CN109905847B - Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 - Google Patents
Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 Download PDFInfo
- Publication number
- CN109905847B CN109905847B CN201910165171.2A CN201910165171A CN109905847B CN 109905847 B CN109905847 B CN 109905847B CN 201910165171 A CN201910165171 A CN 201910165171A CN 109905847 B CN109905847 B CN 109905847B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- rfid
- position information
- image
- positioning
- 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
Abstract
本发明提供GNSS盲区智能车辅助定位系统累积误差的协同校正系统及方法,在GNSS信号中断情况下,采用车载辅助定位系统进行定位;当智能车行驶到RFID感应区域时,图像采集设备进行图像采集并进行定位;车载RFID阅读器设备根据RFID信号强度计算得到基于RFID定位的车辆位置信息;基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息进行融合计算,得到更加精确的车辆定位信息,将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较,得到车载辅助定位系统的累积误差,得到误差校正指令,发送误差校正指令到车载辅助定位系统使其进行误差校正。本发明能够校正车辆的辅助定位系统产生的累积误差。
Description
技术领域
本发明属于智能交通技术测试领域,涉及GNSS盲区智能车辅助定位系统累积误差的协同校正系统及方法。
背景技术
近年来,汽车已经成为人们生活中必不可少的一部分,然而,随着汽车保有量的快速增长,道路通行能力逐渐饱和,在极大得方便人类生活的同时也带来了一系列问题,如交通事故、道路堵塞等。智能交通运输系统(Intelligent Transportation System,ITS)概念的出现为解决上述问题提供了新思路,它是将先进的信息、数据传输、电子传感、控制以及计算机等技术有效地整合运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。车辆高精度定位作为实现交通智能化应用(如:车联网、智能车辆)的一项基础性关键技术,为现代城市减少交通拥堵、确保交通安全和绿色出行提供了基础理论和技术支撑。它可以获取与车辆运行状态相关的大量参数(如:车辆的位置、速度、加速度、运动方向和运动轨迹等),这些参数与智能交通系统中多个安全应用主题密切相关,如:路径导航、信息传递、地图定位、自动巡航控制、交叉口安全通行、盲区自动通过、车辆队列、车辆碰撞预警、行车环境视觉增强以及自动停车等,其中车辆碰撞预警、行车环境视觉增强、自动停车等应用更是需要亚米级的高精度定位。如果可以实时获得道路上所有车辆精确的定位信息,那么将会为未来的交通管理带来革命性的变革。
目前常用的车辆定位技术是全球导航卫星系统定位(Global NavigationSatellite System,GNSS)。GNSS终端具有成本低廉、易于安装等特点,目前在中高档车辆上广泛应用,已逐渐成为车辆的必备装置。但是GNSS终端的定位精度有限,而且在卫星信号被遮挡地方(如高楼林立的城市道路、地下隧道高架桥底部的城市道路、林荫道等)无法输出定位数据。针对GNSS盲区这一特殊环境,目前出现了若干其它智能车辅助定位系统装置。但车辆辅助定位系统装置经过长距离运行后,定位数据存在一定的漂移。一部分原因由于车辆在运动过程中振动造成当前的辅助定位系统装置外部参数与标定时相比已经发生了变化,另一部分原因是系统计算误差的累积引起。
发明内容
针对现有技术中存在的问题,本发明提供GNSS盲区智能车辅助定位系统累积误差的协同校正系统及方法,能够校正车辆的辅助定位系统产生的累积误差,保证定位的精确性。
本发明是通过以下技术方案来实现:
GNSS盲区智能车辅助定位系统累积误差的协同校正系统,包括车载RFID阅读器设备、四个RFID标签设备和一图像采集设备;
