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

CN115683170B - 基于雷达点云数据融合误差的校准方法 - Google Patents

基于雷达点云数据融合误差的校准方法 Download PDF

Info

Publication number
CN115683170B
CN115683170B CN202310005670.1A CN202310005670A CN115683170B CN 115683170 B CN115683170 B CN 115683170B CN 202310005670 A CN202310005670 A CN 202310005670A CN 115683170 B CN115683170 B CN 115683170B
Authority
CN
China
Prior art keywords
radar
point cloud
data
target point
speed
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
CN202310005670.1A
Other languages
English (en)
Other versions
CN115683170A (zh
Inventor
付培志
皮静
陈波
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.)
CHENGDU XIWU SECURITY SYSTEM ALLIANCE CO LTD
Original Assignee
CHENGDU XIWU SECURITY SYSTEM ALLIANCE CO LTD
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 CHENGDU XIWU SECURITY SYSTEM ALLIANCE CO LTD filed Critical CHENGDU XIWU SECURITY SYSTEM ALLIANCE CO LTD
Priority to CN202310005670.1A priority Critical patent/CN115683170B/zh
Publication of CN115683170A publication Critical patent/CN115683170A/zh
Application granted granted Critical
Publication of CN115683170B publication Critical patent/CN115683170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Navigation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及基于雷达点云数据融合误差的校准方法，包括步骤：通过激光雷达获取目标点云当前时刻的雷达数据；通过惯性导航设备获取目标点云当前时刻的IMU数据；基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置和速度；根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立位置误差方程和速度误差方程；使用位置误差方程和速度误差方程对当前时刻目标点云的位置和速度进行修正。本发明通过构建误差方程，对雷达数据和IMU数据获得的目标点云的位置和速度进行修正，从而对雷达激光点云数据和惯性导航设备的IMU数据融合时进行误差校准，提高目标精度。

