-
公开(公告)号:CN118334259B
公开(公告)日:2024-10-15
申请号:CN202410433567.1
申请日:2024-04-11
Applicant: 西安工业大学
IPC: G06T17/05 , G06T7/13 , G06T5/70 , G06T5/60 , G06V10/762
Abstract: 本发明提出融合增强多线激光雷达与IMU的建图方法及系统,该方法包括:使用差分检测的方式,对接收到的三维点云信息进行阈值判断,使用DBSCAN聚类算法对超出阈值的点云进行聚类,接着将噪点的聚类消除;使用时间同步的方式同步多线激光雷达与IMU接收到数据的时间,保证数据接收的一致性,并将两者的数据使用扩展卡尔曼滤波(EKF)的方法进行融合优化,以矫正数据接收时产生的误差,使点云与位姿信息匹配的更加精准,为后续地图融合做准备;使用自适应的特征点云图提取方法,在对边缘和平面特征点云图进行提取的时候添加一个自适应参数,可以实时根据上一时刻的点云情况来优化下一帧的特征点云图效果,使最终地图的融合效果具有更强的精确性和鲁棒性。
-
公开(公告)号:CN117405118B
公开(公告)日:2024-06-21
申请号:CN202311339007.1
申请日:2023-10-16
Applicant: 西安工业大学
IPC: G01C21/20 , G06T17/00 , G06T5/20 , G06T7/70 , G06T7/277 , G01C21/00 , G01C21/16 , G01C22/00 , G01S17/86 , G01S17/89
Abstract: 本发明公开了一种多传感器融合建图方法、系统、设备及存储介质,采集机器人在运行过程中的IMU数据、里程计数据以及激光雷达数据;基于无损卡尔曼滤波法对IMU数据和里程计数据进行加权融合,获取更加精确有效的位姿状态信息;基于激光雷达数据生成初始点云数据,结合体素滤波和粒子滤波算法,对初始点云数据进行赋权重,并根据赋予的权重对点云进行筛选,得到筛选后的第一点云数据,提高点云质量、提升点云匹配的准确性,并提高后续建立子图的效果;基于得到的位姿状态数据和筛选的点云数据,采用Cartographer激光SLAM算法进行地图构建,最终构建的地图更加精确完整。
-
公开(公告)号:CN119048600B
公开(公告)日:2025-05-02
申请号:CN202411228826.3
申请日:2024-09-03
Applicant: 西安工业大学
IPC: G06F17/00
Abstract: 本发明提供了一种深度相机融合激光雷达的三维稠密点云建图方法及系统,该方法在构建三维稠密点云地图的同时生成二维栅格地图,提升环境和障碍物信息的获取精度;包括以下步骤:首先,通过传感器时间戳对齐和空间校准,实现激光雷达与深度相机的精确同步;然后,对深度相机采集的深度图像进行处理,计算三维稠密点云,并通过高斯滤波算法优化数据质量;接着,采用光流方法估计图像序列中像素点的光流向量,标记动态物体;结合激光雷达数据生成二维栅格地图,识别并分割障碍物;进一步,通过特征点匹配进行回环检测,精准匹配特征点,检测到闭环后进行图优化以增强地图一致性;最后,通过增量更新和全局优化,构建更加完善、鲁棒的稠密点云地图。
-
公开(公告)号:CN118334259A
公开(公告)日:2024-07-12
申请号:CN202410433567.1
申请日:2024-04-11
Applicant: 西安工业大学
IPC: G06T17/05 , G06T7/13 , G06T5/70 , G06T5/60 , G06V10/762
Abstract: 本发明提出融合增强多线激光雷达与IMU的建图方法及系统,该方法包括:使用差分检测的方式,对接收到的三维点云信息进行阈值判断,使用DBSCAN聚类算法对超出阈值的点云进行聚类,接着将噪点的聚类消除;使用时间同步的方式同步多线激光雷达与IMU接收到数据的时间,保证数据接收的一致性,并将两者的数据使用扩展卡尔曼滤波(EKF)的方法进行融合优化,以矫正数据接收时产生的误差,使点云与位姿信息匹配的更加精准,为后续地图融合做准备;使用自适应的特征点云图提取方法,在对边缘和平面特征点云图进行提取的时候添加一个自适应参数,可以实时根据上一时刻的点云情况来优化下一帧的特征点云图效果,使最终地图的融合效果具有更强的精确性和鲁棒性。
-
公开(公告)号:CN119048600A
公开(公告)日:2024-11-29
申请号:CN202411228826.3
申请日:2024-09-03
Applicant: 西安工业大学
Abstract: 本发明提供了一种深度相机融合激光雷达的三维稠密点云建图方法及系统,该方法在构建三维稠密点云地图的同时生成二维栅格地图,提升环境和障碍物信息的获取精度;包括以下步骤:首先,通过传感器时间戳对齐和空间校准,实现激光雷达与深度相机的精确同步;然后,对深度相机采集的深度图像进行处理,计算三维稠密点云,并通过高斯滤波算法优化数据质量;接着,采用光流方法估计图像序列中像素点的光流向量,标记动态物体;结合激光雷达数据生成二维栅格地图,识别并分割障碍物;进一步,通过特征点匹配进行回环检测,精准匹配特征点,检测到闭环后进行图优化以增强地图一致性;最后,通过增量更新和全局优化,构建更加完善、鲁棒的稠密点云地图。
-
公开(公告)号:CN117405118A
公开(公告)日:2024-01-16
申请号:CN202311339007.1
申请日:2023-10-16
Applicant: 西安工业大学
IPC: G01C21/20 , G06T17/00 , G06T5/20 , G06T7/70 , G06T7/277 , G01C21/00 , G01C21/16 , G01C22/00 , G01S17/86 , G01S17/89
Abstract: 本发明公开了一种多传感器融合建图方法、系统、设备及存储介质,采集机器人在运行过程中的IMU数据、里程计数据以及激光雷达数据;基于无损卡尔曼滤波法对IMU数据和里程计数据进行加权融合,获取更加精确有效的位姿状态信息;基于激光雷达数据生成初始点云数据,结合体素滤波和粒子滤波算法,对初始点云数据进行赋权重,并根据赋予的权重对点云进行筛选,得到筛选后的第一点云数据,提高点云质量、提升点云匹配的准确性,并提高后续建立子图的效果;基于得到的位姿状态数据和筛选的点云数据,采用Cartographer激光SLAM算法进行地图构建,最终构建的地图更加精确完整。