-
Patent Agency Ranking
公开(公告)号：CN113325435B
公开(公告)日：2024-01-09
申请号：CN202110582318.5
申请日：2021-05-25
Applicant: 武汉大学
Abstract: 比较高，漂移误差也比较小。本发明提供一种定位方法，该方法包括：持续获取激光雷达扫描装置对空间环境进行扫描得到的每帧scan；将获取的每帧scan插入第一submap，且每获取 帧scan新增一个submap，将获取的每帧scan插入不完整的submap，其中，完整的submap包括N帧scan，不完整的submap包括的scan不足N帧，N为被2整除的正整数；每得到一个完整的submap，与空间环境的全局地图匹配一次，获取激光雷达扫描装置的定位。通过本发明，将每帧scan插入到submap中，所得到的完整的(56)对比文件连晓峰;窦丽华;陈杰.基于概率模型的2维全局地图建立方法.计算机工程与应用.2008,(第02期),全文.宗文鹏;李广云;李明磊;王力;李帅鑫.激光扫描匹配方法研究综述.中国光学.2018,(第06期),全文.Song Jianchao et al..A GlobalLocalization Algorithm for Mobile RobotsBased on Grid Submaps. 2018 3RD IEEEINTERNATIONAL CONFERENCE ON ADVANCEDROBOTICS AND MECHATRONICS.2018,全文.王元华 等.基于激光雷达的移动机器人定位和地图创建.微计算机信息.2009,第25卷(第5-2期),第227-229页.崔志;石秀敏;李勇;王玮;刘朝华.Cartographer 2D SLAM算法室内建图分析.电子世界.2020,(第11期),全文.黄永新.基于复合点云帧改进的激光SLAM闭环检测算法.自动化与仪表.2020,(第06期),全文.李晨曦;张军;靳欣宇;李广敬;李强.激光雷达SLAM技术及其在无人车中的应用研究进展.北京联合大学学报.2017,(第04期),全文.尹邦政;朱静;黄文恺;韩晓英.基于激光雷达AGV的实时地图创建.东莞理工学院学报.2017,(第05期),全文.
-
公开(公告)号：CN117451043A
公开(公告)日：2024-01-26
申请号：CN202311793765.0
申请日：2023-12-25
Applicant: 武汉大学
Inventor： 庄园 , 李启鹏 , 槐建柱 , 陈怡文 , 纳什瓦·艾尔·班得瑞
Abstract: 一种数‑模混合估计的多源融合定位方法及系统，涉及多传感器融合定位技术领域，其利用IMU数据驱动模块回归传播调整因子、IMU不确定度因子和伪观测因子；利用LiDAR数据驱动模块计算场景特征退化率；根据IMU不确定度因子和场景特征退化率确定融合定位系统的不确定度；根据传播调整因子动态调整模型驱动传播预测时的噪声协方差，当场景特征退化率超过阈值时，仅使用伪观测因子进行观测更新，并结合不确定度进行位姿估计。本申请通过基于数据驱动的方法为基于模型驱动的滤波器系统提供自适应的参数调整，来适应不同场景和不同运动状态的变化。增强了系统在复杂场景和运动下的鲁棒性，综合考虑了传感器数据和系统模型的不确定度，能提供更可靠的结果置信度。
-
公开(公告)号：CN118229993A
公开(公告)日：2024-06-21
申请号：CN202410201208.3
申请日：2024-02-23
IPC: G06V10/46 , G06V10/40 , G06N3/0442 , G06N3/042 , G06N3/048 , G06V10/44 , G06N3/047 , G06N3/045 , G06T7/70 , G06N3/08
Abstract: 本发明公开了一种基于图注意力和循环神经网络的特征点选取方法和装置。在长短期记忆(LSTM)网络中创新性的引入图注意力网络构建基于深度学习的动态特征管理模块，使系统能够优先关注特征管理器中稳定的特征点。首先，GAT模块从单个图像的特征点中提取空间结构信息，对每个特征点的局部关系进行建模。进一步，LSTM模块对特征点的局部关联进行时间一致的特征的建模和分析。所提方法有效地将局部关系建模与全局一致性分析相结合，首次应用GAT‑LSTM来解决动态和错误跟踪特征点给视觉同步定位与制图带来的复杂性，有效提高了系统三角测量和姿态估计的准确性。
-
公开(公告)号：CN117451043B
公开(公告)日：2024-03-15
申请号：CN202311793765.0
申请日：2023-12-25
Applicant: 武汉大学
Inventor： 庄园 , 李启鹏 , 槐建柱 , 陈怡文 , 纳什瓦·艾尔·班得瑞
Abstract: 一种数‑模混合估计的多源融合定位方法及系统，涉及多传感器融合定位技术领域，其利用IMU数据驱动模块回归传播调整因子、IMU不确定度因子和伪观测因子；利用LiDAR数据驱动模块计算场景特征退化率；根据IMU不确定度因子和场景特征退化率确定融合定位系统的不确定度；根据传播调整因子动态调整模型驱动传播预测时的噪声协方差，当场景特征退化率超过阈值时，仅使用伪观测因子进行观测更新，并结合不确定度进行位姿估计。本申请通过基于数据驱动的方法为基于模型驱动的滤波器系统提供自适应的参数调整，来适应不同场景和不同运动状态的变化。增强了系统在复杂场景和运动下的鲁棒性，综合考虑了传感器数据和系统模型的不确定度，能提供更可靠的结果置信度。
-
公开(公告)号：CN113325435A
公开(公告)日：2021-08-31
申请号：CN202110582318.5
申请日：2021-05-25
Applicant: 武汉大学
Abstract: 本发明提供一种定位方法，该方法包括：持续获取激光雷达扫描装置对空间环境进行扫描得到的每帧scan；将获取的每帧scan插入第一submap，且每获取帧scan新增一个submap，将获取的每帧scan插入不完整的submap，其中，完整的submap包括N帧scan，不完整的submap包括的scan不足N帧，N为被2整除的正整数；每得到一个完整的submap，与空间环境的全局地图匹配一次，获取激光雷达扫描装置的定位。通过本发明，将每帧scan插入到submap中，所得到的完整的submap的累计误差比较小，用每个完整的submap与空间环境的全局地图相匹配，得到的定位精度比较高，漂移误差也比较小。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
