一种轻量化隐式神经地图的重定位方法

    公开(公告)号:CN118913251A

    公开(公告)日:2024-11-08

    申请号:CN202411156421.3

    申请日:2024-08-22

    申请人: 东南大学

    摘要: 本发明公开了一种轻量化隐式神经地图的重定位方法,包括:首先对当前点云进行运动补偿校正,并体素降采样,训练构建轻量化及高分辨率的隐式神经地图;利用神经点特征进行闭环检测和校正,确保地图的一致性和准确性;引入惯性导航系统的预积分估计,用于为隐式配准提供先验初值,同时利用点到隐式神经模型的配准方法,实现基于轻量化隐式神经地图的状态估计;激光重定位提供的环境约束和惯性导航系统的动态估计有效结合,利用基于因子图框架融合重定位因子和预积分因子,实现实时鲁棒的定位定姿。本发明通过一种新颖的轻量化隐式神经地图存储模型,能够解决传统点云数据存储量大,重定位性能受地图分辨率影响的问题,同时能够实现定位精度的提升。

    一种GNSS拒止环境下的UWB-激光雷达-惯导融合定位方法

    公开(公告)号:CN116242372B

    公开(公告)日:2024-07-19

    申请号:CN202310002241.9

    申请日:2023-01-03

    申请人: 东南大学

    IPC分类号: G01C21/28 G01C21/20 G01C21/16

    摘要: 本发明公开了一种GNSS拒止环境下UWB‑激光雷达(LiDAR)‑惯导(INS)融合定位方法,包括:首先对UWB的测距信息进行非视距误差的剔除,LiDAR点云进行原始观测运动畸变的补偿;UWB利用扩展卡尔曼滤波算法实现位置解算,计算初始位置和姿态,完成INS系统的初始化;UWB定位的同时需经过精度因子(DOP)、基站数量,观测残差进行质量判断,剔除误差较大的定位点;INS系统采用机械编排算法,实现高频位姿解算的同时,将结果作为先验用于LiDAR的动态匹配过程;后端构造维护一个轻量化的因子图,将激光雷达里程计的观测值、IMU预积分、UWB绝对观测进行融合以减少累积误差。本发明能为GNSS拒止环境下的实时定位问题提供一种可靠的解决方案,并能保持分米级的定位精度。

    一种狭长环境激光雷达的单目相机环视补偿装置及方法

    公开(公告)号:CN118330611A

    公开(公告)日:2024-07-12

    申请号:CN202410488418.5

    申请日:2024-04-23

    申请人: 东南大学

    摘要: 本发明公开了一种狭长环境激光雷达的单目相机环视补偿装置及方法,其中补偿装置包括机载激光雷达及点云补偿装置,将单目相机固定于云台上,利用云台拖动单目相机旋转,达到环视的效果;避免了全景相机的视场与激光雷达扫描场重合度不高的问题,也能解决固定式单目相机视场角不够的问题。补偿方法分为单目相机环视点云补偿方法与狭长环境补偿方法两部分;能够在进行一次相机‑激光雷达标定的情况下,实现单轴全角度的激光雷达补偿,且能够实现以相对较低成本对低线数雷达的场景扫描密度进行补偿。

    基于大场景的低线束激光雷达-IMU-RTK定位建图算法

    公开(公告)号:CN115407357B

    公开(公告)日:2024-05-31

    申请号:CN202210784265.X

    申请日:2022-07-05

    申请人: 东南大学

    摘要: 本发明公开了一种基于大场景的低线束激光雷达‑IMU‑RTK定位建图算法,包括:初始化阶段使用RTK位置信息快速精准的完成IMU对准,并解算激光雷达‑IMU‑RTK系统在全局坐标下的正确初始位姿;提取周围点云环境特征,根据曲率区分角点和面点;实时构建局部点云地图,利用当前帧点云信息与局部地图动态匹配,计算当前激光雷达位姿;图优化模型构建激光雷达里程计因子、IMU预积分因子、RTK绝对位置因子,优化求解定位结果并进行实时点云地图拼接。本发明通过图优化模型,能够解决低线束激光雷达在大场景特征稀疏环境下定位和建图问题,同时能够保障实时采集。