Nothing Special   »   [go: up one dir, main page]

CN114216465B - 一种海底地形导航并行匹配方法 - Google Patents

一种海底地形导航并行匹配方法 Download PDF

Info

Publication number
CN114216465B
CN114216465B CN202111492736.1A CN202111492736A CN114216465B CN 114216465 B CN114216465 B CN 114216465B CN 202111492736 A CN202111492736 A CN 202111492736A CN 114216465 B CN114216465 B CN 114216465B
Authority
CN
China
Prior art keywords
information
submarine topography
submarine
heading
topography
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
Application number
CN202111492736.1A
Other languages
English (en)
Other versions
CN114216465A (zh
Inventor
张强
曹旭东
牛伯城
马腾
李晔
张雯
黄传智
俞泽天
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202111492736.1A priority Critical patent/CN114216465B/zh
Publication of CN114216465A publication Critical patent/CN114216465A/zh
Application granted granted Critical
Publication of CN114216465B publication Critical patent/CN114216465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

一种海底地形导航并行匹配方法，涉及水下导航技术领域，针对现有技术中由于地形匹配算法缺乏艏向信息和海底地形相似度高导致数据关联速度慢、误匹配率高的问题，包括：步骤一：根据当前时刻水下机器人位姿信息构建M个符合高斯分布的假设，M大于等于2；步骤二：将M个符合高斯分布的假设与先验海底地形图进行一致性检测；步骤三：将步骤二中与先验海底地形图一致的假设进行点到面的迭代最近点算法配准，得到匹配的艏向和位移信息；步骤四：利用匹配的艏向和位移信息更新水下机器人位姿信息，然后根据更新后的水下机器人位姿信息更新海底地形图。本申请基于并行计算单元实现海底地形并行匹配算法，有效克服了海底地形相似度高导致数据关联速度慢、误匹配率高等问题。

