CN111398984B - 基于扫地机器人的自适应激光雷达点云校正与定位方法 - Google Patents
基于扫地机器人的自适应激光雷达点云校正与定位方法 Download PDFInfo
- Publication number
- CN111398984B CN111398984B CN202010204601.XA CN202010204601A CN111398984B CN 111398984 B CN111398984 B CN 111398984B CN 202010204601 A CN202010204601 A CN 202010204601A CN 111398984 B CN111398984 B CN 111398984B
- Authority
- CN
- China
- Prior art keywords
- robot
- pose
- point cloud
- sweeping robot
- sweeping
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于扫地机器人的自适应激光雷达点云校正与定位方法,包括以下步骤:S1.通过搭载在机器人上的激光雷达采集一帧新的数据;S2.通过轮式里程计采集距离d和旋转角度θ,直到采集激光数据帧一个周期结束,推测估计机器人在每个里程计时间戳对应的位姿;S3.考虑到误差的存在,对机器人位姿拟合,计算拟合结果后的均方差;S4.计算每个激光点云相对于扫地机器人的位姿Tk‑1的坐标P′k‑1;S5.获取扫地机器人的位姿Tk上的激光点云坐标,并把相邻两帧数据进行ICP匹配,得到扫地机器人的位姿Tk。本发明根据均方差结果自适应选用拟合模型,解决由于扫地机器人运动导致激光点云畸变进而导致地图畸变及定位不准的问题。
Description
技术领域
本发明涉及机器人定位领域,更具体地,涉及基于扫地机器人的自适应激光雷达点云校正与定位方法。
背景技术
随着科学技术的发展与进步,常常用于军事领域的激光雷达的成本大大降低,这使得它在商业应用上成为可能,激光雷达具有单色性好,亮度高,方向性强,抗干扰性强,分辨力强,设备小而轻等优点,尤其在测速与机器人定位方面有着广泛的应用。轮式里程计能够快速地测量移动距离和转动角度,短时间内和不打滑情况下具有较高的定位精度,且编码器价格便宜,适合商业应用。扫地机器人作为第一批商用的服务机器人,已经走进了千家万户,极大地减轻了家庭清扫清洁的负担。
传统的扫地机器人仅仅使用激光雷达传感器进行定位,由于激光雷达在扫射的过程中机器人会发生平移或旋转等运动,得到的激光点云以及生成的地图会有一定程度的畸变,且畸变程度与机器人运动速度成正比,特别是旋转运动对激光点云的畸变影响巨大,因此要对激光点云进行校正;有的采用里程计插值的方法对数据进行校正,但只用到了少数里程计数据而忽略了机器人整体运动情况(LOAM:Lidar Odometry and Mapping in Real-time),没考虑到里程计测量噪声的存在,从而不能准确地校正。工程上往往采用直线运动模型校正,但是对快速运动的机器人校正效果有限,鲁棒性不高。而采用多项式拟合的方式估计机器人运动,但是对于做直线运动的机器人往往会导致过拟合,从而丢失运动的整体信息,校正结果不准(Improved Techniques for Grid Mapping with Rao-BlackwellizedParticle Filters)。
发明内容
本发明的目的在于克服现有的技术和算法的缺点与不足,提供了一种基于扫地机器人的自适应激光雷达点云校正与定位方法。同时开启两个线程对运动模型进行拟合,自适应选取最佳模型,进行点云校正,并对ICP算法提供初始值,加快ICP算法的收敛。
本发明至少通过如下技术方案之一实现。
基于扫地机器人的自适应激光雷达点云校正与定位方法,包括以下步骤:
S1.扫地机器人在运动时,通过搭载在机器人上的激光雷达采集一帧新的数据,假设上一帧数据发布出去后,时间戳为ts,扫地机器人在k-1时刻的位姿为Tk-1,发出当前激光帧之后的k时刻位姿为Tk,位姿变换为Tk,k-1;
S2.通过里程计不断采集运动距离d和旋转角度θ,直到采集激光数据帧一个周期结束,时间戳为te,使用机器人航迹推测模型估计机器人在每个里程计时间戳对应的位姿;
S3.使用直线运动模型和曲线运动模型对机器人位姿拟合,计算拟合结果后的均方差;
S4.选取产生最小均方差的模型作为这一个周期内的运动模型,计算每个激光点云相对于扫地机器人的位姿Tk-1的坐标P′k-1;
S5.获取扫地机器人的位姿Tk上的激光点云坐标,并把相邻两帧数据进行ICP匹配,获取ICP匹配数据集,计算位姿变换Tk,k-1,进而得到扫地机器人的位姿Tk。
进一步地,扫地机器人坐标系与搭载的激光雷达坐标系之间的坐标变换Tbl通过定点标定的方式得到。
进一步地,选取扫地机器人坐标X轴方向作为激光雷达扫描角度为零时扫地机器人的指向,Z轴指向机器人上方,XYZ构成右手系;选取机器人本体作为世界坐标系,测量若干组激光扫描点P在机器人下的位置,从而通过定点标定的方式得到坐标变换Tbl。
进一步地,步骤S2中所述的轮式里程计的工作频率为200Hz,激光雷达的工作频率为5Hz,在一个激光周期内不断采集里程计发布的运动距离d和扫地机器人的旋转角度θ。
进一步地,设相邻里程计数据前后机器人的位姿为[xt-1,yt-1,θt-1]T和[xt,yt,θt]T,r=d/θ,r为运动轨迹半径,步骤S2中所述的机器人航迹推测模型是:
进一步地,步骤S3中所述的直线运动模型的拟合方程为:
其中a1、b1、c1、d1、e1、f1表示待确定的线性方程系数,t表示时刻;
误差模型为:
其中wi为i时刻位姿的置信权重;[xi yi θi]表示机器人i时刻的位姿;
使用Ransac(Random Sample Consensus)算法估计机器人位姿[x y θ],曲线运动模型的拟合方程为:
其中a2、b2、c2、d2、e2、f2、g2、h2表示待确定的线性方程系数,t表示时刻;
误差函数为:
其中:
其中σ为方差、n表示估计的位姿个数;
使用最小二乘拟合算法求解机器人位姿[x y θ],求解方法为高斯-牛顿法,且同时开启两个线程分别计算。
进一步地,步骤S3拟合的机器人位姿曲线经过扫地机器人的位姿Tk-1,对于每个里程计位姿赋予权重w,且w随时间递减。
进一步地,步骤S4中,假设相邻激光点云之间的时间间隔为δt,估计出来的机器人位姿为Tk-1,i对应的激光点云坐标为[ρk-1,i θk-1,i]T,转换成笛卡尔坐标系为Pk-1,i=[ρk-1, icosθk-1,i ρk-1,isinθk-1,i]T,转换到扫地机器人的位姿Tk-1下的坐标P′k-1为:
P′k-1,i=Tk-1,iPk-1,i。
进一步地,步骤S5所述的ICP(Iterative Closest Point)匹配数据集为:
Pk-1={Pk-1,i,i=1...n},Pk={Pk,i,i=1...n}
进一步地,步骤S5扫地机器人的位姿Tk如下:
其中,迭代的初始R和t来自于步骤S4所选取的运动模型估计值。
与现有技术相比,本发明技术方案的有益效果是:
1.本发明采用了里程计数据运动模型拟合和自适应运动模型选取机制,拟合机制比依靠里程计数据插值结果更可靠,综合考虑了扫地机器人沿直线运动和作曲线运动两种场景,根据拟合结果的好坏,自适应选取运动模型,更加精确地确定每一个激光点云的实际坐标。
2.本发明拟合的运动模型对两相邻关键帧位姿的预测可作为ICP算法的初始值,从而加快收敛速度。
3.本发明采用双线程的方式,在做运动模型预测时,兼顾了精度和计算效率的需求。
附图说明
图1为本实施例基于扫地机器人的自适应激光雷达点云校正与定位方法的总流程图;
图2为本实施例航迹推测原理图;
图3为本实施例运动模型拟合效果图。
具体实施方式
附图仅用于示例性说明,不能理解为对本发明的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示,基于扫地机器人的自适应激光雷达点云校正与定位方法,包括以下步骤:
S1.扫地机器人在运动时,通过搭载在机器人上的激光雷达采集一帧新的数据,假设上一帧数据发布出去后,时间戳为ts,扫地机器人在k-1时刻的位姿为Tk-1,发出当前激光帧之后的k时刻位姿为Tk,位姿变换为Tk,k-1。位姿变换关系如图3所示。
S2.同时通过轮式里程计不断采集距离d和旋转角度θ,直到采集激光数据帧一个周期结束,时间戳为te,使用机器人航迹推测模型估计机器人在每个里程计时间戳对应的位姿。
选取扫地机器人坐标X轴方向为激光雷达扫描角度为零时扫地机器人的指向,Z轴指向机器人上方,XYZ构成右手系。选取机器人本体作为世界坐标系,测量多组激光扫描点P在机器人下的位置,从而通过定点标定的方式得到坐标变换Tbl,计算Tbl的目的在于把激光点云数据转换到机器人坐标系下,便于后期构建栅格地图。
轮式里程计的工作频率为200Hz,激光雷达的工作频率为5Hz~10Hz,机器人从位姿Tt-1:[xt-1 yt-1 θt-1]T运动到Tt:[xt yt θt]T,扫地机器人的运动距离为d,旋转角度为θ,用一段圆弧r模拟这一段运动过程,r=d/θ,如图2所示。根据几何关系,航迹推测方程为:
S3.考虑到误差的存在,同时使用直线运动模型和曲线运动模型对机器人位姿拟合,计算拟合结果后的均方差。
直线运动模型的拟合方程为:
使用Ransac算法估计机器人位姿[x y θ],其中,a1、b1、c1、d1、e1、f1为待定参数,使用Ransac算法有利于排除噪声较大的里程计数据干扰,曲线运动模型的拟合方程为:
使用最小二乘拟合算法估计机器人位姿[x y θ],其中,a2、b2、c2、d2、e2、f2、g2、h2、i为待定参数,误差函数为:
由方程可知,y是关于x的二次曲线,求解方法为高斯-牛顿法,且同时开启两个线程分别计算。
