿点。如图2所示，图2(a)为原始点云，图2(b)为所提取的路沿点点云。
对于粗提取的路面点以及非路面点和路沿点的合集，各自进行360度的分区。计算非路面点和路沿点的合集的各分区中距离坐标系原点最近的点到坐标系原点的距离min_d。对于粗提取的路面点的分区，提取点到坐标系原点的距离小于min_d的点作为最终的路面点。如图2(c)所示为所提取的路面点云。对于局部路面点云地图，选取当前帧之前一定数量的关键帧构建滑动窗口。选取滑动窗口内的各关键帧的路面点云，利用各关键帧的位姿，将点云转移到地图坐标系下，组成局部路面点云地图。
步骤S2针对当前帧和局部路面点云地图进行栅格化处理，并对有效的栅格分区内进行法向量和平均点估计，具体包括以下步骤：
针对当前帧路面点云以及局部路面点云地图，分别进行栅格地图划分。当前帧的路面点云，将栅格地图的中心设置在当前帧激光雷达坐标系中，取z轴数值等于0的xy平面。将路面点云投影到各个栅格中。当栅格内的点云数量满足一定的阈值时，认为这个栅格的路面点云足够丰富，可以加入到激光里程计的计算中。进一步计算该栅格内的路面点云的平均点以及拟合出平面方程。对于局部路面点云地图，将栅格地图的中心设置在局部滑动窗口第一个关键帧的位置，然后将路面点云保存进各栅格地图的分区。进一步计算各栅格内的路面点云的平均点以及拟合出平面方程。
对于各栅格计算出的平面方程，对于第i个栅格，假设该平面的法向量ni＝[nix,niy,niz]，计算该平面的法向量和坐标系z轴单位向量[0,0,1]的夹角。夹角值为：
当夹角值小于阈值(15°)时，认为该平面是由正确的路面点云所拟合的平面，可以加入到后面的激光里程计计算中。当夹角值大于15°时，认为该区域的路面点云包含了一些非路面点云，质量不高，不加入到后面的激光里程计计算中。对局部地图的栅格的平均点和法向量进行过滤后。将所有平均点加入到一个kd树中，方便后续进行匹配。如图3和图4所示，图3(a)为局部路面点云地图与栅格地图的俯视图。其中深灰色的栅格区域代表该栅格内的数量超过一定的阈值，为占据栅格。浅灰色的栅格区域代表栅格内的点云数量少于阈值，为空闲栅格。黑色的点为局部路面点云地图的点云。同理图4(a)为当前帧路面点云与栅格地图的俯视图。其中深灰色的栅格区域代表栅格内的数量超过一定的阈值，为占据栅格。浅灰色的栅格区域代表栅格内的点云数量少于阈值，为空闲栅格。黑色的点为局部路面点云地图的点云。对于图3(b)，黑色箭头LM_n为局部路面点云地图对应的栅格内的点云所拟合的平面的法向量。箭头底部所在位置为栅格内的点云的平均点的位置。对于图4(b)同理，黑色箭头CKF_n为当前帧路面点云对应的栅格内的点云所拟合的平面的法向量。箭头底部所在位置为栅格内的点云的平均点的位置。
步骤S3针对当前帧和局部点云地图占据栅格的匹配具体包括以下步骤：
利用前两帧激光雷达的位姿变换和时间求解出运动速度，利用上一帧的激光里程计位姿进行匀速模型的计算，预估当前帧位姿，并利用该位姿将当前帧经过滤后的栅格内的路面点云平均点以及平面法向量转移到世界坐标系下。
利用步骤S2构建的kd树寻找在局部路面地图中当前帧各栅格内路面点云的平均点最近的一个平均点，构成平均点对。条件1：平均点对的距离小于阈值(一种可选实施例，距离阈值＝1m)。条件2：平均点对对应的法向量之间的夹角小于阈值(一种可选实施例，夹角阈值10°)。当同时满足条件1和条件2时，这两个栅格内的路面点云对应的是同一段路面，可以加入到激光里程计的计算中。依次遍历当前帧的所有平均点，找到所有的平均点对。如图5(a)所示为局部路面点云地图和当前帧路面点云的占据栅格的匹配效果。其中比较零散的点为降采样后的局部路面点云地图的点云，比较稠密的点为当前帧的路面点云。如图5(b)所示的箭头LM_n为局部路面点云地图的占据栅格的法向量，箭头CKF_n为当前帧路面点云的占据栅格的法向量。其中黑色方块LC_m表示局部路面点云地图和当前帧路面点云的两个栅格符合匹配条件，形成一个匹配对。
步骤S4融合路面点云匹配约束的激光点云帧里程计计算，具体包括以下步骤：
假设当前帧第n个栅格与第k个关键帧的局部路面点云地图第j个栅格地图匹配成功，则构建当前帧路面点云到局部路面点云地图匹配平面的距离最小化残差e。
为当前帧c路面点云的第i个点，在地图坐标系W下的坐标。/>为当前帧路面点云的第i个点匹配上的第k个关键帧的局部路面地图的第j个栅格的法向量，在地图坐标系W下的表达。/>和/>是当前激光雷达帧L到地图坐标系W的旋转和平移的变换。在角点和面点匹配的残差函数基础上，加入当前帧路面点云到局部路面点云地图匹配平面的距离最小化残差e。利用总体的残差函数构建最小二乘问题，并利用非线性优化函数进行求解来计算激光里程计。通过路面点云到路面平面距离最小化来对位姿的roll、pitch和z轴方向做进一步约束，进而降低激光里程计竖直方向上的漂移。提高激光里程计的精度。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (5)

1.一种基于路面点云的激光里程计，其特征在于，包括以下步骤：
S1、当前帧路面点云和非路面点云分割，提取局部路面点云地图；
S2、基于栅格地图对当前帧路面点云和局部路面点云地图分区，并对有效的栅格分区内的点云进行法向量和平均点估计；
S3、当前帧路面点云构成的栅格地图占据栅格与局部路面点云地图构成的栅格地图占据栅格匹配；
S4、根据匹配的栅格地图的占据栅格的路面点云，进行融合路面点云匹配约束的激光点云帧里程计计算。
2.根据权利要求1所述的一种基于路面点云的激光里程计，其特征在于，所述步骤S1，将当前帧点云进行范围图像(RangeImage)划分，并基于路沿点夹角模型进行路沿点的选取。基于RangeImage一列的上下两点的斜率进行路面点云的粗提取，并基于扇形圆周分区提取路沿点以内的粗路面点云作为最终的路面点云。
3.根据权利要求1所述的一种基于路面点云的激光里程计，其特征在于，所述步骤S2，针对当前帧路面点云以及局部路面点云地图，分别进行栅格地图划分。进一步计算各栅格内的路面点云的平均点以及拟合出平面方程。并将所有平均点加入到kd树中。
4.根据权利要求1所述的一种基于路面点云的激光里程计，其特征在于，所述步骤S3，基于匀速模型预估当前帧位姿，并利用该位姿将当前帧栅格内的平均点以及平面法向量转移到世界坐标系下，和局部路面点云地图的栅格的平均点和法向量进行平均点距离匹配以及法向量夹角匹配。找到所有匹配的平均点对。
5.根据权利要求1所述的一种基于路面点云的激光里程计，其特征在于，所述步骤S4，在角点和面点匹配的残差基础上，加入当前帧路面点云到局部路面点云地图匹配平面的距离最小化残差，并利用非线性优化函数进行求解来计算激光里程计。
CN202311007948.5A 2023-08-10 2023-08-10 一种基于路面点云的激光里程计 Pending CN117029870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311007948.5A CN117029870A (zh) 2023-08-10 2023-08-10 一种基于路面点云的激光里程计

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311007948.5A CN117029870A (zh) 2023-08-10 2023-08-10 一种基于路面点云的激光里程计

Publications (1)

Publication Number Publication Date
CN117029870A true CN117029870A (zh) 2023-11-10

Family

ID=88642561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311007948.5A Pending CN117029870A (zh) 2023-08-10 2023-08-10 一种基于路面点云的激光里程计

Country Status (1)

Country Link
CN (1) CN117029870A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269977A (zh) * 2023-11-23 2023-12-22 湖南大学 基于垂直优化的激光slam实现方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269977A (zh) * 2023-11-23 2023-12-22 湖南大学 基于垂直优化的激光slam实现方法和系统

Similar Documents

Publication Publication Date Title
CN111882612B (zh) 一种基于三维激光检测车道线的车辆多尺度定位方法
CN113436260B (zh) 基于多传感器紧耦合的移动机器人位姿估计方法和系统
CN112767490B (zh) 一种基于激光雷达的室外三维同步定位与建图方法
CN114419147A (zh) 一种救援机器人智能化远程人机交互控制方法及系统
CN115407357B (zh) 基于大场景的低线束激光雷达-imu-rtk定位建图算法
CN112346463B (zh) 一种基于速度采样的无人车路径规划方法
CN114018248B (zh) 一种融合码盘和激光雷达的里程计方法与建图方法
CN115372989A (zh) 基于激光雷达的越野自动小车长距离实时定位系统及方法
CN113487631B (zh) 基于lego-loam的可调式大角度探测感知及控制方法
CN115272596A (zh) 一种面向单调无纹理大场景的多传感器融合slam方法
CN111273312A (zh) 一种智能车辆定位与回环检测方法
CN117029870A (zh) 一种基于路面点云的激光里程计
CN118089704B (zh) 一种基于自适应特征提取的slam方法及装置
CN114563000B (zh) 一种基于改进型激光雷达里程计的室内外slam方法
CN115908539A (zh) 一种目标体积自动测量方法和装置、存储介质
CN113554705B (zh) 一种变化场景下的激光雷达鲁棒定位方法
CN117804445A (zh) 一种非理想环境下的激光/惯性里程计方法
CN116878542A (zh) 一种抑制里程计高度漂移的激光slam方法
CN116045965A (zh) 一种融合多传感器的环境地图构建方法
CN114323038B (zh) 融合双目视觉和2d激光雷达的室外定位方法
CN115113170A (zh) 一种基于室内特征退化环境的激光雷达边缘特征预测方法
CN111239761B (zh) 一种用于室内实时建立二维地图的方法
Guo et al. 3D Lidar SLAM Based on Ground Segmentation and Scan Context Loop Detection
CN115597592B (zh) 一种应用于无人机巡检的综合定位方法
CN118351177B (zh) 一种融合反射率投影图像边缘特征的位姿优化方法及系统

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