Description

一种海底地形导航并行匹配方法
技术领域
本发明涉及水下导航技术领域，具体为一种海底地形导航并行匹配方法。
背景技术
目前惯导系统是AUV常用的自主水下导航系统，由于惯导系统的误差随时间累积，极大地影响了AUV在大尺度、长时间的航行任务中的定位精度。
现有的地形匹配算法中，AUV将当前多波束声呐获得的条带数据与先验海底地形图进行匹配即可确定当前AUV的真实位置信息，然后根据该真实位置对AUV的导航系统进行校准，从而实现AUV的轨迹优化。
由于现有地形匹配算法缺乏艏向信息输出，无法对AUV的艏向信息进行优化；高度相似的海底地形会干扰现有地形匹配算法生成正确的位置信息并且提高地形匹配算法本身的复杂度，这样会导致数据关联速度慢、误匹配率高等问题。
发明内容
本发明的目的是：针对现有技术中由于地形匹配算法缺乏艏向信息和海底地形相似度高导致数据关联速度慢、误匹配率高的问题，提出一种海底地形导航并行匹配方法。
本发明为了解决上述技术问题采取的技术方案是：
一种海底地形导航并行匹配方法，包括以下步骤：
步骤一：根据当前时刻水下机器人位姿信息构建M个符合高斯分布的假设，M大于等于2；
步骤二：将M个符合高斯分布的假设与先验海底地形图进行一致性检测；
步骤三：将步骤二中与先验海底地形图一致的假设进行点到面的迭代最近点算法配准，得到匹配的艏向和位移信息；
步骤四：利用匹配的艏向和位移信息更新水下机器人位姿信息，然后根据更新后的水下机器人位姿信息更新海底地形图。
进一步的，所述步骤一中水下机器人位姿信息的获取步骤为：
首先，获取水下机器人的加速度和艏向信息，然后将水下机器人的加速度进行二次积分得到水下机器人的位置信息，最后将位置信息加上艏向信息得到水下机器人的位姿信息。
进一步的，所述步骤一的具体步骤为：
步骤一一：获取多波束声呐数据；
步骤一二：根据多波束声呐数据得到当前时刻内的地形高程信息；
步骤一三：以位姿顶点为中心构建M个满足高斯分布的假设，并根据步骤一二的结果更新M个假设对应的地形高程数据。
进一步的，所述步骤二的具体步骤为：
步骤二一：分别将更新后的M个假设对应的地形高程数据利用NN算法搜索先验海底地形图和地形高程数据的重叠区域数据；
步骤二二：将重叠区域数据并行化计算均方误差，即MSD，选出最小MSD值对应的假设为地形相似度最高的假设，即完成一致性检测。
进一步的，所述步骤三的具体步骤为：
步骤三一：将地形相似度最高的假设和先验海底地形图进行点到面的迭代最近点算法配准后输出艏向和位移信息；
步骤三二：用步骤三一中输出的艏向和位移信息更新最小MSD值对应的假设，得到匹配的艏向和位移信息。
进一步的，所述MSD表示为：
Figure BDA0003399000840000021
其中，N表示适配区内点云数量、hp和hMAP分别两个适配区的高程数据，
Figure BDA0003399000840000022
和
Figure BDA0003399000840000023
分别两个适配区的平均高程数据，i表示第i个高程数据。
进一步的，所述步骤二一中重叠区域数据的获取步骤为：
最邻近点距离小于0.1的数据中，点云数量小于阈值Ξ，则认为该时刻不存在地形重入，即不存在重叠区域。
点云数量大于等于阈值Ξ，则认为该时刻存在地形重入，即存在重叠区域。
进一步的，所述Ξ为点云总数的四分之一。
本发明的有益效果是：
本申请基于并行计算单元实现海底地形并行匹配算法，有效克服了海底地形相似度高导致数据关联速度慢、误匹配率高等问题，本申请仅仅利用多假设一致性检测和NN算法计算海底地形适配区，在并行计算筛选出最小MSD对应的假设，以该假设来逼近AUV真实位姿信息。采用点到面的ICP算法有效克服了现有匹配算法缺乏艏向信息输出，无法对 AUV的艏向进行优化的问题；并对上述的假设对应的子地图进行精配准，提高了匹配的准确率。仿真结果表明，本申请能够有效优化惯导系统轨迹并且优化速度快。
附图说明
图1为本申请流程图；
图2为先验海底地形图示意图；
图3为更新先验海底地形图示意图；
图4为海底地形适配区搜索示意图；
图5为海底地形适配区选择示意图；
图6为多假设分布图；
图7为假设2与子地图17重叠区域的地形相似程度示意图；
图8为假设1与子地图17重叠区域的地形相似程度示意图；
图9为经过粗配准的适配区示意图；
图10为经过精配准的适配区示意图；
图11为惯导系统轨迹和真实轨迹示意图；
图12为图优化轨迹和真实轨迹示意图；
图13为误差分析图。
具体实施方式
需要特别说明的是，在不冲突的情况下，本申请公开的各个实施方式之间可以相互组合。
具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的一种海底地形导航并行匹配方法，包括以下步骤：
步骤一：根据当前时刻水下机器人位姿信息构建M个符合高斯分布的假设，M大于等于2；
步骤二：将M个符合高斯分布的假设与先验海底地形图进行一致性检测；
步骤三：将步骤二中与先验海底地形图一致的假设进行点到面的迭代最近点算法配准，得到匹配的艏向和位移信息；
步骤四：利用匹配的艏向和位移信息更新水下机器人位姿信息，然后根据更新后的水下机器人位姿信息更新海底地形图。
本发明针对基于多波束声呐的水下地形匹配无法输出艏向信息和海底地形相似度高导致数据关联速度慢、误匹配率高等问题，提出一种海底地形导航并行匹配算法，包括：AUV 搭载惯性导航单元、多波束声呐、并行计算单元和先验海底地形图；根据惯性导航单元构建AUV运动轨迹，每个采样时刻将该处的位姿作为顶点信息，并根据多波束声呐数据获得该时刻内的高程信息；以位姿顶点为中心构建满足高斯分布的M个假设，并更新M个假设对应的高程数据；将M个假设对应的地形高程数据放入海底地形数据集合Σ中，在并行计算单元中用NN(NN是最邻近点搜索方法，KNN是K临近点，当K取1时就是最邻近点)搜索先验海底地形图和Σ集合中的重叠区域；根据多假设信息离散出S组海底地形适配区，分别计算S组适配区地形的MSD；将MSD最小值对应的多假设地形数据输入点到面的ICP中输出艏向和位移变化信息。本发明基于一种海底地形导航并行匹配算法，使用多假设一致性检测和NN并行算法筛选出MSD值最小的假设来逼近AUV真实位姿信息，以此加速水下地形匹配速度和准确率，同时采用点到面的ICP配准克服现有地形匹配缺乏艏向信息输出的问题并进行海底地形精配准。
实施例：
步骤一：AUV搭载惯性导航单元、多波束声呐、并行计算单元和先验海底地形图；
步骤二：AUV根据惯性导航单元构建顶点信息，以顶点为中心构建符合高斯分布的多假设，在并行计算单元中输入假设对应的地形数据和先验海底地形图计算海底地形适配区；
步骤三：AUV将步骤二中的适配区输入点到面的ICP中输出艏向和位移变化信息，更新AUV位姿和地图信息。
步骤一一：AUV搭载多波束声纳，实时输出AUV在当前采样时刻的多波束数据，构建扫描地形数据子地图，该地形内点云数量为NUM(NUM＝多波束条带数×每条多波束脚点数)；
步骤一二：AUV搭载惯性导航单元，实时输出AUV在载体系下的速度和艏向信息，构建AUV运动轨迹；
步骤一三：AUV搭载并行计算单元和先验海底地形图，实时输出AUV重入地形数据。
步骤二一：将每个采样时刻的位姿作为顶点信息；
步骤二二：将该时刻的子地图地形数据与先验海底地形图采用NN算法，若最邻近点的距离小于0.1m的点云数量大于NUM/4则认为该时刻存在重叠区域；
步骤二三：若步骤二二得出不存在重叠区域则以该时刻的子地图地形数据更新先验海底地形图，否则以该时刻的顶点为中心构建满足高斯分布(均值为0方差为σ)的M个多假设，并以该顶点与子地图的映射关系更新M个假设对应的地形数据；
步骤二四：将M个多假设对应的地形数据放入海底地形数据集合Σ中，在并行计算单元中输入Σ和先验海底地形图，采用NN算法输出重叠区域地形数据；
步骤三一：将步骤二四中输出的重叠区域地形数据离散成S组海底地形适配区，计算 S组适配区的MSD，选出最小MSD值对应的假设；
步骤三二：将该假设和先验海底地形图对应的适配区数据进行点到面的ICP精配准输出艏向和位移信息；
步骤三三：用步骤三二中输出的艏向和位移信息更新步骤三一筛选出的假设位姿信息，该假设位姿信息即为匹配结果。
本申请的流程图如图1所示。本发明的一个应用情形可以是AUV搭载惯性导航单元输出AUV运动轨迹、多波束声呐输出海底地形数据子地图、并行计算单元和先验海底地形图计算重叠区域，先验海底地形图如图2所示；每个采样时刻将该处的位姿作为顶点信息，将该时刻的子地图地形数据与先验海底地形图采用NN算法，若最邻近点的距离小于0.1m 的点云数量小于阈值Ξ(阈值是根据经验获得的，阈值是随AUV轨迹和多波束声纳扫测范围而变化的，这里取的是子地图点云总数的四分之一)则认为该时刻不存在地形重入，如图4和图5所示，子地图2和子地图1之间不存在重叠区域因此子地图2与子地图1之间不存在地形重入，则将该时刻的子地图2对应的地形子地图放入先验海底地形图中，如下图3所示更新先验海底地形图；若存在地形重入则以该时刻的顶点为中心构建满足高斯分布(均值为0方差为σ)的M个多假设，多假设分布如下图6所示，并以该顶点信息与子地图的映射关系更新M个多假设对应的地形数据；在并行计算单元中输入海底地形数据集合Σ和先验海底地形图采用NN算法输出重入地形数据，将不存在地形重入的假设删除，如图4和图5所示，假设3与子地图17不存在地形重入，因此将假设3删除；输出的重叠区域地形数据离散成S(S<＝M)组海底地形适配区，计算S组适配区的MSD，选出最小 MSD值对应的假设，如图7和图8所示，虽然假设1与子地图17之间重叠区域较大，但是地形相似度较低，因此删除假设1，而假设2与子地图17的地形相似度最高，因此将假设2作为最逼近AUV当前时刻的位姿信息；如图9所示，由于多假设的数量和采样随机性的限制，假设1对应的海底地形与子地图17只进行了粗配准，因此将假设1和子地图17 进行点到面的ICP精配准输出艏向和位移信息，精配准效果如图10所示；根据输出的艏向和位移信息更新假设2的位姿和子地图信息。最终的优化轨迹如图11和图12所示，误差如图13所示。
需要注意的是，具体实施方式仅仅是对本发明技术方案的解释和说明，不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的，仍应落入本发明的保护范围内。

Claims (7)

1.一种海底地形导航并行匹配方法，其特征在于包括以下步骤：
步骤一：根据当前时刻水下机器人位姿信息构建M个符合高斯分布的假设，M大于等于2；
步骤二：将M个符合高斯分布的假设与先验海底地形图进行一致性检测；
步骤三：将步骤二中与先验海底地形图一致的假设进行点到面的迭代最近点算法配准，得到匹配的艏向和位移信息；
步骤四：利用匹配的艏向和位移信息更新水下机器人位姿信息，然后根据更新后的水下机器人位姿信息更新海底地形图；
所述步骤三的具体步骤为：
步骤三一：将地形相似度最高的假设和先验海底地形图进行点到面的迭代最近点算法配准后输出艏向和位移信息；
步骤三二：用步骤三一中输出的艏向和位移信息更新最小MSD值对应的假设，得到匹配的艏向和位移信息。
2.根据权利要求1所述的一种海底地形导航并行匹配方法，其特征在于所述步骤一中水下机器人位姿信息的获取步骤为：
首先，获取水下机器人的加速度和艏向信息，然后将水下机器人的加速度进行二次积分得到水下机器人的位置信息，最后将位置信息加上艏向信息得到水下机器人的位姿信息。
3.根据权利要求2所述的一种海底地形导航并行匹配方法，其特征在于所述步骤一的具体步骤为：
步骤一一：获取多波束声呐数据；
步骤一二：根据多波束声呐数据得到当前时刻内的地形高程信息；
步骤一三：以位姿顶点为中心构建M个满足高斯分布的假设，并根据步骤一二的结果更新M个假设对应的地形高程数据。
4.根据权利要求3所述的一种海底地形导航并行匹配方法，其特征在于所述步骤二的具体步骤为：
步骤二一：分别将更新后的M个假设对应的地形高程数据利用NN算法搜索先验海底地形图和地形高程数据的重叠区域数据；
步骤二二：将重叠区域数据并行化计算均方误差，即MSD，选出最小MSD值对应的假设为地形相似度最高的假设，即完成一致性检测。
5.根据权利要求4所述的一种海底地形导航并行匹配方法，其特征在于所述MSD表示为：
Figure FDA0003842890430000021
其中，N表示适配区内点云数量、hp和hMAP分别两个适配区的高程数据，
Figure FDA0003842890430000022
和
Figure FDA0003842890430000023
分别两个适配区的平均高程数据，i表示第i个高程数据。
6.根据权利要求5所述的一种海底地形导航并行匹配方法，其特征在于所述步骤二一中重叠区域数据的获取步骤为：
最邻近点距离小于0.1的数据中，点云数量小于阈值Ξ，则认为该时刻不存在地形重入，即不存在重叠区域，
点云数量大于等于阈值Ξ，则认为该时刻存在地形重入，即存在重叠区域。
7.根据权利要求6所述的一种海底地形导航并行匹配方法，其特征在于所述阈值Ξ为点云总数的四分之一。
CN202111492736.1A 2021-12-08 2021-12-08 一种海底地形导航并行匹配方法 Active CN114216465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111492736.1A CN114216465B (zh) 2021-12-08 2021-12-08 一种海底地形导航并行匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111492736.1A CN114216465B (zh) 2021-12-08 2021-12-08 一种海底地形导航并行匹配方法

Publications (2)

Publication Number Publication Date
CN114216465A CN114216465A (zh) 2022-03-22
CN114216465B true CN114216465B (zh) 2022-11-01

Family

ID=80700388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111492736.1A Active CN114216465B (zh) 2021-12-08 2021-12-08 一种海底地形导航并行匹配方法

Country Status (1)

Country Link
CN (1) CN114216465B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116659510B (zh) * 2023-06-02 2024-07-26 海南大学 水下机器人定位与避障方法、装置及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426018A (zh) * 2011-08-19 2012-04-25 北京航空航天大学 基于混合地形轮廓匹配tercom算法和粒子滤波的地形辅助导航方法
CN105806345A (zh) * 2016-05-17 2016-07-27 杭州申昊科技股份有限公司 一种用于变电站巡检机器人激光导航的初始化定位方法
CN105856230A (zh) * 2016-05-06 2016-08-17 简燕梅 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法
CN109186610A (zh) * 2018-10-15 2019-01-11 哈尔滨工程大学 一种auv地形匹配导航的鲁棒bslam方法
CN109239709A (zh) * 2018-08-02 2019-01-18 哈尔滨工程大学 一种无人船的局部环境地图自主构建方法
CN109974707A (zh) * 2019-03-19 2019-07-05 重庆邮电大学 一种基于改进点云匹配算法的室内移动机器人视觉导航方法
CN110207721A (zh) * 2019-06-06 2019-09-06 哈尔滨工程大学 一种考虑残差分布的无效地形匹配结果识别方法
CN110441760A (zh) * 2019-09-16 2019-11-12 河海大学 一种基于先验地形图的大范围海底地形图拓展构图方法
CN111486845A (zh) * 2020-04-27 2020-08-04 中国海洋大学 基于海底地形匹配的auv多策略导航方法
CN111948658A (zh) * 2020-08-22 2020-11-17 高小翎 水底地貌影像识别匹配的深水区定位方法
CN112446882A (zh) * 2020-10-28 2021-03-05 北京工业大学 一种动态场景下基于深度学习的鲁棒视觉slam方法
CN113238251A (zh) * 2021-04-02 2021-08-10 华南理工大学 一种基于车载激光雷达的目标级语义定位方法
CN113252039A (zh) * 2021-05-06 2021-08-13 西北工业大学 面向地形辅助导航的粒子群快速匹配方法
CN113433553A (zh) * 2021-06-23 2021-09-24 哈尔滨工程大学 一种水下机器人多源声学信息融合精确导航方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8620095B2 (en) * 2011-03-15 2013-12-31 Microsoft Corporation Performing structure from motion for unordered images of a scene with multiple object instances
CN110226186B (zh) * 2016-12-26 2023-08-04 宝马股份公司 表示地图元素的方法和装置以及定位的方法和装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426018A (zh) * 2011-08-19 2012-04-25 北京航空航天大学 基于混合地形轮廓匹配tercom算法和粒子滤波的地形辅助导航方法
CN105856230A (zh) * 2016-05-06 2016-08-17 简燕梅 一种可提高机器人位姿一致性的orb关键帧闭环检测slam方法
CN105806345A (zh) * 2016-05-17 2016-07-27 杭州申昊科技股份有限公司 一种用于变电站巡检机器人激光导航的初始化定位方法
CN109239709A (zh) * 2018-08-02 2019-01-18 哈尔滨工程大学 一种无人船的局部环境地图自主构建方法
CN109186610A (zh) * 2018-10-15 2019-01-11 哈尔滨工程大学 一种auv地形匹配导航的鲁棒bslam方法
CN109974707A (zh) * 2019-03-19 2019-07-05 重庆邮电大学 一种基于改进点云匹配算法的室内移动机器人视觉导航方法
CN110207721A (zh) * 2019-06-06 2019-09-06 哈尔滨工程大学 一种考虑残差分布的无效地形匹配结果识别方法
CN110441760A (zh) * 2019-09-16 2019-11-12 河海大学 一种基于先验地形图的大范围海底地形图拓展构图方法
CN111486845A (zh) * 2020-04-27 2020-08-04 中国海洋大学 基于海底地形匹配的auv多策略导航方法
CN111948658A (zh) * 2020-08-22 2020-11-17 高小翎 水底地貌影像识别匹配的深水区定位方法
CN112446882A (zh) * 2020-10-28 2021-03-05 北京工业大学 一种动态场景下基于深度学习的鲁棒视觉slam方法
CN113238251A (zh) * 2021-04-02 2021-08-10 华南理工大学 一种基于车载激光雷达的目标级语义定位方法
CN113252039A (zh) * 2021-05-06 2021-08-13 西北工业大学 面向地形辅助导航的粒子群快速匹配方法
CN113433553A (zh) * 2021-06-23 2021-09-24 哈尔滨工程大学 一种水下机器人多源声学信息融合精确导航方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AUV地形匹配导航初始定位研究;王汝鹏;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20200115(第01期);第9-25页 *

