-
题名基于自适应零速修正机制的低速无人车定位方法
被引量：4
- 1
-
-
作者
张文安
汪伟
付明磊
陆春校
何军强
-
机构
浙江工业大学信息工程学院
浙江富春江通信集团有限公司
杭州鸿泉物联网技术股份有限公司
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第1期63-71,共9页
-
基金
浙江省自然科学基金重大项目(LD21F030002)。
-
文摘
针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF)。传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正。然而,当无人车处于静止状态时,相机测量更新停止。受到IMU累积误差的影响,无人车的定位性能将迅速下降。对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地适应静态场景。实验结果表明,相比于传统MSCKF算法及VINS-Mono算法(关闭回环检测),AZUPT-MSCKF方法具有更高的定位精度和更强的鲁棒性。
-
关键词
低速无人车定位
自适应零速修正机制
MSCKF
静态场景
-
Keywords
low-speed unmanned vehicle positioning
adaptive zero velocity update mechanism
MSCKF
static scene
-
分类号
V323.19
[航空宇航科学与技术—人机与环境工程]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名多传感器融合的无人车自主定位实验研究
被引量：1
- 2
-
-
作者
曹月花
李辉
-
机构
杭州电子科技大学信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第16期90-96,共7页
-
基金
科研育培基金项目(KYP0222006)
教育部产学合作协同育人项目(220606545285302)
2020年浙江省虚拟仿真项目(ZXX202103000/03/02)。
-
文摘
为了满足机器人专业课程实验研究性教学需求,设计一个多传感器融合的无人车自主定位实验。选择智能机器人开放平台作为载体,在硬件平台上研究退化环境实验,实现3D激光惯性融合的定位与建图。在实验环节中,首先,通过惯性测量单元(IMU)获得位姿信息,通过激光雷达获得点云数据,利用扩展卡尔曼滤波处理位姿信息,并利用体素滤波处理点云数据,从而完成数据预处理;然后通过坐标转换实现激光惯性组合定位;最后在硬件平台上研究退化环境实验,实现3D激光惯性融合的定位与建图。实验结果表明,IMU测量数据有较高的准确性,而激光点云则会约束IMU的测量偏差。这种组合方式能够有效地提高同步定位与建图(SLAM)系统在复杂现实环境中的测量精度和鲁棒性,适用于无人车的自主定位。应用表明,该实验系统使学生获得了综合训练,提升了学生的综合实践创新能力和科研创新能力,并取得了良好的教学效果。
-
关键词
多传感器融合
无人车定位
惯性测量单元(IMU)
激光雷达
扩展卡尔曼滤波
坐标转换
退化环境
同步定位与建图(SLAM)
-
Keywords
multisensor fusion
unmanned vehicle positioning
inertial measurement unit
lidar
extended Kalman filtering
coordinate conversion
degradation environment
synchronous localization and mapping
-
分类号
TN958.98-34
[电子电信—信号与信息处理]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于三维点云地图和ESKF的无人车融合定位方法
被引量：10
- 3
-
-
作者
崔文
薛棋文
李庆玲
王凤栋
郝雪儿
-
机构
国能准能集团有限责任公司机电管理部
中国矿业大学(北京)机电与信息工程学院
-
出处
《工矿自动化》
北大核心
2022年第9期116-122,共7页
-
基金
国家自然科学基金资助项目(61673385)。
-
文摘
基于地图匹配的无人车定位方法的精度取决于已创建地图的精度,受外界的影响较小,适用于复杂场景下的无人车定位。然而目前采用的激光雷达点云匹配算法是以单一的特征为核心进行匹配,对于大规模点云匹配准确率较低,导致三维点云地图与实际环境偏差较大,造成基于地图匹配的无人车定位方法精度不高的问题。针对上述问题,提出了一种基于三维点云地图和误差状态卡尔曼滤波(ESKF)的无人车融合定位方法。该方法由三维点云地图构建和ESKF融合定位2个部分组成。在三维点云地图构建部分,通过正态分布变换(NDT)算法进行帧间点云匹配,提高大规模点云匹配准确率,并在根据激光里程计数据建立的位姿图顶点和约束边的基础上添加闭环约束构建图优化问题,采用列文伯格-马夸尔特(LM)算法进行求解,以减少位姿的累计漂移,提高三维点云地图精度。在ESKF融合定位部分,采用ESKF融合惯性测量单元(IMU)数据和三维点云地图数据,实现对无人车先验位姿(位置、姿态和速度)的修正并输出后验位姿。实验结果表明,与基于地图匹配的定位方法相比,该方法定位轨迹相对位姿误差最大值减小了0.176 9 m,平均误差减小了0.027 1 m,均方根误差减小了0.059 4 m,在定位精度和稳定性方面具有更好的表现。
-
关键词
无人车定位
融合定位
三维点云地图
误差状态卡尔曼滤波
激光雷达
点云匹配
图优化
-
Keywords
unmanned vehicle positioning
fusion positioning
3D point cloud map
error state Kalman filter
laser lidar
point cloud matching
graph optimization
-
分类号
TD67
[矿业工程—矿山机电]
-
