CN109696168A - 一种基于激光传感器的移动机器人几何地图创建方法 - Google Patents
一种基于激光传感器的移动机器人几何地图创建方法 Download PDFInfo
- Publication number
- CN109696168A CN109696168A CN201910144124.XA CN201910144124A CN109696168A CN 109696168 A CN109696168 A CN 109696168A CN 201910144124 A CN201910144124 A CN 201910144124A CN 109696168 A CN109696168 A CN 109696168A
- Authority
- CN
- China
- Prior art keywords
- map
- line segment
- local
- mobile robot
- 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.)
- Withdrawn
Links
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于移动机器人地图创建技术领域,涉及一种基于激光传感器的移动机器人几何地图创建方法。该方法针对在未知环境中地图的复杂性,利用激光传感器实时地采集机器人所处的环境信息;采用动态阈值法对数据集合进行区域分割;利用最小二乘法进行直线拟合;通过判断相邻线段的斜率关系对子线段进行合并,得到反映局部地图的完整线段;通过求取偏移矩阵将两个不同坐标系下的局部地图转换到同一坐标系下,找到连续两帧中线段与线段之间的相关性,对全局地图进行更新,从而实现实时和高精度的几何地图创建。本发明与现有技术相比优点在于:本发明降低了传感器采集移动机器人周围环境数据的误差,提高了移动机器人构建地图的实时性和精度。
Description
技术领域
本发明涉及移动机器人地图创建技术领域,具体为一种基于激光传感器的移动机器人几何地图创建方法。
背景技术
移动机器人同步地图创建与定位(SLAM)是移动机器人研究的核心内容之一。在一个陌生的环境中,有没有障碍物,有没有拐角,有没有物体移动,这些都是未知的,要想让机器人做出预判避免发生碰撞,就必须使其具有实时获取环境信息并创建环境模型的能力。环境建模的准确性决定了导航定位的精度,而且机器人的自定位又依赖于环境建模。一个适当的环境建模将提高机器人对环境的理解能力,减少决策的规划量,缩短规划时间。
环境模型的建立通常是通过建立环境地图来实现的。近几年来,国内外研究者对于环境地图的创建开展了大量的实验与理论研究。描述环境地图的方法主要有栅格地图法、几何地图法和拓扑地图法。Thrun等人设计的博物馆导游机器人MINERVA利用激光测距仪进行扫描并建立栅格地图,利用EM法(最大期望值法)和马尔克夫法算法进行定位。仲朝亮等提出了一种动态环境下基于GNG网络拓扑地图的即时创建方法。
由于激光测距仪具有精度高的优点,近年来有学者开展了采用激光测距仪进行环境感知的相关研究工作。Cristiano P.用直线段,圆和椭圆的集合来表示环境地图,XavierJ. 提出了一种基于内接角的特征提取算法,提取出环境中的直线段,圆弧和人腿的轮廓等特征。Zhang S.利用扩展卡尔曼滤波算法对环境进行实时直线段和圆弧特征提取,提高了特征提取的效率。
目前使用比较广泛的去噪方法有基于傅里叶变换的去噪法和基于小波变换的去噪法。本发明采用小波阈值法去噪。
针对目前移动机器人在更复杂的室内环境工作的需求,越来越多的研究者开始寻求一种简洁而高效地创建环境地图的方法。如何提高地图创建的实时性和准确性是业内研究者首要考虑的问题。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于激光传感器的移动机器人几何地图创建方法,达到实时地图创建,并提高移动机器人构建地图精度的目的。
为了实现上述目的,本发明提供了一种基于激光传感器的移动机器人几何地图创建方法,包括以下步骤:
步骤1:将移动机器人看做刚体,创建局部坐标系和全局坐标系并进行坐标转换;
步骤2:通过安装在移动机器人上的激光测距传感器获得数据信息以完成对周围环境的认知;
步骤3:采用动态阈值法将激光测距传感器采集的离散数据点分割成不同的区域;
步骤4:利用小波变换阈值法对不同区域的数据点进行去噪处理;
步骤5:对去噪后每个区域的数据点通过最小二乘法拟合成线段,找到该区域数据点的最佳函数匹配,去掉偏差大的线段,对各分割区域的拟合直线进行合并,得到当前的局部地图;
