CN110595479B - 一种基于icp算法的slam轨迹评估方法 - Google Patents
一种基于icp算法的slam轨迹评估方法 Download PDFInfo
- Publication number
- CN110595479B CN110595479B CN201910897564.2A CN201910897564A CN110595479B CN 110595479 B CN110595479 B CN 110595479B CN 201910897564 A CN201910897564 A CN 201910897564A CN 110595479 B CN110595479 B CN 110595479B
- Authority
- CN
- China
- Prior art keywords
- track
- slam
- data
- true
- measurement
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000036544 posture Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请属于定位与导航技术领域，尤其涉及一种基于ICP算法的SLAM轨迹评估方法。在定位导航领域，SLAM测量轨迹与真值轨迹的比较对于算法的性能评价有重要的意义，但对于算法的评估没有一个明确的指标。本申请提供一种基于ICP算法的SLAM轨迹评估方法，通过ICP算法求取变换矩阵T和时间偏差δt，进而计算SLAM测量轨迹与真值轨迹的绝对误差，得以评价SLAM算法的性能。本申请弥补了以往的评估方法的缺陷，即使在不同的坐标系下以及时间不对齐的条件下，依然可以对SLAM测量轨迹进行评估，计算SLAM测量轨迹与真实轨迹的绝对误差。本方法适应范围广，测量精度高同时鲁棒性较好，适于在行业内推广应用。
Description
技术领域
本申请涉及定位与导航技术领域，尤其涉及一种基于ICP算法的SLAM轨迹评估方法。
背景技术
在定位导航领域，测量轨迹与真值的比较对于算法的性能评价有重要的意义。在目前比较热门的SLAM研究中，研究者的主要方向在于如何提高算法的精度及鲁棒性，但对于算法的评估并没有给出一个明确的指标。目前，将真值轨迹与SLAM估算的测量轨迹进行比较存在如下若干问题：
一、通常情况下，由于真值和测量值的数据来源和计算平台不同，真值轨迹与测量轨迹存在着一个位姿上和时间上的固定偏差，因而不能够直接比较；
二、现有的一些轨迹评价工具例如Zhang.Z提出的VO/VIO轨迹评估算法可以针对不同尺度的轨迹进行误差分析，但需要在进行轨迹误差分析之前，对数据进行时间偏差标定；
三、真值数据和测量数据通常数据量较大，采集的开始时间和结束时间均存在一定延时，靠手动关联数据计算时间偏差任务繁琐且容易出错。
发明内容
针对目前存在的SLAM轨迹评估工具只有在时间对齐的情况下才能正确评估算法性能的缺陷，本发明的目的是提供一种基于ICP算法的SLAM轨迹评估方法，可以对不同坐标系下以及未进行时间对齐的测量轨迹和真值轨迹进行误差分析。
本申请提供了一种基于ICP算法的SLAM轨迹评估方法，以解决现有技术中无法在不同坐标系下以及未进行时间对齐的条件下进行轨迹算法误差分析和/或轨迹算法不准确的问题。
本申请采用的技术方案如下：
一种基于ICP算法的SLAM轨迹评估方法，包括以下步骤：
获取真值轨迹数据以及SLAM测量轨迹数据；
根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T，根据变换矩阵T将SLAM测量轨迹数据变换到Wg下生成SLAM对比数据；
根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt；
根据变换矩阵T以及时间偏差δt，将SLAM测量轨迹数据与真值轨迹数据进行坐标系统一和时间对齐，计算轨迹绝对误差
可选的，所述真值轨迹数据以及SLAM测量轨迹数据采用固定的数据格式，且数据格式为(t,x,y,z,qx,qy,qz,qw)，其中：t为传感器的采集时间，x,y,z为轨迹点云的三维位置信息，qx,qy,qz,qw为轨迹姿态的四元数法姿态信息，真值轨迹数据构成的集合为Tg，SLAM测量轨迹数据构成的集合为Ts。
可选的，在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，选取部分真值轨迹数据构成点云集G、选取部分SLAM测量轨迹数据构成点云集S，数据格式为(t,x,y,z),ICP算法的误差方程如下：
式中：si为点云集S中第i个点的位置坐标，gi为si在G中关联的点的位置坐标，R为旋转矩阵，t为位移向量，其中R和t共同构成变换矩阵T，L为参与的点对个数。
可选的，在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，还包括：
根据ICP算法的误差方程，设置ICP收敛阈值，设置T的初始值，采用迭代法通过多次迭代求解得出变换矩阵T；
根据求解的变换矩阵T将点云集S变换到点云集G所在全局坐标系Wg下，得到新的点集S1，公式如下：
式中：为坐标统一后测量点的位姿信息；
为变换矩阵与位姿向量的乘法；
St为两个点集的时间信息。
可选的，所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，所述时间偏差δt根据以下公式进行求解：
式中,δt为时间偏差；
为第i个关联点对中的真值位姿的时间，/>为SLAM对比数据的时间；
N为符合条件的点对个数。
可选的，所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，还包括：
采用K-Dtree算法在点云集G中搜索S1中第i个点的最近邻点gi,构成关联点对
计算关联点对中两点之间的欧式距离，如果距离大于预设经验阈值，则剔除关联点对；
根据时间偏差δt的计算公式，将满足条件的关联点对代入公式，计算时间偏差δt。
可选的，所述绝对轨迹误差包括绝对姿态误差和绝对位置误差，计算公式如下：
其中，和/>分为第i个关联点对中的真值轨迹位置及姿态，/>和/>分为第i个关联点对中的SLAM测量轨迹位置及姿态，/>和/>均用四元数表示，M为轨迹点对数量；
表示减法，在公式/>中表示四元数的减法，在公式/>中表示向量的减法；
Δqi为同一时刻真值轨迹与SLAM测量轨迹之间的姿态误差；
Δpi为同一时刻真值轨迹与SLAM测量轨迹之间的位置误差；
errorrot为绝对姿态误差；
errorpos为绝对位置误差。
可选的，在所述根据变换矩阵T以及时间偏差δt，将SLAM测量轨迹数据与真值轨迹数据进行坐标系统一和时间对齐，计算轨迹绝对误差的步骤中，包括：
将SLAM测量轨迹数据构成的集合为Ts根据变换矩阵T和时间偏差δt与真值轨迹Tg进行坐标系统一和时间对齐，生成SLAM变换数据N，公式如下：
式中：为SLAM测量轨迹中第i个点的位姿信息，
为变换矩阵T与位姿信息向量的乘法，
为SLAM测量轨迹处于真值轨迹全局坐标系Wg的位姿信息，
为与真值对齐的时间，
数据关联：按照时间作为参考标准，从Tg中选取离N中第i个点ni时间最近的点，构成关联点对(gi,ni)，
根据实际需求，按照公式计算绝对姿态误差和绝对位置误差。
采用本申请的技术方案的有益效果如下：
本申请的基于ICP算法的SLAM轨迹评估方法，弥补了以往的评估方法只有在时间对齐的条件下才能进行评估的缺陷，即使在不同的坐标系下以及时间不对齐的条件下，依然可以对SLAM轨迹进行评估，计算SLAM轨迹与真实轨迹的绝对误差。本方法适应范围广，测量精度高同时鲁棒性较好，适于在行业内推广应用。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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的附图。
图1为本申请的实施例的流程框图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1，为便于理解下述实施例而绘制的流程框图。
本申请提供的一种基于ICP算法的SLAM轨迹评估方法，包括以下步骤：
S101,获取真值轨迹数据以及SLAM测量轨迹数据；
S102,根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T，根据变换矩阵T将SLAM测量轨迹数据变换到Wg下生成SLAM对比数据；
S103,根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt；
S104,根据变换矩阵T以及时间偏差δt，将SLAM测量轨迹数据与真值轨迹数据进行坐标系统一和时间对齐，计算轨迹绝对误差
可选的，所述真值轨迹数据以及SLAM测量轨迹数据采用固定的数据格式，且数据格式为(t,x,y,z,qx,qy,qz,qw)，其中：t为传感器的采集时间，x,y,z为轨迹点云的三维位置信息，qx,qy,qz,qw为轨迹姿态的四元数法姿态信息，真值轨迹数据构成的集合为Tg，SLAM测量轨迹数据构成的集合为Ts。
可选的，在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，选取部分真值轨迹数据构成点云集G、选取部分SLAM测量轨迹数据构成点云集S，数据格式为(t,x,y,z),ICP算法的误差方程如下：
式中：si为点云集S中第i个点的位置坐标，gi为si在G中关联的点的位置坐标，R为旋转矩阵，t为位移向量，其中R和t共同构成变换矩阵T，L为参与的点对个数。
可选的，在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，还包括：
根据ICP算法的误差方程，设置ICP收敛阈值，设置T的初始值，采用迭代法通过多次迭代求解得出变换矩阵T；
根据求解的变换矩阵T将点云集S变换到点云集G所在全局坐标系Wg下，得到新的点集S1，公式如下：
式中：为坐标统一后测量点的位姿信息；
为变换矩阵与位姿向量的乘法；
St为两个点集的时间信息。
可选的，所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，所述时间偏差δt根据以下公式进行求解：
式中,δt为时间偏差；
为第i个关联点对中的真值位姿的时间，/>为SLAM对比数据的时间；
N为符合条件的点对个数。
可选的，所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，还包括：
采用K-Dtree算法在点云集G中搜索S1中第i个点的最近邻点gi,构成关联点对
计算关联点对中两点之间的欧式距离，如果距离大于预设经验阈值，则剔除关联点对；
根据时间偏差δt的计算公式，将满足条件的关联点对代入公式，计算时间偏差δt。
可选的，所述绝对轨迹误差包括绝对姿态误差和绝对位置误差，计算公式如下：
其中，和/>分为第i个关联点对中的真值轨迹位置及姿态，/>和/>分为第i个关联点对中的SLAM测量轨迹位置及姿态，/>和/>均用四元数表示，M为轨迹点对数量；
表示减法，在公式/>中表示四元数的减法，在公式/>中表示向量的减法；
Δqi为同一时刻真值轨迹与SLAM测量轨迹之间的姿态误差；
Δpi为同一时刻真值轨迹与SLAM测量轨迹之间的位置误差；
errorrot为绝对姿态误差；
errorpos为绝对位置误差。
可选的，在所述根据变换矩阵T以及时间偏差δt，将SLAM测量轨迹数据与真值轨迹数据进行坐标系统一和时间对齐，计算轨迹绝对误差的步骤中，包括：
将SLAM测量轨迹数据构成的集合为Ts根据变换矩阵T和时间偏差δt与真值轨迹Tg进行坐标系统一和时间对齐，生成SLAM变换数据N，公式如下：
式中：为SLAM测量轨迹中第i个点的位姿信息，
为变换矩阵T与位姿信息向量的乘法，
为SLAM测量轨迹处于真值轨迹全局坐标系Wg的位姿信息，
为与真值对齐的时间，
数据关联：按照时间作为参考标准，从Tg中选取离N中第i个点ni时间最近的点，构成关联点对(gi,ni)，
根据实际需求，按照公式计算绝对姿态误差和绝对位置误差。
本申请的基于ICP算法的SLAM轨迹评估方法，弥补了以往的评估方法只有在时间对齐的条件下才能进行评估的缺陷，即使在不同的坐标系下以及时间不对齐的条件下，依然可以对SLAM轨迹进行评估，计算SLAM轨迹与真实轨迹的绝对误差。本方法适应范围广，测量精度高同时鲁棒性较好，适于在行业内推广应用。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (3)
1.一种基于ICP算法的SLAM轨迹评估方法，其特征在于，包括以下步骤：
获取真值轨迹数据以及SLAM测量轨迹数据；
根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T，根据变换矩阵T将SLAM测量轨迹数据变换到Wg下生成SLAM对比数据；
根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt；
将SLAM测量轨迹数据构成的集合为Ts根据变换矩阵T和时间偏差δt与真值轨迹Tg进行坐标系统一和时间对齐，生成SLAM变换数据N，公式如下：
式中：为SLAM测量轨迹中第i个点的位姿信息，
为变换矩阵T与位姿信息向量的乘法，
为SLAM测量轨迹处于真值轨迹全局坐标系Wg的位姿信息，
为与真值对齐的时间，
数据关联：按照时间作为参考标准，从Tg中选取离N中第i个点ni时间最近的点，构成关联点对(gi,ni)，
根据实际需求，按照公式计算绝对姿态误差和绝对位置误差
所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，所述时间偏差δt根据以下公式进行求解：
式中,δt为时间偏差；
为第i个关联点对中的真值位姿的时间，/>为SLAM对比数据的时间；
N为符合条件的点对个数；
所述根据真值轨迹数据和SLAM对比数据，计算两种轨迹数据的时间偏差δt的步骤中，还包括：
采用K-Dtree算法在点云集G中搜索S1中第i个点的最近邻点gi,构成关联点对/>
计算关联点对中两点之间的欧式距离，如果距离大于预设经验阈值，则剔除关联点对；
根据时间偏差δt的计算公式，将满足条件的关联点对代入公式，计算时间偏差δt；
在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，选取部分真值轨迹数据构成点云集G、选取部分SLAM测量轨迹数据构成点云集S，数据格式为(t,x,y,z),ICP算法的误差方程如下：
式中：si为点云集S中第i个点的位置坐标，gi为si在G中关联的点的位置坐标，R为旋转矩阵，t为位移向量，其中R和t共同构成变换矩阵T，L为参与的点对个数；
在所述根据SLAM测量轨迹数据建立全局坐标系Ws，根据真值轨迹数据建立真值轨迹全局坐标系Wg，计算将Ws变换到Wg的变换矩阵T的步骤中，还包括：
根据ICP算法的误差方程，设置ICP收敛阈值，设置T的初始值，采用迭代法通过多次迭代求解得出变换矩阵T；
根据求解的变换矩阵T将点云集S变换到点云集G所在全局坐标系Wg下，得到新的点集S1，公式如下：
式中：为坐标统一后测量点的位姿信息；
为变换矩阵与位姿向量的乘法；
St为两个点集的时间信息。
2.根据权利要求1所述的基于ICP算法的SLAM轨迹评估方法，其特征在于，所述真值轨迹数据以及SLAM测量轨迹数据采用固定的数据格式，且数据格式为
(t,x,y,z,qx,qy,qz,qw)，其中：t为传感器的采集时间，x,y,z为轨迹点云的三维位置信息，qx,qy,qz,qw为轨迹姿态的四元数法姿态信息，真值轨迹数据构成的集合为Tg，SLAM测量轨迹数据构成的集合为Ts。
3.根据权利要求1所述的基于ICP算法的SLAM轨迹评估方法，其特征在于，所述绝对轨迹误差包括绝对姿态误差和绝对位置误差，计算公式如下：
其中，和/>分为第i个关联点对中的真值轨迹位置及姿态，/>和/>分为第i个关联点对中的SLAM测量轨迹位置及姿态，/>和/>均用四元数表示，M为轨迹点对数量；
表示减法，在公式/>中表示四元数的减法，在公式/>中表示向量的减法；
Δqi为同一时刻真值轨迹与SLAM测量轨迹之间的姿态误差；
Δpi为同一时刻真值轨迹与SLAM测量轨迹之间的位置误差；
errorrot为绝对姿态误差；
errorpos为绝对位置误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897564.2A CN110595479B (zh) | 2019-09-23 | 2019-09-23 | 一种基于icp算法的slam轨迹评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897564.2A CN110595479B (zh) | 2019-09-23 | 2019-09-23 | 一种基于icp算法的slam轨迹评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110595479A CN110595479A (zh) | 2019-12-20 |
| CN110595479B true CN110595479B (zh) | 2023-11-17 |
Family
ID=68862276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910897564.2A Active CN110595479B (zh) | 2019-09-23 | 2019-09-23 | 一种基于icp算法的slam轨迹评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110595479B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069445A (zh) * | 2020-08-31 | 2020-12-11 | 长春工业大学 | 一种2d slam算法评估及量化方法 |
| CN113191459B (zh) * | 2021-05-27 | 2022-09-09 | 山东高速建设管理集团有限公司 | 一种基于路侧激光雷达的在途目标分类方法 |
| CN113654566A (zh) * | 2021-07-27 | 2021-11-16 | 上海智能网联汽车技术中心有限公司 | 路侧系统的定位性能评估方法、存储介质及车路协同系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231340A (zh) * | 2007-12-29 | 2008-07-30 | 四川川大智胜软件股份有限公司 | 多雷达系统航迹融合处理时的误差配准方法 |
| CN105091911A (zh) * | 2015-09-07 | 2015-11-25 | 中国人民解放军信息工程大学 | 一种pos系统动态定位精度检测系统及方法 |
| CN105512157A (zh) * | 2014-10-28 | 2016-04-20 | 中国民用航空总局第二研究所 | 一种综合航迹数据融合处理方法 |
| CN106855631A (zh) * | 2016-12-02 | 2017-06-16 | 中国人民解放军63891部队 | 一种转发式gnss动态测量精度测试评估方法 |
| RU2624994C1 (ru) * | 2016-06-16 | 2017-07-11 | АО "ВНИИРА-Навигатор" | Способ определения относительного положения при межсамолетной навигации |
| CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
| CN108537848A (zh) * | 2018-04-19 | 2018-09-14 | 北京工业大学 | 一种面向室内场景重建的两级位姿优化估计方法 |
| CN108629793A (zh) * | 2018-03-22 | 2018-10-09 | 中国科学院自动化研究所 | 使用在线时间标定的视觉惯性测程法与设备 |
| CN109726675A (zh) * | 2018-12-28 | 2019-05-07 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于k中心算法的移动机器人slam闭环检测方法 |
| CN109815930A (zh) * | 2019-02-01 | 2019-05-28 | 中国人民解放军总医院第六医学中心 | 一种动作模仿拟合度评价方法 |
| CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
| CN110187375A (zh) * | 2019-06-27 | 2019-08-30 | 武汉中海庭数据技术有限公司 | 一种基于slam定位结果提高定位精度的方法及装置 |
-
2019
- 2019-09-23 CN CN201910897564.2A patent/CN110595479B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231340A (zh) * | 2007-12-29 | 2008-07-30 | 四川川大智胜软件股份有限公司 | 多雷达系统航迹融合处理时的误差配准方法 |
| CN105512157A (zh) * | 2014-10-28 | 2016-04-20 | 中国民用航空总局第二研究所 | 一种综合航迹数据融合处理方法 |
| CN105091911A (zh) * | 2015-09-07 | 2015-11-25 | 中国人民解放军信息工程大学 | 一种pos系统动态定位精度检测系统及方法 |
| RU2624994C1 (ru) * | 2016-06-16 | 2017-07-11 | АО "ВНИИРА-Навигатор" | Способ определения относительного положения при межсамолетной навигации |
| CN106855631A (zh) * | 2016-12-02 | 2017-06-16 | 中国人民解放军63891部队 | 一种转发式gnss动态测量精度测试评估方法 |
| CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
| CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
| CN108629793A (zh) * | 2018-03-22 | 2018-10-09 | 中国科学院自动化研究所 | 使用在线时间标定的视觉惯性测程法与设备 |
| CN108537848A (zh) * | 2018-04-19 | 2018-09-14 | 北京工业大学 | 一种面向室内场景重建的两级位姿优化估计方法 |
| CN109726675A (zh) * | 2018-12-28 | 2019-05-07 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于k中心算法的移动机器人slam闭环检测方法 |
| CN109815930A (zh) * | 2019-02-01 | 2019-05-28 | 中国人民解放军总医院第六医学中心 | 一种动作模仿拟合度评价方法 |
| CN110187375A (zh) * | 2019-06-27 | 2019-08-30 | 武汉中海庭数据技术有限公司 | 一种基于slam定位结果提高定位精度的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Marta Salas,et al.Trajectory Alignment and Evaluation in SLAM: Horn’s Method vs Alignment on the Manifold.《RObotics》.2015,第1-3页. * |
| 基于RGB-D的室内三维SLAM研究与实现;曹龙龑;《中国优秀硕士学位论文全文数据库》;第60-61页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110595479A (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110595479B (zh) | 一种基于icp算法的slam轨迹评估方法 | |
| CN107703480B (zh) | 基于机器学习的混合核函数室内定位方法 | |
| CN107044852B (zh) | 不平整状态下全站仪测量方法 | |
| CN105043388B (zh) | 基于惯性/重力匹配组合导航的向量搜索迭代匹配方法 | |
| CN109712172A (zh) | 一种初始位姿测量结合目标追踪的位姿测量方法 | |
| CN105096341B (zh) | 基于三焦张量和关键帧策略的移动机器人位姿估计方法 | |
| CN111536967A (zh) | 一种基于ekf的多传感器融合温室巡检机器人跟踪方法 | |
| CN106443661A (zh) | 基于无迹卡尔曼滤波的机动扩展目标跟踪方法 | |
| CN110570449A (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
| CN106991705B (zh) | 一种基于p3p算法的位置参数估计方法 | |
| CN107300382B (zh) | 一种用于水下机器人的单目视觉定位方法 | |
| CN104573190B (zh) | 一种基于交互式多模型的目标跟踪方法 | |
| CN107633256A (zh) | 一种多源测距下联合目标定位与传感器配准方法 | |
| CN103878770A (zh) | 基于速度估计的空间机器人视觉时延误差补偿方法 | |
| CN107063190A (zh) | 面向定标面阵相机影像的位姿高精度直接估计方法 | |
| CN101865656B (zh) | 一种使用少数共面点精确定位多摄像头系统位姿的方法 | |
| CN102663351A (zh) | 基于条件外观模型的人脸特征点自动标定方法 | |
| CN112652003A (zh) | 一种基于ransac测度优化的三维点云配准方法 | |
| CN107492120A (zh) | 点云配准方法 | |
| CN110738275A (zh) | 基于ut-phd的多传感器序贯融合跟踪方法 | |
| CN110231620A (zh) | 一种噪声相关系统跟踪滤波方法 | |
| CN116202487A (zh) | 一种基于三维建模的实时目标姿态测量方法 | |
| CN104819690A (zh) | 一种表面贴装元件的双相机机器视觉定位方法 | |
| CN107843259B (zh) | 一种基于vckf的多机器人协同导航定位方法 | |
| CN106202926B (zh) | 基于多节点协同探测的空间系统偏差配准优化方法 |
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 |