Nothing Special   »   [go: up one dir, main page]

CN113048987A - 一种车载导航系统定位方法 - Google Patents

一种车载导航系统定位方法 Download PDF

Info

Publication number
CN113048987A
CN113048987A CN202110269452.XA CN202110269452A CN113048987A CN 113048987 A CN113048987 A CN 113048987A CN 202110269452 A CN202110269452 A CN 202110269452A CN 113048987 A CN113048987 A CN 113048987A
Authority
CN
China
Prior art keywords
vehicle
speed
error
sins
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110269452.XA
Other languages
English (en)
Inventor
蔡成林
李伟
李帅
邓钰臻
张智强
吴芊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiangtan University
Original Assignee
Xiangtan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiangtan University filed Critical Xiangtan University
Priority to CN202110269452.XA priority Critical patent/CN113048987A/zh
Publication of CN113048987A publication Critical patent/CN113048987A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种车载导航系统定位方法，包括以下步骤：基于车体安装的SINS和摄像头采集的数据，分别通过SINS推算和光流估计得到车辆实时速度
Figure DDA0002973640290000011
和
Figure DDA0002973640290000012
将
Figure DDA0002973640290000013
和
Figure DDA0002973640290000014
之差作为量测矢量，建立量测方程；通过卡尔曼滤波算法对导航系统的状态方程和量测方程进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。本发明基于光流信息辅助导航系统进行定位，能为车辆提供准确的速度信息和位置信息。

Description

一种车载导航系统定位方法
技术领域
本发明涉及导航定位技术领域，具体涉及车载导航系统定位方法。
背景技术
随着微机电系统(MEMS)技术的发展，捷联惯导系统(SINS)的体积和成本有效降低，但精度也降低了，会随着时间的累积而产生较大的测量误差。在车辆经过隧道、高架桥、山区以及高楼密集的环境时，BDS北斗卫星导航系统(BeiDou Navigation SatelliteSystem，BDS)信号受到干扰和遮挡，常常出现短期失锁的现象，而SINS在单独工作的情况下又有误差迅速累积的问题，因此很难在BDS信号被中断时，为车辆提供准确的速度信息和位置信息。
现阶段，大部分学者的研究仅集中于提高车辆定位估计的准确性，忽略了由于BDS系统自身缺陷而造成的环境限制和SINS的误差累积问题，因此需要一种辅助方法，在BDS信号被中断时，为车辆提供准确的速度信息和位置信息。
发明内容
针对现有技术的不足，本发明提供了一种车载导航系统定位方法，能为车辆提供准确的速度信息和位置信息。
本发明所提供的技术方案为：
一方面，本发明提供一种车载导航系统定位方法，包括以下步骤：基于车体安装的SINS和摄像头采集的数据，分别通过SINS推算和光流估计得到车辆实时速度
Figure BDA0002973640270000011
和
Figure BDA0002973640270000012
将
Figure BDA0002973640270000013
和
Figure BDA0002973640270000014
之差作为量测矢量，建立量测方程；通过卡尔曼滤波算法对导航系统的状态方程和量测方程进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。
另一方面，本发明提供一种车载BDS/SINS组合导航系统定位方法，包括以下步骤：
步骤1、建立BDS/SINS组合导航系统的状态方程和以下两个量测方程；
量测方程一：
Z1(t)＝H1(t)·X(t)+V1(t)
量测方程二：
Z2(t)＝H2(t)·X(t)+V2(t)
式中：Z1(t)和Z2(t)为系统的两个量测矢量；
Figure BDA0002973640270000021
Figure BDA0002973640270000022
其中
Figure BDA0002973640270000023
和
Figure BDA0002973640270000024
分别是SINS推算的和BDS接收机测得的导航坐标系下的车辆实时速度；
Figure BDA0002973640270000025
和
Figure BDA0002973640270000026
分别是SINS推算的和BDS接收机测得的导航坐标系下的车辆实时位置；
Figure BDA0002973640270000027
是基于光流估计测得的导航坐标系中的车辆实时速度；
H1(t)和H2(t)为系统的两个量测矩阵，
Figure BDA0002973640270000028
H2(t)＝Hv；其中Hp和Hv分别是车辆位置和速度的量测矩阵；
X(t)为系统的状态矩阵，由系统的误差数据构成，包括位置误差和速度误差；
V1(t)和V2(t)为系统的两个量测噪声矢量；
Figure BDA0002973640270000029
V2(t)＝Vv；其中Vp和Vv分别是车辆位置和速度的量测噪声矢量；
步骤2、在BDS可用时，利用卡尔曼滤波算法对BDS/SINS组合导航系统的状态方程和量测方程一进行解算，得到位置误差和速度误差的最优估计值，使用位置误差和速度误差的最优估计值对BDS接收机测得的车辆实时位置和速度进行修正；
在BDS不可用时，利用通过卡尔曼滤波算法对BDS/SINS组合导航系统的状态方程和量测方程二进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度(即车辆实时速度的最优估计值)；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。
进一步地，
Figure BDA0002973640270000031
Figure BDA0002973640270000032
Vy＝z*vy/ay
式中：θ为SINS与车体的俯仰安装误差角，
Figure BDA0002973640270000033
为SINS与车体的航向安装误差角；Vy表示摄像头坐标系中的车辆实时速度；ay是车辆前进方向的像素焦距；vy表示图像在车辆前进方向的像素速度；z表示摄像头与地面的距离。
进一步地，所述状态矩阵为：
Figure BDA0002973640270000034
其中，δrc、δvc、ψ、bg、ba、sg、sa和δk分别表示位置误差、速度误差、姿态误差、陀螺仪的零偏、加速度计的零偏、陀螺仪的误差、加速度计的误差和光流刻度系数误差。
有益效果：
本发明提出的车载导航系统定位方法及车载BDS/SINS组合导航系统定位方法，基于光流信息辅助导航系统进行定位，可以在BDS中断期间准确定位。对光流测速的原理进行深入研究，依据车辆建模的侧面速度约束(即假定车辆在地面行驶过程中不发生侧滑或跳跃，即车辆在载体坐标系左右和上下方向速度为0)确定两个方向上的速度虚拟观测量，再加上基于光流计算的行进方向上的速度观测量，以此形成完整的三维速度观测量，建立光流测速输出模型并通过扩展卡尔曼滤波修正SINS误差，能有效抑制组合导航系统的误差发散，位置、速度精度得到明显改善。本发明可以在BDS信号中断时提供可靠的速度信息，能有效抑制组合导航系统的误差发散，位置、速度估计精度得到明显改善。
附图说明
图1为本发明实施例中的光流测速中坐标系示意图；
图2为本发明实施例中的光流辅助车载BDS/SINS组合导航系统；
具体实施方式
以下结合附图和具体实施方式对本发明进行进一步具体说明。
实施例1：
本实施例提供一种车载导航系统定位方法(基于光流辅助的定位方法)，包括以下步骤：基于车体安装的SINS和摄像头采集的数据，分别通过SINS推算和光流估计得到车辆实时速度
Figure BDA0002973640270000041
和
Figure BDA0002973640270000042
将
Figure BDA0002973640270000043
和
Figure BDA0002973640270000044
之差作为量测矢量，建立量测方程；通过卡尔曼滤波算法对导航系统的状态方程和量测方程进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。
实施例2：
本实施例提供一种车载BDS/SINS组合导航系统定位方法，将上述实施例1中提供的定位方法用于车载BDS/SINS组合导航系统中，在BDS信号中断时进行辅助定位，具体包括以下步骤：
步骤1.基于光流估计获得摄像头坐标系中的车辆实时速度Vy；
将摄像头(光流传感器)安装在车辆底部，光轴垂直于地面，以实现地面纹理的垂直拍摄；以摄像头为坐标原点O，以车辆前进方向为Y轴，左右方向为X轴，与Y轴垂直，Z轴方向与地面垂直，建立摄像头坐标系OXYZ。由于运动约束(即短时间内车辆保持向前直线行驶，不会左右转弯和上下颠簸)，汽车X轴、Z轴的运动可以忽略。设oxy为二维成像平面，那么点O与oxyz的距离f即为摄像头焦距。设地面上有一参考点P，在OXYZ下坐标为(x,y,z)，则在oxy成像平面内有一点P′为P的投影，假设点P′在OXYZ下坐标为(x′,y′,f)，那么存在如下关系式：
x′＝f*x/z
y′＝f*y/z
由上述关系式可知，假设车辆相对于P存在相对运动，并且运动期间地形表面是平坦的，那么有：
Vy＝z*vy/ay
式中：Vy表示摄像头坐标系中的车辆实时速度，其单位是米/秒；ay是Y方向的像素焦距，其单位是像素；vy表示图像在Y方向的像素速度，其中像素速度通过观察像素在摄像头捕捉到的相邻两帧图像中(在时间域上)的位置变化，从而推算出像素运动的瞬时速度，其单位是像素/秒；z表示摄像头与地面的距离，其单位是米。
步骤2.将摄像头坐标系中的车辆实时速度Vy转换到导航坐标系中，得到导航坐标系中的车辆实时速度
Figure BDA0002973640270000051
在不考虑SINS与车体的安装误差角度时，光流在载体坐标系(本发明中载体是指车体，载体坐标系与载体固连，坐标原点是载体中心)下输出速度可以表示为：
Figure BDA0002973640270000052
其中，Vy的维度是1×1，
Figure BDA0002973640270000053
的维度是3×1；
实际应用中，很难确保SINS轴向与光流轴向一致，存在一定的角度偏差。通常SINS固定在车辆上，安装误差角为小角度，并且几乎不会变化。把SINS坐标系记为b系，导航坐标系记为n系，
Figure BDA0002973640270000054
表示b和n之间的姿态转移矩阵，则光流估计的速度在导航坐标系(导航坐标系选用“东-北-天”地理坐标系，坐标原点是载体中心初始位置)中的实际形式为：
Figure BDA0002973640270000055
其中，
Figure BDA0002973640270000056
和
Figure BDA0002973640270000057
的维度都是3×1；
式中：θ为俯仰安装误差角，
Figure BDA0002973640270000058
为航向安装误差角。光流辅助BDS/SINS组合导航在利用SINS输出和光流输出作为量测量时必须要考虑安装误差角θ和
Figure BDA0002973640270000059
的影响，否则将造成一定的误差。
步骤3.利用扩展卡尔曼滤波进行数据融合，建立BDS/SINS组合导航系统的状态方程和两个量测方程；
采用随机常数描述光流刻度系数误差δk的变化，并将δk增广到状态矩阵中：
Figure BDA0002973640270000061
X(t)是一个22×1的矩阵，其中变量δrc、δvc、ψ、bg、ba、sg、sa和δk分别表示位置误差、速度误差、姿态误差、陀螺仪的零偏、加速度计的零偏、陀螺仪的误差、加速度计的误差和光流刻度系数误差，前面7个变量各包含3个维度，最后一个变量维度是1；
系统噪声矢量为：
Figure BDA0002973640270000062
其中ωgx,ωgy,ωgz为陀螺仪随机漂移，ωax,ωay,ωaz为加速度随机误差；W(t)是一个6×1的矩阵；
系统状态转移矩阵为：
Figure BDA0002973640270000063
Figure BDA0002973640270000064
式中，Fw为对应于SINS的9个误差的状态转移矩阵，Fs表示姿态转移矩阵。
系统的噪声分配矩阵为：
Figure BDA0002973640270000065
因此，BDS/SINS组合导航系统的状态方程为：
Figure BDA0002973640270000066
当BDS可用时，导航系统采用BDS/SINS进行组合，组合系统采用SINS解算的位置和速度与BDS测量得到的位置与速度之差作为量测信息，量测方程可表示为：
Figure BDA0002973640270000067
式中：Z1(t)为系统的量测矢量；H1(t)为系统的量测矩阵，X(t)为系统的状态矩阵，V1(t)为系统的量测噪声矢量；
Figure BDA0002973640270000068
和
Figure BDA0002973640270000069
分别是SINS推算的和BDS接收机测量的导航坐标系下的车辆实时速度；
Figure BDA0002973640270000071
和
Figure BDA0002973640270000072
分别是SINS推算的和BDS接收机测量的导航坐标系下的车辆实时位置；
Figure BDA0002973640270000073
其中Hp、Hv、Vp、Vv分别是位置的量测矩阵、速度的量测矩阵、位置的量测噪声矢量和速度的量测噪声矢量；
当BDS不可用时，系统采用SINS和光流的速度之差建立量测方程，具体形式为：
Figure BDA0002973640270000074
其中，Z2(t)为系统的量测矢量；H2(t)为系统的量测矩阵，V2(t)为系统的量测噪声矢量；H2(t)＝Hv，V2(t)＝Vv；
步骤4.对车辆速度误差进行最优估计，得到修正后的速度和位置。
在BDS可用时，BDS接收机直接可以输出车辆位置和速度分量，通过卡尔曼滤波算法解算得到速度误差最优估计值，使用速度误差最优估计值对通过SINS推算得到的/BDS接收机测得的位置和速度进行修正；
在BDS不可用时，BDS接收机无法输出车辆位置和速度，此时使用光流解算出的速度信息，通过卡尔曼滤波算法解算得到速度误差最优估计值，使用速度误差最优估计值对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度(最优估计)；最后，通过对修正后的车辆实时速度进行积分求出车辆实时位置。
本发明上述实施例依据车辆建模的侧面速度约束(即假定车辆在地面行驶过程中不发生侧滑或跳跃，即车辆在载体坐标系左右和上下方向速度为0)确定两个方向上的速度虚拟观测量，再加上基于光流计算的行进方向上的速度观测量，以此形成完整的三维速度观测量，建立光流测速输出模型并通过扩展卡尔曼滤波修正SINS误差，能有效抑制组合导航系统的误差发散，位置、速度精度得到明显改善。本发明可以在BDS信号中断时提供可靠的速度信息，能有效抑制组合导航系统的误差发散，位置、速度估计精度得到明显改善。

Claims (4)

1.一种车载导航系统定位方法，其特征在于，包括以下步骤：基于车体安装的SINS和摄像头采集的数据，分别通过SINS推算和光流估计得到车辆实时速度
Figure FDA0002973640260000011
和
Figure FDA0002973640260000012
将
Figure FDA0002973640260000013
和
Figure FDA0002973640260000014
之差作为量测矢量，建立量测方程；通过卡尔曼滤波算法对导航系统的状态方程和量测方程进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。
2.一种车载BDS/SINS组合导航系统定位方法，其特征在于，包括以下步骤：
步骤1、建立BDS/SINS组合导航系统的状态方程和以下两个量测方程；
量测方程一：
Z1(t)＝H1(t)·X(t)+V1(t)
量测方程二：
Z2(t)＝H2(t)·X(t)+V2(t)
式中：Z1(t)和Z2(t)为系统的两个量测矢量；
Figure FDA0002973640260000015
Figure FDA0002973640260000016
其中
Figure FDA0002973640260000017
和
Figure FDA0002973640260000018
分别是SINS推算的和BDS接收机测得的导航坐标系下的车辆实时速度；
Figure FDA0002973640260000019
和
Figure FDA00029736402600000110
分别是SINS推算的和BDS接收机测得的导航坐标系下的车辆实时位置；
Figure FDA00029736402600000111
是基于光流估计测得的导航坐标系中的车辆实时速度；
H1(t)和H2(t)为系统的两个量测矩阵，
Figure FDA00029736402600000112
H2(t)＝Hv；其中Hp和Hv分别是车辆位置和速度的量测矩阵；
X(t)为系统的状态矩阵，由系统的误差数据构成，包括位置误差和速度误差；
V1(t)和V2(t)为系统的两个量测噪声矢量；
Figure FDA0002973640260000021
V2(t)＝Vv；其中Vp和Vv分别是车辆位置和速度的量测噪声矢量；
步骤2、在BDS可用时，利用卡尔曼滤波算法对BDS/SINS组合导航系统的状态方程和量测方程一进行解算，得到位置误差和速度误差的最优估计值，使用位置误差和速度误差的最优估计值对SINS推算得到的/BDS接收机测得的车辆实时位置和速度进行修正；
在BDS不可用时，利用通过卡尔曼滤波算法对BDS/SINS组合导航系统的状态方程和量测方程二进行解算，得到速度误差的最优估计值，使用速度误差的最优估计值对对通过SINS推算得到的车辆实时速度进行修正，得到修正后的车辆实时速度；最后，基于修正后的车辆实时速度进行积分计算求出车辆实时位置。
3.根据权利要求2所述的车载BDS/SINS组合导航方法，其特征在于，
Figure FDA0002973640260000022
Figure FDA0002973640260000023
Vy＝z*vy/ay
式中：θ为SINS与车体的俯仰安装误差角，
Figure FDA0002973640260000024
为SINS与车体的航向安装误差角；Vy表示摄像头坐标系中的车辆实时速度；ay是车辆前进方向的像素焦距；vy表示图像在车辆前进方向的像素速度；z表示摄像头与地面的距离。
4.根据权利要求3所述的车载BDS/SINS组合导航方法，其特征在于，所述状态矩阵为：
Figure FDA0002973640260000025
其中，δrc、δvc、ψ、bg、ba、sg、sa和δk分别表示位置误差、速度误差、姿态误差、陀螺仪的零偏、加速度计的零偏、陀螺仪的误差、加速度计的误差和光流刻度系数误差。
CN202110269452.XA 2021-03-12 2021-03-12 一种车载导航系统定位方法 Pending CN113048987A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110269452.XA CN113048987A (zh) 2021-03-12 2021-03-12 一种车载导航系统定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110269452.XA CN113048987A (zh) 2021-03-12 2021-03-12 一种车载导航系统定位方法

Publications (1)

Publication Number Publication Date
CN113048987A true CN113048987A (zh) 2021-06-29

Family

ID=76512043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110269452.XA Pending CN113048987A (zh) 2021-03-12 2021-03-12 一种车载导航系统定位方法

Country Status (1)

Country Link
CN (1) CN113048987A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114869604A (zh) * 2022-05-07 2022-08-09 江苏理工学院 物联网轮椅智能导航系统
CN118397733A (zh) * 2024-06-28 2024-07-26 贾维斯智能(深圳)有限公司 一种具有自动校正功能的行车记录仪及其使用方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108534783A (zh) * 2018-05-11 2018-09-14 安徽尼古拉电子科技有限公司 一种基于北斗导航技术的飞行器导航方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108534783A (zh) * 2018-05-11 2018-09-14 安徽尼古拉电子科技有限公司 一种基于北斗导航技术的飞行器导航方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHEN ZHONGYUAN,ET.AL: "Fault-Tolerant Optical Flow Sensor/SINS Integrated Navigation Scheme for MAV in a GPS-Denied Environment", 《JOURNAL OF SENSORS》 *
MENG FEI,ET.AL: "Research of UAV Location Control System Based on SINS, GPS and Optical Flow", 《2020 IEEE INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY, BIG DATA AND ARTIFICIAL INTELLIGENCE (ICIBA)》 *
李伟: "基于EKF视觉组合导航方法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114869604A (zh) * 2022-05-07 2022-08-09 江苏理工学院 物联网轮椅智能导航系统
CN118397733A (zh) * 2024-06-28 2024-07-26 贾维斯智能(深圳)有限公司 一种具有自动校正功能的行车记录仪及其使用方法
CN118397733B (zh) * 2024-06-28 2024-09-24 贾维斯智能(深圳)有限公司 一种具有自动校正功能的行车记录仪及其使用方法

Similar Documents

Publication Publication Date Title
CN109946732B (zh) 一种基于多传感器数据融合的无人车定位方法
CN113819914A (zh) 一种地图构建方法及装置
CN109540126A (zh) 一种基于光流法的惯性视觉组合导航方法
CN108731670A (zh) 基于量测模型优化的惯性/视觉里程计组合导航定位方法
CN109186597B (zh) 一种基于双mems-imu的室内轮式机器人的定位方法
CN110530361B (zh) 基于农业机械双天线gnss自动导航系统的转向角度估计器
CN111678514B (zh) 一种基于载体运动条件约束和单轴旋转调制的车载自主导航方法
CN108345021B (zh) 一种多普勒雷达辅助gps/ins车辆测速方法
US20170074678A1 (en) Positioning and orientation data analysis system and method thereof
CN113819905A (zh) 一种基于多传感器融合的里程计方法及装置
CN115060257B (zh) 一种基于民用级惯性测量单元的车辆变道检测方法
CN110823224B (zh) 一种车辆定位方法及车辆
CN113008229B (zh) 一种基于低成本车载传感器的分布式自主组合导航方法
CN110426011A (zh) 车辆转向角测量系统及方法
CN113048987A (zh) 一种车载导航系统定位方法
JP2014240266A (ja) センサドリフト量推定装置及びプログラム
Niu et al. Camera-based lane-aided multi-information integration for land vehicle navigation
CN115790613B (zh) 一种视觉信息辅助的惯性/里程计组合导航方法及装置
CN117053802A (zh) 一种基于旋转mems imu的车载导航系统定位误差减小的方法
Liu et al. IMU/vehicle calibration and integrated localization for autonomous driving
CN211012986U (zh) 一种基于惯导技术的无人自主巡航车导航系统
CN114659488B (zh) 一种基于误差卡尔曼滤波的高动态车辆姿态估计方法
CN112923934A (zh) 一种适用于非结构化场景中结合惯导的激光slam技术
CN109827569A (zh) 无人车定位方法及系统
CN116576849A (zh) 一种基于gmm辅助的车辆融合定位方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210629