Description

基于雷达点云数据融合误差的校准方法
技术领域
本发明涉及雷达点云数据处理技术领域，特别涉及一种基于雷达点云数据融合误差的校准方法。
背景技术
激光雷达是一种新型测量技术，通过发射单波段激光束，并根据地物回波来获取地表对象的三维坐标信息，从而生成点云数据，对地物勘测起到重要的作用。但对于勘测精度的提高，除了采用测量精度优于1厘米的激光雷达之外，激光雷达与惯性导航设备的标定方法也具有重要的作用。现有的激光雷达与惯性导航设备的数据融合已是一项成熟的技术。但由于本身是两个系统，所以必然存在数据融合的误差，若想要提高精度，对于融合时的误差校准则是非常必要的。
发明内容
本发明的目的在于对雷达激光点云数据和惯性导航设备的IMU数据融合时进行误差校准，提供基于雷达点云数据融合误差的校准方法。
为了实现上述发明目的，本发明实施例提供了以下技术方案：
基于雷达点云数据融合误差的校准方法，包括以下步骤：
步骤1，通过激光雷达获取目标点云当前时刻的雷达数据；通过惯性导航设备获取目标点云当前时刻的IMU数据；
步骤2，基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置和速度；
步骤3，根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立位置误差方程和速度误差方程；
步骤4，使用位置误差方程对当前时刻目标点云的位置进行修正，使用速度误差方程对当前时刻目标点云的速度进行修正。
所述步骤1中获得的当前时刻的雷达数据为
Figure SMS_1
，
Figure SMS_2
包含目标点云在雷达坐标系中的坐标值
Figure SMS_3
，i表示第i个时刻；
所述步骤1中获得的当前时刻的IMU数据包括
Figure SMS_6
、
Figure SMS_9
，
Figure SMS_12
包含目标点云在惯性导航坐标系中的坐标值
Figure SMS_5
，
Figure SMS_8
包含姿态数据
Figure SMS_11
，其中，
Figure SMS_14
表示经度，
Figure SMS_4
表示纬度，
Figure SMS_10
表示速度，
Figure SMS_13
表示俯仰角，
Figure SMS_15
表示航向角，
Figure SMS_7
表示横滚角。
所述步骤2中基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置为：
Figure SMS_16
其中，
Figure SMS_17
表示在雷达坐标系下第i个时刻的位置，
Figure SMS_18
表示在雷达坐标系下第i+1个时刻的位置；
Figure SMS_19
表示重力加速度；
Figure SMS_20
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure SMS_21
表示在雷达坐标系下第i个时刻的归一化位置向量，
Figure SMS_22
表示在惯性导航坐标系下第i个时刻的归一化位置向量。
所述步骤2中基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的速度为：
Figure SMS_23
其中，
Figure SMS_24
表示第i个时刻的速度，
Figure SMS_25
表示第i+1个时刻的速度；
Figure SMS_26
表示重力加速度；
Figure SMS_27
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure SMS_28
表示第i个时刻的归一化速度。
所述步骤3中根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立的位置误差方程为：
Figure SMS_29
其中，
Figure SMS_30
为位置误差方程；
Figure SMS_31
为旋转矩阵；
Figure SMS_32
为激光束向量；
Figure SMS_33
为误差系数；
Figure SMS_34
为惯性导航坐标系到雷达坐标系的方向余弦矩阵；
且有：
Figure SMS_35
Figure SMS_36
Figure SMS_37
Figure SMS_38
Figure SMS_39
为俯仰角的旋转矩阵，
Figure SMS_40
为航向角的旋转矩阵，
Figure SMS_41
为横滚角的旋转矩阵；
Figure SMS_42
Figure SMS_43
Figure SMS_44
