在现有技术下，当无人车在利用激光雷达slam定位过程中因为外界干扰(如临时大型车辆前方长期遮挡雷达视线)而发生点云匹配失败的问题，激光雷达slam定位算法需要将当前激光雷达扫描到的局部点云数据与事先已经获得的全局地图点云数据进行重新搜索匹配，由于点云数量巨大，重新全部搜索时间开销会很大，从而造成无人车原定停止。
与本发明Zui接近的技术如下：
专利名：一种低速无人车园区内组合导航方法及系统
基本内容：本发明提供一种低速无人车园区内组合导航方法及系统,其中方法包括使用雷达slam模块生成路径信息1,还包括以下步骤：进行联合地图采集,生成路径地图；使用rtk导航模块生成路径信息2；融合模块接受所述路径信息1和路径信息2,加权融合后生成目标轨迹。本发明将移动站定位天线改为前天线,将雷达坐标原点平移到导航前天线位置,保证了采集地图轨迹的一致性；联合采集地图,地图中同一个路点既包括雷达slam定位坐标也包括rtk-导航经纬度坐标；雷达slam模块与rtk-导航模块加载同一个地图进行一次路径规划,所得路径点均以车辆坐标系为原点；Zui后通过融合模块处理两个定位模块的局部路径,Zui终生成无人车的目标路径。
上述专利与本专利的差异点主要体现在以下两点，
目的
上述专利的目标是利用rtk-导航与slam导航模块融合生成无人车的目标路径，本专利的目标是将gps传感器与激光雷达传感器融合解决无人车激光雷达slam算法点云失配时无人车的快速重新匹配定位问题，实现无人车在slam过程中具有持续定位能力。
上述专利在采集地图的过程中，需要使用gps-rtk来获取无人车在全局地图的jingque位置信息，并没有考虑到在gps信号较差的路段如何解决jingque定位的问题，也没有考虑在激光雷达slam失配的情况下快速重新匹配的问题。本专利考虑了园区内任意环境下的gps的信号状态，并且解决了在gps信号较差的路段配合激光雷达实现快速jingque定位问题。
专利名：一种结合gps和雷达里程计的slam方法
申请号：201811306455.0
基本内容：此专利是一种结合gps和雷达里程计的slam方法，包括如下步骤：1)采集差分gps数据和来自激光雷达的点云数据；2)处理gps数据获得位移(x,y,z)和姿态rpy角；3)匹配gps数据和lidar的点云数据，通过时间戳对齐的方式实现数据匹配；4)结合步骤2)处理gps得到的位姿数据和lidar的点云数据检验gps数据的可靠性；5)使用雷达里程计算法loam获取(x,y,z)和rpy角；6)在gps数据可靠的地方，使用gps获取的位姿作为Zui终的位姿；在gps数据不可靠的路段，利用该路段起点和终点的gps位姿优化loam算法的位姿来获取Zui终的位姿；7)使用步骤6)输出的位姿转换激光雷达的点云数据到世界坐标系下，获取Zui终的全局地图。本发明适用于大范围城市三维地图的构建。
阿斯卡电磁阀VCEFCP8531G301MO
ASCO除尘阀YA2BA4521G00000
ASCO脉冲阀JPIS8314B301
阿斯卡ASCO电磁阀SCG531C002MS
阿斯卡燃气电磁阀NFB210D189
ASCO燃气电磁阀8316G064MBMO
ASCO气动阀L12BA452BG00061
WBIS8314A300
HB8316G074
SCG353A051
8316G044 220/50 240/60 230/60, VALVE
E290A043
HT8316G074
EF8017G2
E290B047, VALVE
HT8344G76MO
8345G1
SCE238A005
54191023 220VAC
8327B102
SCG353A051PIPE3K302730M0