上述的拟合直线或曲线必过Tk-1,由于航迹推测模型的假设累积误差及打滑等情况,随着时间的增加,估计结果可信度下降,因此对于每个里程计位姿赋予权重w,且w随时间递减:
其中σ为方差、n表示估计的位姿个数。
S4.选取产生较小均方差的模型作为这一个周期内的运动模型,计算每个激光点云相对于Tk-1的坐标P′k-1。
如图3所示,假设选取的是曲线模型,拟合曲线为l,假设相邻激光点云之间的时间间隔为δt,估计出来的机器人位姿为Tk-1,i,对应的激光点云坐标为[ρk-1,i θk-1,i]T,转换成笛卡尔坐标系为Pk-1,i=[ρk-1,icosθk-1,i ρk-1,isinθk-1,i]T,转换到Tk-1下,P′k-1为:
P′k-1,i=Tk-1,iPk-1,i。
S5.获取扫地机器人的位姿Tk上的激光点云坐标,并把相邻两帧数据进行ICP匹配,获取ICP匹配数据集,计算Tk,k-1,进而得到扫地机器人的位姿Tk。
ICP匹配数据集为:
Pk-1={Pk-1,i,i=1...n},Pk={Pk,i,i=1...n}
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之。
Claims (10)
1.基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,包括以下步骤:
S1.扫地机器人在运动时,通过搭载在机器人上的激光雷达采集一帧新的数据,假设上一帧数据发布出去后,时间戳为ts,扫地机器人在k-1时刻的位姿为Tk-1,发出当前激光帧之后的k时刻位姿为Tk,位姿变换为Tk,k-1;
S2.通过轮式里程计不断采集运动距离d和旋转角度θ,直到采集激光数据帧一个周期结束,时间戳为te,使用机器人航迹推测模型估计机器人在每个里程计时间戳对应的位姿;
S3.使用直线运动模型和曲线运动模型对机器人位姿拟合,计算拟合结果后的均方差;
S4.选取产生最小均方差的模型作为这一个周期内的运动模型,计算每个激光点云相对于扫地机器人的位姿Tk-1的坐标P′k-1;
S5.获取扫地机器人的位姿Tk上的激光点云坐标,并把相邻两帧数据进行ICP匹配,获取ICP匹配数据集,计算位姿变换Tk,k-1,进而得到扫地机器人的位姿Tk。
2.根据权利要求1所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,扫地机器人坐标系与搭载的激光雷达坐标系之间的坐标变换Tbl通过定点标定的方式得到。
3.根据权利要求2所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,扫地机器人坐标X轴方向作为激光雷达扫描角度为零时扫地机器人的指向,Z轴指向机器人上方,XYZ构成右手系机器人本体作为世界坐标系,测量若干组激光扫描点P在机器人下的位置,从而通过定点标定的方式得到坐标变换Tbl。
4.根据权利要求1所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,步骤S2中所述的轮式里程计的工作频率为200Hz,激光雷达的工作频率为5Hz,在一个激光周期内不断采集里程计发布的运动距离d和扫地机器人的旋转角度θ。
6.根据权利要求1所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,步骤S3中所述的直线运动模型的拟合方程为:
其中a1、b1、c1、d1、e1、f1表示待确定的线性方程系数,t表示时刻;
误差模型为:
其中wi为i时刻位姿的置信权重;[xi yi θi]表示机器人在i时刻的位姿;
使用Ransac(Random Sample Consensus)算法估计机器人位姿[x y θ],曲线运动模型的拟合方程为:
其中a2、b2、c2、d2、e2、f2、g2、h2表示待确定的线性方程系数,t表示时刻;
误差函数为:
其中:
其中σ为方差、n表示估计的位姿个数;
使用最小二乘拟合算法求解机器人位姿[xi yi θi],求解方法为高斯-牛顿法,且同时开启两个线程分别计算。
7.根据权利要求1所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,步骤S3拟合的机器人位姿曲线经过扫地机器人的位姿Tk-1,对于每个里程计位姿赋予权重w,且w随时间递减。
8.根据权利要求1所述的基于扫地机器人的自适应激光雷达点云校正与定位方法,其特征在于,步骤S4中,假设相邻激光点云之间的时间间隔为δt,估计出来的机器人位姿为Tk-1,i对应的激光点云坐标为[ρk-1,i θk-1,i]T,转换成笛卡尔坐标系为Pk-1,i=[ρk-1,icosθk-1,iρk-1,isinθk-1,i]T,转换到扫地机器人的位姿Tk-1下的坐标P′k-1为:
