CN110569410A - 一种测距数据处理方法、装置及计算机可读存储介质 - Google Patents
一种测距数据处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110569410A CN110569410A CN201910813961.7A CN201910813961A CN110569410A CN 110569410 A CN110569410 A CN 110569410A CN 201910813961 A CN201910813961 A CN 201910813961A CN 110569410 A CN110569410 A CN 110569410A
- Authority
- CN
- China
- Prior art keywords
- current state
- state
- distance data
- value
- data
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种测距数据处理方法、装置及计算机可读存储介质,方法包括:根据采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值;对当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;将最优测距数据进行显示。通过采集多个距离数据,并对多个距离数据进行修正处理,得到多个当前状态真实值,对多个当前状态真实值进行平均值计算,得到的平均值作为当前状态下的最优测距数据,经过两次优化处理,能够解决突变较大的情况下导致实际数值不准确的问题,提高测量的准确性。
Description
技术领域
本发明主要涉及距离测量数据处理技术领域,具体涉及一种测距数据处理方法、装置及计算机可读存储介质。
背景技术
在测距过程中,多方面的外部因素会直接影响测量的精准性,从而导致数据的直接抖动突变的情况,与实际测量的参数相差甚大。为此,需要在数据处理的过程中加入防抖动算法,目前最常用的防抖动算法为采用单一滤波算法,其效果不佳,且由于突变较大的情况下会导致实际数值不准确的情况。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种测距数据处理方法、装置及计算机可读存储介质。
本发明解决上述技术问题的技术方案如下:一种测距数据处理方法,包括如下步骤:
启动并初始化激光传感器,并设置采集数量;
根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值;
对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
将所述最优测距数据进行显示。
本发明解决上述技术问题的另一技术方案如下:一种测距数据处理装置,包括:
启动模块,用于启动并初始化激光传感器,并设置采集数量;
距离数据获取模块,用于根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
处理模块,用于分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值,对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
显示模块,用于将所述最优测距数据进行显示。
本发明解决上述技术问题的另一技术方案如下:一种测距数据处理装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,实现如上所述的测距数据处理方法。
本发明解决上述技术问题的另一技术方案如下:一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的测距数据处理方法。
本发明的有益效果是:通过采集多个距离数据,并对多个距离数据进行修正处理,得到多个当前状态真实值,对多个当前状态真实值进行平均值计算,得到的平均值作为当前状态下的最优测距数据,经过两次优化处理,能够解决突变较大的情况下导致实际数值不准确的问题,提高测量的准确性。
附图说明
图1为本发明一实施例提供的测距数据处理方法的流程示意图;
图2为本发明一实施例提供的测距数据处理装置的模块框图;
图3为本发明一实施例提供的时序控制的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明一实施例提供的测距数据处理方法的流程示意图。
如图1所示,一种测距数据处理方法,包括如下步骤:
启动并初始化激光传感器,并设置采集数量;
根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值;
对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
将所述最优测距数据进行显示。
上述实施例中,通过采集多个距离数据,并对多个距离数据进行修正处理,得到多个当前状态真实值,对多个当前状态真实值进行平均值计算,得到的平均值作为当前状态下的最优测距数据,经过两次优化处理,能够解决突变较大的情况下导致实际数值不准确的问题,提高测量的准确性。
可选地,作为本发明的一个实施例,所述分别对各个距离数据进行修正处理的过程包括:
根据自适应卡尔曼滤波算法对任意一个所述距离数据进行修正处理,其包括步骤:
根据状态预测公式和上一状态真实值预测当前时刻的状态预测值,所述状态预测公式为:
X(k|k-1)=F(k,k-1)·X(k-1|k-1),
其中,k为当前状态,X(k|k-1)为当前状态的状态预测值,F(k,k-1)为预设配置参数,X(k-1|k-1)为上一状态真实值,所述上一状态真实值为上一状态距离数据经所述自适应卡尔曼滤波算法得到的;
并根据后验协方差公式来得到当前状态的先验协方差,所述后验协方差公式为:
P(k|k-1)=F(k,k-1)·P(k-1|k-1)·F(k,k-1)′+Q,
其中,P(k|k-1)为X(k|k-1)对应的协方差,F(k,k-1)′为F(k,k-1)的转置矩阵,P(k-1|k-1)为X(k-1|k-1)对应的协方差,Q为过程噪声的协方差;
并根据卡尔曼增益公式计算当前状态的卡尔曼增益,
其中,Kg(k)为当前状态的卡尔曼增益,R为测量噪声协方差,H为由多个预设配置参数构成的矩阵,H′为H的转置矩阵;
并根据状态公式和所述当前状态的卡尔曼增益对所述距离数据进行修正处理,得到所述距离数据对应的当前状态真实值,所述状态公式为:
X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-H·X(k|k-1)),
其中,X(k|k)为当前状态真实值,Z(k)为当前状态下的距离数据。
应理解地,上一状态距离数据即在上一时刻得到的距离数据。
上述实施例中,通过自适应卡尔曼滤波算法分别对当前状态的多个距离数据进行修正、优化处理,得到当前状态真实值,使距离数据越来越精确。
可选地,作为本发明的一个实施例,当得到当前状态的卡尔曼增益时,还包括如下步骤:
根据测量误差公式对测量噪声协方差进行修正,所述测量误差公式为:
R(k)=N(k)·N(k)′,
将修正后的测量噪声协方差带入卡尔曼增益公式中,得到修正后的卡尔曼增益,其中,R(k)为当前状态的测量噪声协方差,N(k)为当前状态下的多个距离数据,N(k)′为N(k)的转置矩阵。
上述实施例中,对卡尔曼增益值作进一步优化,使误差进一步减小,提高测量的准确性。
具体地,所述从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据,包括步骤:
T1:数据初始化,发出跳过ROM匹配命令避免通信冲突;
T2:启动测距转换,延时1000ms等待距离转换完成;
T3:读入数据,再次执行初始化时序,发出匹配ROM命令;
T4:发出64位序列号,再发出读存储器命令;
T5:所测数据通过USART接口以DMA通道传输至RAM中,从RAM中读取激光传感器所测的距离数据。
可选地,作为本发明的一个实施例,所述设置采集数量为n,则得到n个距离数据以及对应的n个当前状态真实值,n为正整数;
所述对得到的所述当前状态真实值进行平均值计算的过程包括:
构建缓存数组,并设置所述缓存数组的存储字节数量m,且一个字节存储一个当前状态真实值;
将n个当前状态真实值依次存入所述缓存数组中,且将最先得到当前状态真实值存入所述缓存数组的末尾位置,将最新得到的当前状态真实值存入所述缓存数组的起始位置;
若n=m,则当所述缓存数组存储满时,计算所述缓存数组中各个当前状态真实值的平均值,将所述平均值作为当前状态下的最优测距数据。
优选地,m为10。
上述实施例中,将多个距离数据对应的当前状态真实值存入缓存数组中,并进行平均值计算,从而减小突变误差,得到最优测距数据。
可选地,作为本发明的一个实施例,所述对得到的所述当前状态真实值进行平均值计算的过程还包括:
若n>m,则根据先进先出规则将所述缓存数组末尾位置的当前状态真实值移出,并将下一个最新得到的当前状态真实值存入所述缓存数组的起始位置,并计算当前缓存数组中各个当前状态真实值的平均值;直至完成所有的当前状态真实值的平均值计算。
可选地,作为本发明的一个实施例,所述对得到的所述当前状态真实值进行平均值计算的过程还包括:
若n<m,则继续获取目标点在当前状态下的距离数据,直至将所述缓存数组存储满,再计算缓存数组中各个当前状态真实值的平均值。
应理解地,每次移入并移出一个当前状态真实值时,计算一次平均值,直至完成所有的当前状态真实值的平均值计算,得到多个平均值,并将多个平均值作为计算结果进行显示。
上述实施例中,考虑时延造成的测量数据偏差大的问题,根据先进先出规则,将缓存数组末尾位置的当前状态真实值移出,并将下一个最新得到的当前状态真实值存入缓存数组的起始位置,并进行平均值计算,从而减小突变误差,得到最优测距数据,能够平滑修正多个当前状态真实值。
图2为本发明一实施例提供的测距数据处理装置的模块框图。
可选地,作为本发明的另一个实施例,如图2所示,一种测距数据处理装置,包括:
启动模块,用于启动并初始化激光传感器,并设置采集数量;
距离数据获取模块,用于根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
处理模块,用于分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值,对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
显示模块,用于将所述最优测距数据进行显示。
本测距数据处理装置中还包括系统时钟模块。
