CN115409965B 一种面向非结构化道路的矿区地图自动生成方法 （北京踏歌智行科技有限公司）_第1页
CN115409965B 一种面向非结构化道路的矿区地图自动生成方法 （北京踏歌智行科技有限公司）_第2页
CN115409965B 一种面向非结构化道路的矿区地图自动生成方法 （北京踏歌智行科技有限公司）_第3页
CN115409965B 一种面向非结构化道路的矿区地图自动生成方法 （北京踏歌智行科技有限公司）_第4页
CN115409965B 一种面向非结构化道路的矿区地图自动生成方法 （北京踏歌智行科技有限公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种面向非结构化道路的矿区地图自动生本发明提供了一种面向非结构化道路的矿区地图自动生成方法，包括设备安装及数据标以采用标准的2D卷积神经网络对3D点云进行处与激光雷达融合的地图构建方法，利用GPS/IMU2获取包含x,y,z,反射强度和距离的2D数据，采用卷积神经网络对2D数据进行模型训2.2)：建图初始化阶段，将获取的第一帧WGS84坐标转换为通用的UTM坐标系(xo,yo,2.7)：车辆停止采集后会将点云地图以及建图原点的WGS84坐标进行存储并上传至云32.根据权利要求1所述的一种面向非结构化道路的矿区地图自动生成方法，其特征在①获取车辆当前帧的WGS84坐标并转为UTM坐标(xv,yv,zv)，将IMU获取的车辆姿态信v,滚转角rollv转换为车体坐标系到UTM坐标系的旋转矩阵P，根据车体坐标系和激光雷达坐标系的平移转换矩阵T，计算激光雷达所在位置的UTM坐标③根据激光雷达在参考坐标系的位置及姿态角，计选择矩阵R'和平移矩阵T'；4[0005]CN201911340905.2提出基于深度学习的机器人室内环境三维语义地图构建方该发明提出通过深度相机获取RGB图像及深度图像，采用ICP算法对相邻两帧ORB特征进行5的3D点云数据，GPS提供了车辆质心的WGS84坐标，IMU提供了车辆的姿态信息，即俯仰角[0026]2.7)：车辆停止采集后会将点云地图以及[0027]2.8)：云端收到车辆上传的点云地图v,滚转角rollv转换为车体坐标系到UTM坐标系的旋转矩阵6l[0042]本发明的一种面向非机构化道路的矿区地图自动生成方法，其优势在于以下几[0043](1)提出了一种基于深度学习的快速3D点云语义分割技术，对3D点云进行球面投[0044](2)本发明提出的GPS/IMU与激光雷达融合的地图构建方法，利用GPS/IMU计算每7[0045](3)本发明提出一种端云融合的全局地图自动生成方法，在云端对多车建立的局8[0063]步骤二：建图初始化阶段，将获取的第一帧WGS84坐标转换为通用的UTM坐标系o9[0080]步骤七：车辆停止采集后会将点云地图以及建图原点的WGS84坐标进行存储并上传的信息则按照语义分割模型输出的置信度较大的结果为[0083]本发明的一种面向非机构化道路的矿区地图自动生成方法，其优势在于以下几[0084](1)提出了一种基于深度学习的快速3D点云语义分割技术，对3D点云进行球面投[0085](2)本发明提出的GPS/IMU与激光雷达融合的地图构建方法，利用GPS/IMU计算每[

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论