P′k-1,i=Tk-1,iPk-1,i。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010204601.XA CN111398984B (zh) | 2020-03-22 | 2020-03-22 | 基于扫地机器人的自适应激光雷达点云校正与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010204601.XA CN111398984B (zh) | 2020-03-22 | 2020-03-22 | 基于扫地机器人的自适应激光雷达点云校正与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398984A CN111398984A (zh) | 2020-07-10 |
CN111398984B true CN111398984B (zh) | 2022-03-29 |
Family
ID=71432796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010204601.XA Active CN111398984B (zh) | 2020-03-22 | 2020-03-22 | 基于扫地机器人的自适应激光雷达点云校正与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398984B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083433B (zh) * | 2020-07-21 | 2023-06-13 | 浙江工业大学 | 一种应用于两轮移动机器人的激光雷达除畸变方法 |
CN112731288B (zh) * | 2020-12-17 | 2022-02-18 | 天津大学 | 线结构激光面的非参数模型标定方法及其标定装置 |
CN112612034B (zh) * | 2020-12-24 | 2023-10-13 | 长三角哈特机器人产业技术研究院 | 基于激光帧和概率地图扫描的位姿匹配方法 |
CN112731357A (zh) * | 2020-12-30 | 2021-04-30 | 清华大学 | 一种激光点云里程计定位误差的实时修正方法和*** |
CN113219440A (zh) * | 2021-04-22 | 2021-08-06 | 电子科技大学 | 一种基于轮式里程计的激光雷达点云数据校正方法 |
CN113739819B (zh) * | 2021-08-05 | 2024-04-16 | 上海高仙自动化科技发展有限公司 | 校验方法、装置、电子设备、存储介质及芯片 |
CN113671523A (zh) * | 2021-08-18 | 2021-11-19 | Oppo广东移动通信有限公司 | 机器人定位方法、装置、存储介质及机器人 |
CN115079128B (zh) * | 2022-08-23 | 2022-12-09 | 深圳市欢创科技有限公司 | 一种激光雷达点云数据去畸变的方法、装置及机器人 |
CN116973895B (zh) * | 2023-09-22 | 2023-12-12 | 山东科技大学 | 一种激光点云匹配的实时位姿校正方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN106154287A (zh) * | 2016-09-28 | 2016-11-23 | 深圳市普渡科技有限公司 | 一种基于双轮里程计与激光雷达的地图构建方法 |
CN106595656A (zh) * | 2016-12-29 | 2017-04-26 | 辽宁工程技术大学 | 一种基于车载pos的公路线形特征识别与参数计算方法 |
CN107390681A (zh) * | 2017-06-21 | 2017-11-24 | 华南理工大学 | 一种基于激光雷达与地图匹配的移动机器人实时定位方法 |
CN108181897A (zh) * | 2017-12-11 | 2018-06-19 | 华侨大学 | 一种双足机器人自动循迹的方法 |
CN208653797U (zh) * | 2018-08-17 | 2019-03-26 | 格特拉克(江西)传动***有限公司 | 一种变速箱里程表齿轮检测装置 |
CN109765534A (zh) * | 2019-01-22 | 2019-05-17 | 山东科技大学 | 一种单波束与拖曳水深测量数据一致性检校方法 |
CN109885052A (zh) * | 2019-02-26 | 2019-06-14 | 华南理工大学 | 基于全向移动机器人运动学建模的误差模型预测控制方法 |
CN109974742A (zh) * | 2017-12-28 | 2019-07-05 | 沈阳新松机器人自动化股份有限公司 | 一种激光里程计算方法和地图构建方法 |