可选地,作为本发明的一个实施例,所述处理模块具体用于:
根据自适应卡尔曼滤波算法对任意一个所述距离数据进行修正处理,其包括:
根据状态预测公式和上一状态真实值预测当前时刻的状态预测值,所述状态预测公式为:
X(k|k-1)=F(k,k-1)·X(k-1|k-1),
其中,k为当前状态,X(k|k-1)为当前状态的状态预测值,F(k,k-1)为预设配置参数,X(k-1|k-1)为上一状态真实值,所述上一状态真实值为上一状态距离数据经所述自适应卡尔曼滤波算法得到的;
并根据后验协方差公式来得到当前状态的先验协方差,所述后验协方差公式为:
P(k|k-1)=F(k,k-1)·P(k-1|k-1)·F(k,k-1)′+Q,
其中,P(k|k-1)为X(k|k-1)对应的协方差,F(k,k-1)′为F(k,k-1)的转置矩阵,P(k-1|k-1)为X(k-1|k-1)对应的协方差,Q为过程噪声的协方差;
并根据卡尔曼增益公式计算当前状态的卡尔曼增益,
其中,Kg(k)为当前状态的卡尔曼增益,R为测量噪声协方差,H为由多个预设配置参数构成的矩阵,H′为H的转置矩阵;
并根据状态公式和所述当前状态的卡尔曼增益对所述距离数据进行修正处理,得到所述距离数据对应的当前状态真实值,所述状态公式为:
X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-H·X(k|k-1)),
其中,X(k|k)为当前状态真实值,Z(k)为当前状态下的距离数据。
优选地,本测距数据处理装置与激光传感器通过USART接口进行数据传输。
优选地,本测距数据处理装置中还包括内部RAM存储器,其用于将各数据存储。
优选地,本测距数据处理装置中还包括时序控制模块,时序控制模块用于对测量数据读取、测量数据处理及显示的流程时序进行控制。
图3为本发明一实施例提供的时序控制的流程示意图。
在所述时序控制模块中,如图3所示,时序控制流程为:
S1:上电。
S2:启动并初始化,设置采集数量,生成测量任务。
S3:判断测量是否完成,若是,执行步骤S5;若否,执行步骤S4。
S4:判断是否超时,若否,重新进行测量;若是,重新生成测量指令,执行步骤S3。
S5:判断串口是否接收到距离数据,若是,执行步骤S7;若否,执行步骤S6。
S6:判断是否超时,若否,重新接收数据;若是,重新生成数据接收指令,执行步骤S5。
S7:判断数据是否接收完成,若是,执行步骤S8;若否,重新生成数据接收指令,执行步骤S8。
S8:根据自适应卡尔曼滤波算法分别对各个距离数据进行修正处理。
S9:进行平均值优化计算,判断是否优化成功,若是,执行步骤S10;若否,重新进行平均值优化计算。
S10:将计算得到的最优测距数据保存至内部RAM存储器中。
S11:显示结果。
具体地,在显示模块中,显示的步骤如下:
Y1:初始化缓冲字符串,同时与系统时钟同步;
Y2:构建字符串,显示固定字符,获取第一项测试数据;判断数据的位数;显示第一项最优测距数据;
Y3:获取第二项测试数据;构建字符串,判断数据的位数;显示第二项测距数据;
Y4:获取第三项测试数据;构建字符串,判断数据的位数;显示第三项测距数据。直至将所有最优测距数据进行显示。
可选地,作为本发明的一个实施例,一种测距数据处理装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,实现如上所述的测距数据处理方法。该装置可为计算机等装置。
可选地,作为本发明的一个实施例,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的测距数据处理方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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,或者该技术方案的全部或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,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,可轻易想到各种等效的修改或替换,这些修改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以权利要求的保护范围为准。
Claims (10)
1.一种测距数据处理方法,其特征在于,包括如下步骤:
启动并初始化激光传感器,并设置采集数量;
根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值;
对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
将所述最优测距数据进行显示。
2.根据权利要求1所述的测距数据处理方法,其特征在于,所述分别对各个距离数据进行修正处理的过程包括:
根据自适应卡尔曼滤波算法对任意一个所述距离数据进行修正处理,其包括步骤:
根据状态预测公式和上一状态真实值预测当前时刻的状态预测值,所述状态预测公式为:
X(k|k-1)=F(k,k-1)·X(k-1|k-1),
其中,k为当前状态,X(k|k-1)为当前状态的状态预测值,F(k,k-1)为预设配置参数,X(k-1|k-1)为上一状态真实值,所述上一状态真实值为上一状态距离数据经所述自适应卡尔曼滤波算法得到的;
并根据后验协方差公式来得到当前状态的先验协方差,所述后验协方差公式为:
P(k|k-1)=F(k,k-1)·P(k-1|k-1)·F(k,k-1)′+Q,
其中,P(k|k-1)为X(k|k-1)对应的协方差,F(k,k-1)′为F(k,k-1)的转置矩阵,P(k-1|k-1)为X(k-1|k-1)对应的协方差,Q为过程噪声的协方差;
并根据卡尔曼增益公式计算当前状态的卡尔曼增益,
其中,Kg(k)为当前状态的卡尔曼增益,R为测量噪声协方差,H为由多个预设配置参数构成的矩阵,H′为H的转置矩阵;
并根据状态公式和所述当前状态的卡尔曼增益对所述距离数据进行修正处理,得到所述距离数据对应的当前状态真实值,所述状态公式为:
X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-H·X(k|k-1)),
其中,X(k|k)为当前状态真实值,Z(k)为当前状态下的距离数据。
3.根据权利要求2所述的测距数据处理方法,其特征在于,当得到当前状态的卡尔曼增益时,还包括如下步骤:
根据测量误差公式对测量噪声协方差进行修正,所述测量误差公式为:
R(k)=N(k)·N(k)′,
将修正后的测量噪声协方差带入卡尔曼增益公式中,得到修正后的卡尔曼增益,其中,R(k)为当前状态的测量噪声协方差,N(k)为当前状态下的多个距离数据,N(k)′为N(k)的转置矩阵。
4.根据权利要求1所述的测距数据处理方法,其特征在于,所述设置采集数量为n,则得到n个距离数据以及对应的n个当前状态真实值,n为正整数;
所述对得到的所述当前状态真实值进行平均值计算的过程包括:
构建缓存数组,并设置所述缓存数组的存储字节数量m,且一个字节存储一个当前状态真实值;
将n个当前状态真实值依次存入所述缓存数组中,且将最先得到当前状态真实值存入所述缓存数组的末尾位置,将最新得到的当前状态真实值存入所述缓存数组的起始位置;
若n=m,则当所述缓存数组存储满时,计算所述缓存数组中各个当前状态真实值的平均值,将所述平均值作为当前状态下的最优测距数据。
5.根据权利要求4所述的测距数据处理方法,其特征在于,所述对得到的所述当前状态真实值进行平均值计算的过程还包括:
若n>m,则根据先进先出规则将所述缓存数组末尾位置的当前状态真实值移出,并将下一个最新得到的当前状态真实值存入所述缓存数组的起始位置,并计算当前缓存数组中各个当前状态真实值的平均值;直至完成所有的当前状态真实值的平均值计算。
6.根据权利要求4所述的测距数据处理方法,其特征在于,所述对得到的所述当前状态真实值进行平均值计算的过程还包括:
若n<m,则继续获取目标点在当前状态下的距离数据,直至将所述缓存数组存储满,再计算缓存数组中各个当前状态真实值的平均值。
7.一种测距数据处理装置,其特征在于,包括:
启动模块,用于启动并初始化激光传感器,并设置采集数量;
距离数据获取模块,用于根据所述采集数量从经初始化的激光传感器中获取目标点在当前状态下的多个距离数据;
处理模块,用于分别对各个距离数据进行修正处理,得到各个距离数据对应的当前状态真实值,对得到的所述当前状态真实值进行平均值计算,将计算得到的平均值作为当前状态下的最优测距数据;
显示模块,用于将所述最优测距数据进行显示。
8.根据权利要求7所述的测距数据处理装置,其特征在于,所述处理模块具体用于:
根据自适应卡尔曼滤波算法对任意一个所述距离数据进行修正处理,其包括:
根据状态预测公式和上一状态真实值预测当前时刻的状态预测值,所述状态预测公式为:
X(k|k-1)=F(k,k-1)·X(k-1|k-1),
其中,k为当前状态,X(k|k-1)为当前状态的状态预测值,F(k,k-1)为预设配置参数,X(k-1|k-1)为上一状态真实值,所述上一状态真实值为上一状态距离数据经所述自适应卡尔曼滤波算法得到的;
并根据后验协方差公式来得到当前状态的先验协方差,所述后验协方差公式为:
P(k|k-1)=F(k,k-1)·P(k-1|k-1)·F(k,k-1)′+Q,
其中,P(k|k-1)为X(k|k-1)对应的协方差,F(k,k-1)′为F(k,k-1)的转置矩阵,P(k-1|k-1)为X(k-1|k-1)对应的协方差,Q为过程噪声的协方差;
并根据卡尔曼增益公式计算当前状态的卡尔曼增益,
其中,Kg(k)为当前状态的卡尔曼增益,R为测量噪声协方差,H为由多个预设配置参数构成的矩阵,H′为H的转置矩阵;
并根据状态公式和所述当前状态的卡尔曼增益对所述距离数据进行修正处理,得到所述距离数据对应的当前状态真实值,所述状态公式为:
X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-H·X(k|k-1)),
其中,X(k|k)为当前状态真实值,Z(k)为当前状态下的距离数据。
9.一种测距数据处理装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,当所述处理器执行所述计算机程序时,实现如权利要求1至6任一项所述的测距数据处理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时,实现如权利要求1至6任一项所述的测距数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813961.7A CN110569410A (zh) | 2019-08-30 | 2019-08-30 | 一种测距数据处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813961.7A CN110569410A (zh) | 2019-08-30 | 2019-08-30 | 一种测距数据处理方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110569410A true CN110569410A (zh) | 2019-12-13 |
Family
ID=68776973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813961.7A Pending CN110569410A (zh) | 2019-08-30 | 2019-08-30 | 一种测距数据处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569410A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111982040A (zh) * | 2020-08-18 | 2020-11-24 | 山东泰和建设管理有限公司 | 基于滚动测距仪的距离测算方法、装置、计算机设备及存储介质 |
CN113192110A (zh) * | 2020-01-14 | 2021-07-30 | 中寰卫星导航通信有限公司 | 多目标跟踪方法、装置、设备及存储介质 |
CN116540208A (zh) * | 2023-07-07 | 2023-08-04 | 深圳深浦电气有限公司 | 数据处理方法、装置、设备及存储介质 |
CN113192110B (zh) * | 2020-01-14 | 2024-09-24 | 中寰卫星导航通信有限公司 | 多目标跟踪方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090059183A1 (en) * | 2007-09-05 | 2009-03-05 | Casio Computer Co., Ltd. | Distance measuring device and projector including same distance measuring device |
US20110216326A1 (en) * | 2010-03-03 | 2011-09-08 | Canon Kabushiki Kaisha | Lightwave interference measurement apparatus used to measure optical path length or distance |
CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
CN105137391A (zh) * | 2015-09-17 | 2015-12-09 | 中国矿业大学(北京) | 基于tdoa的css精确定位方法 |
CN106707278A (zh) * | 2017-01-18 | 2017-05-24 | 北京无线电测量研究所 | 一种基于稀疏表示的多普勒波束锐化成像方法及装置 |
CN109388063A (zh) * | 2018-08-27 | 2019-02-26 | 广西科技大学 | 自适应卡尔曼滤波复合控制方法 |
CN109631778A (zh) * | 2018-12-29 | 2019-04-16 | 杭州东信光电科技有限公司 | 柔性版版厚自动测量系统及其测量方法 |
CN109902568A (zh) * | 2019-01-22 | 2019-06-18 | 长江大学 | 一种自适应卡尔曼滤波算法 |
-
2019
- 2019-08-30 CN CN201910813961.7A patent/CN110569410A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090059183A1 (en) * | 2007-09-05 | 2009-03-05 | Casio Computer Co., Ltd. | Distance measuring device and projector including same distance measuring device |
US20110216326A1 (en) * | 2010-03-03 | 2011-09-08 | Canon Kabushiki Kaisha | Lightwave interference measurement apparatus used to measure optical path length or distance |
CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
CN105137391A (zh) * | 2015-09-17 | 2015-12-09 | 中国矿业大学(北京) | 基于tdoa的css精确定位方法 |
CN106707278A (zh) * | 2017-01-18 | 2017-05-24 | 北京无线电测量研究所 | 一种基于稀疏表示的多普勒波束锐化成像方法及装置 |
CN109388063A (zh) * | 2018-08-27 | 2019-02-26 | 广西科技大学 | 自适应卡尔曼滤波复合控制方法 |
CN109631778A (zh) * | 2018-12-29 | 2019-04-16 | 杭州东信光电科技有限公司 | 柔性版版厚自动测量系统及其测量方法 |
CN109902568A (zh) * | 2019-01-22 | 2019-06-18 | 长江大学 | 一种自适应卡尔曼滤波算法 |
Non-Patent Citations (5)
Title |
---|
李广兵等: "并联型有源电力滤波器新型谐波检测方法研究", 《电力电容器与无功补偿》 * |
潘永雄: "《STM8S系列单片机原理与应用》", 31 October 2018 * |
王映丽: "基于人脸视频的心率特征提取方法研究", 《中国优秀硕士学位论文全文数据库》 * |
董健: "基于DSP的2D伺服阀控制器的控制算法的设计与研究", 《中国优秀硕士学位论文全文数据库》 * |
许贺: "稀疏参考点下的Wi-Fi指纹室内定位方法", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192110A (zh) * | 2020-01-14 | 2021-07-30 | 中寰卫星导航通信有限公司 | 多目标跟踪方法、装置、设备及存储介质 |
CN113192110B (zh) * | 2020-01-14 | 2024-09-24 | 中寰卫星导航通信有限公司 | 多目标跟踪方法、装置、设备及存储介质 |
CN111982040A (zh) * | 2020-08-18 | 2020-11-24 | 山东泰和建设管理有限公司 | 基于滚动测距仪的距离测算方法、装置、计算机设备及存储介质 |
CN116540208A (zh) * | 2023-07-07 | 2023-08-04 | 深圳深浦电气有限公司 | 数据处理方法、装置、设备及存储介质 |
CN116540208B (zh) * | 2023-07-07 | 2023-10-13 | 深圳深浦电气有限公司 | 数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569410A (zh) | 一种测距数据处理方法、装置及计算机可读存储介质 | |
US20180365523A1 (en) | Method and system for training machine learning system | |
CN104254761A (zh) | 传感器时间同步 | |
CN109711530B (zh) | 一种滑坡预测方法及系统 | |
KR101568955B1 (ko) | I/o 디바이스, 프로그래머블 로직 컨트롤러 및 연산 방법 | |
CN106406830B (zh) | 一种准周期信号的处理方法、装置和计算机可读存储介质 | |
CN114360466B (zh) | 显示器的显示校正方法、装置、电子设备和存储介质 | |
WO2019051841A1 (zh) | 确定滤波器系数的方法及其装置、终端 | |
CN113673110A (zh) | 一种晶振时钟修正方法、装置、设备和介质 | |
CN111211779B (zh) | 一种基于fpga的间隔均分设计方法和装置 | |
US11025357B1 (en) | Robust sensor timestamp management | |
CN109660310B (zh) | 一种时钟同步的方法、装置、计算设备及计算机存储介质 | |
JP6880611B2 (ja) | 処理装置、システム、処理方法および処理プログラム | |
CN110750536A (zh) | 姿态时间序列数据的振动噪声平滑处理方法及系统 | |
JP2020003860A (ja) | 学習システム、処理装置、処理方法、およびプログラム | |
CN109063335A (zh) | 增量核密度估计器的生成方法、装置和计算机可读存储介质 | |
CN103973804B (zh) | 终端时间的设置方法及装置 | |
CN110763197B (zh) | 一种姿态时间序列数据的异常值处理方法及系统 | |
EP2458756A2 (en) | Node system and supervisory node | |
CN114722343A (zh) | 一种离合器位置信号滤波方法、装置、存储介质及终端 | |
JP2018160165A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN109164754B (zh) | 一种伺服驱动器位置命令的平滑方法及其控制装置 | |
WO2019119228A1 (zh) | 时间更新方法,装置及可移动平台 | |
CN111209531B (zh) | 关联度的处理方法、装置和存储介质 | |
CN102414567A (zh) | 校正装置、概率密度函数测量装置、抖动测量装置、抖动分离装置、电子器件、校正方法、程序以及记录介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |