CN114136316B - 基于点云特征点的惯导误差消除方法、芯片及机器人 - Google Patents
基于点云特征点的惯导误差消除方法、芯片及机器人 Download PDFInfo
- Publication number
- CN114136316B CN114136316B CN202111453891.2A CN202111453891A CN114136316B CN 114136316 B CN114136316 B CN 114136316B CN 202111453891 A CN202111453891 A CN 202111453891A CN 114136316 B CN114136316 B CN 114136316B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- angle
- characteristic points
- error
- transformation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008030 elimination Effects 0.000 title claims abstract description 13
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 76
- 238000006073 displacement reaction Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于点云特征点的惯导误差消除方法、芯片及机器人，所述方法通过3D‑TOF传感器采集点云数据，提取其特征点并保存为参考点集。然后在下一次检测到相同的点云特征点时，便能够以前后两次特征点的位姿变换为基准，与惯导的位姿变换进行比较，从而得知机器人与实际位置的偏差，然后利用该偏差校正惯导的误差，提高机器人的导航精度。其中，由于点云特征点只包含描述点云数据的关键点，数量较少，因此内存占用小、运算速度快，而且还适合长期储存，适用于校正机器人长期累积下来的误差。
Description
技术领域
本发明涉及导航技术领域，具体涉及基于点云特征点的惯导误差消除方法、芯片及机器人。
背景技术
惯性导航对于智能移动机器人来说是一种成本低且实用的导航方法，但是其弊端也较为突出，主要表现为导航精度不高。其中，陀螺仪漂移和编码器漂移是影响导航精度的主要原因。在扫地机器人的运行过程中，由于温度或轮子打滑等复杂因素，使得陀螺仪和编码器出现误差，如果不对误差进行校正，机器人会逐渐偏离路线。
发明内容
为解决上述问题，本发明提供了基于点云特征点的惯导误差消除方法、芯片及机器人，可以通过点云特征点快速校正惯导的误差，尤其适用于校正机器人长期累积下来的误差，提高机器人的导航精度。本发明的具体技术方案如下：
基于点云特征点的惯导误差消除方法，所述方法包括如下步骤：步骤S1，移动机器人随机采集一个区域的点云数据，提取其点云特征点并储存为参考点集；步骤S2，在行走过程中，如果移动机器人检测到与参考点集相同的点云特征点，则进行特征点匹配，得到特征点的位姿变换；步骤S3，移动机器人计算惯导的位姿变换，然后将特征点的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正。
进一步地，所述步骤S1中，移动机器人通过3D-TOF传感器采集点云数据。
进一步地，所述步骤S1还包括：在采集点云数据后，移动机器人进行判断，如果点云数据的数量小于预设值，则采集下一区域的点云数据直至点云数据的数量大于预设值，然后再提取点云特征点。
进一步地，所述步骤S2中，移动机器人检测与参考点集相同的点云特征点的方法包括：移动机器人提取当前采集到的点云数据的点云特征点，然后建立其描述符，并与参考点集的描述符进行比较，如果两者相同，则当前采集到的点云数据的点云特征点与参考点集相同；其中，所述参考点集的描述符与其对应的点云特征点一同储存在参考点集里。
进一步地，所述步骤S3中的惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换；其中，陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。
进一步地，所述步骤S3中的惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差；其中，所述陀螺仪的角度误差通过特征点的角度变换与陀螺仪的角度变换作差获得；所述编码器的角度误差通过特征点的角度变换与编码器的角度变换作差获得；所述编码器的位移误差通过特征点的位移变换与编码器的位移变换作差获得；其中，特征点的角度变换和特征点的位移变换属于特征点的位姿变换。
进一步地，所述步骤S3中对惯导的数据进行校正的方法包括：当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。
一种芯片，该芯片上储存有计算机程序，所述计算机程序被执行时实现所述基于点云特征点的惯导误差消除方法的步骤。
一种移动机器人，所述移动机器人装配有所述的芯片。
本发明的有益效果在于：与现有技术相比，本发明所述的方法通过3D-TOF传感器采集点云数据，提取其特征点并保存为参考点集。然后在下一次检测到相同的点云特征点时，便能够以前后两次特征点的位姿变换为基准，与惯导的位姿变换进行比较，从而得知机器人与实际位置的偏差，然后利用该偏差校正惯导的误差，提高机器人的导航精度。其中，由于点云特征点只包含描述点云数据的关键点，数量较少，因此内存占用小、运算速度快，而且还适合长期储存，适用于校正机器人长期累积下来的误差。
附图说明
图1为本发明一种实施例所述基于点云特征点的惯导误差消除方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
现有技术中的惯性导航扫地机器人，常使里程计中的码盘对驱动轮进行计数，若驱动轮打滑、地面介质存在颠簸，则随着时间的积累，码盘计数值相对于机器人实际行走过的距离出现较大误差，导致计算出的机器人的位姿等出现了偏差，直接表现在地图上是机器人实时构建的地图变倾斜，无法与原图匹配；即使使用激光雷达或视觉摄像头，在实时采样扫描定位中也会由于车轮自传、打滑等原因，扫描所定结果位置会出现较大偏差，严重时会使机器人无法重定位自身位置，导致机器人停止不动。