CN110187323A (zh) * | 2019-05-14 | 2019-08-30 | 北京云迹科技有限公司 | 机器人空转识别方法及装置 |
CN110243380A (zh) * | 2019-06-26 | 2019-09-17 | 华中科技大学 | 一种基于多传感器数据与角度特征识别的地图匹配方法 |
CN110285806A (zh) * | 2019-07-05 | 2019-09-27 | 电子科技大学 | 基于多次位姿校正的移动机器人快速精确定位算法 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
CN110887493A (zh) * | 2019-11-29 | 2020-03-17 | 上海有个机器人有限公司 | 基于局部地图匹配的轨迹推算方法、介质、终端和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6026295B2 (ja) * | 2013-01-23 | 2016-11-16 | 株式会社デンソーアイティーラボラトリ | カーブ形状モデル化装置、方法及び車載用ナビゲーション装置 |
JP6773503B2 (ja) * | 2016-09-27 | 2020-10-21 | 株式会社トプコン | レーザスキャナシステム及び点群データのレジストレーション方法 |
EP3616159A4 (en) * | 2017-04-28 | 2020-05-13 | SZ DJI Technology Co., Ltd. | CALIBRATION OF LASER SENSORS |
CN109959381B (zh) * | 2017-12-22 | 2021-06-04 | 深圳市优必选科技有限公司 | 一种定位方法、装置、机器人及计算机可读存储介质 |
-
2020
- 2020-03-22 CN CN202010204601.XA patent/CN111398984B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045263A (zh) * | 2015-07-06 | 2015-11-11 | 杭州南江机器人股份有限公司 | 一种基于Kinect的机器人自定位方法 |
CN106154287A (zh) * | 2016-09-28 | 2016-11-23 | 深圳市普渡科技有限公司 | 一种基于双轮里程计与激光雷达的地图构建方法 |
CN106595656A (zh) * | 2016-12-29 | 2017-04-26 | 辽宁工程技术大学 | 一种基于车载pos的公路线形特征识别与参数计算方法 |
CN107390681A (zh) * | 2017-06-21 | 2017-11-24 | 华南理工大学 | 一种基于激光雷达与地图匹配的移动机器人实时定位方法 |
CN108181897A (zh) * | 2017-12-11 | 2018-06-19 | 华侨大学 | 一种双足机器人自动循迹的方法 |
CN109974742A (zh) * | 2017-12-28 | 2019-07-05 | 沈阳新松机器人自动化股份有限公司 | 一种激光里程计算方法和地图构建方法 |
CN208653797U (zh) * | 2018-08-17 | 2019-03-26 | 格特拉克(江西)传动***有限公司 | 一种变速箱里程表齿轮检测装置 |
CN109765534A (zh) * | 2019-01-22 | 2019-05-17 | 山东科技大学 | 一种单波束与拖曳水深测量数据一致性检校方法 |
CN109885052A (zh) * | 2019-02-26 | 2019-06-14 | 华南理工大学 | 基于全向移动机器人运动学建模的误差模型预测控制方法 |
CN110187323A (zh) * | 2019-05-14 | 2019-08-30 | 北京云迹科技有限公司 | 机器人空转识别方法及装置 |
CN110243380A (zh) * | 2019-06-26 | 2019-09-17 | 华中科技大学 | 一种基于多传感器数据与角度特征识别的地图匹配方法 |
CN110285806A (zh) * | 2019-07-05 | 2019-09-27 | 电子科技大学 | 基于多次位姿校正的移动机器人快速精确定位算法 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
CN110887493A (zh) * | 2019-11-29 | 2020-03-17 | 上海有个机器人有限公司 | 基于局部地图匹配的轨迹推算方法、介质、终端和装置 |
Non-Patent Citations (5)
Title |
