基于多源定位的机器人导航地图融合研究

齐政光; 艾长胜; 耿敦洋; 冯志全; 郑加海; 王相勇

doi:10.13873/J.1000-9787(2023)09-0047-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多源定位的机器人导航地图融合研究

研究与探讨 | 更新时间：2025-09-11

- 基于多源定位的机器人导航地图融合研究
- 暂无标题
- 传感器与微系统 2023年第9期页码：47-51
- 作者机构：
  
  1. 济南大学机械工程学院
  2. 济南大学信息科学与工程学院
  3. 临沂金利液压科技有限公司
- 作者简介：
- 基金信息：
  
  济南市自主创新团队项目(2019GXRC013);山东省重点扶持区域引进急需紧缺人才项目
- DOI：10.13873/J.1000-9787(2023)09-0047-05
  中图分类号： TN958.98;TP242
- 纸质出版：2023
- 稿件说明：
移动端阅览
齐政光, 艾长胜, 耿敦洋, 等. 基于多源定位的机器人导航地图融合研究[J]. 传感器与微系统, 2023,(9):47-51.
齐政光, 艾长胜, 耿敦洋, 等. 基于多源定位的机器人导航地图融合研究[J]. 传感器与微系统, 2023,(9):47-51. DOI： 10.13873/J.1000-9787(2023)09-0047-05.

DOI：

摘要

针对激光雷达(LiDAR)的传统建图方式在精度和地图完整性上存在不足的问题，提出一种以多源定位数据实现创建融合栅格地图的方法。利用误差状态卡尔曼滤波(ESKF)算法将惯性测量单元(IMU)与轮式编码器(WE)的融合数据中添加视觉里程计(VO)的位姿信息进行校正，并作为里程计输出。根据贝叶斯估计，将深度相机与激光雷达各自生成的局部栅格地图逐帧进行融合，生成全局地图。研究结果表明：融合地图与实际环境中的对应参考点在x与y方向的RMSE比传统方法分别下降了58.88%

56.19%

有效提高了地图的精度和丰富性。

Abstract

关键词

Keywords

references

基于改进ORB算法的单目视觉里程计研究[J]. 陆文超;杨慧斌;闫娟;亢程博.计算机仿真,2021(06)

基于粒子滤波的自主移动机器人快速定位方法[J]. 郑丽丽;孙伟;刘明明.传感器与微系统,2020(10)

基于ORB的目标识别与角度测量方法[J]. 徐洪;吴斌;陈春梅.传感器与微系统,2019(12)

占据栅格地图的最佳栅格大小与地图精度[J]. 岳伟韬;苏婧;谷志珉;余传义;葛彤.机器人,2020(02)

基于激光雷达的同时定位与地图构建方法综述[J]. 危双丰;庞帆;刘振彬;师现杰.计算机应用研究,2020(02)

A Simultaneous Localization and Mapping (SLAM) Framework for 2.5D Map Building Based on Low-Cost LiDAR and Vision Fusion[J]. Guolai Jiang;Lei Yin;Shaokun Jin;Chaoran Tian;Xinbo Ma;Yongsheng Ou.Applied Sciences,2019

Resampling Methods for Particle Filtering[J]. Li, Tiancheng;Bolic, Miodrag;Djuric, Petar M..IEEE Signal Processing Magazine,2015

EPnP: An Accurate 0 (n) Solution to the PnP Problem[J]. Vincent Lepetit;Francesc Moreno-Noguer;Pascal Fua.International Journal of Computer Vision,2009

浏览量

263

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

热成像激光雷达GNSS多传感器融合抗干扰定位

公路场景中低空多源数据融合方法综述

改进的激光雷达线段特征提取方法

矿用激光雷达传感器无线供电及电机续流设计与测试

基于点线面特征匹配的紧耦合激光雷达惯性里程计