Also Published As

Publication number Publication date
CN114216465A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN105865449B (zh) 基于激光和视觉的移动机器人的混合定位方法
US8380384B2 (en) Apparatus and method for localizing mobile robot
CN106197428B (zh) 一种利用测量信息优化分布式ekf估计过程的slam方法
CN114526739B (zh) 移动机器人室内重定位方法、计算机装置及产品
CN111429574A (zh) 基于三维点云和视觉融合的移动机器人定位方法和系统
Choi Hybrid map-based SLAM using a Velodyne laser scanner
WO2021021862A1 (en) Mapping and localization system for autonomous vehicles
WO2020007487A1 (en) Object tracking based on multiple measurement hypotheses
CN112880694B (zh) 确定车辆的位置的方法
CN112444246B (zh) 高精度的数字孪生场景中的激光融合定位方法
CN112904358B (zh) 基于几何信息的激光定位方法
CN112762957A (zh) 一种基于多传感器融合的环境建模及路径规划方法
CN113532438B (zh) 一种大初始定位误差下的改进iccp地形匹配方法
CN114216465B (zh) 一种海底地形导航并行匹配方法
Leung et al. An improved weighting strategy for rao-blackwellized probability hypothesis density simultaneous localization and mapping
CN112669458A (zh) 基于激光点云进行地面滤波的方法、设备和程序载体
CN114593739B (zh) 基于视觉检测与参考线匹配的车辆全局定位方法及装置
CN113554705B (zh) 一种变化场景下的激光雷达鲁棒定位方法
CN114137562A (zh) 一种基于改进全局最邻近的多目标跟踪方法
CN116124161B (zh) 一种基于先验地图的LiDAR/IMU融合定位方法
WO2020118623A1 (en) Method and system for generating an environment model for positioning
CN117168437A (zh) 一种基于改进前沿点多机器人自主探索与基于特征匹配的协同建图方法
Wang et al. Detection and tracking dynamic vehicles for autonomous driving based on 2-D point scans
CN117029870A (zh) 一种基于路面点云的激光里程计
CN115754977A (zh) 一种用于智能桥式起重机的重定位方法

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
GR01 Patent grant
GR01 Patent grant