---|
"Airborne LiDAR survey in cloudy and extremely high-relief mountainous terrain of Taiwan";Wei-Chen Hsu 等;《2012 IEEE International Geoscience and Remote Sensing Symposium》;20121231;第2679-2682页 * |
"LiDAR Filtering of Urban Areas With Region Growing Based on Moving-Window Weighted Iterative Least-Squares Fitting";Lianjie Qin 等;《IEEE Geoscience and Remote Sensing Letters》;20171231;第841-845页 * |
"Statistical process monitoring approach for high-density point clouds";Wells, Lee J. 等;《JOURNAL OF INTELLIGENT MANUFACTURING》;20131231;第1267-1279页 * |
"基于改进ICP算法的移动机器人室内激光扫描定位方法";华豪 等;《黑龙江科技信息》;20191231;第96-97页 * |
"采用延伸顶点的地面点云实时提取算法";孙朋朋 等;《计算机工程与应用》;20161215;第6-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111398984A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111398984B (zh) | 基于扫地机器人的自适应激光雷达点云校正与定位方法 | |
CN111076733B (zh) | 一种基于视觉与激光slam的机器人室内建图方法及*** | |
CN110689576B (zh) | 一种基于Autoware的动态3D点云正态分布AGV定位方法 | |
CN108320329B (zh) | 一种基于3d激光的3d地图创建方法 | |
CN110796728B (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
CN114862932B (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN112882056B (zh) | 基于激光雷达的移动机器人同步定位与地图构建方法 | |
CN103413352A (zh) | 基于rgbd多传感器融合的场景三维重建方法 | |
CN110187337B (zh) | 一种基于ls和neu-ecef时空配准的高机动目标跟踪方法及*** | |
CN111060099B (zh) | 一种无人驾驶汽车实时定位方法 | |
CN115479598A (zh) | 基于多传感器融合的定位与建图方法及紧耦合*** | |
CN110572139B (zh) | 用于车辆状态估计的融合滤波实现方法以及装置、存储介质、车辆 | |
CN116929338B (zh) | 地图构建方法、设备及存储介质 | |
CN109856616B (zh) | 一种雷达定位相对***误差修正方法 | |
CN112612862A (zh) | 一种基于点云配准的栅格地图定位方法 | |
CN113175929A (zh) | 一种基于upf的空间非合作目标相对位姿估计方法 | |
CN115063465B (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
CN110688440B (zh) | 一种适用于子地图重叠部分较少的地图融合方法 | |
CN104777465B (zh) | 基于b样条函数任意扩展目标形状及状态估计方法 | |
CN114066773B (zh) | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 | |
CN113468706B (zh) | 配网带电作业机器人的激光点云输电线引线拟合方法 | |
CN109931940B (zh) | 一种基于单目视觉的机器人定位置信度评估方法 | |
CN112767481B (zh) | 一种基于视觉边缘特征的高精度定位及建图方法 | |
CN117392268A (zh) | 一种基于自适应结合cpd和icp算法的激光扫描建图方法及*** | |
CN113063412B (zh) | 一种基于可靠性分析的多机器人协同定位与建图方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |