CN109444928A - 一种定位方法及系统 - Google Patents
一种定位方法及系统 Download PDFInfo
- Publication number
- CN109444928A CN109444928A CN201811547554.8A CN201811547554A CN109444928A CN 109444928 A CN109444928 A CN 109444928A CN 201811547554 A CN201811547554 A CN 201811547554A CN 109444928 A CN109444928 A CN 109444928A
- Authority
- CN
- China
- Prior art keywords
- data
- location data
- current time
- main controller
- test
- 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.)
- Granted
Links
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
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
-
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明实施例提供了一种定位方法及系统,方法包括:当接收天线无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据。预设时刻为距当前时刻最近一次,接收天线获取能够获取卫星定位信号的时刻。将运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值。根据当前时刻与预设时刻的定位数据差值和预设时刻的定位数据,获得当前时刻的定位数据。使得待测设备在卫星定位信号被遮挡的条件下,如城市建筑物、道路隧道、立交桥等遮挡卫星信号的交通环境中,仍可以获得待测设备的高精准定位。
Description
技术领域
本发明涉及卫星定位领域,具体而言,涉及一种定位方法及系统。
背景技术
随着卫星定位技术(如GPS、GLONASS以及北斗系统等)的快速发展,其应用已经涉及现代生活、生产的众多领域。其中,传统的卫星定位技术对于汽车来说,其的精度不足以适应复杂的交通环境。
发明内容
有鉴于此,本发明实施例的目的在于提供一种定位方法及系统,以解决上述技术问题。
第一方面,本发明实施例提供了一种定位方法,包括:当接收天线无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据;所述预设时刻为距所述当前时刻最近一次,所述接收天线获取到的卫星定位信号的时刻;将所述运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值;根据所述定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据。
进一步地,所述方法,还包括:当所述接收天线能够获取当前时刻的卫星定位信号时,则获取当前时刻的卫星定位信号;根据所述卫星定位信号,获得当前时刻的定位数据。
进一步地,所述方法,还包括:获取多个训练样本,每一所述训练样本包括训练运动状态数据和对应的训练定位数据差值;将所述训练运动状态数据作为输入,所述训练定位数据差值作为输出,对神经网络进行训练,获得所述定位差值计算模型。
进一步地,所述运动状态数据包括所述待测设备的速度和姿态数据,所述姿态数据包括航向角、俯仰角和横滚角。
进一步地,所述根据所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据,包括:所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据叠加,获得所述当前时刻的定位数据。
进一步地,所述获取当前时刻的待测设备的运动状态数据之前,还包括:获取当前时刻的待测设备的初始运动状态数据,将所述初始运动状态数据输入至卡尔曼滤波模型中,获得所述当前时刻的待测设备的运动状态数据。
本发明实施例还提供了一种定位系统,包括;主控器、位姿传感器和存储器;所述主控器分别与所述位姿传感器和所述存储器连接,所述位姿传感器用于获取待测设备的当前时刻的运动状态数据,并将所述运动状态数据发送至所述主控器;所述主控器用于根据所述运动状态数据和预设时刻的定位数据,获得当前时刻与预设时刻的定位数据差值,获得当前时刻的定位数据;所述存储器用于存储所述预设时刻的定位数据。
进一步地,所述系统,还包括滤波器,所述滤波器与所述主控器连接;
所述位姿传感器用于获取待测设备的初始运动状态数据,并将所述初始运动状态数据发送至所述滤波器;
所述滤波器用于根据所述初始运动状态数据得出所述运动状态数据,并将所述运动状态数据发送至所述主控器。
进一步地,所述系统,还包括位置接收器和接收天线,所述位置接收器和所述接收天线均与所述主控器连接,所述接收天线用于获取所述待测设备的卫星定位信号,并将所述卫星定位信号发送至所述主控器,以使所述主控器将所述卫星定位信号发送至所述位置接收器,所述位置接收器用于根据所述卫星定位信号得出所述定位数据。
进一步地,所述定位系统,还包括无线模块,所述无线模块与所述主控器连接,所述无线模块用于接收基站传送的载波相位差分数据,并将所述载波相位差分数据发送至所述主控器,以使所述主控器将所述载波相位差分数据发送至所述位置接收器,所述位置接收器根据所述载波相位差分数据和所述定位数据,得出目标定位数据。
本发明实施例提供一种定位方法及系统,方法包括:当接收天线无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据。预设时刻为距当前时刻最近一次,接收天线获取能够获取卫星定位信号的时刻。将运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值。根据当前时刻与预设时刻的定位数据差值和预设时刻的定位数据,获得当前时刻的定位数据。使得待测设备在卫星定位信号被遮挡的条件下,如城市建筑物、道路隧道、立交桥等遮挡卫星信号的交通环境中,仍可以获得待测设备的高精准定位。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种无法获取卫星定位信号时的定位方法的流程示意图;
图2为本发明实施例提供的一种能够获取卫星定位信号时的定位方法的流程示意图;
图3为本发明实施例提供的一种应用定位方法的系统的流程示意图;
图4为本发明实施例提供的一种应用定位方法的车辆的结构示意图;
图5为本发明实施例提供的一种定位系统的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
定位系统(Positioning and Orientation System,POS),本质上是卫星——惯导组合导航硬件系统加上一套精密数据处理软件,除去卫星——惯导组合导航核心算法,POS硬件部分中的全球导航卫星系统(GNSS)和惯性定向定位导航系统(INS)还可以实现高精度时间同步和杆臂补偿,也是保证POS系统达到厘米级甚至毫米级定位精度的关键技术。其中,处理软件用于对原始数据进行事后处理,进一步提高定位定姿精度。
请参照图1,图1为本发明实施例提供的一种无法获取卫星定位信号时的定位方法的流程示意图,本发明实施例提供了一种定位方法,包括:
步骤110:当无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据;所述预设时刻为距所述当前时刻最近一次,所述接收天线获取能够获取卫星定位信号的时刻。
具体地,定位系统可以实时监测卫星定位信号是否正常,即定位系统中的接收天线是否能够接收到卫星定位信号。如果接收天线不能接收到卫星定位信号,则与接收天线连接的主控器会通过位姿传感器获取当前时刻的待测设备的运动状态数据,还会通过读取存储器获得预设时刻的待测设备的定位数据。其中,预设时刻的定位数据可以通过主控器根据距离当前时刻最近的一次,接收天线获取的卫星定位信号得到。并且,接收天线可以为全球卫星导航(GNSS)天线。
步骤120:将所述运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值;
具体地,主控器将当前时刻的运动状态数据输入到预先设定好的定位差值计算模型中,模型计算输出对应的当前时刻与预设时刻的定位数据差值。应当说明的是,预设时刻的定位数据为主控器通过读取存储器中的数据得到的。并且,定位差值计算模型可以通过神经网络构建。
步骤130:根据所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据。
具体地,主控器得到待测设备的预设时刻的定位数据和当前时刻与预设时刻的定位数据差值,会进行处理得到当前时刻待测设备的定位数据。使得待测设备在城市被遮挡的条件下,无法获取到卫星定位信号时,如城市建筑物、道路隧道、立交桥等遮挡卫星信号的交通环境中,仍可以获得待测设备的定位数据。
值得说明的是,接收天线无法获取当前时刻的卫星定位信号,也相当于主控器获取的卫星定位信号不能满足定位条件,位置接收器也不能根据获取的卫星定位信号得出定位数据,即待测装置处于卫星信号异常状态。因此才需要主控器通过位姿传感器获取当前时刻的运动状态数据,并输入至预先设定好的定位差值计算模型中来获取对应的定位数据差值,主控器再将定位数据差值累加预设时刻得到的定位数据,就可以得到当前时刻的定位数据。通过这样的方法,主控器获取的定位数据可以更加精准,与直接根据不满足定位条件的卫星定位信号,获取的定位数据相比,传统的方法得到的定位数据干扰过大,参考意义很小。
并且,在主控器得出当前时刻的定位数据后,还需将当前时刻的定位数据存储至存储器,以便在进行下一次定位数据的计算时,可以将存储器中的定位数据当做上一时刻的定位数据来进行计算。
图2为本发明实施例提供的一种能够获取卫星定位信号时的定位方法的流程示意图,如图2所示,所述方法,还包括:
步骤210:当所述接收天线能够获取当前时刻的卫星定位信号时,则获取当前时刻的卫星定位信号。
具体地,,若接收天线能够获取到当前时刻的卫星定位信号,则主控器通过接收天线获取到待测设备的当前时刻的卫星定位信号,再将卫星定位信号发送至位置接收器。
步骤220:根据所述卫星定位信号,获得当前时刻的定位数据。
具体地,位置接收器在获取到主控器发送的卫星定位信号后,根据卫星定位信号,计算得到待测设备的当前时刻的定位数据。由此可以在接收天线接收卫星定位信号正常的情况下,主控器直接根据卫星定位信号来获取待测设备的定位数据。
值得说明的是,接收天线可以接收卫星定位信号,则位置接收器可以根据卫星定位信号获取待测设备的定位数据,即为卫星信号正常状态。待测设备还可以获取到基站传送的载波相位差分数据(Real-time kinematic,RTK),并将载波相位差分数据发送至位置接收器,则位置接收器可以根据载波相位差分数据和卫星定位信号得出目标定位数据。其中,位置接收器得到的目标定位数据为高精度定位数据,可以满足车辆在复杂交通状态下对定位数据的要求。
并且,位置接收器在根据卫星定位信号和载波相位差分数据获得当前时刻的目标定位数据之后,还需要将目标定位数据发送至主控器。主控器再将目标定位数据发送至存储器,以便在进行下一次定位数据的计算时,可以将存储器中的目标定位数据当做上一时刻的定位数据来进行计算。
在上述实施例的基础上,所述方法,还包括:获取多个训练样本,每一所述训练样本包括训练运动状态数据和对应的训练定位数据差值;将所述训练运动状态数据作为输入,所述训练定位数据差值作为输出,对神经网络进行训练,获得所述定位差值计算模型。
具体地,在卫星信号正常状态下,主控器仍然要获取待测设备的运动状态数据和与其对应时刻的定位数据差值,即每一时刻的训练运动状态数据和与其对应时刻的训练定位数据差值。主控器将获取的多个训练样本输入至神经网络,即将每一时刻训练运动状态数据作为输入,将对应的训练定位数据差值作为输出,对神经网络进行训练,通过一定量的样本进行训练之后,可以得到定位差值计算模型。在之后卫星信号异常状态下,主控器就可以将运动状态数据输入至定位差值计算模型中,获得对应的定位数据差值。
值得说明的是,训练样本的数量可以根据实际定位差值计算模型的输出精度来进行调整。
并且,本发明实施例中的定位差值计算模型采用神经网络作为一种学习模型,而采用神经网络是径向基函数(Radial Basis Function简称RBF)神经网络,即RBF神经网络。其中,径向基函数为高斯函数、反演非线性作用型函数(Sigmoid function,S型函数)或拟多二次函数,RBF神经网络的中心数和位置增量采用普通最小正交二乘法(Ordinary LeastSquare,OLS)前向选择算法确定。
还需要说明的是,定位差值计算模型还可以采用支持向量机等其他学习模型,具体的学习模型可以根据具体的定位差值计算模型来进行选择。
在上述实施例的基础上,所述运动状态数据包括所述待测设备的速度和姿态数据,所述姿态数据包括航向角、俯仰角和横滚角。
具体地,所述运动状态数据包括主控器通过位姿传感器,获取的待测设备的速度和姿态数据,姿态数据则包括待测设备的航向角、俯仰角和横滚角。其中,航向角是指待测设备的纵轴与地球北极之间的夹角。俯仰角是指待测设备坐标系X轴与水平面的夹角。横滚角是指待测设备横轴与水平线之间的夹角。
值得说明的是,位姿传感器包括三轴陀螺传感器、三轴加速度传感器和三轴磁力传感器,当这三种位姿传感器获得待测设备的初始运动状态数据之后,还需要通过卡尔曼滤波模型进行滤波,可以减少得到的待测设备的运动状态数据中的噪音和干扰,得到的运动状态数据更加精准。
在上述实施例的基础上,所述定位数据差值包括经度增量、纬度增量和高程增量,相应的,所述根据所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据,包括:所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据叠加,获得所述当前时刻的定位数据。
具体地,主控器根据待测设备的当前时刻的运动状态数据,即待测设备的速度、航向角、俯仰角和横滚角,可以得出待测设备的当前时刻与预设时刻的定位数据差值,即待测设备的经度增量、纬度增量和高程增量。因此,通过当前时刻与预设时刻的定位数据差值和预设时刻的定位数据进行叠加,主控器可以得到当前时刻的定位数据。
在上述实施例的基础上,所述获取当前时刻的待测设备的运动状态数据之前,还包括:
获取当前时刻的待测设备的初始运动状态数据,将所述初始运动状态数据输入至卡尔曼滤波模型中,获得所述当前时刻的待测设备的运动状态数据。
具体地,位姿传感器获取的是待测设备的初始运动状态数据,还需要通过卡尔曼滤波模型进行滤波,获得待测设备的运动状态数据。通过对减少设备中的噪音和干扰,位姿传感器得到的运动状态数据更加精准。
值得说明的是,本发明实施例的滤波模型采用的是卡尔曼滤波模型,也可以采用其他滤波模型如高斯滤波模型等,卡尔曼滤波模型为本发明实施例提供的一种优选方案,具体的滤波模型可以根据实际对运动状态数据的精度要求进行选择。
图3为本发明实施例提供的一种应用定位方法的系统的流程示意图,本发明实施例的具体应用过程如图3所示,若接收天线可以正常接收到卫星定位信号,则接收天线将获取到的待测设备当前时刻的卫星定位信号发送至主控器,主控器再将卫星定位信号发送至位置接收器。位置接收器再根据卫星定位信号,可以得出待测设备当前时刻的定位数据。若接收天线无法正常接收到卫星定位信号,则主控器会通过传感器获取待测设备的运动状态数据,即待测设备的速度和姿态数据,姿态数据还包括航向角、俯仰角和横滚角。其中传感器会通过卡尔曼滤波器向主控器发送待测设备的运动状态数据。主控器再将运动状态数据输入至定位差值计算模型中,输出当前时刻与预设时刻的定位数据差值,即经度增量、纬度增量和高程增量。再将预设时刻的定位数据和当前时刻与预设时刻的定位数据差值进行叠加,获得当前时刻的定位数据。
其中,定位差值计算模型为神经网络学习模型。在接收天线可以正常接收到卫星定位信号时,主控器获取多个训练样本,即获取待测设备当前时刻的训练运动状态数据作为输入,获取待测设备当前时刻与上一时刻的训练定位数据差值作为输出,对神经网络进行训练,获得所述定位差值计算模型。并且,预设时刻为距离当前时刻最近的一次接收天线能够获取卫星定位信号的时刻。
图4为本发明实施例提供的一种应用定位方法的定位系统的结构示意图,如图4所示,本发明实施例还提供一种定位系统300,包括:主控器310、位姿传感器350和存储器330;
所述主控器310分别与所述位姿传感器350和所述存储器330连接,所述位姿传感器350用于获取待测设备的当前时刻的运动状态数据,并将所述运动状态数据发送至所述主控器310;
所述主控器310用于根据所述运动状态数据和预设时刻的定位数据,获得当前时刻与预设时刻的定位数据差值,获得当前时刻的定位数据,并将所述当前时刻的定位数据发送至存储器330进行存储;
所述存储器330用于存储所述预设时刻的定位数据;
具体地,待测设备处于卫星信号异常状态时,即待测设备的接收天线340无法获取满足定位条件的卫星信号,位姿传感器350获取待测设备当前时刻的运动状态数据,并将运动状态数据发送至主控器310。主控器310则将运动状态数据输入至定位差值计算模型中,输出当前时刻与预设时刻的定位数据差值。主控器310还会读取存储在存储器330中的预设时刻的定位数据,将预设时刻的定位数据和当前时刻与预设时刻的定位数据差值累加,得到待测设备当前时刻的定位数据。由此,使得待测设备在卫星信号被遮挡的条件下,如城市建筑物、道路隧道、立交桥等遮挡卫星信号的交通环境中,仍可以通过定位系统300获得待测设备的高精准定位。
并且,主控器310还会将预设时刻的定位数据发送至存储器330进行存储,以便下一时刻获取预设时刻的定位数据。
值得说明的是,主控器310包括主控板和车辆电子控制单元(Electronic ControlUnit,ECU),主控板用于接收和处理ECU发送的车辆状态信息、传送器发送的运动状态信息、读取存储器330存储的预设时刻的定位数据和获取定位差值计算模块输出的定位数据差值。
在上述实施例的基础上,所述定位系统300,还包括滤波器320,所述滤波器320与所述主控器310连接。所述位姿传感器350用于获取待测设备的初始运动状态数据,并将所述初始运动状态数据发送至所述滤波器320。所述滤波器320用于根据所述初始运动状态数据得出所述运动状态数据,并将所述运动状态数据发送至所述主控器310。
具体地,当位姿传感器350获取了待测设备的初始运动状态数据后,需将初始运动状态数据再发送至所述滤波器320,滤波器320通过对初始运动状态数据进行滤波,减少干扰和噪声,得到对应的运动状态数据。在将运动状态数据发送至所述主控器310。
值得说明的是,位姿传感器350用于获得待测设备的初始状态数据,即:速度、航向角、横滚角和俯仰角。位姿传感器350包括但不限于三轴陀螺传感器、三轴加速度传感器和三轴磁力传感器,具体的位姿传感器350的类型可以根据实际要获得的待测设备初始状态数据的类型来进行选择。滤波器320的类型可以为但不限于卡尔曼滤波器、高斯滤波器,具体的滤波器320的类型可以根据需要的运动状态数据精度进行选择。
在上述实施例的基础上,所述定位系统300,还包括位置接收器360和接收天线340,所述位置接收器360和所述接收天线340与所述主控器310连接,所述接收天线340用于获取所述待测设备的卫星定位信号,并将所述卫星定位信号发送至所述主控器,以使所述主控器将所述卫星定位信号发送至所述位置接收器,所述位置接收器用于根据所述卫星定位信号得出所述定位数据。
具体地,接收天线340获取待测设备的卫星定位信号,并将卫星定位信号发送至主控器310,主控器310再将所述卫星定位信号发送至位置接收器360。位置接收器360根据卫星定位信号可以得出对应的待测设备的定位数据。
值得说明的是,位置接收器360可以为全球定位系统(GlobalPositioningSystem,GPS)位置接收器、北斗(BD)位置接收器或者全球卫星导航系统(GLOBAL NAVIGATION SATELLITE SYSTEM,GLONASS)位置接收器,具体的接收器的型号可以根据实际对定位信号的要求进行选择。
图5为本发明实施例提供的一种高精度定位系统的结构示意图,如图5所示。所述定位系统300,还包括:无线模块370,所述无线模块370与所述主控器310连接,所述无线模块370用于接收基站410传送的载波相位差分数据,并将所述载波相位差分数据发送至所述主控器310,以使所述主控器310将所述载波相位差分数据发送至所述位置接收器360,所述位置接收器360根据所述载波相位差分数据和所述卫星定位信号,得出目标定位数据。
具体地,定位系统300还包括无线模块370,无线模块370可以获取到待测设备外部的基站发送的载波相位差分数据(Real-time kinematic,RTK),并将RTK发送至主控器310。主控器310接收到RTK数据后,再将RTK数据发送至位置接收器360。位置接收器360可以根据RTK数据和卫星定位信号,得出目标定位数据。结合RTK数据得出的目标定位数据比只通过卫星定位信号得出的定位数据,精度更高,可以更加准确的确定待测设备的位置。
值得说明的是,基站410还与定位信号接收机420,定位信号接收机420用于接收基站410的卫星定位信号,并将卫星定位信号发送至基站410,基站410再根据卫星定位信号得出RTK数据,并将RTK数据发送至定位系统300的无线模块370,进行处理得到待测设备的目标定位数据。
其中,无线模块370可以为但不限于为4G通信模块、无线数传模块等无线数据传输模块或者可以为多种无线数据传输模块的结合,具体的无线模块370的类型可以根据实际定位系统300的需求进行调整。并且,基站410可以以广播的形式发送RTK数据,RTK数据可以被多个定位系统300的无线模块获取。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本发明实施例提供了一种定位方法及系统,方法包括:当接收天线无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据。所述预设时刻为距所述当前时刻最近一次,所述接收天线获取能够获取卫星定位信号的时刻。将所述运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值。根据所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据。通过将当前时刻的运动状态数据发送至神经网络模型,得出当前时刻与上一时刻的定位数据差值,将上一时刻的定位数据和当前时刻与上一时刻的定位数据差值叠加,得到当前时刻的定位数据。使得待测设备在卫星定位信号被遮挡的条件下,如城市建筑物、道路隧道、立交桥等遮挡卫星信号的交通环境中,仍可以获得待测设备的高精准定位。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种定位方法,其特征在于,包括:
当接收天线无法获取当前时刻的卫星定位信号时,获取当前时刻的待测设备的运动状态数据和预设时刻的定位数据;所述预设时刻为距所述当前时刻最近一次,所述接收天线获取到的卫星定位信号的时刻;
将所述运动状态数据输入至定位差值计算模型中,获得当前时刻与预设时刻的定位数据差值;
根据所述定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据。
2.根据权利要求1所述的定位方法,其特征在于,所述方法,还包括:
当所述接收天线能够获取当前时刻的卫星定位信号时,则获取当前时刻的卫星定位信号;
根据所述卫星定位信号,获得当前时刻的定位数据。
3.根据权利要求1所述的定位方法,其特征在于,所述方法,还包括:
获取多个训练样本,每一所述训练样本包括训练运动状态数据和对应的训练定位数据差值;
将所述训练运动状态数据作为输入,所述训练定位数据差值作为输出,对神经网络进行训练,获得所述定位差值计算模型。
4.根据权利要求1所述的定位方法,其特征在于,所述运动状态数据包括所述待测设备的速度和姿态数据,所述姿态数据包括航向角、俯仰角和横滚角。
5.根据权利要求1-4任一项所述的定位方法,其特征在于,所述根据所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据,获得当前时刻的定位数据,包括:
所述当前时刻与预设时刻的定位数据差值和所述预设时刻的定位数据叠加,获得所述当前时刻的定位数据。
6.根据权利要求1所述的定位方法,其特征在于,所述获取当前时刻的待测设备的运动状态数据之前,还包括:
获取当前时刻的待测设备的初始运动状态数据,将所述初始运动状态数据输入至卡尔曼滤波模型中,获得所述当前时刻的待测设备的运动状态数据。
7.一种定位系统,其特征在于,包括;
主控器、位姿传感器和存储器;
所述主控器分别与所述位姿传感器和所述存储器连接,所述位姿传感器用于获取待测设备的当前时刻的运动状态数据,并将所述运动状态数据发送至所述主控器;
所述主控器用于根据所述运动状态数据和预设时刻的定位数据,获得当前时刻与预设时刻的定位数据差值,获得当前时刻的定位数据;
所述存储器用于存储所述预设时刻的定位数据。
8.根据权利要求7所述的定位系统,其特征在于,所述系统,还包括滤波器,所述滤波器与所述主控器连接;
所述位姿传感器用于获取待测设备的初始运动状态数据,并将所述初始运动状态数据发送至所述滤波器;
所述滤波器用于根据所述初始运动状态数据得出所述运动状态数据,并将所述运动状态数据发送至所述主控器。
9.根据权利要求7所述的定位系统,其特征在于,所述系统,还包括位置接收器和接收天线,所述位置接收器和所述接收天线均与所述主控器连接,所述接收天线用于获取所述待测设备的卫星定位信号,并将所述卫星定位信号发送至所述主控器,以使所述主控器将所述卫星定位信号发送至所述位置接收器,所述位置接收器用于根据所述卫星定位信号得出所述定位数据。
10.根据权利要求7所述的定位系统,其特征在于,所述定位系统,还包括无线模块,所述无线模块与所述主控器连接,所述无线模块用于接收基站传送的载波相位差分数据,并将所述载波相位差分数据发送至所述主控器,以使所述主控器将所述载波相位差分数据发送至位置接收器,所述位置接收器根据所述载波相位差分数据和所述定位数据,得出目标定位数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811547554.8A CN109444928B (zh) | 2018-12-18 | 2018-12-18 | 一种定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811547554.8A CN109444928B (zh) | 2018-12-18 | 2018-12-18 | 一种定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109444928A true CN109444928A (zh) | 2019-03-08 |
CN109444928B CN109444928B (zh) | 2021-08-06 |
Family
ID=65559337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811547554.8A Active CN109444928B (zh) | 2018-12-18 | 2018-12-18 | 一种定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109444928B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111638715A (zh) * | 2020-05-29 | 2020-09-08 | 北京海益同展信息科技有限公司 | 机器人的控制方法、机器人、电子设备及存储介质 |
CN111673739A (zh) * | 2020-05-15 | 2020-09-18 | 成都飞机工业(集团)有限责任公司 | 一种基于rbf神经网络的机器人位姿可达性判断的方法 |
CN114567402A (zh) * | 2022-04-25 | 2022-05-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 卫星星地信道预测方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040150557A1 (en) * | 2003-01-21 | 2004-08-05 | Ford Thomas John | Inertial GPS navigation system with modified kalman filter |
US20070213936A1 (en) * | 2003-07-17 | 2007-09-13 | Fenton Patrick C | Assisted seismic measuring system including gps receivers |
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 |
CN106980133A (zh) * | 2017-01-18 | 2017-07-25 | 中国南方电网有限责任公司超高压输电公司广州局 | 利用神经网络算法补偿和修正的gps ins组合导航方法及系统 |
CN107390246A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于遗传神经网络的gps/ins组合导航方法 |
CN107643088A (zh) * | 2017-08-10 | 2018-01-30 | 中国科学院深圳先进技术研究院 | 无人机导航方法、装置、无人机及存储介质 |
CN109000640A (zh) * | 2018-05-25 | 2018-12-14 | 东南大学 | 基于离散灰色神经网络模型的车辆gnss/ins组合导航方法 |
-
2018
- 2018-12-18 CN CN201811547554.8A patent/CN109444928B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040150557A1 (en) * | 2003-01-21 | 2004-08-05 | Ford Thomas John | Inertial GPS navigation system with modified kalman filter |
US20070213936A1 (en) * | 2003-07-17 | 2007-09-13 | Fenton Patrick C | Assisted seismic measuring system including gps receivers |
CN106980133A (zh) * | 2017-01-18 | 2017-07-25 | 中国南方电网有限责任公司超高压输电公司广州局 | 利用神经网络算法补偿和修正的gps ins组合导航方法及系统 |
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 |
CN107390246A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于遗传神经网络的gps/ins组合导航方法 |
CN107643088A (zh) * | 2017-08-10 | 2018-01-30 | 中国科学院深圳先进技术研究院 | 无人机导航方法、装置、无人机及存储介质 |
CN109000640A (zh) * | 2018-05-25 | 2018-12-14 | 东南大学 | 基于离散灰色神经网络模型的车辆gnss/ins组合导航方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111673739A (zh) * | 2020-05-15 | 2020-09-18 | 成都飞机工业(集团)有限责任公司 | 一种基于rbf神经网络的机器人位姿可达性判断的方法 |
CN111638715A (zh) * | 2020-05-29 | 2020-09-08 | 北京海益同展信息科技有限公司 | 机器人的控制方法、机器人、电子设备及存储介质 |
CN111638715B (zh) * | 2020-05-29 | 2023-09-01 | 京东科技信息技术有限公司 | 机器人的控制方法、机器人、电子设备及存储介质 |
CN114567402A (zh) * | 2022-04-25 | 2022-05-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 卫星星地信道预测方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109444928B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102298076B (zh) | 校准三轴加速度计的方法及其装置 | |
CN109444928A (zh) | 一种定位方法及系统 | |
CN110146909A (zh) | 一种定位数据处理方法 | |
CN111272174B (zh) | 一种组合导航方法和系统 | |
CN109781122A (zh) | 高精度地图更新方法及装置 | |
CN102928858B (zh) | 基于改进扩展卡尔曼滤波的gnss单点动态定位方法 | |
CN103379619A (zh) | 一种定位方法和系统 | |
CN113108791B (zh) | 一种导航定位方法及导航定位设备 | |
CN109059907A (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN102508278A (zh) | 一种基于观测噪声方差阵估计的自适应滤波方法 | |
CN103162689A (zh) | 辅助车载定位系统及车辆的辅助定位方法 | |
CN109937341A (zh) | 自己的位置的估计 | |
CN112596089B (zh) | 融合定位方法、装置、电子设备及存储介质 | |
CN106255201A (zh) | 一种室内定位方法及装置 | |
US11650324B2 (en) | Navigation apparatus and method in which measurement quantization errors are modeled as states | |
Hsu et al. | Intelligent viaduct recognition and driving altitude determination using GPS data | |
CN110375740B (zh) | 车辆导航方法、装置、设备和存储介质 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN103675880A (zh) | 一种卫星信号阻塞情况下的持续导航方法 | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
Retscher et al. | An intelligent personal navigator integrating GNSS, RFID and INS for continuous position determination | |
Zhang et al. | A vision/inertia integrated positioning method using position and orientation matching | |
CN110514199A (zh) | 一种slam系统的回环检测方法及装置 | |
CN104422441A (zh) | 一种电子设备及定位方法 | |
CN114937091B (zh) | 一种车道线的检测方法、系统、电子设备及存储介质 |
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 |