因此，如图1所示，本发明实施例提供一种基于点云特征点的惯导误差消除方法，尤其适用于校正机器人惯导的累积误差，所述方法包括如下步骤：
步骤S1，移动机器人随机采集一个区域的点云数据，提取其点云特征点并储存为参考点集。在所述步骤S1中，移动机器人采集点云数据后进行判断，如果点云数据的数量小于预设值，则采集下一区域的点云数据直至点云数据的数量大于预设值，然后再提取点云特征点，否则可能因点云数据量太少而无法提取到具有代表性的点云特征点，或者只能提取到少量的点云特征点，这样不利于后续检测新获取的点云特征点与参考点集是否相同。优选地，移动机器人通过3D-TOF传感器采集点云数据。需要说明的是，提取点云特征点的方法包括NARF（Normal Aligned Radial Feature，法线对齐的径向特征）、SIFT（ScaleInvariant Feature Transform，尺度不变特征变换）或基于神经网络的提取方法中的任一项，获得的特征点包括位置、尺度和方向信息。
步骤S2，在行走过程中，如果移动机器人检测到与参考点集相同的点云特征点，则进行特征点匹配，得到特征点的位姿变换。需要说明的是，所述参考点集里还储存有点云特征点相对应的描述符。所述描述符中除了特征点的位置、尺度和方向信息外，还包括点云特征点周围对其有贡献的点，使其不随各种变化而改变，比如光照变化、视角变化等等。并且，所述描述符具有较高的独特性，以便于提高点云特征点正确匹配的概率。建立所述描述符的过程大致如下：（1）将点云特征点所在区域按预设大小进行划分，确定计算描述符的区域；（2）将坐标轴旋转为点云特征点的方向，以确保旋转不变性；（3）生成梯度直方图并进行三线性插值，得到点云特征点的特征向量；（4）将所述特征向量进行归一化处理；（5）设置门限值截断较大的梯度值，然后再次进行归一化处理得到具有较高独特性的描述符。
在执行步骤S2的过程中，移动机器人检测与参考点集相同的点云特征点的方法包括：移动机器人提取当前采集到的点云数据的点云特征点，然后建立其描述符，并与参考点集的描述符进行比较，如果两者相同，则当前采集到的点云数据的点云特征点与参考点集相同。需要说明的是，由于描述符具有较高的独特性（或代表性），因此利用描述符来判断当前采集到的点云数据的点云特征点与参考点集是否相同可以大大提高判断结果的准确性，避免后续使用错误的数据去校正惯导的误差，从而造成反效果。
在执行步骤S2的过程中，移动机器人采用PNP（Perspective-N-Point）算法进行特征点匹配，得到特征点的位姿变换。优选地，N的值取3，即采用3对特征点进行匹配计算。已知点云数据配准需要两片完整的点云进行计算，而点云特征点匹配只需要N对特征点，大大降低了运算量。另外，点云特征点的数量少，对内存需求低，可以长期储存在机器人中，再加上描述符的独特性，使得点云特征点尤其适用于在机器人长期运行后对其累积误差进行校正。其中，特征点的位姿变换包括特征点的角度变换和特征点的位移变换，即移动机器人在第二次采集到与所述参考点集相同的点云特征点的位置跟第一次采集到参考点集的位置之间的角度差值和位移差值。
步骤S3，移动机器人计算惯导的位姿变换，然后将特征点的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正。其中，惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换；其中，陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。
不难看出，当惯导不存在误差时，特征点的位姿变换与惯导的位姿变换是相同的、或者差距不大可以忽略不计的。但惯导的数据在机器人长期运行后，难免会产生累积误差。所述步骤S3中，惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差；其中，所述陀螺仪的角度误差通过特征点的角度变换与陀螺仪的角度变换作差获得；所述编码器的角度误差通过特征点的角度变换与编码器的角度变换作差获得；所述编码器的位移误差通过特征点的位移变换与编码器的位移变换作差获得。
在执行步骤S3的过程中，移动机器人对惯导的数据进行校正的方法包括：当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。如上所述，移动机器人分别对陀螺仪的角度误差、编码器的角度误差和编码器的位移误差进行判断，并校正偏差严重的数值。需要说明的是，本发明以3D-TOF点云特征点的位姿变换为基准，即认为3D-TOF点云特征点的位姿变换是准确的、没有存在误差的、或误差可以忽略不计的。基于此，将惯导的位姿变换与3D-TOF点云特征点的位姿变换比较就能够知道陀螺仪和编码器在角度和位置上是否存在严重的偏差，而两者的差值就相当于惯导的误差。不难看出，将惯导的误差与对应的数据求和即可消除该误差。
与现有技术相比，本发明所述的方法通过3D-TOF传感器采集点云数据，提取其特征点并保存为参考点集。然后在下一次检测到相同的点云特征点时，便能够以前后两次特征点的位姿变换为基准，与惯导的位姿变换进行比较，从而得知机器人与实际位置的偏差，然后利用该偏差校正惯导的误差，提高机器人的导航精度。其中，由于点云特征点只包含描述点云数据的关键点，数量较少，因此内存占用小、运算速度快，而且还适合长期储存，适用于校正机器人长期累积下来的误差。
本发明还公开一种芯片，该芯片用于存储计算机程序代码，所述计算机程序代码被执行时实现前述一种基于点云特征点的惯导误差消除方法的步骤。需要说明的是前述方法的步骤中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所述示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，例如，所述步骤S2与步骤S3可以同时执行，或者所述步骤S3惯导的位姿变换可以先于点云的位姿变换进行计算，这应被本发明的实施例所属技术领域的技术人员所理解。
本发明还公开一种移动机器人，优选地，所述移动机器人安装有3D-TOF传感器，并通过所述传感器采集点云数据，提取其特征点并保存为参考点集。然后在下一次检测到相同的点云特征点时，便能够以前后两次特征点的位姿变换为基准，与惯导的位姿变换进行比较，从而得知机器人与实际位置的偏差，然后利用该偏差校正惯导的误差，提高机器人的导航精度。
显然，上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，各个实施例之间的技术方案可以相互结合。此外，如果实施例中出现“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等术语，其指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位或以特定的方位构造和操作，因此不能理解为对本发明的限制。如果实施例中出现“第一”、“第二”、“第三”等术语，是为了便于相关特征的区分，不能理解为指示或暗示其相对重要性、次序的先后或者技术特征的数量。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.基于点云特征点的惯导误差消除方法，其特征在于，所述方法包括如下步骤：
步骤S1，移动机器人通过3D-TOF传感器随机采集一个区域的点云数据，提取其点云特征点并储存为参考点集；
步骤S2，在行走过程中，如果移动机器人检测到与参考点集相同的点云特征点，则进行特征点匹配，得到特征点的位姿变换；
步骤S3，移动机器人计算惯导的位姿变换，然后将特征点的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正；
所述步骤S2中，移动机器人检测与参考点集相同的点云特征点的方法包括：移动机器人提取当前采集到的点云数据的点云特征点，然后建立其描述符，并与参考点集的描述符进行比较，如果两者相同，则当前采集到的点云数据的点云特征点与参考点集相同；其中，所述参考点集的描述符与其对应的点云特征点一同储存在参考点集里；
所述步骤S3中，惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差；
所述陀螺仪的角度误差通过特征点的角度变换与陀螺仪的角度变换作差获得；
所述编码器的角度误差通过特征点的角度变换与编码器的角度变换作差获得；
所述编码器的位移误差通过特征点的位移变换与编码器的位移变换作差获得；
其中，特征点的角度变换和特征点的位移变换属于特征点的位姿变换；
所述步骤S3中，对惯导的数据进行校正的方法包括：
当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；
当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；
当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。
2.根据权利要求1所述的基于点云特征点的惯导误差消除方法，其特征在于，所述步骤S1还包括：在采集点云数据后，移动机器人进行判断，如果点云数据的数量小于预设值，则采集下一区域的点云数据直至点云数据的数量大于预设值，然后再提取点云特征点。
3.根据权利要求1所述的基于点云特征点的惯导误差消除方法，其特征在于，所述步骤S3中的惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换；其中，
陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；
编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；
编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。
4.一种芯片，该芯片上储存有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1-3任一项所述基于点云特征点的惯导误差消除方法的步骤。
5.一种移动机器人，其特征在于，所述移动机器人装配有权利要求4所述的芯片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111453891.2A CN114136316B (zh) | 2021-12-01 | 2021-12-01 | 基于点云特征点的惯导误差消除方法、芯片及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111453891.2A CN114136316B (zh) | 2021-12-01 | 2021-12-01 | 基于点云特征点的惯导误差消除方法、芯片及机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114136316A CN114136316A (zh) | 2022-03-04 |
| CN114136316B true CN114136316B (zh) | 2024-08-02 |
Family
ID=80386972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111453891.2A Active CN114136316B (zh) | 2021-12-01 | 2021-12-01 | 基于点云特征点的惯导误差消除方法、芯片及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114136316B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954134A (zh) * | 2019-12-04 | 2020-04-03 | 上海有个机器人有限公司 | 陀螺仪偏差校正方法、校正系统、电子设备及存储介质 |
| CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
| WO2021233309A1 (zh) * | 2020-05-21 | 2021-11-25 | 杭州海康威视数字技术股份有限公司 | 一种外参变化检测方法、装置、电子设备及检测系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170083662A (ko) * | 2016-01-08 | 2017-07-19 | 서울대학교산학협력단 | 센서 오차에 강건한 지도 작성 장치 |
| US11567201B2 (en) * | 2016-03-11 | 2023-01-31 | Kaarta, Inc. | Laser scanner with real-time, online ego-motion estimation |
| US10390003B1 (en) * | 2016-08-29 | 2019-08-20 | Perceptln Shenzhen Limited | Visual-inertial positional awareness for autonomous and non-autonomous device |
| US10162362B2 (en) * | 2016-08-29 | 2018-12-25 | PerceptIn, Inc. | Fault tolerance to provide robust tracking for autonomous positional awareness |
| CN110906950A (zh) * | 2018-09-14 | 2020-03-24 | 高德软件有限公司 | 激光坐标系和惯导坐标系的标定方法和装置以及存储介质 |
| CN110689622B (zh) * | 2019-07-05 | 2021-08-27 | 电子科技大学 | 一种基于点云分割匹配闭环校正的同步定位与构图方法 |
| CN110705574B (zh) * | 2019-09-27 | 2023-06-02 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
| CN110873883B (zh) * | 2019-11-29 | 2023-08-29 | 上海有个机器人有限公司 | 融合激光雷达和imu的定位方法、介质、终端和装置 |
| CN112595323A (zh) * | 2020-12-08 | 2021-04-02 | 深圳市优必选科技股份有限公司 | 机器人及其建图方法和装置 |
| CN112859860B (zh) * | 2021-01-13 | 2024-09-27 | 宁波工业互联网研究院有限公司 | 一种机器人系统及其路径规划方法 |
| CN113587934B (zh) * | 2021-07-30 | 2024-03-19 | 深圳市普渡科技有限公司 | 一种机器人、室内定位方法、装置和可读存储介质 |
-
2021
- 2021-12-01 CN CN202111453891.2A patent/CN114136316B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954134A (zh) * | 2019-12-04 | 2020-04-03 | 上海有个机器人有限公司 | 陀螺仪偏差校正方法、校正系统、电子设备及存储介质 |
| WO2021233309A1 (zh) * | 2020-05-21 | 2021-11-25 | 杭州海康威视数字技术股份有限公司 | 一种外参变化检测方法、装置、电子设备及检测系统 |
| CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114136316A (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111912416B (zh) | 用于设备定位的方法、装置及设备 | |
| US9157757B1 (en) | Methods and systems for mobile-agent navigation | |
| CN112667837A (zh) | 图像数据自动标注方法及装置 | |
| US9625912B2 (en) | Methods and systems for mobile-agent navigation | |
| CN109074085B (zh) | 一种自主定位和地图建立方法、装置和机器人 | |
| CN110909711B (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
| JP5385105B2 (ja) | 画像検索方法およびシステム | |
| CN114034307B (zh) | 基于车道线的车辆位姿校准方法、装置和电子设备 | |
| US20160068114A1 (en) | Methods and Systems for Mobile-Agent Navigation | |
| JP2020508506A (ja) | ３ｄ点データにおける垂直構造を取り込む２ｄマップを使用する位置推定 | |
| CN105652871A (zh) | 移动机器人的重定位方法 | |
| CN110827353B (zh) | 一种基于单目摄像头辅助的机器人定位方法 | |
| CN113012197A (zh) | 一种适用于动态交通场景的双目视觉里程计定位方法 | |
| CN109739830B (zh) | 一种基于众包数据的位置指纹数据库快速构建方法 | |
| CN114136316B (zh) | 基于点云特征点的惯导误差消除方法、芯片及机器人 | |
| CN117824666B (zh) | 融合定位用二维码对、二维码标定方法及融合定位方法 | |
| CN116929336A (zh) | 一种基于最小误差的激光反光柱slam建图方法 | |
| WO2022252482A1 (zh) | 机器人及其环境地图构建方法和装置 | |
| CN114485684A (zh) | 一种基于地面要素拓扑关系的地图道路匹配方法和系统 | |
| CN114001738B (zh) | 视觉巡线定位方法、系统以及计算机可读存储介质 | |
| CN114166219B (zh) | 一种校正惯导误差的方法、芯片及机器人 | |
| CN115166790B (zh) | 道路数据的处理方法、装置、设备和存储介质 | |
| CN118864602A (zh) | 一种基于多传感器融合的地面机器人重定位方法及装置 | |
| CN118778024A (zh) | 车辆定位系统、车辆定位方法、存储介质及程序产品 | |
| CN118884941A (zh) | 一种轮速修正方法、系统以及车辆 |
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 |