CN119437243A 一种基于因子图的多位姿源融合定位方法 （安徽海博智能科技有限责任公司）_第1页
CN119437243A 一种基于因子图的多位姿源融合定位方法 （安徽海博智能科技有限责任公司）_第2页
CN119437243A 一种基于因子图的多位姿源融合定位方法 （安徽海博智能科技有限责任公司）_第3页
CN119437243A 一种基于因子图的多位姿源融合定位方法 （安徽海博智能科技有限责任公司）_第4页
CN119437243A 一种基于因子图的多位姿源融合定位方法 （安徽海博智能科技有限责任公司）_第5页
已阅读5页，还剩16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

本发明一种基于因子图的多位姿源融合定开始时刻的RTK状态信息作为当前状态下的先验误差模型；利用前向传播的预测值对LiDAR原始变后的点云建立观测方程；再采用IEKF进行更曼优化IMU提供的旋转信息，结合轮速数据计算RTK先验因子、点云地图重定位里程计因子和轮2S3、所述轮速IMU里程计信息优化：根据IMU提供所述点云地图重定位里程计信息优化中的状态量误差的雅可比矩阵FX,其计算公式所述点云地图重定位里程计信息优化中的噪声量wi的雅可比矩阵Fwr其计算公式为：3.根据权利要求2或1所述的基于因子图S21、利用相对位姿变换将其他时刻的点云"pr,从各自的局部坐标系转换到L表示LiDAR到IMU的外参；状态量中的位姿"T将点云从IMU坐标系转换到全局坐标系；3验值为e:待求的误差状态为δxk；根据6.根据权利要求5所述的基于因子图的多位姿源融合定位方法，其特征在于，所述轮tTT+na)_14p(X)=Y(X,Z)XP(ziIX)5及利用不同传感器之间的信息差异如何优化不同位姿源的融合结果仍是项具有挑战性的[0007]为了解决上述技术问题，本发明提供了一种基于因子图的多位姿源融合定位方6[0013]所述点云地图重定位里程计信息优化中的状态量误差的雅可比矩阵其计算[0015]所述点云地图重定位里程计信息优化中的噪声量wi的雅可比矩阵FW[0021]S21、利用相对位姿变换wr,将其他时刻的点云"pr,从各自的局部坐标系"pr,转先验状态量中的位姿将点云从IMU坐标系转换到全局7[0050]其中，C表示所述S32得到的优化后的旋转矩阵，J表示旋转矩阵对应的雅可比矩8以及因子图优化的方法对这些数据进行融合优化，得到短时间内矿卡精确的自主定位信[0060]本发明旨在提供一种基于因子图的多位姿源融合定位方法，该方法利用RTK、入RTK组合导航信息为后续的定位过程提供了一个可靠的起点，有助于减少累积误差并提[0065]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9[0075]S22、利用前向传播的预测值对LiDAR原始点云进行后向传播利用相对位姿变换",将其他时刻的点云"p从各自的局部坐标系转换到扫描时刻状态量中的位姿"Tix将点云从IMU坐标系转换到全局坐标系。量先验值为待求的误差状态为δxk；根据最大后验估计求出δxk后，将δxk加回到得到[0109]本实施例通过RTK提供高精度的位置和速度

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