申请/专利权人:厦门大学
申请日:2024-01-19
公开(公告)日:2024-04-19
公开(公告)号:CN117906591A
主分类号:G01C21/00
分类号:G01C21/00;G01C21/20;G01C21/16;G01S17/86;G01S19/40;G01S19/45;G01S19/47
优先权:
专利状态码:在审-公开
法律状态:2024.04.19#公开
摘要:本发明涉及移动机器人定位导航技术领域,具体涉及一种多传感器紧耦合的SLAM算法;S1、以激光雷达LiDAR为视觉传感器获得原始点云数据,并从中提取特征点;S2、激光雷达‑惯性里程计LIO利用紧密耦合的迭代扩展卡尔曼滤波器将激光雷达特征点与IMU数据融合,对车辆进行位姿估计,并输出车辆姿态和点云地图。本发明中,通过将LiDAR、IMU、GNSS的多传感器信息融合,能够在复杂环境中实现鲁棒的位姿估计和高精度全局点云地图构建,规避GNSS信号区域信号被遮挡导致定位效果不理想的现象,为机器人导航和环境感知提供了可靠基础,同时为无人驾驶汽车提供连续可用、精准可靠的导航定位服务。
主权项:1.一种多传感器紧耦合的SLAM算法,其特征在于,包括以下步骤:S1、以激光雷达LiDAR为视觉传感器获得原始点云数据,并从中提取特征点;S2、激光雷达-惯性里程计LIO利用紧密耦合的迭代扩展卡尔曼滤波器将激光雷达特征点与IMU数据融合,对车辆进行位姿估计,并输出车辆姿态和点云地图;S3、将估计的位姿加入位姿图Pose-Graph中,融入GNSS因子进行全局优化,通过GNSS高精度全局定位结果抑制激光雷达-惯性里程计的误差累积,结合初始位姿完成高精全局点云地图构建。
全文数据:
权利要求:
百度查询: 厦门大学 一种多传感器紧耦合的SLAM算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。