【技术实现步骤摘要】
本专利技术涉及机器人感知定位与建图，具体涉及一种分体式slam设备及多传感器融合定位方法。
技术介绍
1、同时定位与建图(simultaneous localization and mapping，slam)是当前在机器人感知定位与导航领域非常具有研究前景的技术。这项技术的核心意义在于，当机器人处在未知无卫星导航环境下，不依赖于外部测量给出的信息确定自身的位置，而是依赖于自身传感器去确定自身位置的增量，从而确定本体在环境地图中的位置，同时根据当前位置和当前位置的传感器数据建立环境点云地图。目前，基于单一传感器如相机或激光雷达已经有一些比较成熟的解决方案，然而，随着机器人在未知环境中执行任务复杂性的增加，现有的基于单一传感器的方法已经无法满足其感知定位需求，其在大范围复杂环境中无法实现准确鲁棒的位姿估计，为了解决这个问题，多传感器融合的方法开始被更多的采用，由于其结合了不同传感器的特点，达成优势互补，因而能够实现在传感器退化的环境中提供有效的状态估计。
2、目前针对多传感器融合定位方法，已有的解决方案有如下几种：
...
【技术保护点】
1.一种多传感器融合定位方法，所述传感器包括激光雷达、IMU和相机；其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤2中，采用如下方式进行运动补偿：
3.如权利要求1所述的方法，其特征在于，步骤2中通过点云的空间位置分布来判断场景范围大小，并基于此自适应调整体素分辨率，保证约束充足；
4.如权利要求1～3任一所述的方法，其特征在于，所述步骤2中，对降采样处理后的当前帧点云进行最近邻搜索，根据搜索到的最近邻点进行平面拟合，将点到拟合平面的距离作为激光雷达残差，所述激光雷达残差为：
5.如权利要求...
【技术特征摘要】
1.一种多传感器融合定位方法，所述传感器包括激光雷达、imu和相机；其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤2中，采用如下方式进行运动补偿：
3.如权利要求1所述的方法，其特征在于，步骤2中通过点云的空间位置分布来判断场景范围大小，并基于此自适应调整体素分辨率，保证约束充足；
4.如权利要求1～3任一所述的方法，其特征在于，所述步骤2中，对降采样处理后的当前帧点云进行最近邻搜索，根据搜索到的最近邻点进行平面拟合，将点到拟合平面的距离作为激光雷达残差，所述激光雷达残差为：
5.如权利要求1或4所述的方法，其特征在于，所述步骤3中，重投影误差为：
6.如权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：方浩，杨淏宇，葛奕谷，施扬熹，曹旭，梁昕恺，杨庆凯，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。