步骤6:通过特征点求出连续两帧局部地图的偏移矩阵R,通过偏移矩阵R将两个不同坐标系下的局部地图变换到同一坐标系下,将所有的局部地图数据融合;
步骤7:找到连续两帧中线段与线段之间的相关性,对全局地图进行更新;步骤 8:重复步骤2--步骤7,得到实时的几何地图。
与现有技术相比,本发明的有益效果是:相对于现有的移动机器人地图创建方法,本发明通过激光传感器实时地对环境信息进行采集,通过动态阈值法、最小二乘法以及求取偏移矩阵等方法,从而有效地实现自主地图创建,其精度和实时性都明显提高,能够满足于移动机器人地图创建的实际需求,具体优点在于:
1.本发明通过激光传感器获取环境信息,具有高数据采样频率、高采样角度分辨率和高采样精度,能够获得高精度的环境信息且能保证创建几何地图的实时性;
2.本发明采用动态阈值法对数据集合进行区域分割,避免较远处区域划分会过于细致的情况,从而避免部分观测点数据丢失的现象;利用最小二乘法进行直线拟合,能够对环境中的数据进行特征提取,效率高;通过判断相邻线段的斜率关系对子线段进行合并,方法简单实用;
3.本发明通过求取偏移矩阵将两个不同坐标系下的局部地图转换到同一坐标系下,将所有的局部地图数据融合,有利于判断线段之间的关系,提高地图创建的准确性。
附图说明
图1是移动机器人局部坐标系与全局坐标系的关系图
图2是移动机器人局部地图创建流程图
图3是移动机器人由局部地图生成全局地图的流程图
图4为真实实验场景-实验楼水房
图5为激光传感器测得的原始数据点的一个实例
图6为经过实时更新后的全局地图
具体实施方式
为了使本发明的目的、技术方案及优势更加清晰,下面结合附图和具体实施例对本发明做进一步详细说明。应当指出的是,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。在该实施例中,机器人能够自主移动,所配备的测距传感器为激光测距仪。
一种基于激光传感器的移动机器人几何地图创建方法,图1表示的是机器人建立局部坐标系与全局坐标系的原理。其中灰色部分为搭载激光传感器的移动机器人,(x′1,y′1)为在车体坐标系下的激光数据点,α为机器人与全局坐标系x轴之间的夹角。
步骤1:全局坐标(x-y)系以全局地图左下角为原点,(x0,y0)为机器人在全局坐标系中的位置;
步骤2:局部坐标系(x′-y′)以机器人中心点作为原点;
步骤3:y轴的正方向为车体的正方向,(x′1,y′1)为车体坐标系下的激光数据点,α为机器人与全局坐标系x轴之间的夹角;
步骤4:(x′,y′)为激光数据点在全局坐标系中的表示:
图2是说明基于激光传感器创建局部地图的方法的实施主要步骤的流程图。参照图 2,该方法的主要流程为:
步骤1:机器人自主创建局部坐标系和全局坐标系以确定自身与环境的关系;
步骤2:机器人在未知环境中移动,当机器人运动距离超过20cm或者角度超过30°时,激光传感器采集一次数据;
步骤3:由于激光扫描仪在较远处的观测点间距较大,若采用固定阈值来划分区域,较远处的区域划分会过于细致,部分观测点将因被视为噪声点而被丢弃。故采用动态阈值将测得的离散数据点进行区域分割。区域分割的具体步骤包括:
步骤3.1:点(Xi,Yi)作为当前区域的终点,点(Xi+1,Yi+1)作为下一区域的起点,通过如下公式来计算连续两点之间的距离
步骤3.2:判断Dj与阈值δ之间的关系,如果Dj<δ,则认为这两个点是连续的,执行步骤3.3;如果Dj>δ,则认为这两个点是不连续的,点(x,y)即为两区域的分割点;
步骤3.3:通过公式4来计算与前后两点之间所成线段的夹角(点(Xi+1,Yi+1) 作为上一区域的终点):
步骤3.4:判断Δθ与阈值之间的关系,如果则认为这两点在一条直线上;如果则认为这两个点分别在两条不平行的直线上。
步骤4:利用小波阈值法去除噪声,提取有用信号,从而获得更准确的环境模型。具体步骤包括:
步骤4.1:对传感器输出的信号进行多尺度小波变换,选择合适的小波和小波分解层数N,对含噪声信号进行小波分解至N层,得到相应的小波分解系数;
步骤4.2:对分解后的小波系数进行阈值处理;
步骤4.3:进行小波逆变换,将阈值处理后的小波系数进行小波重构,得到去噪后的信号。
步骤5:利用最小二乘法找到每个区域数据点的最佳函数匹配。舍弃无效线段。具体步骤包括:
步骤5.1:假设数据点没有误差,假设有这样一条直线:
y=p1x+p2 公式5
使所选取区域的数据点都在这条直线上;
步骤5.2:令所有的点到直线的距离的平方和为D:
当D最小时,直线y=p1x+p2最接近理想条件;
步骤5.3:求偏导得最优解(p1,p2):
步骤5.4:根据大量实验得到一个阈值δ,若D大于δ,则视为无效线段,直接舍弃。
步骤6:判断相邻线段间的关系,对满足条件的线段进行合并,从而得到反映局部地图的完整线段。具体步骤包括:
步骤6.1:计算出每条拟合直线的斜率p1、p2值;
步骤6.2:对于相邻的有效线段k和k+1,若满足公式11,则直接合并;
p1(k)-p1(k+1)≈0 公式9
步骤6.3:重新计算合并后的线段特征,由此得到局部地图。
步骤7:完成局部地图的创建。
在该实施例子中,局部地图的创建注重效率与准确性。
图3表示的是移动机器人由局部地图生成全局地图创建的流程图。参照图3,该方法的主要流程为:
步骤1:求取偏移矩阵,在局部地图和全局地图中分别找出与这条线段相关的特征点 (如起点、终点),通过这些点计算局部地图与全局地图的偏移矩阵R。该步骤为由局部地图生成全局地图的核心环节。具体步骤包括:
步骤1.1:通过线段特征找出一条特征明显的相关线段;
步骤1.2:在局部地图和全局地图中分别找出与这条线段相关的特征点(如起点、终点),通过这些点计算局部地图与全局地图的偏移矩阵R=(Δx Δy θ)T。公式如下:
步骤2:通过偏移矩阵R将两帧局部地图变换到同一坐标系下,便于下一步判断线段间的关系。
步骤3:判断局部地图与全局地图中线段的关系,主要有三种情况:局部地图的线段是全局地图的线段的一部分;全局地图的线段是局部地图的线段的一部分;局部地图的线段的一部分是全局地图的线段的一部分。
步骤4:更新全局地图,由于激光传感器具有高数据采样频率,能够保证几何地图的实时性。具体步骤包括:
步骤4.1:若局部地图的线段和与之对应的全局地图的线段基本重合或者是它的一部分,则将全局地图的线段保留下来,删除局部地图的线段;
步骤4.2:若全局地图的线段是与之对应的局部地图的线段的一部分,将局部地图的线段添加到全局地图中,同时删除局部地图和全局地图中的相关线段;
步骤4.3:若局部地图的线段和与之对应的全局地图的线段部分重合,则将这条线段在全局地图和局部地图中的原始数据进行融合,重新拟合出一条新的线段,并将这条线段加入到全局地图中,同时将局部地图和全局地图中的原始线段删除;
步骤4.4:若局部地图的线段与全局地图的线段没有任何相关性,则可以将局部地图中的线段直接添加到全局地图中,同时删除局部地图中的线段;
步骤4.5:重复步骤4.1——步骤4.4,直到局部地图中的线段为空,完成全局地图的更新。
图4为真实实验场景-实验楼水房。该实验环境原本中间无障碍物,为了验证本发明的可用性,在水房中间放置了一个快递箱子。
图5为激光传感器测得的原始数据点的一个实例。
图6为经过实时更新后的全局地图。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,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 (9)
1.一种基于激光传感器的移动机器人几何地图创建方法,其特征在
于,该方法包括:
步骤1:将移动机器人看做刚体,创建局部坐标系和全局坐标系并进行坐标转换;
步骤2:通过安装在移动机器人上的激光测距传感器获得数据信息以完成对周围环境的认知;
步骤3:采用动态阈值法将激光测距传感器采集的离散数据点分割成不同的区域;
步骤4:利用小波变换阈值法对不同区域的数据点进行去噪处理;
步骤5:对去噪后每个区域的数据点通过最小二乘法拟合成线段,找到该区域数据点的最佳函数匹配,去掉偏差大的线段,对各分割区域的拟合直线进行合并,得到当前的局部地图;
步骤6:通过特征点求出连续两帧局部地图的偏移矩阵R,通过偏移矩阵R将两个不同坐标系下的局部地图变换到同一坐标系下,将所有的局部地图数据融合;
步骤7:找到连续两帧中线段与线段之间的相关性,对全局地图进行更新;
步骤8:重复步骤2--步骤7,得到实时的几何地图。
2.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤1中将移动机器人看做刚体,创建局部坐标系和全局坐标系并进行坐标转换;算法如下:
步骤1:全局坐标(x-y)系以全局地图左下角为原点,(x0,y0)为机器人在全局坐标系中的位置;
步骤2:局部坐标系(x′-y′)以机器人中心点作为原点;
步骤3:y轴的正方向为车体的正方向,(x′1,y′1)为车体坐标系下的激光数据点,α为机器人与全局坐标系x轴之间的夹角;
步骤4:(x′,y′)为激光数据点在全局坐标系中的表示:
3.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤2中的数据为激光传感器扫描到的周围环境中各个障碍物相对于机器人的距离与角度。
4.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤3中将测得的所有数据点看作一个点的集合,利用动态阈值法将其分割为不同的区域;通过计算连续两点之间的距离和前后两点之间所成线段之间的角度差来划分区域;动态阈值为数次实验得出的经验值;区域分割的步骤包括:
步骤1:点(Xi,Yi)作为当前区域的终点,点(Xi+1,Yi+1)作为下一区域的起点,通过如下公式来计算连续两点之间的距离
步骤2:判断Dj与阈值δ之间的关系,如果Dj<δ,则认为这两个点是连续的,执行步骤3;如果Dj>δ,则认为这两个点是不连续的,点(x,y)即为两区域的分割点;
步骤3:通过公式4来计算与前后两点之间所成线段的夹角(点(Xi+1,Yi+1)作为上一区域的终点):
步骤4:判断Δθ与阈值之间的关系,如果则认为这两点在一条直线上;如果则认为这两个点分别在两条不平行的直线上。
5.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤4利用小波变换阈值法去除激光传感器采集数据中的噪声;
步骤1:对传感器输出的信号进行多尺度小波变换,选择合适的小波和小波分解层数N,对含噪声信号进行小波分解至N层,得到相应的小波分解系数;
步骤2:对分解后的小波系数进行阈值处理;
步骤3:进行小波逆变换,将阈值处理后的小波系数进行小波重构,得到去噪后的信号。
6.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤5利用最小二乘法找到该区域数据点的最佳函数匹配,去掉偏差大的线段;
步骤1:假设数据点没有误差,假设有这样一条直线:
y=p1x+p2 公式5
使所选取区域的数据点都在这条直线上;
步骤2:令所有的点到直线的距离的平方和为D:
当D最小时,直线y=p1x+p2最接近理想条件;
步骤3:求偏导得最优解(p1,p2):
步骤4:根据大量实验得到一个阈值δ,若D大于δ,则视为无效线段,直接舍弃。
7.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤5对各分割区域的拟合直线进行合并,得到局部地图;
步骤1:计算出每条拟合直线的斜率p1、p2值;
步骤2:对于相邻的有效线段k和k+1,若满足公式11,则直接合并;
p1(k)-p1(k+1)≈0 公式9
步骤3:重新计算合并后的线段特征,由此得到局部地图。
8.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤6通过特征点求出连续两帧局部地图的偏移矩阵,将两帧局部地图转换到同一坐标系下;
步骤1:通过线段特征找出一条特征明显的相关线段;
步骤2:在局部地图和全局地图中分别找出与这条线段相关的特征点(如起点、终点),通过这些点计算局部地图与全局地图的偏移矩阵R=(Δx Δy θ)T。公式如下:
步骤3:通过偏移矩阵R将两帧局部地图变换到同一坐标系下。
9.根据权利要求1所述的一种基于激光传感器的移动机器人几何地图创建方法,其特征在于:所述步骤7将所有的局部地图数据融合,找到连续两帧中线段与线段之间的相关性,从而对全局地图进行更新,保证全局地图的实时性;
步骤1:若局部地图的线段和与之对应的全局地图的线段基本重合或者是它的一部分,则将全局地图的线段保留下来,删除局部地图的线段;
步骤2:若全局地图的线段是与之对应的局部地图的线段的一部分,将局部地图的线段添加到全局地图中,同时删除局部地图和全局地图中的相关线段;
步骤3:若局部地图的线段和与之对应的全局地图的线段部分重合,则将这条线段在全局地图和局部地图中的原始数据进行融合,重新拟合出一条新的线段,并将这条线段加入到全局地图中,同时将局部地图和全局地图中的原始线段删除;
步骤4:若局部地图的线段与全局地图的线段没有任何相关性,则可以将局部地图中的线段直接添加到全局地图中,同时删除局部地图中的线段;
步骤5:重复步骤1——步骤4,直到局部地图中的线段为空,完成全局地图的更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910144124.XA CN109696168A (zh) | 2019-02-27 | 2019-02-27 | 一种基于激光传感器的移动机器人几何地图创建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910144124.XA CN109696168A (zh) | 2019-02-27 | 2019-02-27 | 一种基于激光传感器的移动机器人几何地图创建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109696168A true CN109696168A (zh) | 2019-04-30 |
Family
ID=66233963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910144124.XA Withdrawn CN109696168A (zh) | 2019-02-27 | 2019-02-27 | 一种基于激光传感器的移动机器人几何地图创建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109696168A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112344934A (zh) * | 2020-09-30 | 2021-02-09 | 北京工业大学 | 一种基于gng网络的可删减环境拓扑地图构建方法 |
CN112928799A (zh) * | 2021-02-04 | 2021-06-08 | 北京工业大学 | 基于激光测量的移动机器人自动对接充电方法 |
CN113790730A (zh) * | 2021-08-31 | 2021-12-14 | 北京航空航天大学 | 基于dxf格式的移动机器人导航地图转换方法和*** |
CN114998535A (zh) * | 2022-05-26 | 2022-09-02 | 湖南格兰博智能科技有限责任公司 | 一种地图构建的角度偏转矫正方法、***及电子设备 |
CN115512601A (zh) * | 2022-11-15 | 2022-12-23 | 武汉智图科技有限责任公司 | 一种地理信息非连接线状要素自动拼接方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
CN103941264A (zh) * | 2014-03-26 | 2014-07-23 | 南京航空航天大学 | 一种室内未知环境下使用激光雷达定位方法 |
WO2016162568A1 (en) * | 2015-04-10 | 2016-10-13 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
CN108387234A (zh) * | 2018-02-06 | 2018-08-10 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
CN108932736A (zh) * | 2018-05-30 | 2018-12-04 | 南昌大学 | 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法 |
-
2019
- 2019-02-27 CN CN201910144124.XA patent/CN109696168A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
CN103941264A (zh) * | 2014-03-26 | 2014-07-23 | 南京航空航天大学 | 一种室内未知环境下使用激光雷达定位方法 |
WO2016162568A1 (en) * | 2015-04-10 | 2016-10-13 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
CN108387234A (zh) * | 2018-02-06 | 2018-08-10 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
CN108932736A (zh) * | 2018-05-30 | 2018-12-04 | 南昌大学 | 二维激光雷达点云数据处理方法以及动态机器人位姿校准方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112344934A (zh) * | 2020-09-30 | 2021-02-09 | 北京工业大学 | 一种基于gng网络的可删减环境拓扑地图构建方法 |
CN112344934B (zh) * | 2020-09-30 | 2024-02-23 | 北京工业大学 | 一种基于gng网络的可删减环境拓扑地图构建方法 |
CN112928799A (zh) * | 2021-02-04 | 2021-06-08 | 北京工业大学 | 基于激光测量的移动机器人自动对接充电方法 |