Figure SMS_45
为地球的卯酉面曲率半径，
Figure SMS_46
为地球的子午面曲率半径，
Figure SMS_47
为地球长轴半径，
Figure SMS_48
为地球椭圆度；
Figure SMS_49
Figure SMS_50
Figure SMS_51
Figure SMS_52
Figure SMS_53
Figure SMS_54
Figure SMS_55
Figure SMS_56
Figure SMS_57
Figure SMS_58
。
所述步骤3中根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立的速度误差方程为：
Figure SMS_59
其中，
Figure SMS_60
为速度误差方程；
Figure SMS_61
为旋转矩阵；
Figure SMS_62
为激光束向量；
Figure SMS_63
为惯性导航坐标系到雷达坐标系的方向余弦矩阵；
且有：
Figure SMS_64
Figure SMS_65
Figure SMS_66
Figure SMS_67
Figure SMS_68
为俯仰角的旋转矩阵，
Figure SMS_69
为航向角的旋转矩阵，
Figure SMS_70
为横滚角的旋转矩阵；
Figure SMS_71
Figure SMS_72
Figure SMS_73
Figure SMS_74
Figure SMS_75
Figure SMS_76
Figure SMS_77
Figure SMS_78
Figure SMS_79
Figure SMS_80
。
所述步骤4中使用位置误差方程对当前时刻目标点云的位置进行修正的步骤，包括：
Figure SMS_81
其中，
Figure SMS_82
表示二范数。
所述步骤4中使用速度误差方程对当前时刻目标点云的速度进行修正的步骤，包括：
Figure SMS_83
其中，
Figure SMS_84
表示二范数。
与现有技术相比，本发明的有益效果：
本发明通过构建误差方程，对雷达数据和IMU数据获得的目标点云的位置和速度进行修正，从而对雷达激光点云数据和惯性导航设备的IMU数据融合时进行误差校准，提高目标精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性，或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。另外，术语“相连”、“连接”等可以是元件之间直接相连，也可以是经由其他元件的间接相连。
实施例：
本发明通过下述技术方案实现，如图1所示，基于雷达点云数据融合误差的校准方法，包括以下步骤：
步骤1，通过激光雷达获取目标点云当前时刻的雷达数据；通过惯性导航设备获取目标点云当前时刻的IMU数据。
由于激光雷达的点云数据有许多帧，一帧为激光束扫描360º产生的点云，假设扫描360º会产生K个点云，那么其中第k个点云在本方案中被定义为目标点云（
Figure SMS_85
）。当前时刻即为当前帧，也就是第i个时刻；下一时刻即为下一帧，也就是第i+1个时刻。
通过激光雷达获取目标点云当前时刻的雷达数据为
Figure SMS_86
，
Figure SMS_87
包含目标点云在雷达坐标系中的坐标值
Figure SMS_88
，i表示第i个时刻，雷达数据主要为坐标值数据，在输出时也以雷达数据的位置为准。
通过惯性导航设备获取目标点云当前时刻的IMU数据包括
Figure SMS_90
、
Figure SMS_94
，
Figure SMS_97
包含目标点云在惯性导航坐标系中的坐标值
Figure SMS_91
，
Figure SMS_95
包含姿态数据
Figure SMS_98
，其中，
Figure SMS_100
表示经度，
Figure SMS_89
表示纬度，
Figure SMS_93
表示速度，
Figure SMS_96
表示俯仰角，
Figure SMS_99
表示航向角，
Figure SMS_92
表示横滚角。IMU数据不仅包括坐标值数据，还包括姿态数据，姿态数据中的经度和维度可以与坐标值数据相互转换，转换的依据在于惯性导航坐标系的原点在何处。IMU数据主要的数据是速度，也就是说，获取目标点云的位置主要通过雷达数据，以IMU数据作为协助；获取目标点云的速度主要通过IMU数据，以姿态数据作为协助。
本方案将激光雷达和惯性导航设备固定安装在同一载体上，该载体可以为地面勘测装置，其相对于地球是静止的，所以
Figure SMS_101
与
Figure SMS_102
具有固定的换算关系。载体也可以为机载、车辆、机器人等，其相对于地球会实时运动，所以
Figure SMS_103
与
Figure SMS_104
没有固定的换算关系，需要实时确定惯性导航坐标系原点的经度、维度，然后再进行换算。
激光雷达和惯性导航设备设置在载体上时，是经过了人工的安装和设定的，但在安装时可能会有误差，或者在使用之后产生误差，进而雷达数据和IMU数据在融合时便会导致定位不准确，因此本方案旨在构建误差方程去修正位置和速度。
步骤2，基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置和速度。
预测下一时刻的位置为：
Figure SMS_105
其中，
Figure SMS_106
表示在雷达坐标系下第i个时刻的位置，
Figure SMS_107
表示在雷达坐标系下第i+1个时刻的位置；
Figure SMS_108
表示重力加速度；
Figure SMS_109
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure SMS_110
表示在雷达坐标系下第i个时刻的归一化位置向量，
Figure SMS_111
表示在惯性导航坐标系下第i个时刻的归一化位置向量。
预测下一时刻的速度为：
Figure SMS_112
其中，
Figure SMS_113
表示第i个时刻的速度，
Figure SMS_114
表示第i+1个时刻的速度；
Figure SMS_115
表示重力加速度；
Figure SMS_116
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure SMS_117
表示第i个时刻的归一化速度。
步骤3，根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立位置误差方程和速度误差方程。
建立的位置误差方程为：
Figure SMS_118
其中，
Figure SMS_119
为位置误差方程；
Figure SMS_120
为旋转矩阵；
Figure SMS_121
为激光束向量；
Figure SMS_122
为误差系数；
Figure SMS_123
为惯性导航坐标系到雷达坐标系的方向余弦矩阵；
且有：
Figure SMS_124
Figure SMS_125
Figure SMS_126
Figure SMS_127
Figure SMS_128
为俯仰角的旋转矩阵，
Figure SMS_129
为航向角的旋转矩阵，
Figure SMS_130
为横滚角的旋转矩阵；
Figure SMS_131
Figure SMS_132
Figure SMS_133
Figure SMS_134
为地球的卯酉面曲率半径，
Figure SMS_135
为地球的子午面曲率半径，
Figure SMS_136
为地球长轴半径，
Figure SMS_137
为地球椭圆度；
Figure SMS_138
Figure SMS_139
Figure SMS_140
Figure SMS_141
Figure SMS_142
Figure SMS_143
Figure SMS_144
Figure SMS_145
Figure SMS_146
Figure SMS_147
建立的速度误差方程为：
Figure SMS_148
其中，
Figure SMS_149
为速度误差方程；
Figure SMS_150
为旋转矩阵；
Figure SMS_151
为激光束向量；
Figure SMS_152
为惯性导航坐标系到雷达坐标系的方向余弦矩阵，与位置误差方程中相同参数同义，此处不再赘述。
步骤4，使用位置误差方程对当前时刻目标点云的位置进行修正，使用速度误差方程对当前时刻目标点云的速度进行修正。
由于获取目标点云的位置主要通过雷达数据，因此基于雷达坐标系，使用位置误差方程
Figure SMS_153
对雷达坐标系下的位置
Figure SMS_154
进行修正，
Figure SMS_155
，其中
Figure SMS_156
表示二范数。获取目标点云的速度主要通过IMU数据，因此基于惯性导航坐标系，使用速度误差方程
Figure SMS_157
对惯性导航坐标系下的速度进行修正，
Figure SMS_158
，从而完成对雷达数据和IMU数据融合误差的校准。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (1)

1.基于雷达点云数据融合误差的校准方法，其特征在于：包括以下步骤：
步骤1，通过激光雷达获取目标点云当前时刻的雷达数据；通过惯性导航设备获取目标点云当前时刻的IMU数据；
所述步骤1中获得的当前时刻的雷达数据为
Figure QLYQS_1
，
Figure QLYQS_2
包含目标点云在雷达坐标系中的坐标值
Figure QLYQS_3
，i表示第i个时刻；
所述步骤1中获得的当前时刻的IMU数据包括
Figure QLYQS_5
、
Figure QLYQS_10
，
Figure QLYQS_13
包含目标点云在惯性导航坐标系中的坐标值
Figure QLYQS_6
，
Figure QLYQS_8
包含姿态数据
Figure QLYQS_11
，其中，
Figure QLYQS_14
表示经度，
Figure QLYQS_4
表示纬度，
Figure QLYQS_9
表示速度，
Figure QLYQS_12
表示俯仰角，
Figure QLYQS_15
表示航向角，
Figure QLYQS_7
表示横滚角；
步骤2，基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置和速度；
所述步骤2中基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的位置为：
Figure QLYQS_16
其中，
Figure QLYQS_17
表示在雷达坐标系下第i个时刻的位置，
Figure QLYQS_18
表示在雷达坐标系下第i+1个时刻的位置；
Figure QLYQS_19
表示重力加速度；
Figure QLYQS_20
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure QLYQS_21
表示在雷达坐标系下第i个时刻的归一化位置向量，
Figure QLYQS_22
表示在惯性导航坐标系下第i个时刻的归一化位置向量；
所述步骤2中基于目标点云在当前时刻的雷达数据和IMU数据，预测在下一时刻的速度为：
Figure QLYQS_23
其中，
Figure QLYQS_24
表示第i个时刻的速度，
Figure QLYQS_25
表示第i+1个时刻的速度；
Figure QLYQS_26
表示重力加速度；
Figure QLYQS_27
表示第i个时刻到第i+1个时刻的时间变化量；A表示激光雷达的激光束向量集合；
Figure QLYQS_28
表示第i个时刻的归一化速度；
步骤3，根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立位置误差方程和速度误差方程；
所述步骤3中根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立的位置误差方程为：
Figure QLYQS_29
其中，
Figure QLYQS_30
为位置误差方程；
Figure QLYQS_31
为旋转矩阵；
Figure QLYQS_32
为激光束向量；
Figure QLYQS_33
为误差系数；
Figure QLYQS_34
为惯性导航坐标系到雷达坐标系的方向余弦矩阵；
且有：
Figure QLYQS_35
Figure QLYQS_36
Figure QLYQS_37
Figure QLYQS_38
Figure QLYQS_39
为俯仰角的旋转矩阵，
Figure QLYQS_40
为航向角的旋转矩阵，
Figure QLYQS_41
为横滚角的旋转矩阵；
Figure QLYQS_42
Figure QLYQS_43
Figure QLYQS_44
Figure QLYQS_45
为地球的卯酉面曲率半径，
Figure QLYQS_46
为地球的子午面曲率半径，
Figure QLYQS_47
为地球长轴半径，
Figure QLYQS_48
为地球椭圆度；
Figure QLYQS_49
Figure QLYQS_50
Figure QLYQS_51
Figure QLYQS_52
Figure QLYQS_53
Figure QLYQS_54
Figure QLYQS_55
Figure QLYQS_56
Figure QLYQS_57
Figure QLYQS_58
；
所述步骤3中根据目标点云当前时刻的雷达数据、IMU数据，以及下一时刻的雷达数据、IMU数据，建立的速度误差方程为：
Figure QLYQS_59
其中，
Figure QLYQS_60
为速度误差方程；
Figure QLYQS_61
为旋转矩阵；
Figure QLYQS_62
为激光束向量；
Figure QLYQS_63
为惯性导航坐标系到雷达坐标系的方向余弦矩阵；
且有：
Figure QLYQS_64
Figure QLYQS_65
Figure QLYQS_66
Figure QLYQS_67
Figure QLYQS_68
为俯仰角的旋转矩阵，
Figure QLYQS_69
为航向角的旋转矩阵，
Figure QLYQS_70
为横滚角的旋转矩阵；
Figure QLYQS_71
Figure QLYQS_72
Figure QLYQS_73
Figure QLYQS_74
Figure QLYQS_75
Figure QLYQS_76
Figure QLYQS_77
Figure QLYQS_78
Figure QLYQS_79
Figure QLYQS_80
；
步骤4，使用位置误差方程对当前时刻目标点云的位置进行修正，使用速度误差方程对当前时刻目标点云的速度进行修正；
所述步骤4中使用位置误差方程对当前时刻目标点云的位置进行修正的步骤，包括：
Figure QLYQS_81
其中，
Figure QLYQS_82
表示二范数；
所述步骤4中使用速度误差方程对当前时刻目标点云的速度进行修正的步骤，包括：
Figure QLYQS_83
其中，
Figure QLYQS_84
表示二范数。
CN202310005670.1A 2023-01-04 2023-01-04 基于雷达点云数据融合误差的校准方法 Active CN115683170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310005670.1A CN115683170B (zh) 2023-01-04 2023-01-04 基于雷达点云数据融合误差的校准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310005670.1A CN115683170B (zh) 2023-01-04 2023-01-04 基于雷达点云数据融合误差的校准方法

Publications (2)

Publication Number Publication Date
CN115683170A CN115683170A (zh) 2023-02-03
CN115683170B true CN115683170B (zh) 2023-03-14

Family

ID=85057052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310005670.1A Active CN115683170B (zh) 2023-01-04 2023-01-04 基于雷达点云数据融合误差的校准方法

Country Status (1)

Country Link
CN (1) CN115683170B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116359938B (zh) * 2023-05-31 2023-08-25 未来机器人（深圳）有限公司 对象检测方法、装置及运载装置
CN118603052B (zh) * 2024-08-08 2024-10-01 陕西炬烽建筑劳务有限公司 一种土木工程用地形勘测装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380514A (zh) * 2018-12-29 2020-07-07 深圳市优必选科技有限公司 机器人位姿估计方法、装置、终端及计算机存储介质
CN111665512B (zh) * 2019-02-21 2024-04-30 香港科技大学 基于3d激光雷达和惯性测量单元的融合的测距和绘图
CN111207774B (zh) * 2020-01-17 2021-12-03 山东大学 一种用于激光-imu外参标定的方法及系统
CN114585879A (zh) * 2020-09-27 2022-06-03 深圳市大疆创新科技有限公司 位姿估计的方法和装置
CN112781594B (zh) * 2021-01-11 2022-08-19 桂林电子科技大学 基于imu耦合的激光雷达迭代最近点改进算法
WO2022193106A1 (zh) * 2021-03-16 2022-09-22 电子科技大学 一种通过惯性测量参数将gps与激光雷达融合定位的方法
CN113311411B (zh) * 2021-04-19 2022-07-12 杭州视熵科技有限公司 一种用于移动机器人的激光雷达点云运动畸变校正方法
CN114018236B (zh) * 2021-09-30 2023-11-03 哈尔滨工程大学 一种基于自适应因子图的激光视觉强耦合slam方法
CN114136311B (zh) * 2021-11-08 2023-08-04 上海应用技术大学 一种基于imu预积分的激光slam定位方法
CN115200608B (zh) * 2022-06-10 2024-11-05 北京航天控制仪器研究所 一种水上激光雷达与惯性导航安装误差标定的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Kun Li 等.Robust SRIF-based LiDAR-IMU Localization for Autonomous Vehicles.2021,第5391-5387页. *
崔文 等.基于三维点云地图和ESKF的无人车融合定位方法.2022,第第48卷卷(第第48卷期),第116-122页. *

Also Published As

Publication number Publication date
CN115683170A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN108519615B (zh) 基于组合导航和特征点匹配的移动机器人自主导航方法
EP3454008B1 (en) Survey data processing device, survey data processing method, and survey data processing program
EP3629057A2 (en) Method and apparatus for calibrating relative pose and medium
CN115683170B (zh) 基于雷达点云数据融合误差的校准方法
CN110703268B (zh) 一种自主定位导航的航线规划方法和装置
CN112835085B (zh) 确定车辆位置的方法和装置
CN111338383B (zh) 基于gaas的自主飞行方法及系统、存储介质
CN111427061A (zh) 一种机器人建图方法、装置，机器人及存储介质
CN107527382B (zh) 数据处理方法以及装置
CN115236714A (zh) 多源数据融合定位方法、装置、设备及计算机存储介质
JP2019120587A (ja) 測位システム及び測位方法
CN110440797A (zh) 车辆姿态估计方法及系统
CN109282813B (zh) 一种无人艇全局障碍物识别的方法
WO2024104418A1 (en) Calibration method for lidar and calibration apparatus, storage medium, and terminal device
CN116358566B (zh) 一种基于抗差自适应因子的粗差探测组合导航方法
CN114897942B (zh) 点云地图的生成方法、设备及相关存储介质
CN113592951A (zh) 车路协同中路侧相机外参标定的方法、装置、电子设备
CN113654528B (zh) 通过无人机位置和云台角度估测目标坐标的方法和系统
CN110082805A (zh) 一种三维定位装置和方法
CN116380002A (zh) 一种光电吊舱安装误差的空中标定方法
CN115542277A (zh) 一种雷达法线标定方法、装置、系统、设备和存储介质
CN111897370B (zh) 基于航姿仪的动态天线跟星参数校正方法
CN114199220A (zh) 一种无人机空中在线磁罗盘校准方法和装置
CN117953007B (zh) 一种基于图像匹配的线性运动补偿控制方法
CN118149803B (zh) 惯性测量方法、装置、设备、计算机可读存储介质及产品

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Calibration method based on radar point cloud data fusion error

Granted publication date: 20230314

Pledgee: Bank of China Limited Chengdu pilot Free Trade Zone Branch

Pledgor: CHENGDU XIWU SECURITY SYSTEM ALLIANCE CO.,LTD.

Registration number: Y2024980020664