CN107656301B - 一种基于多源信息融合的车载定位方法 - Google Patents
一种基于多源信息融合的车载定位方法 Download PDFInfo
- Publication number
- CN107656301B CN107656301B CN201710854194.5A CN201710854194A CN107656301B CN 107656301 B CN107656301 B CN 107656301B CN 201710854194 A CN201710854194 A CN 201710854194A CN 107656301 B CN107656301 B CN 107656301B
- Authority
- CN
- China
- Prior art keywords
- error
- representing
- sub
- filter
- inertial navigation
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
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
本发明公开了一种基于多源信息融合的车载定位方法,该车载定位方法包括如下步骤:步骤1,从各系统中分别获取导航信息;步骤2,对来自不同系统的导航信息进行时空配准;步骤3,进行局部滤波;步骤4,进行信息融合;步骤5,信息融合后,输出定位信息,利用信息分配原则对主滤波器和子滤波器进行重置,然后返回步骤1。本发明创新地提供了一种基于多源信息融合的车载定位方法,将不同定位系统提供的位置信息进行数据融合,增加了系统余度,使得不同定位系统之间优势互补,增强系统动态适应能力,使总系统获得优于局部系统的精度,提高车载定位能力,进而使陆用武器发射系统具备长时、大范围机动能力。
Description
技术领域
本发明涉及车载捷联惯导定位定向技术领域,更为具体地,本发明为一种基于多源信息融合的车载定位方法。
背景技术
目前,为提高车载定位系统长时间精度保持能力和复杂环境适应能力,本领域技术人员一直都在寻找一种高精度、高可靠性的定位方法。但是,现有的单一导航定位系统存在固有缺陷,无法提供持续、稳定的导航信息,其更无法满足武器发射系统对长时、大范围机动能力的要求。比如,卫星导航系统的卫星信号易受干扰和欺骗,里程计系统常存在参数漂移、误差累积、受环境影响较稳严重等问题,高程计系统精度较差,地图匹配系统精度受数字地图精度影响且只能修正垂直方向的位置误差,地磁匹配系统易受干扰且匹配可靠性弱,景象匹配系统信息采集难度大,惯性导航系统需要不断更新校正、且高精度惯导费用过高。
因此,如何使车载定位系统提供持续、稳定的导航信息,已经成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
发明内容
为解决现有单一导航系统无法提供持续、稳定的导航信息的问题,本发明创新地提出了一种基于多源信息融合的车载定位方法,通过数据融合的方式增加系统余度,从而使不同定位系统之间形成优势互补,从而有效提高了定位信息的稳定性、持续性及可靠性。
为实现上述的技术目的,本发明公开了一种基于多源信息融合的车载定位方法,所述车载定位方法包括如下步骤:
步骤1,在各自的量测时空内,从各系统中分别获取导航信息;所述各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统,将捷联惯导系统作为公共参考系统;
步骤2,对来自不同系统的导航信息进行时空配准,令所有导航信息具有一致的时空属性;所述时空配准包括时间配准和空间配准;
步骤3,将来自捷联惯导系统的导航信息分别送入至各子滤波器,且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波;
步骤4,将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合;
步骤5,信息融合后,输出定位信息,利用信息分配原则对主滤波器和子滤波器进行重置,然后返回步骤1。
本发明创新地提供了一种基于多源信息融合的车载定位方法,将不同定位系统提供的位置信息进行数据融合,增加了系统余度,使得不同定位系统之间优势互补,增强系统动态适应能力,从而使总系统获得优于局部系统的精度,提高车载定位能力,进而使陆用武器发射系统具备长时、大范围机动能力。
进一步地,由于来自各导航数据源的信息往往具有不同的时空属性,而具有不同的时空属性的信息无法直接进行融合,因此,本发明步骤2中,时间配准过程中,采用硬件中断计时与数据拟合外推结合的方式进行时间统一;空间配准过程中,采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一。
进一步地,步骤4中,令各子滤波器输出两类信息至主滤波器,两类信息分别为状态估计值和误差协方差阵,主滤波器和各子滤波器形成联邦卡尔曼滤波器。
进一步地,步骤4中,所述信息融合过程使用具有24维状态变量的误差模型,所述误差模型中的误差状态量为:
其中,ψ=[δα δβ δγ]'表示东向、北向、天向姿态误差角,表示东向、北向、天向速度误差,δp=[δL δλ δh]'表示纬度、经度、高度位置误差,ε=[εx εyεz]'表示载体坐标系中x、y、z轴上陀螺常值零偏,表示载体坐标系中x、y、z轴上加速度计常值零偏,k表示里程计刻度系数,δa和δb分别表示里程计的航向安装误差角和俯仰安装误差角,δl=[δlx δly δlz]'表示载体坐标系中x、y、z轴上里程计杆臂误差,δlw=[δlwx δlwy δlwz]'表示载体坐标系中x、y、z轴上卫星接收机杆臂误差。
进一步地,所述误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程、卫星接收机杆臂误差方程;
所述姿态误差方程为:
所述速度误差方程为:
进一步地,利用所述误差模型中的所有误差方程构建捷联惯导系统误差方程,则捷联惯导系统误差方程为:
进一步地,步骤3中,所述子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器;
所述惯性导航系统/里程计系统子滤波器使用如下观测量:
所述惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量:
其中,pI表示捷联惯导的位置,pwx表示卫星在导航坐标系中的位置,表示卫星接收机外杆臂产生的位置偏差,vI表示捷联惯导的真实速度,vwx表示卫星接收机在导航坐标系中的真实速度,表示卫星接收机外杆臂产生的速度;
所述惯性导航系统/地图匹配系统子滤波器使用如下观测量:
其中,(EINS,NINS)表示捷联惯组的位置测量值,(Ebeacon,Nbeacon)表示用地图匹配方法检测到的道路交叉处的位置信息,R表示地球半径。
进一步地,步骤5中,联邦卡尔曼滤波器使用如下离散化系统误差模型进行数据处理,所述离散化系统误差模型通过系统误差方程和观测量得到;
其中,Xk表示系统状态向量;表示量测向量:上标i=1表示为惯性导航系统/里程计系统子滤波器的量测,上标i=2表示为惯性导航系统/卫星导航系统子滤波器的量测,上标i=3表示为惯性导航系统/地图匹配系统子滤波器的量测;表示量测矩阵,Wk-1表示系统噪声向量,表示量测噪声向量。
(P(G))-1=(P(1))-1+(P(2))-1+(P(3))-1+(P(m))-1;
进一步地,步骤5中,在完成一次信息融合后,按信息分配因子对每个子滤波器进行重置,重置过程如下:
其中,i=1,2,3,m,β表示分配因子,β1+β2+β3+βm=1。
本发明的有益效果为:本发明创新地将多种定位系统提供的信息进行数据融合,从而达到对各定位系统取长补短的目的,提高车载定位系统的长时间精度保持能力和环境适应性。
本发明有效增加了系统余度,使用本发明的车载定位系统具有更强的容错能力和复杂环境的适应能力。
本发明将捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统之间优势互补,增强了整个定位系统的动态适应能力,并使整个系统获得优于局部系统的精度,提升定位系统长时间精度保持能力。
本发明有效提高了空间和时间的覆盖能力,以实现真正意义上的连续导航,比如,当GPS信号失效时,惯性导航系统可以弥补导航空白,且能保持定位精度。
综上,一个完备的车载定位系统要求全面稳定的导航性能,可在复杂环境(含电磁环境)下自主完成定位任务。本发明基于多系统组合导航的优势,将多种导航技术有效地组合在一起,利用多种信息源,优势互补,构成一种多冗余度和导航准确度更高的多源信息融合车载定位系统,从而为陆基武器系统无依托发射并准确攻击目标提供保障。
附图说明
图1为基于多源信息融合的车载定位方法的流程示意图。
图2为实施多源信息融合的车载定位方法的简略框图。
图3为实施多源信息融合的车载定位方法的详细框图。
图4为捷联惯导系统与卫星导航系统数据同步示意图。
具体实施方式
下面结合说明书附图对本发明的基于多源信息融合的车载定位方法进行详细的解释和说明。
如图1-4所示,本发明公开了一种基于多源信息融合的车载定位方法,将捷联惯导系统、里程计系统、卫星导航系统(GPS)、地图匹配系统结合成多源信息融合系统,且子系统即插即用,当然,在本发明的技术启示下,也可以将其他类型的定位系统融入到本发明中;在初始准备时间不大于15分钟条件下,本发明有效提高复杂环境下的定位精度。具体来说,本发明车载定位方法包括如下步骤。
步骤1,在各自的量测时空内,从各系统中分别获取导航信息;在本实施例中,各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统,将捷联惯导系统作为公共参考系统。
步骤2,由于本发明采用了多个导航信息源(或称多类导航传感器),各种相同或不同类型的传感器系统分别从各自的量测时空获取信息,所得到的导航信息的时空属性不一致。因此本发明对来自不同系统的导航信息进行时空配准,令所有导航信息具有一致的时空属性,比如使来自不同系统的导航信息具有相同的形式、相同的参照、相同的描述等,使得后续的融合中心能够处理这些不同来源的信息;时空配准包括时间配准和空间配准;本实施例中,时间配准过程中采用硬件中断计时与数据拟合外推结合的方式进行时间统一,利用GPS与UTC(世界标准时间)准确对准的1PPS(秒脉冲)作为数据同步时标,根据硬件中断得到的精确计时计算出INS导航数据更新时刻与同步时标的时间差,进行融合时刻的数据同步处理,如图4所示,长竖线表示1PPS脉冲,即GPS数据更新点,短竖线为INS数据更新时刻,设INS与GPS的同步时间差为Δτ,在同步时间点的时标差为Δt,得到每个1PPS脉冲之前的INS输出同步时间差Δτ,经过外推即可算出INS在每个1PPS点上的值。为获得Δτ与Δt的值,本发明采用硬件中断计时方法,在硬件上引出INS的数据更新时标的方波信号(对应图中的短线),GPS引出1PPS脉冲(对应长线),对这两路脉冲信号进行隔离放大并引至中断控制器,利用组合导航计算机上集成的计数器对中断时间间隔进行精确计时;空间配准过程中,可采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一,在本发明的技术启示下,具体的统一基准坐标系方法和补偿杆臂误差方法可从现有方案中合理地选取。
步骤3,本实施例采用了联邦卡尔曼滤波方法,这种滤波方法使用主滤波器和多个子滤波器,进行两阶段的数据处理。本发明创新将来自捷联惯导系统的导航信息分别送入至各子滤波器,且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波,如图2、3所示,将捷联惯导系统的传感器作为参考传感器,捷联惯导系统输出Xk一方面给主滤波器,另一方面输出给各子滤波器作为量测值;各子系统(1,2.....N)输出只给相应的子滤波器(或称局部滤波器),本实施例中,N为3。本发明中的各子滤波器输出两类信息至主滤波器,两类信息分别为状态估计值和误差协方差阵;各子滤波器的局部估计值Xi和协方差矩阵Pi送入主滤波器、且与主滤波器的估计值一起进行融合,达到全局的最优估计。
本实施例中,子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器;
惯性导航系统/里程计系统子滤波器使用如下观测量:
惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量:
其中,pI表示捷联惯导的位置,pwx表示卫星在导航坐标系中的位置,表示卫星接收机外杆臂产生的位置偏差,vI表示捷联惯导的真实速度,vwx表示卫星接收机在导航坐标系中的真实速度,表示卫星接收机外杆臂产生的速度;
本实施例将检测到的道路交叉口的位置信息作为虚拟路标的观测,与惯性导航系统(INS)做差,构成在道路交叉口时INS与地图匹配系统的观测量,惯性导航系统/地图匹配系统子滤波器使用如下观测量:
其中,(EINS,NINS)表示捷联惯组的位置测量值,(Ebeacon,Nbeacon)表示用地图匹配方法检测到的道路交叉处的位置信息,R表示地球半径。
步骤4,如图2、3所示,本发明将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合,具体说明如下。
本实施例中,信息融合过程使用具有24维状态变量的误差模型,并分析该误差模型的线性度和噪声特性,该误差模型中的误差状态量为:
其中,ψ=[δα δβ δγ]'表示东向、北向、天向姿态误差角,表示东向、北向、天向速度误差,δp=[δL δλ δh]'表示纬度、经度、高度位置误差,ε=[εx εyεz]'表示载体坐标系中x、y、z轴上陀螺常值零偏,表示载体坐标系中x、y、z轴上加速度计常值零偏,k表示里程计刻度系数,δa和δb分别表示里程计的航向安装误差角和俯仰安装误差角,δl=[δlx δly δlz]'表示载体坐标系中x、y、z轴上里程计杆臂误差,δlw=[δlwx δlwy δlwz]'表示载体坐标系中x、y、z轴上卫星接收机杆臂误差,共24维状态变量,且误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程以及卫星接收机杆臂误差方程;下面详述各状态变量对应的各误差方程的建立。
姿态误差方程为:
其中,表示捷联惯导姿态转换矩阵,n系表示真实导航坐标系,表示计算导航坐标系,b系表示捷联惯导坐标系,表示n系相对惯性系角速度在n系下的投影,表示陀螺角速度在b系下的投影;应当理解,本发明涉及的δ表示相应参数的误差,比如表示陀螺角速度在b系下的投影误差。
速度误差方程为:
联合上述的方程,利用误差模型中的所有误差方程构建捷联惯导系统误差方程,本发明通过这种融合的方式达到充分利用各个信息源的长处的目的,有效地增加了系统冗余度,增强了定位系统的动态适应能力,使得整个系统显著地优于局部系统,提升定位系统长时间的精度保持能力,可在复杂情况下自主完成定位任务。
联立上述各误差方程:
步骤5,如图2、3所示,信息融合后,输出定位信息,利用信息分配原则对主滤波器和子滤波器进行重置,然后返回步骤1。
本发明中,联邦卡尔曼滤波器使用如下离散化系统误差模型进行数据处理,离散化系统误差模型通过系统误差方程和观测量得到;
其中,Xk表示系统状态向量;表示量测向量:上标i=1表示为惯性导航系统/里程计系统子滤波器的量测,上标i=2表示为惯性导航系统/卫星导航系统子滤波器的量测,上标i=3表示为惯性导航系统/地图匹配系统子滤波器的量测;表示量测矩阵,Wk-1表示系统噪声向量,表示量测噪声向量,且Wk-1和是互不相关的高斯白噪声序列,Wk的协方差阵为Q,的协方差阵为R(i)。
(P(G))-1=(P(1))-1+(P(2))-1+(P(3))-1+(P(m))-1;
本发明中,在完成一次信息融合后,按信息分配因子对每个子滤波器进行重置,重置过程如下:
其中,i=1,2,3,m,β表示分配因子,β1+β2+β3+βm=1。在系统工作中,若子系统全部工作正常,则若卫星导航系统失效,则β1置为0,若里程计失效,则β2置为0,以此类推。若子系统都不可使用,则βm=1,即系统完全依赖于INS误差模型。
在本说明书的描述中,参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明实质内容上所作的任何修改、等同替换和简单改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于多源信息融合的车载定位方法,其特征在于:所述车载定位方法包括如下步骤:
步骤1,在各自的量测时空内,从各系统中分别获取导航信息;所述各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统,将捷联惯导系统作为公共参考系统;
步骤2,对来自不同系统的导航信息进行时空配准,令所有导航信息具有一致的时空属性;所述时空配准包括时间配准和空间配准;
步骤3,将来自捷联惯导系统的导航信息分别送入至各子滤波器,且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波;
步骤4,将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合;
步骤5,信息融合后,输出定位信息,利用信息分配原则对主滤波器和子滤波器进行重置,然后返回步骤1;
所述步骤2中,时间配准过程中,采用硬件中断计时与数据拟合外推结合的方式进行时间统一;空间配准过程中,采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一;
所述步骤4中,令各子滤波器输出两类信息至主滤波器,两类信息分别为状态估计值和误差协方差阵,主滤波器和各子滤波器形成联邦卡尔曼滤波器;
所述步骤4中,所述信息融合过程使用具有24维状态变量的误差模型,所述误差模型中的误差状态量为:
2.根据权利要求1所述的基于多源信息融合的车载定位方法,其特征在于:所述误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程、卫星接收机杆臂误差方程;
所述姿态误差方程为:
所述速度误差方程为:
4.根据权利要求3所述的基于多源信息融合的车载定位方法,其特征在于:
步骤3中,所述子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器;
所述惯性导航系统/里程计系统子滤波器使用如下观测量:
所述惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量:
其中,pI表示捷联惯导的位置,pwx表示卫星在导航坐标系中的位置,表示卫星接收机外杆臂产生的位置偏差,vI表示捷联惯导的真实速度,vwx表示卫星接收机在导航坐标系中的真实速度,表示卫星接收机外杆臂产生的速度;
所述惯性导航系统/地图匹配系统子滤波器使用如下观测量:
其中,(EINS,NINS)表示捷联惯组的位置测量值,(Ebeacon,Nbeacon)表示用地图匹配方法检测到的道路交叉处的位置信息,R表示地球半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710854194.5A CN107656301B (zh) | 2017-09-20 | 2017-09-20 | 一种基于多源信息融合的车载定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710854194.5A CN107656301B (zh) | 2017-09-20 | 2017-09-20 | 一种基于多源信息融合的车载定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107656301A CN107656301A (zh) | 2018-02-02 |
CN107656301B true CN107656301B (zh) | 2020-09-29 |
Family
ID=61130080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710854194.5A Active CN107656301B (zh) | 2017-09-20 | 2017-09-20 | 一种基于多源信息融合的车载定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107656301B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491533B (zh) * | 2018-03-29 | 2019-04-02 | 百度在线网络技术(北京)有限公司 | 数据融合方法、装置、数据处理系统及存储介质 |
CN108896036B (zh) * | 2018-05-09 | 2021-01-22 | 中国人民解放军国防科技大学 | 一种基于新息估计的自适应联邦滤波方法 |
CN108845343B (zh) * | 2018-07-03 | 2020-04-28 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN108873038B (zh) * | 2018-09-10 | 2020-11-06 | 芜湖盟博科技有限公司 | 自主泊车定位方法及定位系统 |
CN109491364B (zh) * | 2018-11-19 | 2022-04-01 | 长安大学 | 一种用于车辆测试的驾驶机器人系统及控制方法 |
CN110118985B (zh) * | 2019-05-31 | 2021-09-03 | 卡斯柯信号有限公司 | Sil4安全级的多传感器信息融合定位系统及方法 |
CN110187631B (zh) * | 2019-06-25 | 2021-04-13 | 北京临近空间飞行器系统工程研究所 | 一种控制系统的时间对齐方法及系统 |
CN112147662B (zh) * | 2019-06-28 | 2023-08-08 | 比亚迪股份有限公司 | 车辆定位方法和装置、车辆、存储介质、电子设备 |
CN111623796B (zh) * | 2019-09-21 | 2023-11-21 | 东莞先知大数据有限公司 | 一种基于信息融合的钢轨里程估计方法 |
CN110672124A (zh) * | 2019-09-27 | 2020-01-10 | 北京耐威时代科技有限公司 | 离线杠杆臂估计方法 |
CN111142143A (zh) * | 2019-12-23 | 2020-05-12 | 西北工业大学 | 一种基于多源信息融合的进场段飞行技术误差估计方法 |
CN111243021A (zh) * | 2020-01-06 | 2020-06-05 | 武汉理工大学 | 基于多组合相机的车载视觉定位方法、系统及存储介质 |
CN111267912B (zh) * | 2020-03-12 | 2022-03-11 | 兰州交通大学 | 基于多源信息融合的列车定位方法和系统 |
CN111486840A (zh) * | 2020-06-28 | 2020-08-04 | 北京云迹科技有限公司 | 机器人定位方法、装置、机器人及可读存储介质 |
CN111966093A (zh) * | 2020-07-28 | 2020-11-20 | 北京恒通智控机器人科技有限公司 | 一种巡检机器人组合导航系统、方法和巡检机器人 |
CN114076610B (zh) * | 2020-08-12 | 2024-05-28 | 千寻位置网络(浙江)有限公司 | Gnss/mems车载组合导航系统的误差标定、导航方法及其装置 |
CN112346084A (zh) * | 2020-10-26 | 2021-02-09 | 上海感探号信息科技有限公司 | 一种汽车定位方法、系统、电子设备及存储介质 |
CN112648993B (zh) * | 2021-01-06 | 2022-07-15 | 北京自动化控制设备研究所 | 一种多源信息融合组合导航系统及方法 |
CN113108797B (zh) * | 2021-04-19 | 2024-04-12 | 上海商汤临港智能科技有限公司 | 车辆定位方法、装置、电子设备以及计算机可读存储介质 |
GB2611832A (en) * | 2021-05-08 | 2023-04-19 | Hainan Yile Iot Tech Co Ltd | Fused heterogeneous positioning data-based vehicle tracking method and system |
CN115311886A (zh) * | 2021-05-08 | 2022-11-08 | 海南易乐物联科技有限公司 | 一种基于融合异构定位数据的车辆跟踪方法和系统 |
CN113301647A (zh) * | 2021-05-25 | 2021-08-24 | 杨凯淳 | 一种基于多源信息融合的手机定位系统 |
CN113834499A (zh) * | 2021-08-26 | 2021-12-24 | 北京航天发射技术研究所 | 一种车载惯组与里程计行进间对准方法及系统 |
CN113758483B (zh) * | 2021-09-16 | 2023-11-24 | 兰州交通大学 | 一种自适应fkf地图匹配方法及系统 |
CN114111792B (zh) * | 2021-11-22 | 2024-02-20 | 中国电子科技集团公司第五十四研究所 | 一种车载gnss/ins/里程计组合导航方法 |
CN114413932B (zh) * | 2022-01-03 | 2024-05-14 | 中国电子科技集团公司第二十研究所 | 一种基于车载平台间通信的定位误差修正测试方法 |
CN117492056B (zh) * | 2023-12-26 | 2024-03-22 | 合众新能源汽车股份有限公司 | 车辆融合定位方法、系统、装置和计算机可读介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076382B (zh) * | 2014-07-22 | 2016-11-23 | 中国石油大学(华东) | 一种基于多源信息融合的车辆无缝定位方法 |
CN104460685A (zh) * | 2014-11-21 | 2015-03-25 | 南京信息工程大学 | 一种四旋翼飞行器的控制系统及其控制方法 |
