排序方式: 共有19条查询结果,搜索用时 343 毫秒
11.
同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术可使自动驾驶车辆在未知环境中根据车载传感器采集到的数据估计自身位姿,建立环境地图,为车辆的规划、决策提供定位信息,是近年来自动驾驶技术研究的热点之一。基于车载激光雷达的点云数据,聚焦SLAM技术在自动驾驶领域的应用,围绕前端里程计、后端优化和回环检测技术,对国内外相关研究进行综述。考虑到单一传感器的局限性,结合目前多传感器融合研究的热点与难点,展望了自动驾驶多传感器融合SLAM技术在自动驾驶领域的机遇与挑战。 相似文献
12.
在分析基于查询/应答器和里程计的列车定位方式的基础上,提出一种基于查询/应答器、接触网定位杆和里程计的电气化铁路的列车定位新方法。阐述了采用检查窗技术克服接触网定位杆检测中背景障碍物干扰、用差触线拉出值辅助判定定位杆位置的方法,并给出针对测速轮的轮缘磨耗自动地修正里程计距离换算误差的原理与方法。这种定位方式与基于查询/应答器和里程计的定位方式相比,大大地减少了地面应答器的数量,同时还较大幅度地提高了列车定位的精度。 相似文献
13.
列车测速轮对的空转/滑行和车轮磨损是影响车载里程计(ODO)测速、测距精度的主要原因。针对该问题,通过传感器定位特性分析,在列车里程计基础上引入GPS技术,构建车载组合定位系统。通过GPS和ODO的信息融合,建立空转/滑行和车轮磨损的检测与误差校正计算模型,完成相关检测和误差校正。仿真试验结果表明,所提出的列车定位方法是有效的,可以提高车载定位系统的自主定位能力。 相似文献
14.
激光雷达是智能网联汽车环境感知的重要传感器,多坐标系空间标定是激光雷达精准环境感知的前提条件。针对激光雷达与车体坐标系空间同步面临传感器观测单一的问题,提出基于激光雷达与车辆的平面运动和直线运动约束2步标定方法。为构建运动约束,基于激光里程计获取激光雷达运动位姿信息,通过激光雷达运动轨迹信息和时域上多帧地面平面拟合信息进行平面行驶识别,在满足平面路况下构建平面运动约束标定,进而标定横滚角与俯仰角;基于俯仰角和横滚角对车辆轨迹进行修正,通过激光运动轨迹建立直线行驶判别模型判别车辆运动状态,在满足车辆直线行驶路况下构建直线运动约束,从而标定偏航角。最后,在智能驾驶试验车上开展了激光雷达与车辆坐标系标定的实车试验,通过实车采集的数据验证了提出的空间同步方法的可行性。试验结果表明:提出的激光雷达与车体坐标系标定方法优于基于标定物的方法,在原始数据上可以保证标定后的旋转误差降低至0.61,误差率降低约47.4%。在手动调整的扩充数据上标定后的旋转误差降至1.64,误差率降低约40.6%。相对于基于标定物的方法,其旋转误差均有降低且不需要借助特定的标定物与标定场,降低了对环境的依赖程度。同时通过消... 相似文献
15.
[目的]城市轨道交通系统中,列车测速定位技术可为列车自动驾驶、避撞、调度指挥等众多应用提供信息支撑。目前列车控制系统结构功能日趋复杂,随着城市轨道交通运营效率、服务等级的持续提升,对列车测速定位的性能要求越来越高,需进一步提升ATP(列车自动防护)系统在不同场景下的测速定位能力。[方法]提出了基于轮轴蠕滑率检测的列车测速方法,首先介绍了列车测速定位系统的结构,阐述了基于轮轴蠕滑率的列车测速技术流程。然后对轮轴蠕滑理论进行了阐述,对多普勒雷达的测速误差进行建模,得到雷达最大参考速度,以此为基准计算轮轴的蠕滑率,针对不同的蠕滑率对里程计速度施加不同程度的补偿。最后利用现场试验数据,对所提的测速方法进行验证。[结果及结论]试验结果表明,列车制动阶段的大部分时间内轮轴均处于小蠕滑状态,对里程计速度施加较小补偿后的列车最大速度低于既有ATP计算的最大速度。在列车最小速度不变的情况下,该方法在保证安全的前提下,显著提高了列车运行速度的测量精度。 相似文献
16.
列车组合定位信息采集平台的研究 总被引:1,自引:0,他引:1
实时列车位置信息是列车运行控制的基础。基于全球卫星定位系统(GPS)、惯性测量单元(IMU)和里程计(ODO)的通用列车组合定位系统信息采集平台以ARM7处理器为核心。通过研究各种传感器数据的传输以及解算延迟问题,并对延迟进行补偿,解决传感器信息同步以及数据标准化存储等问题。系统提高了列车组合定位的精度和可靠性,同时也为不同融合算法的分析和比较提供了更为可靠的数据源。 相似文献
17.
18.
2005款捷达轿车采用了新设计的汽油车和柴油车的仪表板。3块表仍按常规布置:左侧是发动机转速表,中间是车速表(柴油车表中有数字里程计),右侧是水温表和燃油表(汽油车有数字里程计)。但是板内的指示灯、报警灯、液晶显示里程计、自动变速器档位指示与以前款式相比有较大改进。汽油车和柴油车仪表板分别如图1、图2所示。 相似文献
19.
在自动驾驶车辆研究领域中,SLAM车辆感知是热点研究领域之一,SLAM根据里程计类型可分为以视觉为主和以激光为主。两者本质上都以实现位姿估计和地图构建为目的,激光里程计主要是构建点云地图比较直观,视觉里程计构建的是稀疏视觉特征的地图。本文提出紧耦合双里程计传感器融合的SLAM框架,以完成实时状态估计和地图构建,并且具有高精度和鲁棒性。该方法可以有效地解决传统基于视觉或激光算法或者视觉和激光单一松耦合中累积误差的问题,框架融合了视觉与激光惯性的各自优点而形成两个子系统,这两个子系统采用紧密耦合方式进行设计,构成一个完整的系统。实验通过Ouster数据集评估绝对轨迹整体误差,并且该方法在自动驾驶接驳车中的应用表现出较高的精度。 相似文献