CN117805785A - 一种斜对角安装的双激光雷达标定方法和装置 - Google Patents
一种斜对角安装的双激光雷达标定方法和装置 Download PDFInfo
- Publication number
- CN117805785A CN117805785A CN202311778996.4A CN202311778996A CN117805785A CN 117805785 A CN117805785 A CN 117805785A CN 202311778996 A CN202311778996 A CN 202311778996A CN 117805785 A CN117805785 A CN 117805785A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- laser
- map
- dual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000009977 dual effect Effects 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G01S7/4972—Alignment of sensor
-
- 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
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种斜对角安装的双激光雷达标定方法和装置，其方法包括：S1:获取安装有双激光雷达AGV的激光传感器数据，由于AGV运动导致点云数据存在畸变，因此首先需要矫正两个激光雷达各自的激光点云数据；S2:使用处理后的激光点云数据分别以各自激光雷达为坐标中心构建二维栅格地图；S3:将两张以各自激光雷达为中心的构建的二维栅格地图转化为点云地图，将栅格地图中的像素坐标映射到实际的世界坐标；S4:将转换后得到的点云地图进行欧式聚类去除噪点操作，减少后续对点云进行匹配的误差；S5:使用GICP对点云进行匹配得到两个激光雷达之间的位置变换。本发明能在两个激光雷达扫描区域没有重叠时，对两个激光雷达的相对位置进行标定。
Description
技术领域
本发明涉及移动机器人的雷达标定领域，尤其涉及一种斜对角安装的双激光雷达标定方法和装置。
背景技术
随着科技的不断发展，自动引导车(Automated Guided Vehicle,AGV)作为不可或缺的智能制造工具在自动化生产过程中扮演极其重要的作用同时也被广泛应用于物流领域。AGV通过同步定位与建图(Simultaneous Localization And Mapping,SLAM)感知周边环境，构建增量式地图，实现自身的定位与导航。由于AGV在应用的过程中依靠自身实现自动运输的功能，人们期望AGV能够精准的到达预设目标，这就对AGV的定位导航精度提出了更高的要求。而AGV装备单激光雷达时存在盲区，这就意味着AGV不能感知到车后与车侧面的障碍物信息，不能精准的实现自身的定位与导航，因此在车前与车后斜对角安装激光雷达，采用双激光雷达提高AGV定位与导航的鲁棒性，以提供全方位的障碍物检测，实现高度可靠的导航。
AGV的定位导航精度受多方面因素的影响，既包括算法的准确性，也包括双激光雷达标定的准确性。由于AGV存在生产加工和安装上的误差，这导致实际的双激光雷达的相对位置与最初设计的理论值存在差异，因此为了消除这些误差提高AGV的定位导航精度就必须进行双激光雷达的标定工作。这个标定过程对于确保AGV在各种环境和任务中能够可靠地执行其功能至关重要。由于两个激光雷达斜对角位置安装，导致两个激光雷达扫描的区域几乎没有重叠的地方。
现有的双激光雷达标定方法，专利CN112415494A公开了一种AGV双激光雷达位置标定方法、装置、设备和存储介质。将双激光雷达重合的扫描区域的扫描雷达数据转换为与双激光雷达分别对应的点云数据，然后将一个作为源点云数据，另一个作为目标点云数据，使用ICP算法进行双激光雷达标定。但是该方法有局限性，无法应用于双激光雷达重叠区域较小甚至没有的情况。专利CN111121625A公开了一种对角布置双激光雷达相对位置标定方法。利用了相交的墙面1和墙面2，并需要保证两个激光雷达同时扫描到墙面1和墙面2的墙体特征。通过提取扫描到两个墙体的点云特征，得到两组直线特征方程，不断重复操作，得到N组直线特征方程，然后求出交点坐标，计算出双激光雷达的相对位置。该方法需要依赖特殊墙面，并且严格要求双激光雷达同时照射到两个墙面，对环境和雷达安装的依赖比较高，通用性较差。
发明内容
本发明要克服现有技术的上述缺点，提供一种斜对角安装的双激光雷达标定方法和装置，实现了两个激光雷达在重叠区域很少或者没有重叠区域的条件下的相对位置标定，提高了AGV导航定位精度。
本发明为解决现有技术问题所采用的技术方案是：
本发明的第一个方面涉及一种斜对角安装的双激光雷达标定方法，包括如下步骤：
S1:获取安装有双激光雷达AGV的激光传感器数据，由于AGV运动导致点云数据存在畸变，因此首先需要矫正两个激光雷达各自的激光点云数据；
S2:使用处理后的激光点云数据分别以各自激光雷达为坐标中心构建二维栅格地图；
S3:将两张以各自激光雷达为中心的构建的二维栅格地图转化为点云地图，将栅格地图中的像素坐标映射到实际的世界坐标；
S4:将转换后得到的点云地图进行欧式聚类去除噪点操作，减少后续对点云进行匹配的误差；
S5:使用GICP对点云进行匹配得到两个激光雷达之间的位置变换。
优选地，所述步骤S1具体包括：
在获取双激光雷达数据的同时获取IMU传感器的数据，将获取到的每一次数据通过公式(1)进行插值矫正:
w，j分别是第k激光雷达帧内的所有IMU的运动估计帧数和当前激光点所处的第j运动估计帧，pk+i,pk+i'代表第k帧内的第i个畸变点和矫正后的点，Tk+j,Tk+j+1是当前第k帧的变化矩阵叠加当前IMU的运动估计的变化矩阵以及后一帧的变化矩阵。
优选地，所述步骤S2具体包括：
将装有双2D激光雷达的AGV小车放置于一个封闭且规则无杂物的区域内，开启两个激光雷达同时对此封闭环境进行扫描，使用Cartographer算法分别以各自激光雷达的坐标原点为建图原点构建高分辨率栅格地图，让AGV小车绕封闭区域一周得到两张完整的封闭区域二维栅格地图。
优选地，所述步骤S3具体包括：
S3.1：加载先前构建的两张地图，使用PCL创建一个空的点云对象。
S3.2：遍历栅格地图中的像素，根据像素值创建点云。如果该像素是占有状态代表该像素点位置存在障碍物，则需要在此处创建一个点云数据点，以此类推则可创建所有的点云数据点，并将生成的点云数据点通过公式(2)从像素坐标系下转到实际现实坐标系下，用于后续匹配。
其中point_x与point_y代表点云的x轴y轴坐标，i,j代表着二维栅格地图的横坐标与纵坐标，resolution代表着地图的分辨率。
S3.3：将生成的点云数据点添加到创建的点云对象中，通过话题发布二维点云地图。
优选地，所述步骤S4具体包括:
S4.1：找到点云中随机一点p11，利用KD-Tree找到离它最近的n个点，按照公式(3)计算这n个点到点p11的距离，将距离小于阈值r的点p12,p13,p14…放在类Q里。
S4.2：在Q(p11)里随机找一个点如选择p12，重复步骤S4.1，得到类Q(p11,p12)。
S4.3：在Q(p11,p12)找到一点，重复上面步骤，找到p22,p23,p24…放入到类Q里。以此类推直到类Q再也不能加入新点，则表示已经完成搜索。
优选地，所述步骤S5具体包括:
S5.1：将去噪后得到的两个点云地图分别设置为source与target，source点云记为A＝{ai}i＝1,…,N，target点云记为B＝{bi}i＝1,…,N，source与target中每个点位及其领域点位组成的小的点云集合满足高斯分布模型， 其中/>和/>表示点云领域集合协方差矩阵。
S5.2：利用AGV生产时的双激光雷达位置参数作为初始估计进行初始配准，将两个点云地图进行大致对准。
S5.3：采用ISS算法对点云进行特征提取并以FPFH方法进行特征描述，将两个点云地图进行更精准的匹配，得到刚体变换。假设两个点云地图之间的最优匹配为T*，具体如公式(4)所示。
其中R代表旋转矩阵，t代表位移向量。那么这两个匹配点的关系如公式(5)。
定义误差量如公式(6)：
那么将服从公式(7)：
通过最大似然估计，可以找到信赖度最高的齐次变换矩阵T，如公式(8)所示。
S5.4：将步骤S5.3得到的刚体变换作用于源点云地图上，重复步骤S5.3，不断进行迭代优化，当刚体变换的变化小于阈值时则表示配准完毕。
本发明的第二个方面涉及一种斜对角安装的双激光雷达标定装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本发明的一种斜对角安装的双激光雷达标定方法。
本发明的第三个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本发明的一种斜对角安装的双激光雷达标定方法。
本发明的优点是：在两个激光雷达扫描区域没有重叠时，还能对两个激光雷达的相对位置进行标定，降低了对环境和雷达安装的依赖，降低了标定的难度，提高了标定的效率和通用性。
附图说明
图1是本发明的流程结构示意图。
图2是本发明步骤3的流程示意图。
图3是本发明步骤5的流程示意图。
图4a～图4b是本发明对两个点云地图进行匹配的最终结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
实施例1
本实施例涉及应用本发明的一种斜对角安装的双激光雷达标定方法的双2D激光雷达标定方法，其中包括以下步骤：