CN113790730A (zh) * | 2021-08-31 | 2021-12-14 | 北京航空航天大学 | 基于dxf格式的移动机器人导航地图转换方法和*** |
CN113790730B (zh) * | 2021-08-31 | 2022-09-23 | 北京航空航天大学 | 基于dxf格式的移动机器人导航地图转换方法和*** |
CN114998535A (zh) * | 2022-05-26 | 2022-09-02 | 湖南格兰博智能科技有限责任公司 | 一种地图构建的角度偏转矫正方法、***及电子设备 |
CN115512601A (zh) * | 2022-11-15 | 2022-12-23 | 武汉智图科技有限责任公司 | 一种地理信息非连接线状要素自动拼接方法和装置 |
CN115512601B (zh) * | 2022-11-15 | 2023-02-28 | 武汉智图科技有限责任公司 | 一种地理信息非连接线状要素自动拼接方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109696168A (zh) | 一种基于激光传感器的移动机器人几何地图创建方法 | |
US10885352B2 (en) | Method, apparatus, and device for determining lane line on road | |
CN112014857B (zh) | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 | |
US20230096982A1 (en) | Method for generating robot exploration path, computer device, and storage medium | |
CN110717983A (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
Laptev et al. | Automatic extraction of roads from aerial images based on scale space and snakes | |
CN110109134B (zh) | 一种基于2d激光雷达测距的折线提取极大似然估计的方法 | |
Wu et al. | Automated extraction of ground surface along urban roads from mobile laser scanning point clouds | |
CN109214422B (zh) | 基于dcgan的停车数据修补方法、装置、设备及存储介质 | |
CN105512665A (zh) | 一种机载激光雷达点云数据边缘提取方法 | |
Palmer et al. | An optimizing line finder using a Hough transform algorithm | |
CN109166140A (zh) | 一种基于多线激光雷达的车辆运动轨迹估计方法及*** | |
CN108645339A (zh) | 一种生物发电厂料垛点云数据采集及体积计算方法 | |
CN111679303B (zh) | 一种多源定位信息融合的综合定位方法及装置 | |
CN110850363B (zh) | 一种基于实时定位轨迹数据进行动态滤波优化的方法 | |
CN103136525A (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN110175574A (zh) | 一种道路网提取方法及装置 | |
CN111207753A (zh) | 一种多玻璃隔断环境下的同时定位与建图的方法 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、***及存储介质 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN110261905A (zh) | 基于倾角控制的复值相干微断层识别方法 | |
CN106199604B (zh) | 一种基于相关性分析的台风运动追踪方法 | |
CN108731679A (zh) | 移动机器人环境特征定位方法 | |
CN116437292A (zh) | 一种室内复杂环境下的行人定位匹配方法 | |
CN113554705B (zh) | 一种变化场景下的激光雷达鲁棒定位方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190430 |