-
公开(公告)号：CN112017205B
公开(公告)日：2021-06-25
申请号：CN202010729645.4
申请日：2020-07-27
Applicant: 清华大学
Abstract: 本发明公开了一种激光雷达和相机传感器空间位置自动标定方法及系统，所述方法包括：调整激光雷达相对于相机传感器的空间位置，得到多组激光雷达和相机传感器的空间位置关系；对于一个空间位置关系，从激光雷达点云数据中筛选出符合直线特征的数据；从相机传感器图像数据中筛选符合直线特征的数据；将符合直线特征的激光雷达数据投影到相机传感器的像素坐标系，计算投影后的符合直线特征的一个激光雷达点的灰度值作为得分，累加全部激光雷达点的得分作为总得分；遍历所有的空间位置关系，得到多个总得分；从多个总得分中，选择最高总得分对应的激光雷达和相机传感器的空间位置关系，作为标定后的激光雷达和相机传感器的位置关系。
-
公开(公告)号：CN115690337A
公开(公告)日：2023-02-03
申请号：CN202110849234.3
申请日：2021-07-27
Abstract: 本公开实施例提供了一种半动态地图的构建方法、定位方法、存储介质以及终端设备，所述半动态地图的构建方法包括：S1，基于第一环境构建第一静态地图；S3，确定所述第一静态地图中的半动态物体；S5，确定所述第一静态地图中的半动态物体的位置坐标；S7，根据所述第一静态地图中的半动态物体的位置坐标，生成第一半动态地图。所述定位方法包括：将第二环境下的半动态物体与第一环境下的半动态物体进行位置比较并将第二环境下的静态物体与第一环境下的静态物体进行位置比较，进而进行定位。所述半动态地图的构建方法和定位方法通过降低环境中的半动态物体对定位的影响，从而提升无人驾驶设备在第二环境下的定位精确度。
-
公开(公告)号：CN114170315A
公开(公告)日：2022-03-11
申请号：CN202111521887.5
申请日：2021-12-13
Applicant: 清华大学
Abstract: 本发明公开了一种动态场景的智能车定位方法及系统，基于部署在智能车上的激光雷达和相机实现，所述方法包括：接收激光雷达采集的点云数据和相机采集的图像数据；基于图像数据，识别环境中的物体类别，并对物体类别为可移动物体构建语义地图；基于点云数据，使用SLAM方法构建静态地图；根据静态地图和语义地图，结合持续获得的点云数据，调整可移动物体对应的观测权重；基于调整后的观测权重，根据静态地图和语义地图，对智能车进行实时定位。本发明的方法可以解决由于可移动物体低动态性的特性导致的定位精度降低的问题，提供了一种长期定位的方案，在环境中物体发生变化之后，依然可以根据环境中的静态物体提供较高的精度。
-
公开(公告)号：CN112017205A
公开(公告)日：2020-12-01
申请号：CN202010729645.4
申请日：2020-07-27
Applicant: 清华大学
Abstract: 本发明公开了一种激光雷达和相机传感器空间位置自动标定方法及系统，所述方法包括：调整激光雷达相对于相机传感器的空间位置，得到多组激光雷达和相机传感器的空间位置关系；对于一个空间位置关系，从激光雷达点云数据中筛选出符合直线特征的数据；从相机传感器图像数据中筛选符合直线特征的数据；将符合直线特征的激光雷达数据投影到相机传感器的像素坐标系，计算投影后的符合直线特征的一个激光雷达点的灰度值作为得分，累加全部激光雷达点的得分作为总得分；遍历所有的空间位置关系，得到多个总得分；从多个总得分中，选择最高总得分对应的激光雷达和相机传感器的空间位置关系，作为标定后的激光雷达和相机传感器的位置关系。
-
-
-
Search Results
4
records
(took 0.014 seconds)