步骤S1：获取安装有双激光雷达AGV的激光传感器数据，由于AGV运动导致点云数据存在畸变，因此首先需要矫正两个激光雷达各自的激光点云数据：
pk+i,pk+i'代表第k帧内的第i个畸变点和矫正后的点。由于IMU单元测量频率远高于激光雷达的频率，所以利用IMU单元的测量信息，根据匀速模型对雷达点云进行插值处理，计算出同一帧内所有激光点在其时间戳下的姿态变换矩阵，其位姿变换矩阵为：
w，j分别是第k激光雷达帧内的所有IMU的运动估计帧数和当前激光点所处的第j运动估计帧，Tk+j,Tk+j+1是当前第k帧的变化矩阵叠加当前IMU的运动估计的变化矩阵以及后一帧的变化矩阵。
步骤S2：使用处理后的激光点云数据分别以各自激光雷达为坐标中心构建二维栅格地图：
将配备有双2D激光雷达的AGV小车放置在一个封闭且没有障碍物的区域内并启动这两个激光雷达，让它们同时对整个封闭环境进行扫描。Cartographer算法分别以每个激光雷达的坐标原点作为建图原点，开始对环境进行建图。将AGV小车绕着封闭区域一周移动，激光雷达不断扫描并记录周围的环境信息。随着小车的移动，Cartographer算法不断更新地图，将激光雷达获取的数据融合成高分辨率的栅格地图。最终将得到两张完整的封闭区域二维栅格地图。
步骤S3：将两张以各自激光雷达为中心的构建的二维栅格地图转化为点云地图，将栅格地图中的像素坐标映射到实际的世界坐标；
S3.1：将两张高分辨率栅格地图加载到系统中，并利用PCL创建一个空的点云对象。
S3.2：遍历栅格地图中的像素，根据像素值创建点云。如果该像素是占有状态代表该像素点位置存在障碍物，则需要在此处创建一个点云数据点，以此类推获得完整的点云数据点集合，并将生成的点云数据点通过公式(2)从像素坐标系下转到实际现实坐标系下，用于后续匹配。
其中point_x与point_y代表点云的x轴y轴坐标，i,j代表着二维栅格地图的横坐标与纵坐标，resolution代表着地图的分辨率。
S3.3：将根据栅格地图像素生成的点云数据点添加到之前创建的点云对象中，并通过话题发布二维点云地图。
步骤S4：将转换后得到的点云地图进行欧式聚类去除噪点操作，减少后续对点云进行匹配的误差：
S4.1：找到点云中随机一点p11，利用KD-Tree找到离它最近的n个点，按照公式(3)计算这n个点到点p11的距离，将距离小于阈值r的点p12,p13,p14…放在类Q里，通过设置阈值将偏远的噪点去除。
S4.2：在Q(p11)里随机找一个点如选择p12，重复步骤S4.1，得到类Q(p11,p12)。
S4.3：在Q(p11,p12)找到一点，重复上面步骤，找到p22,p23,p24…放入到类Q里。重复进行上述过程，直到无法再将新的点加入类Q，则表明已完成搜索并成功去除了可能干扰匹配的噪点，获得了更为聚集的点云地图。
步骤S5：使用GICP对点云进行匹配得到两个激光雷达之间的位置变换：
S5.1：将去噪后得到的两个点云地图分别设置为source与target，source点云记为A＝{ai}i＝1,…,N，target点云记为B＝{bi}i＝1,…,N，source与target中每个点位及其领域点位组成的小的点云集合满足高斯分布模型， 其中/>和/>表示点云领域集合协方差矩阵。
S5.2：利用AGV生产时的双激光雷达位置参数作为初始估计进行初始配准，将两个点云地图进行大致对准。
S5.3：采用ISS算法对点云进行特征提取并以FPFH方法进行特征描述，将两个点云地图进行更精准的匹配。找到源点云地图中的特征点在目标点云地图中的最佳匹配点，计算相应的刚体变换。假设两个点云地图之间的最优匹配为T*，具体如公式(4)所示。
其中R代表旋转矩阵，t代表位移向量。那么这两个匹配点的关系如公式(5)。
定义误差量如公式(6)：
那么将服从公式(7)：
通过最大似然估计，可以找到信赖度最高的齐次变换矩阵T，如公式(8)所示。
S5.4：将步骤S5.3得到的刚体变换作用于源点云地图上，重复步骤S5.3，不断进行迭代优化，当刚体变换的变化小于阈值时则表示配准完毕。
对两个点云地图进行匹配的最终结果如图4a～图4b所示，并且得到了最优的刚体变换矩阵，进而推算出旋转矩阵以及偏移量，而这个旋转矩阵与偏移量就是两个激光雷达相对位置的偏差。
实施例2
本实施例涉及一种斜对角安装的双激光雷达标定装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现实施例1的一种斜对角安装的双激光雷达标定方法。
本发明能在两个激光雷达扫描区域没有重叠时，对两个激光雷达的相对位置进行标定，降低了对环境和雷达安装的依赖，提高了标定的效率和通用性。
实施例3
本实施例涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现实施例1的一种斜对角安装的双激光雷达标定方法。
需要强调的是，本发明所述的实施案例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方案中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出类似的其它实施方式，同样属于本发明的保护范围。
Claims (8)
1.一种斜对角安装的双激光雷达标定方法，其特征在于：包括如下步骤：
S1:获取安装有双激光雷达AGV的激光传感器数据，由于AGV运动导致点云数据存在畸变，因此首先需要矫正两个激光雷达各自的激光点云数据；
S2:使用处理后的激光点云数据分别以各自激光雷达为坐标中心构建二维栅格地图；
S3:将两张以各自激光雷达为中心的构建的二维栅格地图转化为点云地图，将栅格地图中的像素坐标映射到实际的世界坐标；
S4:将转换后得到的点云地图进行欧式聚类去除噪点操作，减少后续对点云进行匹配的误差；
S5:使用GICP对点云进行匹配得到两个激光雷达之间的位置变换。
2.如权利要求1所述的一种斜对角安装的双激光雷达标定方法，其特征在于：所述步骤S1具体包括：
pk+i,pk+i'代表第k帧内的第i个畸变点和矫正后的点。由于IMU单元测量频率远高于激光雷达的频率，所以利用IMU单元的测量信息，根据匀速模型对雷达点云进行插值处理，计算出同一帧内所有激光点在其时间戳下的姿态变换矩阵，其位姿变换矩阵为：
w，j分别是第k激光雷达帧内的所有IMU的运动估计帧数和当前激光点所处的第j运动估计帧，Tk+j,Tk+j+1是当前第k帧的变化矩阵叠加当前IMU的运动估计的变化矩阵以及后一帧的变化矩阵。
3.如权利要求1所述的一种斜对角安装的双激光雷达标定方法，其特征在于：所述步骤S2具体包括：
将装有双2D激光雷达的AGV小车放置于一个封闭且规则无杂物的区域内，开启两个激光雷达同时对此封闭环境进行扫描，使用Cartographer算法分别以各自激光雷达的坐标原点为建图原点构建高分辨率栅格地图，操控AGV小车在封闭区域行驶一周得到两张完整的封闭区域二维栅格地图。
4.如权利要求1所述的一种斜对角安装的双激光雷达标定方法，其特征在于：所述步骤S3具体包括：
S3.1：加载先前构建的两张地图，使用PCL创建一个空的点云对象。
S3.2：遍历栅格地图中的像素，根据像素值创建点云。如果该像素是占有状态代表该像素点位置存在障碍物，则需要在此处创建一个点云数据点，以此类推则可创建所有的点云数据点，并将生成的点云数据点通过公式(2)从像素坐标系下转到实际现实坐标系下，用于后续匹配。
其中point_x与point_y代表点云的x轴y轴坐标，i,j代表着二维栅格地图的横坐标与纵坐标，resolution代表着地图的分辨率。
S3.3：将生成的点云数据点添加到创建的点云对象中，通过话题发布二维点云地图。
5.如权利要求1所述的一种斜对角安装的双激光雷达标定方法，其特征在于：所述步骤S4具体包括:
S4.1：找到点云中随机一点p11，利用KD-Tree找到离它最近的n个点，按照公式(3)计算这n个点到点p11的距离，将距离小于阈值r的点p12,p13,p14…放在类Q里。
S4.2：在Q(p11)里随机找一个点如选择p12，重复步骤S4.1，得到类Q(p11,p12)。
S4.3：在Q(p11,p12)找到一点，重复上面步骤，找到p22,p23,p24…放入到类Q里。以此类推直到类Q再也不能加入新点，则表示已经完成搜索。
6.如权利要求1所述的一种斜对角安装的双激光雷达标定方法，其特征在于：所述步骤S5具体包括:
S5.1：将去噪后得到的两个点云地图分别设置为source与target，source点云记为A＝{ai}i＝1,…,N，target点云记为B＝{bi}i＝1,…,N，source与target中每个点位及其领域点位组成的小的点云集合满足高斯分布模型， 其中/>和/>表示点云领域集合协方差矩阵。
S5.2：利用AGV生产时的双激光雷达位置参数作为初始估计进行初始配准，将两个点云地图进行大致对准。
S5.3：采用ISS算法对点云进行特征提取并以FPFH方法进行特征描述，将两个点云地图进行更精准的匹配，得到刚体变换。假设两个点云地图之间的最优匹配为T*，具体如公式(4)所示。
其中R代表旋转矩阵，t代表位移向量。那么这两个匹配点的关系如公式(5)。
定义误差量如公式(6)：
那么将服从公式(7)：
通过最大似然估计，可以找到信赖度最高的齐次变换矩阵T，如公式(8)所示。
S5.4：将步骤S5.3得到的刚体变换作用于源点云地图上，重复步骤S5.3，不断进行迭代优化，当刚体变换的变化小于阈值时则表示配准完毕。
7.一种斜对角安装的双激光雷达标定装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-6中任一项所述的一种斜对角安装的双激光雷达标定方法。
8.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-6中任一项所述的一种斜对角安装的双激光雷达标定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311778996.4A CN117805785A (zh) | 2023-12-22 | 2023-12-22 | 一种斜对角安装的双激光雷达标定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311778996.4A CN117805785A (zh) | 2023-12-22 | 2023-12-22 | 一种斜对角安装的双激光雷达标定方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117805785A true CN117805785A (zh) | 2024-04-02 |
Family
ID=90424358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311778996.4A Pending CN117805785A (zh) | 2023-12-22 | 2023-12-22 | 一种斜对角安装的双激光雷达标定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117805785A (zh) |
-
2023
- 2023-12-22 CN CN202311778996.4A patent/CN117805785A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6470271B2 (en) | Obstacle detecting apparatus and method, and storage medium which stores program for implementing the method | |
| US20200326420A1 (en) | Camera and radar fusion | |
| CN110243380B (zh) | 一种基于多传感器数据与角度特征识别的地图匹配方法 | |
| CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
| CN112045655B (zh) | 用于大尺度多站点场景的移动机器人位姿测量方法及系统 | |
| CN111066064A (zh) | 使用误差范围分布的网格占用建图 | |
| CN111522022B (zh) | 基于激光雷达的机器人进行动态目标检测方法 | |
| CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
| CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
| CN114236564B (zh) | 动态环境下机器人定位的方法、机器人、装置及存储介质 | |
| EP3324210A1 (en) | Self-calibrating sensor system for a wheeled vehicle | |
| CN111113422B (zh) | 机器人定位方法、装置、计算机可读存储介质及机器人 | |
| KR20200030738A (ko) | 이동 로봇 및 이의 위치 인식 방법 | |
| CN111684382A (zh) | 可移动平台状态估计方法、系统、可移动平台及存储介质 | |
| CN114115263B (zh) | 用于agv的自主建图方法、装置、移动机器人及介质 | |
| CN112486172A (zh) | 道路边缘检测方法及机器人 | |
| CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
| CN118310531A (zh) | 一种由粗到细点云配准的机器人跨场景定位方法及系统 | |
| CN113434788A (zh) | 建图方法、装置、电子设备及车辆 | |
| CN111812613A (zh) | 一种移动机器人定位监测方法、装置、设备和介质 | |
| CN115546216B (zh) | 一种托盘检测方法、装置、设备及存储介质 | |
| CN117805785A (zh) | 一种斜对角安装的双激光雷达标定方法和装置 | |
| CN115100287B (zh) | 外参标定方法及机器人 | |
| CN115685236A (zh) | 机器人、机器人打滑处理方法、装置和可读存储介质 | |
| JP6670712B2 (ja) | 自己位置推定装置、移動体及び自己位置推定方法 |
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 |