CN110315540A - 一种基于uwb和双目vo紧耦合的机器人定位方法及系统 - Google Patents
一种基于uwb和双目vo紧耦合的机器人定位方法及系统 Download PDFInfo
- Publication number
- CN110315540A CN110315540A CN201910634746.0A CN201910634746A CN110315540A CN 110315540 A CN110315540 A CN 110315540A CN 201910634746 A CN201910634746 A CN 201910634746A CN 110315540 A CN110315540 A CN 110315540A
- Authority
- CN
- China
- Prior art keywords
- uwb
- pseudorange
- binocular
- base station
- mobile robot
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公布一种基于UWB和双目VO紧耦合的机器人定位方法及系统,具体为:在室内的四个角落均放置一个UWB基站,在室内需要被测的移动机器人上均安装一个UWB标签模块和双目VO;所述UWB标签模块将测量到的UWB伪距传送至自适应卡尔曼滤波器;所述双目VO将测得的自身位置信息传送至坐标转换单元,得到移动机器人的全局坐标信息,坐标转换单元将该全局坐标信息传送至双目VO伪距计算单元;得到双目VO伪距;双目VO伪距计算单元将双目VO伪距传送至自适应卡尔曼滤波器;所述自适应卡尔曼滤波器对收到伪距进行处理,得到修正后的双目VO伪距,并将修正后的双目VO伪距传送至位置计算单元,得到最终定位结果。本发明能够提高机器人室内定位系统的精度及可靠性。
Description
技术领域
本发明属于机器人室内导航定位技术领域,尤其涉及一种基于UWB和双目VO(视觉里程计)紧耦合的机器人定位方法及系统。
背景技术
在室内环境中,能够正确识别移动机器人自身所处位置并能按照设计路线行驶是室内移动机器人自主导航的重要部分,但要实现上述目标,却面临着一些难题。对室外环境中的移动机器人来讲,成熟的全球卫星定位系统是可以采用的方案,但是对于应用场景同样频繁的室内环境,由于房屋对卫星信号的遮挡使得该方案无法用于移动机器人的室内定位。在室内环境下,虽然还存在其他导航定位方法,但是这些单一导航方法各自都存在不同的缺点。比如高精度的光学运动捕捉系统能够提供厘米级的室内定位精度,但是高昂的成本、复杂的结构限制了它的使用;惯性导航系统和基于视觉的里程计虽然成本较低,但是由于误差的累计,无法满足长时间的定位要求。
近年来,无线室内定位系统变得非常流行,现有的室内定位技术包括射频识别、WIFI定位和UWB(超宽带技术)定位等技术。由于室内环境受建筑结构等复杂因素的影响,室内定位技术面临非视距、基于无线电技术的多路径等问题。而且由于导航精度随时间下降,一些室内定位技术缺乏长期独立导航的能力。在上述方法中,UWB是最有前景的室内定位和跟踪技术之一,但UWB依然具有定位精度较低、信号易受干扰等缺点。因此设计一种高定位精度、低成本的室内定位方法显得尤为重要。
发明内容
发明目的:针对上述现有技术存在定位精度低、信号易受干扰等问题,本发明提供一种基于UWB和双目VO紧耦合的机器人定位方法及系统。
技术方案:本发明提供一种基于UWB和双目VO紧耦合的机器人定位方法,具体包括如下步骤:
步骤1:在室内每个角落均布置一个UWB基站,分别为基站A、基站B、基站C和基站D;其中三个基站布置高度相同,另外一个基站高于其余三个基站;
步骤2:在室内需要被测的移动机器人上安装一个UWB标签模块和双目VO;
步骤3:双目VO实时输出其自身的相对位置信息,对位置信息进行坐标转换,得到移动机器人的全局位置信息,即移动机器人在UWB坐标系中的位置;
步骤4:根据四个基站的坐标信息和移动机器人的全局位置信息计算得到移动机器人分别与四个基站的欧式距离;即双目VO伪距ρVO;
步骤5:UWB标签模块实时输出移动机器人分别与四个UWB基站的欧式距离,即UWB伪距ρUWB;
步骤6:利用自适应卡尔曼滤波算法对伪距ρVO和伪距ρUWB进行处理,得到伪距ρVO的修正值;
步骤7;利用最小二乘法对伪距ρVO的修正值进行解算,得到该伪距ρVO所对应的双目VO所在的移动机器人在全局坐标下的坐标,即最终定位结果。
进一步的,所述步骤1在布置基站时,所述高度相同的三个基站的高度≥1.5m;另外一个基站比其余三个基站高0.5m-1m。
进一步的,所述得到伪距ρVO的修正值的具体方法为:对伪距ρVO和伪距ρUWB做差得到Δρ,并利用自适应卡尔曼滤波算法解算Δρ得到伪距误差修正值,将伪距误差修正值加到伪距ρVO上,实现对伪距ρVO的修正,得到伪距ρVO的修正值。
进一步的,所述自适应卡尔曼滤波算法如下所示:
系统状态量X=[ΔρA ΔρB ΔρC ΔρD]T,其中,ΔρA为双目VO与UWB到基站A的伪距差值的估计值、ΔρB为双目VO与UWB到基站B的伪距差值的估计值、ΔρC为双目VO与UWB到基站C的伪距差值的估计值、ΔρD为双目VO与UWB到基站D的伪距差值的估计值,T表示矩阵转置符号;
根据系统状态量建立系统状态方程为:
其中,表示k+1时刻的状态量,表示k时刻的状态量,wk表示过程噪声,为一个4×1阶的矩阵向量;
系统观测Z=[ρVO|A-ρUWB|A ρVO|B-ρUWB|B ρVO|C-ρUWB|C ρVO|D-ρUWB|D]T,其中,ρUWB|A为UWB测得的移动机器人到基站A的伪距,ρUWB|B为UWB测得的移动机器人到基站B的伪距,ρUWB|C为UWB测得的移动机器人到基站C的伪距,ρUWB|D为UWB测得的移动机器人到基站D的伪距,T表示矩阵转置符号;
根据系统观测建立系统量测方程为:
其中,表示k+1时刻的观测量,表示k时刻的状态量,vk+1表示观测噪声,为一个4×1阶的矩阵向量。
一种基于UWB和双目VO紧耦合的机器人定位系统,包括:4个UWB基站,和固定安装在室内需要被测的移动机器人上的UWB标签模块、双目VO和处理器,所述处理器包括:坐标转换单元、双目VO伪距计算单元、位置计算单元和自适应卡尔曼滤波器;
所述4个UWB基站分别放置在室内的四个角落,且其中三个UWB基站高度相同,另外一个基站的高度高于其余三个,所述UWB标签模块将测量到的UWB伪距ρUWB传送至自适应卡尔曼滤波器;所述双目VO将测得的自身位置信息传送至坐标转换单元,得到移动机器人的全局坐标信息,坐标转换单元将该全局坐标信息传送至双目VO伪计算单元;得到双目VO伪距ρVO;双目VO伪距计算单元将双目VO伪距传送至自适应卡尔曼滤波器;所述自适应卡尔曼滤波器对收到伪距ρUWB和伪距ρVO进行处理,得到修正后的双目VO伪距,并将修正后的双目VO伪距传送至位置计算单元,得到最终定位结果。
有益效果:本发明采用紧耦合方法对UWB原始距离测量信息通过自适应卡尔曼滤波与双目VO输出的位置信息进行融和,能够有效改善UWB定位精度低、信号易受干扰等缺点,弥补单一传感器在定位过程中的不足,提高定位系统的精度及可靠性。本发明将为移动机器人在室内场景中的低成本实时可靠定位提供一种全新的思路。
附图说明
图1是基于UWB和双目VO紧耦合的机器人定位系统示意图。
图2是基于UWB和双目VO紧耦合的定位方法、UWB定位方法、双目VO定位方法效果对比图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
如图1所示,本实施例提供一种基于UWB和双目VO紧耦合的机器人定位系统主要包括七个部分,分别是UWB基站、UWB标签模块、双目VO、坐标转换单元、双目VO伪距计算单元、自适应卡尔曼滤波器和位置计算单元。
所述一种基于UWB和双目VO紧耦合的机器人定位方法,包括如下步骤:
步骤1:在室内四个角落各布置一个UWB基站,分别为基站A、基站B、基站C和基站D,用于发射和接收UWB信号,其中三个基站安装高度相同且高于1.5m,最后一个基站应安装在比其他三个基站高0.5m-1m的位置;
步骤2:在室内需要被测的移动机器人上均安装一个UWB标签模块和双目VO;
步骤3:双目VO不断输出其自身的相对位置信息,经坐标转换单元处理后变为移动机器人的全局位置信息,即移动机器人在UWB坐标系中的位置;
步骤4:双目VO伪距计算单元根据设置好的四个UWB基站的位置坐标,计算出由双目VO测得的全局坐标下移动机器人与四个基站的欧式距离,该距离即为双目VO解算的伪距ρVO;
步骤5:UWB标签模块不断输出移动机器人分别到四个UWB基站的欧式距离,该距离即为测得的UWB伪距ρUWB;
步骤6:自适应卡尔曼滤波器将双目VO解算的伪距ρVO与UWB模块测得的UWB伪距ρUWB的误差量Δρ作为滤波器的量测输入值,经自适应卡尔曼滤波算法进行滤波估计得到伪距误差修正值,将伪距误差修正值加到伪距ρVO上,实现对伪距ρVO的修正,得到伪距ρVO的修正值。
步骤7:修正后的双目VO伪距经位置计算单元解算之后可以得到该伪距ρVO所对应的双目VO所在的移动机器人在全局坐标下的坐标即最终定位结果;所述位置计算单元采用最小二乘法对修正后的双目VO伪距进行计算。
所述自适应卡尔曼滤波器模型的构建如下所示:
系统状态量X=[ρVO|A ρVO|B ρVO|C ρVO|D]T,其中,ρVO|A为双目VO测得的移动机器人到基站A的伪距、ρVO|B为双目VO测得的移动机器人到基站B的伪距、ρVO|C为双目VO测得的移动机器人到基站C的伪距、ρVO|D为双目VO测得的移动机器人到基站D的伪距,T表示矩阵转置符号。
系统状态方程为:
其中,表示k+1时刻的状态量,表示k时刻的状态量,wk表示过程噪声,为一个4×1阶的矩阵向量。
系统观测Z=[ρVO|A-ρUWB|A ρVO|B-ρUWB|B ρVO|C-ρUWB|C ρVO|D-ρUWB|D]T,其中,ρUWB|A为UWB测得的移动机器人到基站A的伪距,ρUWB|B为UWB测得的移动机器人到基站B的伪距,ρUWB|C为UWB测得的移动机器人到基站C的伪距,ρUWB|D为UWB测得的移动机器人到基站D的伪距。ρVO|A-ρUWB|A为双目VO测得的移动机器人到基站A的伪距与UWB测得的移动机器人到基站A的伪距的差值,ρVO|B-ρUWB|B为双目VO测得的移动机器人到基站B的伪距与UWB测得的移动机器人到基站B的伪距的差值,ρVO|C-ρUWB|C为双目VO测得的移动机器人到基站C的伪距与UWB测得的移动机器人到基站C的伪距的差值,ρVO|D-ρUWB|D为双目VO测得的移动机器人到基站D的伪距与UWB测得的移动机器人到基站D的伪距的差值,T表示矩阵转置符号。
系统量测方程为:
其中,表示k+1时刻的观测量,表示k时刻的状态量,vk+1表示观测噪声,为一个4×1阶的矩阵向量。
如图2所示,移动机器人沿着一个闭合的四边形轨迹进行移动,分别利用基于UWB和双目VO紧耦合的定位方法、UWB定位方法和双目VO定位方法对移动机器人的位置进行测量,并绘制移动轨迹。可以看出基于UWB和双目VO紧耦合的定位方法的定位效果明显优于UWB定位方法和双目VO定位方法,更接近真实运动轨迹。
除上述实施例外,本发明还可以有其他实施方式。凡本技术领域的普通技术人员在不脱离本发明原理的前提下,通过改进和润饰所形成的等同替换或等效变换,均落在本发明要求的保护范围。
Claims (5)
1.一种基于UWB和双目VO紧耦合的机器人定位方法,具体包括如下步骤:
步骤1:在室内每个角落均布置一个UWB基站,分别为基站A、基站B、基站C和基站D;其中三个基站布置高度相同,另外一个基站高于其余三个基站;
步骤2:在室内需要被测的移动机器人上安装一个UWB标签模块和双目VO;
步骤3:双目VO实时输出其自身的相对位置信息,对位置信息进行坐标转换,得到移动机器人的全局位置信息,即移动机器人在UWB坐标系中的位置;
步骤4:根据四个基站的坐标信息和移动机器人的全局位置信息计算得到移动机器人分别与四个基站的欧式距离;即双目VO伪距ρVO;
步骤5:UWB标签模块实时输出移动机器人分别与四个UWB基站的欧式距离,即UWB伪距ρUWB;
步骤6:利用自适应卡尔曼滤波算法对伪距ρVO和伪距ρUWB进行处理,得到伪距ρVO的修正值;
步骤7;利用最小二乘法对伪距ρVO的修正值进行解算,得到该伪距ρVO所对应的双目VO所在的移动机器人在全局坐标下的坐标,即最终定位结果。
2.根据权利要求1所述的方法,其特征在于,所述步骤1在布置基站时,所述高度相同的三个基站的高度≥1.5m;另外一个基站比其余三个基站高0.5m-1m。
3.根据权利要求1所述的方法,其特征在于,所述得到伪距ρVO的修正值的具体方法为:对伪距ρVO和伪距ρUWB做差得到Δρ,并利用自适应卡尔曼滤波算法解算Δρ得到伪距误差修正值,将伪距误差修正值加到伪距ρVO上,实现对伪距ρVO的修正,得到伪距ρVO的修正值。
4.根据权利要求3所述的方法,其特征在于,所述自适应卡尔曼滤波算法如下所示:
系统状态量X=[ΔρA ΔρB ΔρC ΔρD]T,其中,ΔρA为双目VO与UWB到基站A的伪距差值的估计值、ΔρB为双目VO与UWB到基站B的伪距差值的估计值、ΔρC为双目VO与UWB到基站C的伪距差值的估计值、ΔρD为双目VO与UWB到基站D的伪距差值的估计值,T表示矩阵转置符号;
根据系统状态量建立系统状态方程为:
其中,表示k+1时刻的状态量,表示k时刻的状态量,wk表示过程噪声,为一个4×1阶的矩阵向量;
系统观测Z=[ρVO|A-ρUWB|A ρVO|B-ρUWB|B ρVO|C-ρUWB|C ρVO|D-ρUWB|D]T,其中,ρUWB|A为UWB测得的移动机器人到基站A的伪距,ρUWB|B为UWB测得的移动机器人到基站B的伪距,ρUWB|C为UWB测得的移动机器人到基站C的伪距,ρUWB|D为UWB测得的移动机器人到基站D的伪距,T表示矩阵转置符号;
根据系统观测建立系统量测方程为:
其中,表示k+1时刻的观测量,表示k时刻的状态量,vk+1表示观测噪声,为一个4×1阶的矩阵向量。
5.一种基于UWB和双目VO紧耦合的机器人定位系统,其特征在于,包括:4个UWB基站,和固定安装在室内需要被测的移动机器人上的UWB标签模块、双目VO和处理器,所述处理器包括:坐标转换单元、双目VO伪距计算单元、位置计算单元和自适应卡尔曼滤波器;
所述4个UWB基站分别放置在室内的四个角落,且其中三个UWB基站高度相同,另外一个基站的高度高于其余三个,所述UWB标签模块将测量到的UWB伪距ρUWB传送至自适应卡尔曼滤波器;所述双目VO将测得的自身位置信息传送至坐标转换单元,得到移动机器人的全局坐标信息,坐标转换单元将该全局坐标信息传送至双目VO伪计算单元;得到双目VO伪距ρVO;双目VO伪距计算单元将双目VO伪距传送至自适应卡尔曼滤波器;
所述自适应卡尔曼滤波器对收到伪距ρUWB和伪距ρVO进行处理,得到修正后的双目VO伪距,并将修正后的双目VO伪距传送至位置计算单元,得到最终定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634746.0A CN110315540A (zh) | 2019-07-15 | 2019-07-15 | 一种基于uwb和双目vo紧耦合的机器人定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634746.0A CN110315540A (zh) | 2019-07-15 | 2019-07-15 | 一种基于uwb和双目vo紧耦合的机器人定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110315540A true CN110315540A (zh) | 2019-10-11 |
Family
ID=68123604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910634746.0A Pending CN110315540A (zh) | 2019-07-15 | 2019-07-15 | 一种基于uwb和双目vo紧耦合的机器人定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110315540A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153563A (zh) * | 2019-11-25 | 2020-12-29 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN113758488A (zh) * | 2021-09-27 | 2021-12-07 | 同济大学 | 一种基于uwb与vio的室内定位方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6240367B1 (en) * | 1998-11-27 | 2001-05-29 | Ching-Fang Lin | Full fusion positioning method for vehicle |
US6516021B1 (en) * | 1999-09-14 | 2003-02-04 | The Aerospace Corporation | Global positioning systems and inertial measuring unit ultratight coupling method |
CN106501832A (zh) * | 2016-12-16 | 2017-03-15 | 南京理工大学 | 一种容错矢量跟踪gnss/sins深组合导航方法 |
CN106647766A (zh) * | 2017-01-13 | 2017-05-10 | 广东工业大学 | 一种基于复杂环境的uwb‑视觉交互的机器人巡航方法及系统 |
CN106871893A (zh) * | 2017-03-03 | 2017-06-20 | 济南大学 | 分布式ins/uwb紧组合导航系统及方法 |
CN108254768A (zh) * | 2018-01-11 | 2018-07-06 | 南京理工大学 | 一种矢量跟踪通道状态检测方法 |
CN108759825A (zh) * | 2018-08-06 | 2018-11-06 | 济南大学 | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 |
CN109541535A (zh) * | 2019-01-11 | 2019-03-29 | 浙江智澜科技有限公司 | 一种基于uwb和视觉slam的agv室内定位及导航的方法 |
CN109682371A (zh) * | 2017-10-18 | 2019-04-26 | 苏州宝时得电动工具有限公司 | 自动行走设备及其定位方法及装置 |
CN109708632A (zh) * | 2019-01-31 | 2019-05-03 | 济南大学 | 一种面向移动机器人的激光雷达/ins/地标松组合导航系统及方法 |
-
2019
- 2019-07-15 CN CN201910634746.0A patent/CN110315540A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6240367B1 (en) * | 1998-11-27 | 2001-05-29 | Ching-Fang Lin | Full fusion positioning method for vehicle |
US6516021B1 (en) * | 1999-09-14 | 2003-02-04 | The Aerospace Corporation | Global positioning systems and inertial measuring unit ultratight coupling method |
CN106501832A (zh) * | 2016-12-16 | 2017-03-15 | 南京理工大学 | 一种容错矢量跟踪gnss/sins深组合导航方法 |
CN106647766A (zh) * | 2017-01-13 | 2017-05-10 | 广东工业大学 | 一种基于复杂环境的uwb‑视觉交互的机器人巡航方法及系统 |
CN106871893A (zh) * | 2017-03-03 | 2017-06-20 | 济南大学 | 分布式ins/uwb紧组合导航系统及方法 |
CN109682371A (zh) * | 2017-10-18 | 2019-04-26 | 苏州宝时得电动工具有限公司 | 自动行走设备及其定位方法及装置 |
CN108254768A (zh) * | 2018-01-11 | 2018-07-06 | 南京理工大学 | 一种矢量跟踪通道状态检测方法 |
CN108759825A (zh) * | 2018-08-06 | 2018-11-06 | 济南大学 | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 |
CN109541535A (zh) * | 2019-01-11 | 2019-03-29 | 浙江智澜科技有限公司 | 一种基于uwb和视觉slam的agv室内定位及导航的方法 |
CN109708632A (zh) * | 2019-01-31 | 2019-05-03 | 济南大学 | 一种面向移动机器人的激光雷达/ins/地标松组合导航系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153563A (zh) * | 2019-11-25 | 2020-12-29 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN112153563B (zh) * | 2019-11-25 | 2023-04-11 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN113758488A (zh) * | 2021-09-27 | 2021-12-07 | 同济大学 | 一种基于uwb与vio的室内定位方法及设备 |
CN113758488B (zh) * | 2021-09-27 | 2023-08-29 | 同济大学 | 一种基于uwb与vio的室内定位方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110645979B (zh) | 基于gnss/ins/uwb组合的室内外无缝定位方法 | |
CN103379619B (zh) | 一种定位方法和系统 | |
CN112533163B (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
CN103134489B (zh) | 基于移动终端进行目标定位的方法 | |
CN109725338A (zh) | 基于uwb及gps的室内室外一体化定位系统 | |
CN103363988A (zh) | 一种利用智能手机传感器实现地磁室内定位导航的方法 | |
CN109548141A (zh) | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 | |
CN109341679A (zh) | 一种智能设备导航方法及导航系统 | |
CN107071732B (zh) | 一种基于rssi的mle-pso室内定位方法 | |
CN106093858A (zh) | 一种基于uwb、rfid、ins多源联合定位技术的定位系统及定位方法 | |
CN103561462A (zh) | 一种完全基于智能移动终端平台的室内定位系统和方法 | |
CN109275095A (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
CN106646366A (zh) | 基于粒子滤波算法和智能设备的可见光定位方法和系统 | |
CN102209382A (zh) | 一种基于rssi的无线传感器网络节点定位方法 | |
WO2016068742A1 (ru) | Способ и система позиционирования мобильного терминала внутри зданий | |
CN104181500A (zh) | 一种基于惯性信息和机会无线信号特征的实时定位方法 | |
CN201805551U (zh) | 室内精确定位系统 | |
CN109188360A (zh) | 一种基于蝙蝠算法的室内可见光三维定位方法 | |
CN108413965A (zh) | 一种室内室外巡检机器人综合系统及巡检机器人导航方法 | |
Feng et al. | GDOP index in UWB indoor location system experiment | |
CN103543434A (zh) | 室内定位系统、手机及定位方法 | |
CN109085554A (zh) | 一种主动雷达导引头视线角零位误差估计方法及装置 | |
CN110315540A (zh) | 一种基于uwb和双目vo紧耦合的机器人定位方法及系统 | |
CN107655474A (zh) | 一种基于智能终端的导航方法及导航系统 | |
CN103995537B (zh) | 飞行器室内外混合自主巡航系统与方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |