一种基于鸟瞰图的融合定位方法、系统、设备及介质

    公开(公告)号:CN119197499A

    公开(公告)日:2024-12-27

    申请号:CN202411745741.2

    申请日:2024-12-02

    Abstract: 本发明公开了一种基于鸟瞰图的融合定位方法、系统、设备及介质,涉及融合方法领域,包括:步骤S1:获取车辆的卫星位置信息;步骤S2:基于捷联惯导系统解算位置信息及姿态,并修正惯导误差;步骤S3:获取点云数据生成鸟瞰图像,并与高精度地图关联匹配;步骤S4:在GNSS信号不佳时,基于里程计提供短期位置信息,以支持惯导定位;步骤S5:通过多传感器数据进行误差估计和修正,输出修正后的车辆实时位置信息和姿态。融合后的数据经过误差修正和滤波后,可以为自动驾驶、机器人导航等场景提供准确的位置信息。本发明通过GNSS/RTK、惯性导航、激光雷达和里程计的协同工作,提升了系统的定位精度和鲁棒性。

    一种基于多磁传感器联合进行平面校正的方法和系统

    公开(公告)号:CN117686952A

    公开(公告)日:2024-03-12

    申请号:CN202410145303.6

    申请日:2024-02-02

    Abstract: 本发明提出了一种基于多磁传感器联合进行平面校正的方法和系统,属于磁传感器校正技术领域,该方法包括:搭建多磁传感器硬件环境;采集硬件环境中各磁传感器在各个坐标轴上的输出数据,输出数据确定水平方向各坐标轴的极大值和极小值;根据极大值和极小值计算各磁传感器在相应坐标轴方向的比例因子和零偏;以及根据比例因子和可靠度因子计算磁传感器的权重系数;根据比例因子、零偏和权重系数,对所有磁传感器采集到的数据进行误差补偿,将补偿后的数据进行融合作为多磁传感器系统校正后的结果。基于该方法,还提出了一种基于多磁传感器联合进行平面校正的系统。本发明能够实现系统低成本、高精度及可靠性强的要求,增加了系统的鲁棒性。

    一种机载环境下磁传感器的在线校正方法和系统

    公开(公告)号:CN115900770B

    公开(公告)日:2023-05-23

    申请号:CN202310107444.4

    申请日:2023-02-14

    Abstract: 本发明提出了一种机载环境下磁传感器的在线校正方法和系统,属于磁传感器校正技术领域,该方法包括:获取当前时刻载体的位置、时间和姿态的信息,通过位置和时间的信息获取当前理论地磁场矢量信息和当前理论磁偏角信息,通过姿态信息建立姿态转移矩阵;采集磁传感器三轴输出数据,结合当前理论磁偏角信息和载体的姿态转移矩阵,计算磁传感器数据在地理坐标系中的投影信息和根据磁传感器解算的载体真北角信息;确定卡尔曼滤波方程的观测量和状态量,建立卡尔曼滤波方程,在该方程收敛时完成校正。基于该方法,还提出了校正系统。本发明克服机载环境下电子电器系统产生的磁干扰对磁传感器解算磁航向角的影响,提升航向角解算的稳定性和可靠性。

    一种传感器外部参数标定方法、设备及介质

    公开(公告)号:CN114413887A

    公开(公告)日:2022-04-29

    申请号:CN202111602608.8

    申请日:2021-12-24

    Abstract: 本申请提供了一种传感器外部参数标定方法及设备,本申请涉及传感器外参标定技术领域。该方法通过获取若干点云数据以及惯性传感单元采集的惯性数据。基于点云数据相应的参考帧,生成点云数据的参考时间坐标系。参考时间坐标系为将参考帧,相应的激光雷达的位置作为坐标系原点建立的。根据参考时间坐标系内的点云数据,确定预设时间间隔的各点云数据之间的位置姿态变换信息。根据惯性数据,确定惯性传感单元在预设时间间隔的惯性姿态变换信息。基于位置姿态变换信息、惯性姿态变换信息,确定卡尔曼滤波量测方程,以基于卡尔曼滤波算法,确定激光雷达与惯性传感单元之间的外部参数。

    一种高精度地图的构建方法、系统、设备及介质

    公开(公告)号:CN119555095A

    公开(公告)日:2025-03-04

    申请号:CN202411703586.8

    申请日:2024-11-26

    Abstract: 本发明公开了一种高精度地图的构建方法、系统、设备及介质,包括:步骤S1:基于标准分辨率的静态地图及传感器数据生成鸟瞰视角特征图;步骤S2:基于所述鸟瞰视角特征图进一步提取静态特征Fsd及动态环境特征Ft;步骤S3:基于交叉注意力机制,将所述静态特征Fsd及动态特征Ft进行融合;步骤S4:通过解码器将融合后的特征解码为高精度地图。本发明间信息,当环境结构发生变化时,可以利用先前帧的高清地图信息与标准地图信息结合,对当前帧的道路信息进行推理,通过结合卷积神经网络提取的深度特征和原始的标准地图信息,系统能够更加精确地感知和理解车辆周围的环境,从而提升自动驾驶系统的整体性能和决策效率。

    一种基于MSCKF的激光雷达惯性里程计融合方法

    公开(公告)号:CN119146953B

    公开(公告)日:2025-02-28

    申请号:CN202411657672.X

    申请日:2024-11-20

    Abstract: 本发明提供一种基于MSCKF的激光雷达惯性里程计融合方法。涉及定位技术领域。本申请获取惯性测量单元解算的位姿、速度以及陀螺仪偏置和加速度计偏置,激光雷达解算的位姿状态信息;创建惯性测量单元的运动模型来使用惯性测量单元的加速度计和陀螺仪数据进行状态预测,将状态向量更新到下一时刻;预处理激光雷达点云数据,从激光雷达帧中提取关键帧;基于惯性测量单元计算的位姿和根据各关键帧的静态特征点匹配结果计算采集关键帧时激光雷达处于全局坐标系G的位姿;基于激光雷达相对于全局坐标系G的位姿估计对所有被检测静态特征点的量测残差进行建模得到量测模型;通过最小化重投影误差优化量测模型,在卡尔曼滤波的更新步骤来校正系统状态。

Patent Agency Ranking