CN110081884A - 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 - Google Patents
基于虚拟航向的重力辅助惯性导航区域适配性评价方法 Download PDFInfo
- Publication number
- CN110081884A CN110081884A CN201910424930.2A CN201910424930A CN110081884A CN 110081884 A CN110081884 A CN 110081884A CN 201910424930 A CN201910424930 A CN 201910424930A CN 110081884 A CN110081884 A CN 110081884A
- Authority
- CN
- China
- Prior art keywords
- gravity
- virtual course
- gravity anomaly
- regional area
- field feature
- 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
- 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)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于虚拟航向的重力辅助惯性导航区域适配性评价方法,基于方向确定适配性分析计算范围,确定重力特征参数表达式。并使用层次分析法对多种特征参数进行融合得到综合特征参数;在各特征参数权重和选取阈值一致的条件下,给出导航区域在不同方向下选取的适配区,可使适配区的选取更为准确,提高匹配效率,并为水下运载体航行与重力匹配提供重要指导信息;其中,本发明对传统重力特征参数计算公式进行改进,使其可计算基于任意虚拟给定航向的相应重力特征参数,对区域的重力特征描述更具有方向性直观性。
Description
技术领域
本发明属于组合导航技术领域,具体涉及基于虚拟航向的重力辅助惯性导航区域适配性评价方法。
背景技术
惯性导航是目前水下定位导航采用的主要导航方式,其能同时给出位置、姿态等多种信息,短时导航精度较高。但由于惯性元件自身误差、惯性元件安装误差,以及 受惯导原理的限制,其定位误差会随时间积累。在长航时时,惯性导航的精度将无法 保证载体航行的安全及执行任务的要求。因此,需要其他辅助导航方式对其误差进行 定期重调和修正。重力匹配导航是一种自主无源导航,具有不向外界发射和接受信号, 不易受外界干扰,实时性好等优点,可辅助惯性导航系统进行高精度自主无源长航时 导航。
重力匹配的定位效果与匹配区域的重力场特征密切相关。当所匹配区域重力场特征丰富,重力异常值差异大时,各位置点易识别匹配,定位效果好;反之,定位效果 差。目前,相关学者已经提出了各种衡量区域整体重力数据变化特征的统计参数以及 相应的适配区选取方法,有基于各种单一的特征参数的单一指标选取方法,基于几种 特征参数的阈值比较结果交集的阈值法,以及基于多种参数融合的选取方法,如利用 层次分析法分析比较各种重力特征参数的重要性构建综合特征参数进行选取。但由于 所选适配区并不都在各个方向上适合匹配,大多数适配区都为在一定方向范围内适合 匹配。如有的区域,标准差较大的但只在经度方向上或纬度方向上粗糙度较大,另一 个方向则比较小,即其重力场特征仅仅在某个方向上较为明显。在实际航行时有很大 概率以不适合匹配的方向通过此区域,匹配效果差,甚至不如部分非适配区,如此容 易产生误导。
发明内容
有鉴于此,本发明提供了一种基于虚拟航向的重力辅助惯性导航区域适配性评价方法,可使适配区的选取更为准确,提高匹配效率,并为水下运载体航行与重力匹配 提供重要指导信息。
基于虚拟航向的重力辅助惯性导航区域适配性评价方法,包括如下步骤:
步骤1,根据虚拟航向θ计算局部区域的重力异常标准差σ;
步骤2,基于虚拟航向计算局部区域的重力异常绝对粗糙度R;
步骤3,基于虚拟航向计算局部区域的重力异常坡度S;
步骤4,基于虚拟航向计算局部区域的重力异常熵H;
步骤5,利用层次分析法,根据重要性为以上四个步骤获得的重力异常标准差σ、重力异常绝对粗糙度R、重力异常坡度S和重力异常熵H四个重力特征参数赋权值,并 利用各自的权值进行加权求和,得到综合重力特征参数Tθ,利用综合重力特征参数Tθ进 行区域适配性的评价。
较佳的,步骤1中所述重力异常标准差σ为:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为 局部区域长度方向上的网格数。
较佳的,步骤2中所述重力异常绝对粗糙度R为:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为 局部区域长度方向上的网格数。
较佳的,步骤3中所述重力异常坡度S:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为 局部区域长度方向上的网格数。
较佳的,步骤4中所述重力异常熵H为:
式中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为 局部区域长度方向上的网格数;pij为网格点(i,j)处的重力异常值出现的概率;a=2,单位为比特。
较佳的,所述步骤5中,利用分析法确定四种重力特征参数权值时,对重力特征 参数进行两两比较得到层次分析法判断矩阵,则判断矩阵最大特征值λmax对应的归一化 特征向量q即为各重力特征参数的权重值;
其中,得到判断矩阵后,计算随机一致性比率是否小于0.1,若小于则所构建判断矩阵合理;如果不小于,则重新构建判断矩阵;其中,度量判断矩阵偏离一 致性的指标n′为判断矩阵阶数,RI为判断矩阵的平均随机一致性指标。
较佳的,在所述步骤5中,先对对所述四个重力特征参数进行归一化处理,然后 再进行加权求和计算。
本发明具有如下有益效果:
本发明的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,基于方向确定适配性分析计算范围,确定重力特征参数表达式。并使用层次分析法对多种特征参数 进行融合得到综合特征参数。在各特征参数权重和选取阈值一致的条件下,给出导航 区域在不同方向下选取的适配区,可使适配区的选取更为准确,提高匹配效率,并为 水下运载体航行与重力匹配提供重要指导信息;其中,本发明对传统重力特征参数计 算公式进行改进,使其可计算基于任意虚拟给定航向的相应重力特征参数,对区域的 重力特征描述更具有方向性直观性。
具体实施方式
本发明的一种基于虚拟航向的重力辅助惯性导航区域适配性评价方法,包括如下步骤:
步骤1,计算基于虚拟航向的重力异常标准差:
重力场数据一般以网格形式存储,定义东向为0°,逆时针转为方向角度增量方向,则根据虚拟航向角度θ计算局部区域的重力异常标准差σ:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为 局部区域长度方向上的网格数。因或tanθ需四舍五入至最近网格点,即上式及下列各式的或tanθ其实质示为或round(tanθ)。
步骤2,基于虚拟航向计算局部区域的重力异常绝对粗糙度R:
步骤3,基于虚拟航向计算局部区域的重力异常坡度S:
步骤4,基于虚拟航向计算局部区域的重力异常熵H:
式中,pij为网格点(i,j)处的重力异常值出现的概率。对数的底a决定信息量的单位,一般取a=2,单位为比特(bit)。因为网格点重力异常值有负有正,通过数据平 移对数据进行非负化处理。
步骤5,利用层次分析法根据重要性为以上四个步骤获得的四个重力特征参数赋权 值,融合得到综合评价指标,最后进行区域适配性的评价:
分析四种重力特征参数的特点及其相对重要性,对重力特征参数进行两两比较得到层次分析法判断矩阵,如表1所示:
表1层次分析法判断矩阵
求取判断矩阵最大特征值λmax,其对应的归一化特征向量q即为各重力特征参数的权重值。计算随机一致性比率是否小于0.1,若小于则所构建判断矩阵合理; 若不小于,则需重新构建判断矩阵;其中,度量判断矩阵偏离一致性的指标(n′ 为判断矩阵阶数),RI为四维判断矩阵的平均随机一致性指标。
对重力异常标准差、重力异常绝对粗糙度和重力异常坡度采用式(5)进行线性归一化处理,对重力异常熵采用式(6)进行线性归一化处理。得到C=[c1,c2,c3,c4]T,其中 从c1到c4分别表示重力异常标准差σ、重力异常绝对粗糙度R、重力异常坡度S和重力 异常熵H归一化后的数值集。
式中,y为通过公式归一化得到的数据,x为原重力特征参数值,为重力特征参数数据集,分别为数据集中的最大值和最小值。
最后得到基于虚拟航向的综合重力特征参数Tθ=qTC表达式如下:
Tθ=q1·c1+q2·c2+q3·c3+q4·c4 (7)
以特征参数Tθ来划分重力辅助导航适配区与非适配区,适配区选择准则为:
Tθ>t0 (8)
其中,t0为划分适配区域与非适配区域的阈值。根据新的适配区选择准则,综合大量仿真实验和经验确定划分的阈值,对同一区域不同方向θ阈值t0一致。
实施例:取经纬度跨度为5°×5°的海洋区域,分辨率为2'×2',经三次函数插值后分 辨率为1'×1',对各网格点适配性进行分析。其过程如下:
步骤1,计算基于虚拟航向的重力异常标准差:
分别计算局部区域虚拟航向角度θ为0°,45°以及90°的重力异常标准差统计参数,
注,上式及下列各式的或tanθ其实质示为或round(tanθ)。
步骤2,计算基于虚拟航向的重力异常绝对粗糙度:
分别计算局部区域虚拟航向角度θ为0°,45°以及90°的重力异常绝对粗糙度统 计参数,
步骤3,计算基于虚拟航向的重力异常坡度:
分别计算局部区域虚拟航向角度θ为0°,45°以及90°的重力异常坡度统计参 数,
步骤4,计算基于虚拟航向的重力异常熵:
分别计算局部区域虚拟航向角度θ为0°,45°以及90°的重力异常熵统计参数,
步骤5,利用层次分析法根据重要性为各重力特征参数赋权值,融合得到综合评价指标,进行区域适配性的评价:
分析四种重力特征参数的特点及其相对重要性,对重力特征参数进行两两比较得到层次分析法判断矩阵如表2所示:
表2层次分析法判断矩阵
求取判断矩阵最大特征值λ=4.1213,其对应的归一化特征向量q即为各重力特征参 数的权重值,计算可得q=[0.8485,0.4000,0.2828,0.2000]。计算随机一致性比率即所构建的判断矩阵具有一致满意性,可以用来计算各重力特征参数的权重值。
对重力异常标准差、重力异常绝对粗糙度和重力异常坡度采用式(5)进行线性归一化处理,对重力异常熵采用式(6)进行线性归一化处理。得到C=[c1,c2,c3,c4]T,其中 从c1到c4分别表示重力异常标准差、重力异常绝对粗糙度、重力异常坡度和重力异常熵 归一化后的数值集。
最后得到基于虚拟航向的综合重力特征参数Tθ=qTC表达式如下:
Tθ=0.8484·σ+0.4000·R+0.2828·S+0.2000·H (7)
以特征参数Tθ来划分重力辅助导航适配区与非适配区,确定虚拟航向角度θ为0°,45°以及90°适配区选择准则为:
Tθ>t0 (8)
综合大量仿真实验和经验确定划分的阈值t0=0.68。
为说明本发明的效果,将本发明方法与传统层次分析法进行对比。传统层次分析法因为没有考虑适配区选取的具体方向性,趋向于选取在各个方向都适配的区域,导 致选取条件较为严苛,有时会漏掉部分在某方向范围内适配的区域。且选取的适配区 绝大部分都无法在任意方向适配,都为在某一方向范围适配,有较大的误导性。而本 发明提出的基于虚拟航向的选取方法,更直接更具方向目的性,可充分且适当选取有 效适配区,匹配误导性更低。在实际应用中,可根据航行任务,对兴趣方向进行适配 区选取,也可对兴趣区域进行方向适配性分析。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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。
Claims (7)
1.基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,包括如下步骤:
步骤1,根据虚拟航向θ计算局部区域的重力异常标准差σ;
步骤2,基于虚拟航向计算局部区域的重力异常绝对粗糙度R;
步骤3,基于虚拟航向计算局部区域的重力异常坡度S;
步骤4,基于虚拟航向计算局部区域的重力异常熵H;
步骤5,利用层次分析法,根据重要性为以上四个步骤获得的重力异常标准差σ、重力异常绝对粗糙度R、重力异常坡度S和重力异常熵H四个重力特征参数赋权值,并利用各自的权值进行加权求和,得到综合重力特征参数Tθ,利用综合重力特征参数Tθ进行区域适配性的评价。
2.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,步骤1中所述重力异常标准差σ为:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为局部区域长度方向上的网格数。
3.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,步骤2中所述重力异常绝对粗糙度R为:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为局部区域长度方向上的网格数。
4.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,步骤3中所述重力异常坡度S:
其中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为局部区域长度方向上的网格数。
5.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,步骤4中所述重力异常熵H为:
式中,g(i,j)为网格(i,j)处重力异常数据,m为局部区域宽度方向上的网格数,n为局部区域长度方向上的网格数;pij为网格点(i,j)处的重力异常值出现的概率;a=2,单位为比特。
6.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,所述步骤5中,利用分析法确定四种重力特征参数权值时,对重力特征参数进行两两比较得到层次分析法判断矩阵,则判断矩阵最大特征值λmax对应的归一化特征向量q即为各重力特征参数的权重值;
其中,得到判断矩阵后,计算随机一致性比率是否小于0.1,若小于则所构建判断矩阵合理;如果不小于,则重新构建判断矩阵;其中,度量判断矩阵偏离一致性的指标n′为判断矩阵阶数,RI为判断矩阵的平均随机一致性指标。
7.如权利要求1所述的基于虚拟航向的重力辅助惯性导航区域适配性评价方法,其特征在于,在所述步骤5中,先对对所述四个重力特征参数进行归一化处理,然后再进行加权求和计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424930.2A CN110081884B (zh) | 2019-05-21 | 2019-05-21 | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424930.2A CN110081884B (zh) | 2019-05-21 | 2019-05-21 | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110081884A true CN110081884A (zh) | 2019-08-02 |
CN110081884B CN110081884B (zh) | 2021-02-12 |
Family
ID=67421193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910424930.2A Active CN110081884B (zh) | 2019-05-21 | 2019-05-21 | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110081884B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044041A (zh) * | 2019-12-31 | 2020-04-21 | 北京理工大学 | 基于重力场三维特征的重力辅助惯性导航适配区选取方法 |
CN111896002A (zh) * | 2020-07-22 | 2020-11-06 | 北京航空航天大学 | 地形辅助导航匹配区在线规划与适配性分析方法及系统 |
CN112729292A (zh) * | 2021-01-08 | 2021-04-30 | 中国船舶重工集团公司第七0七研究所 | 基于层次分析方法的多重统计参数的重力适配区选取方法 |
CN112729275A (zh) * | 2021-01-08 | 2021-04-30 | 中国船舶重工集团公司第七0七研究所 | 一种利用因子分析的卫星反演图重力适配区选取方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5912643A (en) * | 1997-05-29 | 1999-06-15 | Lockheed Corporation | Passive navigation system |
US6185502B1 (en) * | 1998-12-23 | 2001-02-06 | The United States Of America As Represented By The Secretary Of The Navy | Passive position fix system |
CN102128625A (zh) * | 2010-12-08 | 2011-07-20 | 北京航空航天大学 | 重力辅助惯性导航系统中重力图匹配的初始匹配方法 |
CN104075715A (zh) * | 2014-07-07 | 2014-10-01 | 东南大学 | 一种结合地形和环境特征的水下导航定位方法 |
CN105021182A (zh) * | 2015-06-03 | 2015-11-04 | 北京理工大学 | 一种重力辅助惯性导航适配区的选择方法 |
CN105157703A (zh) * | 2015-06-03 | 2015-12-16 | 北京理工大学 | 一种重力辅助惯性导航适配区可导航性的评价方法 |
CN107525502A (zh) * | 2017-07-03 | 2017-12-29 | 中国空间技术研究院 | 一种提高水下航行器惯性地形匹配导航平均精度的方法 |
CN109141426A (zh) * | 2018-08-10 | 2019-01-04 | 中国空间技术研究院 | 一种水下重力匹配导航适配区的优选方法 |
-
2019
- 2019-05-21 CN CN201910424930.2A patent/CN110081884B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5912643A (en) * | 1997-05-29 | 1999-06-15 | Lockheed Corporation | Passive navigation system |
US6014103A (en) * | 1997-05-29 | 2000-01-11 | Lockheed Martin Corporation | Passive navigation system |
US6185502B1 (en) * | 1998-12-23 | 2001-02-06 | The United States Of America As Represented By The Secretary Of The Navy | Passive position fix system |
CN102128625A (zh) * | 2010-12-08 | 2011-07-20 | 北京航空航天大学 | 重力辅助惯性导航系统中重力图匹配的初始匹配方法 |
CN104075715A (zh) * | 2014-07-07 | 2014-10-01 | 东南大学 | 一种结合地形和环境特征的水下导航定位方法 |
CN105021182A (zh) * | 2015-06-03 | 2015-11-04 | 北京理工大学 | 一种重力辅助惯性导航适配区的选择方法 |
CN105157703A (zh) * | 2015-06-03 | 2015-12-16 | 北京理工大学 | 一种重力辅助惯性导航适配区可导航性的评价方法 |
CN107525502A (zh) * | 2017-07-03 | 2017-12-29 | 中国空间技术研究院 | 一种提高水下航行器惯性地形匹配导航平均精度的方法 |
CN109141426A (zh) * | 2018-08-10 | 2019-01-04 | 中国空间技术研究院 | 一种水下重力匹配导航适配区的优选方法 |
Non-Patent Citations (3)
Title |
---|
姚剑奇: "水下重力辅助导航定位方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
李艳: "基于ArcGIS的重力图构建及其可导航性分析方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
杨永胜: "《从竞争力到核心竞争力 中国企业集团国际化的理论与实践》", 31 March 2016 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044041A (zh) * | 2019-12-31 | 2020-04-21 | 北京理工大学 | 基于重力场三维特征的重力辅助惯性导航适配区选取方法 |
CN111044041B (zh) * | 2019-12-31 | 2021-04-27 | 北京理工大学 | 基于重力场三维特征的重力辅助惯性导航适配区选取方法 |
CN111896002A (zh) * | 2020-07-22 | 2020-11-06 | 北京航空航天大学 | 地形辅助导航匹配区在线规划与适配性分析方法及系统 |
CN111896002B (zh) * | 2020-07-22 | 2023-05-12 | 北京航空航天大学 | 地形辅助导航匹配区在线规划与适配性分析方法及系统 |
CN112729292A (zh) * | 2021-01-08 | 2021-04-30 | 中国船舶重工集团公司第七0七研究所 | 基于层次分析方法的多重统计参数的重力适配区选取方法 |
CN112729275A (zh) * | 2021-01-08 | 2021-04-30 | 中国船舶重工集团公司第七0七研究所 | 一种利用因子分析的卫星反演图重力适配区选取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110081884B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110081884A (zh) | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 | |
CN108680163B (zh) | 一种基于拓扑地图的无人艇路径搜索系统及方法 | |
Di Prinzio et al. | Data-driven catchment classification: application to the pub problem | |
CN110188093A (zh) | 一种基于大数据平台针对ais信息源的数据挖掘系统 | |
CN110031001B (zh) | 一种重力辅助惯性导航的适配区选取方法 | |
BR112016011555B1 (pt) | Método e sistema para definir e predizer trajetória de aeronaves | |
CN106093849B (zh) | 一种基于测距和神经网络算法的水下定位方法 | |
CN111595345B (zh) | 一种基于多维重力梯度灯塔的潜艇导航方法及系统 | |
CN110595472B (zh) | 一种无人船双目标气象航线优化方法和系统 | |
Henttonen et al. | Optimal plot design in a multipurpose forest inventory | |
Ivanovic et al. | Injecting planning-awareness into prediction and detection evaluation | |
US9852360B2 (en) | Data clustering apparatus and method | |
CN109000656B (zh) | 基于空间聚类的水下地形匹配导航适配区选择方法 | |
CN104239712A (zh) | 一种雷达抗干扰效能实时评估方法 | |
CN112529267A (zh) | 一种基于模糊综合评价法的超前地质预报方法及系统 | |
Li et al. | Unmanned aerial vehicle positioning based on multi-sensor information fusion | |
Zhao et al. | Abnormal trajectory detection based on a sparse subgraph | |
Wang et al. | Indoor tracking by rfid fusion with IMU data | |
Das et al. | Map enhanced route travel time prediction using deep neural networks | |
Lu et al. | Visual analysis of uncertainty in trajectories | |
CN105203327B (zh) | 一种应用于发动机气路分析的气路测量参数选择方法 | |
Ivanovic et al. | Rethinking trajectory forecasting evaluation | |
CN114170188A (zh) | 一种俯视图像的目标计数方法、系统及存储介质 | |
Zhang et al. | A novel comprehensive model of suitability analysis for matching area in underwater geomagnetic aided inertial navigation | |
CN112633389A (zh) | 一种基于mdl和速度方向的飓风运动轨迹趋势计算方法 |
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 |