将扫描式激光雷达传感器添加到大多数移动测绘系统中已成为标准配置,并且它们可以提供令人印象深刻的三维细节。为了提供LiDAR点云的真实世界坐标,通常会使用GNSS/IMU系统进行外部定位(EO),后处理通常可以提供最佳的EO估计结果。为了生成最终的点云,导航EO参数可以直接使用,也可以用作后续激光雷达处理(如SLAM)的初始近似值。
虽然这里的定位精度是指GNSS+RTK+IMU+高精地图+摄像头、激光雷达等环境传感器进行融合后的定位结果，但G...
当然,IMU也有着一些问题,比如在毫米波雷达、激光雷达、摄像头、GNSS卫星定位都失效的情况下,如果IMU的精度本身就不高,那么单独依靠IMU的时间越长,偏移就会越大。 另外,IMU对温度的敏感度很高,外界温度的变化会对器件的灵敏度产生影响,进而产生一定的随机漂移,因此,IMU通常都需要提出适当的误差模型和温度补偿方法,以此...
IMU 惯性导航:在知道汽车初速度、加速度、行驶时间等信息后,通过航迹推算来确定车辆速度和位置; 激光雷达&视觉定位:前者通过点云匹配来对汽车进行定位,这种方法与高精度地图有强绑定关系且雨雾天气难以识别,后者更是天方夜谭,由于缺乏三维信息无法实现精准定位。 组合导航,就是两种或两种以上非相似导航定位系统的结合。...
近期课题组博士学生锡堃同学的一个关于卫星观测量,惯性导航观测量和激光雷达观测量融合的工作(Liu, X., Wen, W., & Hsu, L. T. (2023). GLIO: Tightly-Coupled GNSS/LiDAR/IMU Integration for Continuous and Drift-free State Estimation of Intelligent Vehicles in Urban Areas. IEEE Transactions on Int...
对于L2+及以上等级的高阶自动驾驶功能,需要在城市峡谷、高架、隧道、地下车库等复杂场景下的定位精度也必须达到厘米级,定位精度要求较高。虽然这里的定位精度是指GNSS+RTK+IMU+高精地图+摄像头、激光雷达等环境传感器进行融合后的定位结果,但GNSS的绝对定位是基础,它本身的精度对最终融合后的定位结果具有重大的影响。
IMU 惯性导航:在知道汽车初速度、加速度、行驶时间等信息后,通过航迹推算来确定车辆速度和位置; 激光雷达&视觉定位:前者通过点云匹配来对汽车进行定位,这种方法与高精度地图有强绑定关系且雨雾天气难以识别,后者更是天方夜谭,由于缺乏三维信息无法实现精准定位。
相对于毫米波雷达、激光雷达、摄像头以及GNSS来说,IMU能够完全不受外界环境的影响地为自动驾驶系统提供连续的、高精度、高可靠的车辆位置、方向、速度、里程(车载里程计会受到路面打滑等情况的影响)、时间等维度的信息,保障车辆的安全行驶。 另外,值得一提的是,IMU还能够提供相比卫星导航、摄像头更快的信号更新速度。
相对于毫米波雷达、激光雷达、摄像头以及GNSS来说,IMU能够完全不受外界环境的影响地为自动驾驶系统提供连续的、高精度、高可靠的车辆位置、方向、速度、里程(车载里程计会受到路面打滑等情况的影响)、时间等维度的信息,保障车辆的安全行驶。 另外,值得一提的是,IMU还能够提供相比卫星导航、摄像头更快的信号更新速度。
对于L2+及以上等级的高阶自动驾驶功能,需要在城市峡谷、高架、隧道、地下车库等复杂场景下的定位精度也必须达到厘米级,定位精度要求较高。虽然这里的定位精度是指GNSS+RTK+IMU+高精地图+摄像头、激光雷达等环境传感器进行融合后的定位结果,但GNSS的绝对定位是基础...