CN109975844A - 一种基于光流法的gps信号防漂移方法 - Google Patents
一种基于光流法的gps信号防漂移方法 Download PDFInfo
- Publication number
- CN109975844A CN109975844A CN201910227874.3A CN201910227874A CN109975844A CN 109975844 A CN109975844 A CN 109975844A CN 201910227874 A CN201910227874 A CN 201910227874A CN 109975844 A CN109975844 A CN 109975844A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- current time
- gps signal
- axis
- camera
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于光流法的GPS信号防漂移方法,其采用无迹卡尔曼滤波对GPS定位结果与光流法推算的车辆位置信息进行融合,实现了较长时间的实时车辆高精度定位。在利用光流法对车辆速度信息进行计算时,本发明根据实际行驶道路场景及车辆行驶情况对噪声点进行了有效的过滤,提高了车辆速度的测量精度。在对GPS信号进行纠正的过程中,本发明利用了车辆的行驶方向这一约束信息对GPS信号进行了纠正,进一步降低了GPS信号漂移对车辆定位的影响。
Description
技术领域
本发明属于智能汽车定位感知技术领域,具体涉及一种基于光流法的GPS信号防漂移方法。
背景技术
定位是否精准对于汽车驾驶员能否高效地规划路径到达目的地来说是至关重要的,目前在汽车领域,应用最为广泛的定位方法主要是基于GPS定位的方法。但由于GPS存在电离层延迟、多路径反射效应和隧道遮挡时信号极差等问题,单独依靠GPS信号并不足以满足驾驶员对精准定位的要求。近年来,差分GPS通过建设差分GPS基准台得到附近位置的GPS信号修正量,再将修正量发送给用户的GPS接收机对用户的GPS数据进行修正,极大提高了GPS的定位精度,但是对于遮挡问题、多路径反射等问题,差分GPS也无法很好地解决。
因此,为了解决GPS信号传输特点所带来的精度低、稳定性低等问题,一般在定位时加入一定约束条件对GPS漂移信号进行过滤纠正或者需要引入新的观测数据以提升车辆的定位结果。
武汉大学的研究人员提出了一种基于时间序列的GPS轨迹数据漂移去除算法(刘子政,李默颖,黄长青,et al.顾及速度约束的基于时间序列GPS漂移数据处理方法[J].测绘地理信息,2017,42(1):14-18.),通过对轨迹进行分段并分段进行自相关系数检测,对于可能存在漂移的轨迹段进而根据该段轨迹的速度约束对漂移点进行检测,最后通过样条插值来对漂移点进行修正。但该方法是面向离线GPS轨迹数据处理的,主要用于对用户的出行方式和出行规律的分析,对于驾驶汽车过程中需要的实时GPS信号漂移检测和修正无法满足要求。
公开号为CN103163536的中国专利提出了一种基于ACC信号的GPS漂移处理方法与装置,主要是利用汽车内的ACC信号来判断车辆是处于停车还是行驶,没有ACC信号或速度持续小于最低阈值而当前GPS速度大于最高阈值(视为噪声数据),则判定为停车状态,否则判定为行驶状态,对于两种状态中的漂移GPS信号直接丢弃。该专利一定程度上解决了GPS信号在车辆静止和运动时的漂移,但ACC信号过于简单,只有车辆是否行驶的0/1状态信息,对于车辆的行驶速度和行驶方向还是单独依靠GPS信号来得到的,这样在判断漂移GPS数据时难免存在较大误差,并且直接对GPS数据进行丢弃也无法满足实时精准定位的需求。
公开号为CN104808231的中国专利提出了一种基于GPS与光流传感器数据融合的无人机定位方法,主要是对GPS获取的位置进行低通滤波,对光流法获取的速度进行积分得到位置信息并进行高通滤波,最后将滤波后的两种位置信息输入到互补滤波器中进行融合计算得到较为精准的定位结果。该方法的定位结果相对于纯GPS定位结果更为平滑,对漂移信息更为鲁棒,相对于纯光流算法的定位结果则一定程度上消除了累计误差,但该方法是面向无人机领域的,并且定位误差约为11米,不适合用于汽车领域也不满足汽车驾驶的定位精度要求。
发明内容
鉴于上述,本发明提供了一种基于光流法的GPS信号防漂移方法,其通过融合光流法得到的车辆运动信息与原始GPS定位信息结合,以获得精度更高、鲁棒性更好的定位结果。
一种基于光流法的GPS信号防漂移方法,包括如下步骤:
(1)在车辆头部距地面h米高度安装相机,并使相机以倾角α倾斜安置;
(2)利用相机采集车前方图像,从图像下边界开始将图像中的车道区域提取出来,并将提取出来的部分记为img1;
(3)对img1进行预处理,即根据上一时刻估计得到的车辆速度及运动方向信息对img1进一步截取,得到img2;
(4)根据前后两个时刻的img2通过金字塔Lucas-Kanade光流算法计算出当前时刻的车辆速度信息和行驶方向;
(5)利用前一时刻估计得到的车辆位置pt-1以及步骤(4)估算得到的当前时刻车辆速度信息,计算出当前时刻的车辆定位预测信息
(6)利用GPS得到的当前时刻车辆位置和行驶方向以及步骤(4)估算得到的当前时刻车辆行驶方向,计算出纠正后当前时刻的车辆GPS位置
(7)若车辆当前时刻的GPS信号为不满足车辆行驶方向的弱GPS信号,则利用和通过无迹卡尔曼滤波器对车辆定位信息进行融合估计,最终输出得到当前时刻的车辆位置pt。
进一步地,所述步骤(1)中对于相机的安置标准为:使相机坐标系y轴指向车辆前上方且与车辆竖直方向的夹角为α,x轴指向车辆右侧,z轴指向地面;高度h以保证相机距离图像所覆盖地面的最近水平距离dmin和最远水平距离dmax满足0≤dmin≤0.5米,dmax≥6米;倾角α满足以下关系式:
其中:v为相机感光器件的尺寸高度,f为相机的焦距。
进一步地,所述步骤(2)中依据以下公式提取车道区域;
其中:wr为车道实际宽度,ur(θ)为θ角度下车道在图像中的宽度,θ为连线l与水平地面的夹角且α-β≤θ≤α+β,l为实际道路边沿点与相机焦点的连线,β=arctan(v/2f),v为相机感光器件的尺寸高度,f为相机的焦距。
进一步地,所述步骤(3)中对img1进一步截取的标准为:若上一时刻的车辆速度大于30km/h且车辆转角小于5°,则使img1作为img2;否则从img1中截取高为himg2宽为wimg2的图像区域作为img2,若上一时刻车辆向左转则从img1左下角为起点开始截取,若上一时刻车辆向右转则从img1右下角为起点开始截取;
其中:himg1和wimg1分别为img1的高和宽,vt-1为上一时刻的车辆速度,ωt-1为上一时刻的车辆角速度,ωmax为车速为30km/h时车辆的最大角速度。
进一步地,所述步骤(4)的具体计算过程如下:
4.1通过金字塔Lucas-Kanade光流算法找出所有的匹配像素点,对于任一匹配像素点pt(i,j),其在当前时刻的img2内且在前一时刻的img2内存在有与pt(i,j)相对应的像素点pt-1(m,n);
4.2根据以下关系式计算当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系中的速度分量;
其中:为当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系x轴方向上的速度值,为当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系y轴方向上的速度值,X(pt(i,j))为匹配像素点pt(i,j)所对应的地面点在车身坐标系x轴上的坐标,Y(pt(i,j))为匹配像素点pt(i,j)所对应的地面点在车身坐标系y轴上的坐标,X(pt-1(m,n))为像素点pt-1(m,n)所对应的地面点在车身坐标系x轴上的坐标,Y(pt-1(m,n))为像素点pt-1(m,n)所对应的地面点在车身坐标系y轴上的坐标,Δt为相机的采样间隔;
4.3根据以下公式计算出当前时刻的车辆速度信息;
其中:vt为当前时刻的车辆速度,ωt为当前时刻的车辆角速度,和分别为当前时刻车辆在车身坐标系x轴方向和y轴方向上的速度值,Ω为匹配像素点集合,sgn()为符号函数;
4.4对和进行积分即可得到当前时刻车辆的行驶方向。
所述车身坐标系以车辆后轮轴中心为原点,车身右侧方向为x轴,车头方向为y轴,车辆上方为z轴。
进一步地,所述步骤(5)中通过以下公式计算当前时刻的车辆定位预测信息
其中:和分别为当前时刻车辆在车身坐标系x轴方向和y轴方向上的速度值,Δt为相机的采样间隔,T表示转置。
进一步地,所述步骤(6)中通过以下公式计算纠正后当前时刻的车辆GPS位置
其中:为当前时刻通过GPS得到的车辆位置,为当前时刻通过GPS得到的车辆行驶方向,为通过步骤(4)估算得到的当前时刻车辆行驶方向。
进一步地,所述步骤(7)中不满足车辆行驶方向的标准为: 为当前时刻通过GPS得到的车辆行驶方向,为通过步骤(4)估算得到的当前时刻车辆行驶方向;弱GPS信号的标准为GPS信噪比大于35dB的卫星数小于4。
本发明采用无迹卡尔曼滤波对GPS定位结果与光流法推算的车辆位置信息进行融合,实现了较长时间的实时车辆高精度定位。在利用光流法对车辆速度信息进行计算时,本发明根据实际行驶道路场景及车辆行驶情况对噪声点进行了有效的过滤,提高了车辆速度的测量精度。在对GPS信号进行纠正的过程中,本发明利用了车辆的行驶方向这一约束信息对GPS信号进行了纠正,进一步降低了GPS信号漂移对车辆定位的影响。
附图说明
图1为本发明GPS信号防漂移方法的流程示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示,本发明基于光流法的GPS信号防漂移方法,包括以下步骤:
步骤1:在车头距地面h米处安装相机,并将相机稍微倾斜,具体为相机坐标系y轴指向车辆上前方,x轴水平指向车辆右侧,z轴斜指向地面,其中y轴与车辆竖直方向的夹角即相机的倾角为α。h与α需要根据车辆实际情况以及相机参数共同确定,确定标准主要为车辆位于水平地面时,相机拍摄图像至少可以覆盖车前0.5m~6m范围的地面信息,记校正后的图像为img,定义车身坐标系为以车辆后轮轴中心为原点,车身右侧方向为x轴,车头方向为y轴,车辆上方为z轴。记dmin,dmax(单位为m)分别为车辆位于水平地面时,相机距离图像所需覆盖地面的最近水平距离和最远水平距离,dmin一般需满足0≤dmin≤0.5,dmax一般需满足dmax≥6。当确定h(单位为m)之后,α(单位为rad)需要满足的条件为:其中v(单位为mm)为相机CCD/CMOS感光器件尺寸高度,h为相机的焦距(单位为mm),记一般α还需要满足否则图像中会包含大量非路面信息,这就需要额外的工作对图像进行处理。以焦距为6mm的1/2″相机镜头为例,图像尺寸为u=6.4mm,v=4.8mm,当相机中心距地面高度h=0.3m时,α需要满足的条件为:0.381rad<α≤0.431rad,当选取α=0.4rad时,图像覆盖区域为车前0.3m~15.4m地面信息。
步骤2:当根据步骤1确定h和α之后,从图像下方开始对图像进行截取,以将图像中的车道信息提取出来,将这部分图像记为img1。截取标准为地面平坦区域,并覆盖车辆前方的当前道路信息,截取所依据的公式主要为其中wr为车道实际宽度(单位为m),ur(θ)为θ角度下车道在图像中的宽度(单位为mm),θ为实际道路点与其对应图像的连线和水平地面的夹角(单位为rad,α-β≤θ≤α+β)。以h=0.3m,α=0.4rad,β=0.381rad,wr=3.5m,u=6.4mm,v=4.8mm为例,完整车道在图像最下方显示时,ur=u,此时可求出θ=0.087rad,对应图像点距图像底部的高度为4.34mm;当完整车道在图像最上方显示时,θ=α-β=0.019rad,此时可求出ur=1.43mm。因此在车辆位于车道中央且直线行驶时,图像下方90.4%均为当前车道的图像,以图像顶部1.43mm宽为顶边,以距图像顶部0.46mm处4.8mm宽为底边的等腰梯形均为当前车道的图像,因此在图像中共有96.6%的区域为车道图像,这部分图像即为img1。
步骤3:根据步骤2截取图像得到的img1还需要进行一定的预处理,因为在车速较低或车辆转弯时,截取的图像中可能会包含其他车辆、行人等非路面数据。具体预处理方法为根据上一时刻估计的车辆速度以及车辆运动方向信息对截取图像进一步截取,这一步骤得到的图像标记为img2。当车速高于30km/h且车辆转角小于5°时,使用全部img1作为img2;否则根据车速和车辆运动方向对img1进行截取,截取依据为img2图像高度himg2(从图像下方开始统计)与上一时刻车速大小vt-1(单位为m/s)正相关,即img2在img1中占据的宽度wimg2与上一时刻车辆角速度ωt-1(单位为rad/s,左转为正值)负相关,即其中wimg1为img1的图像宽度,ωmax为车速为30km/h时车辆的最大角速度,当车辆向左转时,img2从img1左侧开始截取wimg2宽度的图像,当车辆向右转时,img2从img1右侧开始截取wimg2宽度的图像。
步骤4:基于金字塔Lucas-Kanade光流算法根据当前时刻和上一时刻的原始图像计算当前车辆的行驶速度和行驶方向。由于Lucas-Kanade算法基于的假设是图像之间的相对运动比较小,对于车辆驾驶过程中存在的帧间大位移情况,这一假设并不一直成立,在图像金字塔的多层图像上多次求解跟踪则可以得到更为精准的光流值。通过金字塔L-K算法得到当前时刻图像imgt上像素点pt(i,j)(i,j为该像素在图像坐标系中的坐标,其中i为x轴坐标,j为y轴坐标)与上一时刻图像imgt-1上像素点pt-1(m,n)之间的对应关系之后(m,n为该像素在图像坐标系中的坐标,其中m为x轴坐标,n为y轴坐标),需对pt(i,j)、pt-1(m,n)分别进行过滤,过滤方法为判断其是否分别位于img2t,img2t-1中,忽略pt(i,j)在img2t或pt-1(m,n)在img2t-1之外的像素点计算。t时刻pt(i,j)在车身坐标系中运动速度分别为其中为像素pt(i,j)所对应地面点t时刻在车身坐标系中x轴方向的速度值,为像素pt(i,j)所对应地面点t时刻在车身坐标系中y轴方向的速度值,X(p)为计算像素p所拍摄的地面点在车身坐标系中x轴坐标(单位为m)的公式,Y(p)为计算像素p所拍摄的地面点在车身坐标系中y轴坐标(单位为m)的公式,Δt为t时刻与t-1时刻的时间差(单位为s)。由于计算误差的存在,需要对各像素的进行聚类以去除噪声点,最终过滤的像素点用于计算车辆的前进速度和角速度。因此,t时刻车辆前进速度其中车辆角速度其中
步骤5:对步骤4得到车辆速度信息进行积分可以得到车辆的位移和行驶方向信息,对于不满足车辆行驶方向的弱GPS信号,根据车辆行驶方向、位移信息和上一时刻的定位信息对当前时刻GPS定位信息进行预测。记上一时刻车辆位置pt-1=[xt-1,yt-1]T,其中xt-1,yt-1分别为车辆位置的经度和纬度,则根据步骤4得到的车辆速度信息计算的当前时刻车辆位置根据车辆行驶方向的纠正的GPS车辆定位位置其中为旋转矩阵;分别为根据GPS和步骤4预测的车辆行驶方向;为t时刻GPS得到的车辆位置。目前大部分GPS信号修正方法都是直接将车辆抽象为一个质点,默认车辆存在任何方向的漂移,但在实际情况中,车辆只能沿着一定方向行驶,因此考虑到车辆行驶方向的约束能够极大减少GPS漂移信号的误判率。
步骤6:结合步骤5得到的车辆定位预测信息和处理之后的GPS位置使用无迹卡尔曼滤波器对定位信息进行估计,相较于扩展卡尔曼滤波,无迹卡尔曼滤波不需要计算雅可比矩阵,实现起来更为简单,并且估计精度也更高。
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (9)
1.一种基于光流法的GPS信号防漂移方法,包括如下步骤:
(1)在车辆头部距地面h米高度安装相机,并使相机以倾角α倾斜安置;
(2)利用相机采集车前方图像,从图像下边界开始将图像中的车道区域提取出来,并将提取出来的部分记为img1;
(3)对img1进行预处理,即根据上一时刻估计得到的车辆速度及运动方向信息对img1进一步截取,得到img2;
(4)根据前后两个时刻的img2通过金字塔Lucas-Kanade光流算法计算出当前时刻的车辆速度信息和行驶方向;
(5)利用前一时刻估计得到的车辆位置pt-1以及步骤(4)估算得到的当前时刻车辆速度信息,计算出当前时刻的车辆定位预测信息
(6)利用GPS得到的当前时刻车辆位置和行驶方向以及步骤(4)估算得到的当前时刻车辆行驶方向,计算出纠正后当前时刻的车辆GPS位置
(7)若车辆当前时刻的GPS信号为不满足车辆行驶方向的弱GPS信号,则利用和通过无迹卡尔曼滤波器对车辆定位信息进行融合估计,最终输出得到当前时刻的车辆位置pt。
2.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(1)中对于相机的安置标准为:使相机坐标系y轴指向车辆前上方且与车辆竖直方向的夹角为α,x轴指向车辆右侧,z轴指向地面;高度h以保证相机距离图像所覆盖地面的最近水平距离dmin和最远水平距离dmax满足0≤dmin≤0.5米,dmax≥6米;倾角α满足以下关系式:
其中:v为相机感光器件的尺寸高度,f为相机的焦距。
3.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(2)中依据以下公式提取车道区域;
其中:wr为车道实际宽度,ur(θ)为θ角度下车道在图像中的宽度,θ为连线l与水平地面的夹角且α-β≤θ≤α+β,l为实际道路边沿点与相机焦点的连线,β=arctan(v/2f),v为相机感光器件的尺寸高度,f为相机的焦距。
4.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(3)中对img1进一步截取的标准为:若上一时刻的车辆速度大于30km/h且车辆转角小于5°,则使img1作为img2;否则从img1中截取高为himg2宽为wimg2的图像区域作为img2,若上一时刻车辆向左转则从img1左下角为起点开始截取,若上一时刻车辆向右转则从img1右下角为起点开始截取;
其中:himg1和wimg1分别为img1的高和宽,vt-1为上一时刻的车辆速度,ωt-1为上一时刻的车辆角速度,ωmax为车速为30km/h时车辆的最大角速度。
5.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(4)的具体计算过程如下:
4.1通过金字塔Lucas-Kanade光流算法找出所有的匹配像素点,对于任一匹配像素点pt(i,j),其在当前时刻的img2内且在前一时刻的img2内存在有与pt(i,j)相对应的像素点pt-1(m,n);
4.2根据以下关系式计算当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系中的速度分量;
其中:为当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系x轴方向上的速度值,为当前时刻匹配像素点pt(i,j)所对应的地面点在车身坐标系y轴方向上的速度值,X(pt(i,j))为匹配像素点pt(i,j)所对应的地面点在车身坐标系x轴上的坐标,Y(pt(i,j))为匹配像素点pt(i,j)所对应的地面点在车身坐标系y轴上的坐标,X(pt-1(m,n))为像素点pt-1(m,n)所对应的地面点在车身坐标系x轴上的坐标,Y(pt-1(m,n))为像素点pt-1(m,n)所对应的地面点在车身坐标系y轴上的坐标,Δt为相机的采样间隔;
4.3根据以下公式计算出当前时刻的车辆速度信息;
其中:vt为当前时刻的车辆速度,ωt为当前时刻的车辆角速度,和分别为当前时刻车辆在车身坐标系x轴方向和y轴方向上的速度值,Ω为匹配像素点集合,sgn()为符号函数;
4.4对和进行积分即可得到当前时刻车辆的行驶方向。
6.根据权利要求5所述的GPS信号防漂移方法,其特征在于:所述车身坐标系以车辆后轮轴中心为原点,车身右侧方向为x轴,车头方向为y轴,车辆上方为z轴。
7.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(5)中通过以下公式计算当前时刻的车辆定位预测信息
其中:和分别为当前时刻车辆在车身坐标系x轴方向和y轴方向上的速度值,Δt为相机的采样间隔,T表示转置。
8.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(6)中通过以下公式计算纠正后当前时刻的车辆GPS位置
其中:为当前时刻通过GPS得到的车辆位置,为当前时刻通过GPS得到的车辆行驶方向,为通过步骤(4)估算得到的当前时刻车辆行驶方向。
9.根据权利要求1所述的GPS信号防漂移方法,其特征在于:所述步骤(7)中不满足车辆行驶方向的标准为: 为当前时刻通过GPS得到的车辆行驶方向,为通过步骤(4)估算得到的当前时刻车辆行驶方向;弱GPS信号的标准为GPS信噪比大于35dB的卫星数小于4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227874.3A CN109975844B (zh) | 2019-03-25 | 2019-03-25 | 一种基于光流法的gps信号防漂移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227874.3A CN109975844B (zh) | 2019-03-25 | 2019-03-25 | 一种基于光流法的gps信号防漂移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109975844A true CN109975844A (zh) | 2019-07-05 |
CN109975844B CN109975844B (zh) | 2020-11-24 |
Family
ID=67080335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910227874.3A Active CN109975844B (zh) | 2019-03-25 | 2019-03-25 | 一种基于光流法的gps信号防漂移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109975844B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728309A (zh) * | 2019-09-27 | 2020-01-24 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 |
CN111665530A (zh) * | 2020-05-18 | 2020-09-15 | 北京踏歌智行科技有限公司 | 一种基于车辆状态的gps诊断方法 |
CN111965680A (zh) * | 2020-07-01 | 2020-11-20 | 浙江大华技术股份有限公司 | 一种过滤gps漂移点方法、装置、电子设备及存储介质 |
CN114137563A (zh) * | 2021-11-29 | 2022-03-04 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100409027C (zh) * | 1995-10-09 | 2008-08-06 | 快速追踪有限公司 | 处理gps信号的gps接收机及方法 |
US20090167603A1 (en) * | 2007-12-27 | 2009-07-02 | Seiko Epson Corporation | Positioning method, computer program, positioning device, and electronic apparatus |
CN104808231A (zh) * | 2015-03-10 | 2015-07-29 | 天津大学 | 基于gps与光流传感器数据融合的无人机定位方法 |
CN104864866A (zh) * | 2015-05-15 | 2015-08-26 | 零度智控(北京)智能科技有限公司 | 飞行器飞行误差矫正装置、矫正方法及无人飞行器 |
CN204989980U (zh) * | 2015-09-21 | 2016-01-20 | 北京浩恒征途航空科技有限公司 | 一种变桨距多旋翼飞行器控制器 |
CN106018417A (zh) * | 2016-06-27 | 2016-10-12 | 深圳大学 | 一种外墙缺陷的检测方法及检测系统 |
CN106813662A (zh) * | 2016-06-08 | 2017-06-09 | 极翼机器人(上海)有限公司 | 一种基于光流的导航方法 |
CN107543539A (zh) * | 2016-06-29 | 2018-01-05 | 联芯科技有限公司 | 一种无人机的位置信息获取方法及无人机 |
CN108627152A (zh) * | 2018-04-25 | 2018-10-09 | 珠海全志科技股份有限公司 | 一种微型无人机基于多传感器数据融合的导航方法 |
-
2019
- 2019-03-25 CN CN201910227874.3A patent/CN109975844B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100409027C (zh) * | 1995-10-09 | 2008-08-06 | 快速追踪有限公司 | 处理gps信号的gps接收机及方法 |
US20090167603A1 (en) * | 2007-12-27 | 2009-07-02 | Seiko Epson Corporation | Positioning method, computer program, positioning device, and electronic apparatus |
CN104808231A (zh) * | 2015-03-10 | 2015-07-29 | 天津大学 | 基于gps与光流传感器数据融合的无人机定位方法 |
CN104864866A (zh) * | 2015-05-15 | 2015-08-26 | 零度智控(北京)智能科技有限公司 | 飞行器飞行误差矫正装置、矫正方法及无人飞行器 |
CN204989980U (zh) * | 2015-09-21 | 2016-01-20 | 北京浩恒征途航空科技有限公司 | 一种变桨距多旋翼飞行器控制器 |
CN106813662A (zh) * | 2016-06-08 | 2017-06-09 | 极翼机器人(上海)有限公司 | 一种基于光流的导航方法 |
CN106018417A (zh) * | 2016-06-27 | 2016-10-12 | 深圳大学 | 一种外墙缺陷的检测方法及检测系统 |
CN107543539A (zh) * | 2016-06-29 | 2018-01-05 | 联芯科技有限公司 | 一种无人机的位置信息获取方法及无人机 |
CN108627152A (zh) * | 2018-04-25 | 2018-10-09 | 珠海全志科技股份有限公司 | 一种微型无人机基于多传感器数据融合的导航方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728309A (zh) * | 2019-09-27 | 2020-01-24 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 |
CN110728309B (zh) * | 2019-09-27 | 2023-05-02 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 |
CN111665530A (zh) * | 2020-05-18 | 2020-09-15 | 北京踏歌智行科技有限公司 | 一种基于车辆状态的gps诊断方法 |
CN111665530B (zh) * | 2020-05-18 | 2023-06-02 | 北京踏歌智行科技有限公司 | 一种基于车辆状态的gps诊断方法 |
CN111965680A (zh) * | 2020-07-01 | 2020-11-20 | 浙江大华技术股份有限公司 | 一种过滤gps漂移点方法、装置、电子设备及存储介质 |
CN111965680B (zh) * | 2020-07-01 | 2023-04-07 | 浙江大华技术股份有限公司 | 一种过滤gps漂移点方法、装置、电子设备及存储介质 |
CN114137563A (zh) * | 2021-11-29 | 2022-03-04 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
CN114137563B (zh) * | 2021-11-29 | 2023-03-10 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109975844B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109975844A (zh) | 一种基于光流法的gps信号防漂移方法 | |
WO2021259344A1 (zh) | 车辆检测方法、装置、车辆和存储介质 | |
US11756316B2 (en) | Vehicular lane keeping system | |
CN107646114B (zh) | 用于估计车道的方法 | |
US20210261159A1 (en) | Method for object avoidance during autonomous navigation | |
EP1975565B1 (en) | Road surface feature information collecting apparatus and method | |
US8447519B2 (en) | Method of augmenting GPS or GPS/sensor vehicle positioning using additional in-vehicle vision sensors | |
Kruger et al. | Real-time estimation and tracking of optical flow vectors for obstacle detection | |
JP5714940B2 (ja) | 移動体位置測定装置 | |
US20050004762A1 (en) | Obstacle detection apparatus and method for automotive vehicle | |
Hu et al. | Real-time data fusion on tracking camera pose for direct visual guidance | |
JP2012127896A (ja) | 移動体位置測定装置 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN110858405A (zh) | 车载摄像头的姿态估计方法、装置和系统及电子设备 | |
WO2022041706A1 (zh) | 一种定位方法、定位系统和车辆 | |
CN109917359B (zh) | 基于车载单目视觉的鲁棒车辆距离估计方法 | |
JP2007241468A (ja) | 車線変更検出装置 | |
US20230316539A1 (en) | Feature detection device, feature detection method, and computer program for detecting feature | |
WO2017216856A1 (ja) | 車間距離推定方法及び車間距離推定装置 | |
CN116524454A (zh) | 物体追踪装置、物体追踪方法及存储介质 | |
JP4492592B2 (ja) | 車両検出装置、ナビゲーション装置、車両検出プログラムおよび車両検出方法 | |
Quintero et al. | Extended floating car data system-experimental study | |
Suganuma et al. | Current status and issues of traffic light recognition technology in Autonomous Driving System | |
US20230260294A1 (en) | Apparatus, method, and computer program for estimating road edge | |
Chipka et al. | Autonomous urban localization and navigation with limited information |
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 |