车载RFID阅读器设备包括有线通信接口模块、主数据处理控制模块、RFID阅读器和ZigBee网络节点;有线通信接口模块,用于接收车载辅助定位系统的定位信息,还用于发送误差校正指令到车载辅助定位系统;RFID阅读器,用于与RFID标签进行通信;主数据处理控制模块,用于接收RFID阅读器发送的RFID标签信号,计算得到基于RFID定位的车辆位置信息;当接收到RFID标签信号时,通过ZigBee网络发送图像采集指令至图像处理控制模块;通过ZigBee网络接收基于图像定位的车辆位置信息,通过有线通信接口模块接收基于车载辅助定位系统定位的车辆位置信息,并将两者通过加权算法融合得到当前车辆位置信息;将基于辅助定位系统定位的车辆位置信息与当前车辆位置信息进行比较,确定车载辅助定位系统的累积误差,通过有线通信接口模块发送误差校正指令到车载辅助定位系统;
RFID标签设备包括RFID标签、数据处理控制模块和ZigBee网络节点;RFID标签,用于与RFID阅读器进行通信;数据处理控制模块,用于运算处理RFID标签的收发信息和ZigBee网络节点的收发信息;
图像采集设备包括相机、图像处理控制模块和ZigBee网络节点;相机,用于采集车辆行驶路段图像信息,并传输给图像处理控制模块;图像处理控制模块,用于根据接收到的图像采集指令控制相机采集图像,并接收相机传输的图像信息,处理得到基于图像定位的车辆位置信息;
ZigBee网络节点,各ZigBee网络节点组成ZigBee网络,用于无线通信。
优选的,RFID阅读器安装在车辆的顶部。
优选的,道路两侧各设置两个RFID标签设备,同侧的两RFID标签设备之间间距为30-80m,道路两侧的RFID标签设备间距相同,RFID标签设备的安装高度与RFID阅读器的高度相同。
优选的,相机安装在龙门架的顶部,相机镜头向下倾斜,倾斜角度大于0度且小于等于15度。
优选的,相机与距离最近的RFID标签设备的水平距离小于等于5m。
GNSS盲区智能车辅助定位系统累积误差的协同校正方法,基于所述的校正系统,在GNSS信号中断情况下,智能车采用车载辅助定位系统进行定位,对定位信息添加时间戳,并将基于车载辅助定位系统的车辆位置信息通过有线通信接口模块发送至主数据处理控制模块;当智能车行驶到RFID标签的感应区域时,通过ZigBee网络发出图像采集指令,触发图像采集设备开始进行图像采集,图像采集设备根据采集的图像对车辆进行定位并添加时间戳,并将得到的基于图像定位的车辆位置信息通过ZigBee网络发送至主数据处理控制模块;当车载RFID阅读器读取到至少三个不同的RFID标签时,主数据处理控制模块根据RFID信号强度计算得到基于RFID定位的车辆位置信息,并添加时间戳;车载辅助定位系统的车辆位置信息、基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息被转换到同一空间坐标系下;基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息依照时间通过加权算法进行融合计算,得到更加精确的车辆定位信息,将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较,得到车载辅助定位系统的累积误差数据,主数据处理控制模块处理累积误差数据并得到误差校正指令,通过有线通信接口模块发送误差校正指令到车载辅助定位系统使其进行误差校正。
优选的,RFID标签事先经过位置标定,具体是:根据RFID阅读器接收到的RFID信号强度与RFID阅读器和RFID标签之间的距离得到拟合曲线,定位时根据RFID信号强度和拟合曲线计算出基于RFID定位的车辆位置信息。
优选的,相机采集到的图像中的车辆位置信息被事先标定校准,相机在图像采集过程中保持相同的拍摄区域。
优选的,融合过程中,基于RFID定位的车辆位置信息的分配权重小于基于图像定位的车辆位置信息分配权重。
优选的,图像采集设备根据采集的图像对车辆进行定位,具体操作如下:
Step1,对当前获取的含有车辆的图像进行高斯滤波和均光处理;
Step2,对预处理后的图像进行前景提取处理,并进行直方图均衡修正,然后采用最大间方差准则实现图像自动分割;
Step3,扫描自动分割形成的各连通区域,获取其几何特征,采用四边形变换方法得到图像坐标和地面坐标之间的映射关系,最终获得面积参数最大的连通区域的最小外接矩形中心,将其作为车辆的位置。
与现有技术相比,本发明具有以下有益的技术效果:
本发明所述的GNSS盲区智能车辅助定位系统累积误差车路协同校正系统,分别采用RFID标签设备和图像采集设备两种设备定位车辆的位置,然后融合两者的定位结果获得更准确的车辆位置信息,将车载辅助定位系统输出的定位信息与该车辆位置信息进行比较,确定车载辅助定位系统输出的定位信息是否存在累积误差,若存在,则发送校正指令给车载辅助定位系统,使其校正车辆定位系统产生的累积误差。本发明对车辆全天候、无区域限制位置信息获取的精确性具有极其关键作用,它为将来无人驾驶汽车、联网环境中智能交通管理等驾驶汽车、联网环境中智能交通管理等ITS应用提供前期研究基础,将进一步提升ITS技术在保障道路交通安全、通信能力、节能环保等方面的作用。
进一步的,RFID阅读器安装在车辆的顶部,可以防止信号阻塞。
本发明所述的校正方法,采用两种定位方法进行定位,并将两者融合,从而得到准确的位置信息,通过将辅助定位系统得到的定位信息与该准确的位置信息比较,得到其累积误差,再对累积误差进行校正。这种方法融合两种定位信息,作为参考定位信息,能够保证参考定位信息的准确性,从而也保证了得到的累积误差的准确性,保证了校正的准确性。
进一步的,由于对于阴影、眩光和其他更严重的情况,图像采集定位算法可以获得更准确的位置信息,而基于RFID感知的车辆定位因为车体的振动、影响角等也许出现意想不到的偏差。因此,加权融合过程中,基于RFID定位的车辆位置信息的分配权重小于基于图像定位的车辆位置信息分配权重,能够进一步保证所得定位信息的准确性。
附图说明
图1为本发明系统组成架构框图。
图2为本发明各设备布置图。
图3为本发明车载RFID阅读器设备组成架构框图。
图4为本发明RFID标签设备组成架构框图。
图5为本发明图像采集设备组成架构框图。
图6为本发明校正方法逻辑框图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
如图1所示,本发明所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统,包括车载RFID阅读器设备、四个RFID标签设备和一图像采集设备。
如图3所示,车载RFID阅读器设备包括有线通信接口模块、主数据处理控制模块、RFID阅读器和ZigBee网络节点。
有线通信接口模块,用于与辅助定位系统进行有线通信,用于接收车载辅助定位系统的定位信息,还用于发送误差校正指令到车载辅助定位系统;
RFID阅读器,用于接收RFID标签信号,并发送给主数据处理控制模块;
ZigBee网络节点,用于发送图像采集指令至图像处理控制模块,还用于发送误差校正指令到车载辅助定位系统;
主数据处理控制模块,用于接收RFID阅读器发送的RFID标签信号,根据RFID信号强度(RSS)与RFID阅读器和RFID标签之间距离关系的拟合曲线计算出基于RFID定位的车辆位置信息;当接收到RFID标签信号时,通过ZigBee网络发送图像采集指令至图像处理控制模块;通过ZigBee网络接收基于图像定位的车辆位置信息,通过有线通信接口模块接收基于车载辅助定位系统定位的车辆位置信息,根据时间戳,采用加权算法融合基于RFID定位的车辆位置信息和基于图像定位的车辆位置信息,得到当前车辆位置信息;将基于辅助定位系统定位的车辆位置信息与当前车辆位置信息进行比较,确定车载辅助定位系统的累积误差,通过有线通信接口模块发送误差校正指令到车载辅助定位系统。
为了防止信号阻塞,RFID阅读器被安装在车辆的顶部。
如图4所示,RFID标签设备包括RFID标签、数据处理控制模块和ZigBee网络节点;
RFID标签是RFID定位系统的组成部分,与车辆进行信号收发,实现定位;
数据处理控制模块用于运算处理RFID标签收发信息、ZigBee节点收发信息;
ZigBee网络节点,实现ZigBee网络内部通信。
RFID标签设备是固定设置的,道路两侧各设置两个RFID标签设备,同侧的两RFID标签设备之间间距为30~80m,道路两侧的RFID标签设备间距相同,布置方式如图2所示。RFID标签设备的安装高度与RFID阅读器的高度相同。
RFID标签事先经过位置标定,根据RFID阅读器接收到的信号强度(RSS)与RFID阅读器和RFID标签之间的距离得到拟合曲线,定位时根据信号强度和拟合曲线计算出基于RFID定位的车辆位置信息。
如图5所示,图像采集设备包括相机、图像处理控制模块和ZigBee网络节点;相机,用于采集车辆行驶路段图像信息,并传输给图像处理控制模块;图像处理控制模块,用于根据接收到的图像采集指令控制相机采集图像,并接收相机传输的图像信息,根据背景差分法确定基于图像定位的车辆位置信息;ZigBee网络节点,用于将基于图像定位的车辆位置信息发送给主数据处理控制模块。
相机安装在龙门架的顶部,由于龙门架高度有限,为了确保拍摄区域,相机镜头与水平方向呈α夹角(0°<α≤15°)。相机采集到的图像中的车辆位置信息被事先标定校准,系统的操作过程一直保持相同的拍摄区域。相机安装如图2所示。且相机与距离最近的RFID标签设备的水平距离在≤5m内。
本发明的GNSS盲区智能车辅助定位系统累积误差的协同校正方法,包括:在GNSS信号中断情况下,智能车开始依赖车载辅助定位系统进行定位,对定位信息添加时间戳,并将基于车载辅助定位系统的车辆位置信息通过有线通信接口模块发送至主数据处理控制模块;当智能车行驶到RFID标签的感应区域时,通过ZigBee网络发出图像采集指令,触发图像采集设备开始进行图像采集,图像采集设备根据采集的图像对车辆进行定位并添加时间戳,并将得到的基于图像定位的车辆位置信息通过ZigBee网络发送发送至主数据处理控制模块。当车载的RFID阅读器能够读取到至少三个不同的RFID标签的时候,主数据处理控制依据RFID信号强度(RSS)与RFID阅读器和RFID标签之间距离关系的拟合曲线对车辆进行定位,得到基于RFID定位的车辆位置信息并添加时间戳,发送至主数据处理控制模块。车载辅助定位系统的车辆位置信息、基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息被转换到同一空间坐标系下;基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息依照时间通过加权算法进行融合计算,得到更加精确的车辆定位信息,将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较,得到车载辅助定位系统的累积误差,主数据处理控制模块处理累积误差数据并得到误差校正指令,通过有线通信接口模块发送误差校正指令到车载辅助定位系统使其进行误差校正。整体算法如下图6所示。
图像采集设备根据采集的图像对车辆进行定位过程中,根据背景差分法确定车辆的位置,并基于映射关系计算位置坐标,详细流程如下:
Step1:对当前获取的含有车辆的图像进行高斯滤波,均光处理与操作,尽可能的消除外界干扰;
Step2:对预处理后的图像进行前景提取处理。由于与背景相减后的图像像素值较小且对比度较低不方便进行二值化,且可能存在小的亮点噪声。因此,对相减后的图像进行直方图均衡来修正,扩展了像素的动态范围,增强了图像对比度,然后采用最大间方差准则实现图像自动分割。对于亮点噪声,通过开运算和腐蚀运算依次进行消除,部分丢失的信息最后采用膨胀运算对图像进行补偿。
Step3:从视觉效果来看,分割后每一幅图像中可能的目标区域已经成为一个个连通区域,但是计算机并不知道这些连通区域的位置信息,因此需要适合的数据结构来分割各个连通区域,并且从其中找出所需的目标区域。当扫描连通区域时获取其几何特征,如:面积、周长、形心或最小外接矩形以等。周长和形心也可以作为度量尺度,借助于四边形变换方法得到图像坐标和地面坐标之间的映射关系,最终获得面积参数最大的连通区域的最小外接矩形中心,将其作为车辆的位置。
本发明分别采用RFID标签设备和图像采集设备两种设备来估计车辆的位置,然后融合其结果获得更准确的车辆信息,以校正车辆定位系统产生的累积误差。为了上述两种定位结果的结合,必须将其转化为同一坐标系下计算。由于对于阴影、眩光和其他更严重的情况,图像采集定位算法可以获得更准确的位置信息,而基于RFID感知的车辆定位因为车体的振动、影响角等也许出现意想不到的偏差。因此,加权融合过程中RFID标签设备和图像采集设备的定位算法权重分配为a和b(a<b)。
Claims (2)
1.GNSS盲区智能车辅助定位系统累积误差的协同校正系统,其特征在于,包括车载RFID阅读器设备、四个RFID标签设备和一图像采集设备;
车载RFID阅读器设备包括有线通信接口模块、主数据处理控制模块、RFID阅读器和ZigBee网络节点;有线通信接口模块,用于接收车载辅助定位系统的定位信息,还用于发送误差校正指令到车载辅助定位系统;RFID阅读器,用于与RFID标签进行通信;主数据处理控制模块,用于接收RFID阅读器发送的RFID标签信号,计算得到基于RFID定位的车辆位置信息;当接收到RFID标签信号时,通过ZigBee网络发送图像采集指令至图像处理控制模块;通过ZigBee网络接收基于图像定位的车辆位置信息,通过有线通信接口模块接收基于车载辅助定位系统定位的车辆位置信息,并将两者通过加权算法融合得到当前车辆位置信息;将基于辅助定位系统定位的车辆位置信息与当前车辆位置信息进行比较,确定车载辅助定位系统的累积误差,通过有线通信接口模块发送误差校正指令到车载辅助定位系统;
RFID标签设备包括RFID标签、数据处理控制模块和ZigBee网络节点;RFID标签,用于与RFID阅读器进行通信;数据处理控制模块,用于运算处理RFID标签的收发信息和ZigBee网络节点的收发信息;
图像采集设备包括相机、图像处理控制模块和ZigBee网络节点;相机,用于采集车辆行驶路段图像信息,并传输给图像处理控制模块;图像处理控制模块,用于根据接收到的图像采集指令控制相机采集图像,并接收相机传输的图像信息,处理得到基于图像定位的车辆位置信息;
ZigBee网络节点,各ZigBee网络节点组成ZigBee网络,用于无线通信;RFID阅读器安装在车辆的顶部;
道路两侧各设置两个RFID标签设备,同侧的两RFID标签设备之间间距为30-80m,道路两侧的RFID标签设备间距相同,RFID标签设备的安装高度与RFID阅读器的高度相同;
相机安装在龙门架的顶部,相机镜头向下倾斜,倾斜角度大于0度且小于等于15度;
在GNSS信号中断情况下,智能车采用车载辅助定位系统进行定位,对定位信息添加时间戳,并将基于车载辅助定位系统的车辆位置信息通过有线通信接口模块发送至主数据处理控制模块;当智能车行驶到RFID标签的感应区域时,通过ZigBee网络发出图像采集指令,触发图像采集设备开始进行图像采集,图像采集设备根据采集的图像对车辆进行定位并添加时间戳,并将得到的基于图像定位的车辆位置信息通过ZigBee网络发送至主数据处理控制模块;当车载RFID阅读器读取到至少三个不同的RFID标签时,主数据处理控制模块根据RFID信号强度计算得到基于RFID定位的车辆位置信息,并添加时间戳;车载辅助定位系统的车辆位置信息、基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息被转换到同一空间坐标系下;基于图像定位的车辆位置信息和基于RFID定位的车辆位置信息依照时间通过加权算法进行融合计算,得到更加精确的车辆定位信息,将基于车载辅助定位系统的车辆位置信息与精确的车辆定位信息比较,得到车载辅助定位系统的累积误差数据,主数据处理控制模块处理累积误差数据并得到误差校正指令,通过有线通信接口模块发送误差校正指令到车载辅助定位系统使其进行误差校正;
加权融合过程中,基于RFID定位的车辆位置信息的分配权重小于基于图像定位的车辆位置信息分配权重;
RFID标签事先经过位置标定,具体是:根据RFID阅读器接收到的RFID信号强度与RFID阅读器和RFID标签之间的距离得到拟合曲线,定位时根据RFID信号强度和拟合曲线计算出基于RFID定位的车辆位置信息;
相机采集到的图像中的车辆位置信息被事先标定校准,相机在图像采集过程中保持相同的拍摄区域;
图像采集设备根据采集的图像对车辆进行定位,具体操作如下:Step1,对当前获取的含有车辆的图像进行高斯滤波和均光处理;Step2,对预处理后的图像进行前景提取处理,并进行直方图均衡修正,然后采用最大间方差准则实现图像自动分割;
Step3,扫描自动分割形成的各连通区域,获取其几何特征,采用四边形变换方法得到图像坐标和地面坐标之间的映射关系,最终获得面积参数最大的连通区域的最小外接矩形中心,将其作为车辆的位置。
2.根据权利要求1所述的GNSS盲区智能车辅助定位系统累积误差的协同校正系统,其特征在于,相机与距离最近的RFID标签设备的水平距离小于等于5m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165171.2A CN109905847B (zh) | 2019-03-05 | 2019-03-05 | Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165171.2A CN109905847B (zh) | 2019-03-05 | 2019-03-05 | Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109905847A CN109905847A (zh) | 2019-06-18 |
CN109905847B true CN109905847B (zh) | 2020-11-03 |
Family
ID=66946427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910165171.2A Active CN109905847B (zh) | 2019-03-05 | 2019-03-05 | Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109905847B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110411451A (zh) * | 2019-07-29 | 2019-11-05 | 安徽文康科技有限公司 | 一种车辆精准定位系统 |
CN111122779A (zh) * | 2019-12-23 | 2020-05-08 | 北京海益同展信息科技有限公司 | 用于巡检设备检测气体的方法和装置、检测系统 |
CN113079455B (zh) * | 2020-05-22 | 2022-01-21 | 中移(上海)信息通信科技有限公司 | 无线定位方法、终端、服务器、系统及计算机存储介质 |
CN112163653B (zh) * | 2020-10-28 | 2022-09-02 | 成都中科大旗软件股份有限公司 | 基于gis地图和多种定位的景区车船监控系统 |
CN112689234B (zh) * | 2020-12-28 | 2023-10-17 | 北京爱笔科技有限公司 | 室内车辆定位方法、装置、计算机设备和存储介质 |
CN113554890A (zh) * | 2021-06-30 | 2021-10-26 | 东风汽车集团股份有限公司 | 一种在隧道工况下基于5g通信的导航增强系统及方法 |
CN113808398B (zh) * | 2021-09-10 | 2023-10-20 | 杭州中威电子股份有限公司 | 一种车辆实时定位核查系统及核查方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488806A (zh) * | 2015-12-23 | 2016-04-13 | 华中科技大学 | 一种工件位置追踪定位方法及定位系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102806560B (zh) * | 2012-08-24 | 2014-08-06 | 电子科技大学 | 一种可自动消除机器人运动累积误差的方法 |
CN203134143U (zh) * | 2013-03-29 | 2013-08-14 | 长安大学 | 一种基于锚节点和rfid信标的车辆位置自动校正装置 |
CN103499350B (zh) * | 2013-09-28 | 2016-01-27 | 长安大学 | Gps盲区下融合多源信息的车辆高精度定位方法及装置 |
US9603527B2 (en) * | 2014-07-31 | 2017-03-28 | Chung Hua University | Person positioning and health care monitoring system |
CN104375509B (zh) * | 2014-12-11 | 2017-10-10 | 山东大学 | 一种基于rfid和视觉的信息融合定位系统及方法 |
CN107437044B (zh) * | 2016-05-26 | 2020-06-16 | 中国矿业大学(北京) | 一种矿井移动目标跟踪与定位方法 |
-
2019
- 2019-03-05 CN CN201910165171.2A patent/CN109905847B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488806A (zh) * | 2015-12-23 | 2016-04-13 | 华中科技大学 | 一种工件位置追踪定位方法及定位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109905847A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109905847B (zh) | Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 | |
CN107161141B (zh) | 无人驾驶汽车系统及汽车 | |
US9759812B2 (en) | System and methods for intersection positioning | |
CN106019281B (zh) | 物体检测装置以及物体检测方法 | |
US8175331B2 (en) | Vehicle surroundings monitoring apparatus, method, and program | |
JP6451844B2 (ja) | 車両位置判定装置及び車両位置判定方法 | |
US9713983B2 (en) | Lane boundary line recognition apparatus and program for recognizing lane boundary line on roadway | |
CN101303735B (zh) | 探测车辆盲点区域内运动物体的方法及盲点探测装置 | |
JP6659367B2 (ja) | 物体検出装置および物体検出方法 | |
CN112698302B (zh) | 一种颠簸路况下的传感器融合目标检测方法 | |
CN107479032B (zh) | 用于自动化车辆的对象检测系统 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN110091875A (zh) | 基于物联网的深度学习型智能驾驶环境感知系统 | |
JP7190261B2 (ja) | 位置推定装置 | |
CN113885062A (zh) | 基于v2x的数据采集融合设备、方法和系统 | |
CN112116031A (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
JP2022079777A (ja) | 情報処理装置 | |
US20230148097A1 (en) | Adverse environment determination device and adverse environment determination method | |
JP5910180B2 (ja) | 移動物体位置姿勢推定装置及び方法 | |
CN111506069A (zh) | 一种全天候全地面起重机障碍识别系统及方法 | |
JP2019146012A (ja) | 撮像装置 | |
CN112985425A (zh) | 基于异构感知数据融合的车辆定位方法、装置及系统 | |
CN111856441A (zh) | 一种基于视觉与毫米波雷达融合的列车定位方法 | |
CN116892949A (zh) | 地上物检测装置、地上物检测方法以及地上物检测用计算机程序 | |
CN113465608B (zh) | 一种路侧传感器标定方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |