摘要
本发明一种基于因子图的多位姿源融合定位方法,所述方法包括:S1、因子图建立:将融合开始时刻的RTK状态信息作为当前状态下的先验因子,建立因子图;S2、点云地图重定位里程计信息优化:利用IMU数据进行前向传播,建立状态量误差模型;利用前向传播的预测值对LiDAR原始点云进行后向传播来进行去畸变操作,利用去畸变后的点云建立观测方程;再采用IEKF进行更新;S3、轮速‑IMU里程计信息优化:通过误差卡尔曼优化IMU提供的旋转信息,结合轮速数据计算IMU数据时刻下的状态量;S4、多位姿源融合:将RTK先验因子、点云地图重定位里程计因子和轮速‑IMU里程计因子进行累乘,得到最大概率的系统状态。通过对多个传感器数据进行融合优化,得到矿卡精确的自主定位信息。
技术关键词
里程计信息
融合定位方法
点云地图
因子
坐标系
雅可比矩阵
旋转误差
误差状态
误差模型
协方差矩阵
方程
噪声
数据
雅克比矩阵
轮速传感器
卡尔曼滤波
重力
系统为您推荐了相关专利信息
室外移动机器人
融合定位系统
定位方法
更新系统
激光雷达数据
肺腺癌患者
免疫检查点抑制剂治疗
机器学习模型
样本
预测装置
网络入侵检测方法
门控循环神经网络
时序特征
网络流量数据
图形处理器
特征匹配算法
模板特征点
隔热垫
机器人基座
数据
雷达点云数据
外参标定方法
坐标系
角反射器
计算机存储介质