-
公开(公告)号:CN117572392A
公开(公告)日:2024-02-20
申请号:CN202310840622.4
申请日:2023-07-10
Applicant: 北京理工大学
Abstract: 本发明提供一种基于3D‑3D匹配点对的相机‑激光雷达联合标定方法和装置,包括:获取两块具有特定形状和大小的标定板,每块标定板上带有用于相机姿态估计的二进制方形基准标记;识别方形基准标记及其角点,得到方形基准标记中心与相机光心的变换矩阵,得到相机坐标系下方形基准标记角点的坐标;通过雷达获取所述方形基准标记初始点云信息,对方形基准标记初始点云信息的雷达反射强度进行滤波,得到方形基准标记边缘点云信息;基于方形基准标记边缘点云信息,得到雷达坐标系下方形基准标记角点的坐标;基于两个坐标系下方形基准标记角点的坐标,得到两个坐标系的旋转平移矩阵。本发明解决了一般标定方法中易受噪声干扰、鲁棒性差等问题。
-
公开(公告)号:CN115408659A
公开(公告)日:2022-11-29
申请号:CN202211005507.7
申请日:2022-08-22
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种动态目标定位方法,利用惯性测量单元和超宽带模块实时采集数据,过程中重复以下步骤:利用当前时刻采集的数据初始化状态估计和误差协方差矩阵;对误差协方差矩阵SVD分解计算容积点;通过非线性状态模型对容积点进行评估得到传播的体积点;利用体积点更新预测状态和误差协方差。基于更新的预测状态和误差协方差,采用第一卡尔曼滤波器进行预测量更新和卡尔曼增益计算,采用第二卡尔曼滤波器更新状态估计和误差协方差矩阵。采用联邦滤波框架融合两个卡尔曼滤波器的局部估计信息,再更新状态估计和误差协方差矩阵。本发明在确保了定位精度的同时,减小了滤波算法的计算量;解决了计算过程中产生的舍入误差导致的收敛性问题。
-
公开(公告)号:CN114646937B
公开(公告)日:2025-05-20
申请号:CN202210338417.3
申请日:2022-04-01
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种SLAM与UWB的实时融合与建图方法,包括:步骤1、在携带激光雷达的智能体的移动过程中,根据分布式算法,得到当前时刻智能体与各超宽带节点的定位信息;步骤2、基于扩展卡尔曼滤波算法,对当前时刻的定位信息进行修正;步骤3、基于高斯‑牛顿方法求取当前时刻智能体的最优位姿,采用最优位姿矫正智能体当前时刻的位姿估计以及各超宽带节点的位置,同时更新激光雷达地图以及UWB地图;将步骤3输出的当前时刻的智能体的位姿估计以及各超宽带节点的位置作为步骤2的输入。本发明将LiDAR传感器与UWB传感器融合在一起,融合UWB和LiDAR以提高基于UWB的定位和映射的准确性和鲁棒性,并提供超宽带节点坐标以及周围环境的详细地图信息。
-
公开(公告)号:CN118018424A
公开(公告)日:2024-05-10
申请号:CN202410234906.3
申请日:2024-03-01
Applicant: 北京理工大学
IPC: H04L41/12
Abstract: 本发明是关于网络拓扑关键节点辨识方法,其中方法包括:对于目标无向网络的每个节点:基于节点高阶邻居结构信息对节点传播能力的影响以及结构洞网络约束系数,计算节点的弱连接网络约束系数;基于节点在网络中的全局位置以及无向图的脆弱性参数,计算节点的层次韧性全局系数;基于所述弱连接网络约束系数和所述层次韧性全局系数,计算节点的综合重要性指标并确定节点的重要性。本发明整合了局部属性和全局属性,设计出综合重要性指标,从而能够更全面地评价节点的重要性。
-
公开(公告)号:CN114646937A
公开(公告)日:2022-06-21
申请号:CN202210338417.3
申请日:2022-04-01
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种SLAM与UWB的实时融合与建图方法,包括:步骤1、在携带激光雷达的智能体的移动过程中,根据分布式算法,得到当前时刻智能体与各超宽带节点的定位信息;步骤2、基于扩展卡尔曼滤波算法,对当前时刻的定位信息进行修正;步骤3、基于高斯‑牛顿方法求取当前时刻智能体的最优位姿,采用最优位姿矫正智能体当前时刻的位姿估计以及各超宽带节点的位置,同时更新激光雷达地图以及UWB地图;将步骤3输出的当前时刻的智能体的位姿估计以及各超宽带节点的位置作为步骤2的输入。本发明将LiDAR传感器与UWB传感器融合在一起,融合UWB和LiDAR以提高基于UWB的定位和映射的准确性和鲁棒性,并提供超宽带节点坐标以及周围环境的详细地图信息。
-
-
-
-