CN105371871B (zh) * | 2015-12-02 | 2018-01-02 | 中国矿业大学 | 井下采煤机捷联惯导系统的组合初始对准系统及对准方法 |
CN105758401A (zh) * | 2016-05-14 | 2016-07-13 | 中卫物联成都科技有限公司 | 一种基于多源信息融合的组合导航方法和设备 |
CN106813664A (zh) * | 2017-03-06 | 2017-06-09 | 四川咖范网络科技有限公司 | 一种车载导航方法和装置 |
-
2017
- 2017-09-20 CN CN201710854194.5A patent/CN107656301B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107656301A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107656301B (zh) | 一种基于多源信息融合的车载定位方法 | |
AU2020103576A4 (en) | Autonomous orbit and attitude determination method of low-orbit satellite based on non-navigation satellite signal | |
CN110487301B (zh) | 一种雷达辅助机载捷联惯性导航系统初始对准方法 | |
CN110274588B (zh) | 基于无人机集群信息的双层嵌套因子图多源融合导航方法 | |
CN111077556B (zh) | 融合北斗与多传感器的机场行李牵引车定位装置与方法 | |
CN109931926B (zh) | 一种基于站心坐标系的小型无人机无缝自主式导航方法 | |
CN103697889B (zh) | 一种基于多模型分布式滤波的无人机自主导航与定位方法 | |
KR100761011B1 (ko) | 카메라형 태양센서를 이용한 관성항법시스템의자세보정장치 및 방법 | |
TW518422B (en) | Positioning and proximity warning method and system thereof for vehicle | |
US6577952B2 (en) | Position and heading error-correction method and apparatus for vehicle navigation systems | |
US5995023A (en) | Orientation and navigation device with satellite support | |
US6512976B1 (en) | Method and system for terrain aided navigation | |
US8082099B2 (en) | Aircraft navigation using the global positioning system and an attitude and heading reference system | |
CN113203418B (zh) | 基于序贯卡尔曼滤波的gnssins视觉融合定位方法及系统 | |
CN110095800A (zh) | 一种多源融合的自适应容错联邦滤波组合导航方法 | |
US7409292B2 (en) | Method and system for degimbalization of vehicle navigation data | |
EP0934535A1 (en) | Gps/irs global position determination method and apparatus with integrity loss provisions | |
CN111399023B (zh) | 基于李群非线性状态误差的惯性基组合导航滤波方法 | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
US20020188386A1 (en) | GPS based terrain referenced navigation system | |
Mostafa et al. | Optical flow based approach for vision aided inertial navigation using regression trees | |
Dorn et al. | Improvement of the standard GNSS/IMU solution for UAVs using already existing redundant navigation sensors | |
CN115523920B (zh) | 一种基于视觉惯性gnss紧耦合的无缝定位方法 | |
CN112083425A (zh) | 一种引入径向速度的sins/lbl紧组合导航方法 | |
JP6528293B1 (ja) | ダイナミック座標管理装置、ダイナミック座標管理方法、プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |