CN110608739A - 干扰环境下运动目标的定位方法、系统及电子装置 - Google Patents

干扰环境下运动目标的定位方法、系统及电子装置 Download PDF

Info

Publication number
CN110608739A
CN110608739A CN201910774541.2A CN201910774541A CN110608739A CN 110608739 A CN110608739 A CN 110608739A CN 201910774541 A CN201910774541 A CN 201910774541A CN 110608739 A CN110608739 A CN 110608739A
Authority
CN
China
Prior art keywords
ellipse
interference environment
region
feasible
moving target
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
Application number
CN201910774541.2A
Other languages
English (en)
Other versions
CN110608739B (zh
Inventor
刘恒利
薛凯文
钱辉环
林天麟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese University of Hong Kong Shenzhen
Shenzhen Institute of Artificial Intelligence and Robotics
Original Assignee
Chinese University of Hong Kong Shenzhen
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese University of Hong Kong Shenzhen filed Critical Chinese University of Hong Kong Shenzhen
Priority to CN201910774541.2A priority Critical patent/CN110608739B/zh
Publication of CN110608739A publication Critical patent/CN110608739A/zh
Application granted granted Critical
Publication of CN110608739B publication Critical patent/CN110608739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种干扰环境下运动目标的定位方法、系统及电子装置，包括：输入初始采样数据量；获取干扰环境下运动目标的当前时刻位置数据；连接最外围的当前时刻位置数据以构成干扰环境下运动目标在下一时刻的多边形可行性区域；判断可行性区域是否可行；在可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；将多边形可行性区域分解成一系列线性区域；在多边形中内接椭圆以近似可行性区域；在一系列线性区域组成的可行性区域中最大化椭圆，并获取椭圆的中心点，中心点为干扰环境下运动目标在下一时刻的最佳运动位置。解决了现有技术中因模型难以建立或者根本不存在对应模型而无法实现对干扰环境下运动目标进行定位的技术问题。

Description

干扰环境下运动目标的定位方法、系统及电子装置
技术领域
本发明涉及运动目标定位的技术领域，尤其涉及一种干扰环境下运动目标的定位方法、系统及电子装置。
背景技术
现阶段在扰动干扰环境下的对运动目标的定位估计有：闭环系统、卡尔曼滤波以及粒子滤波等。一般的闭环系统，需要建立物体的运动模型、外界干扰模型等，当干扰等模型不好建立时，闭环系统难以较好得补偿系统的运动；基于模型的卡尔曼滤波，假设了物体运动模型，但是对于突然的扰动，不能很好的估计物体位置；基于概率的粒子滤波一般需要有标志物，以更新预测的结果，且标志物较为固定。
发明内容
本发明的主要目的在于提供一种干扰环境下运动目标的定位方法、系统及电子装置，无需对运动目标和干扰环境进行建模，旨在解决现有技术中因模型难以建立或者根本不存在对应模型而无法实现对干扰环境下运动目标进行定位的技术问题。
为实现上述目的，本发明第一方面提供一种干扰环境下运动目标的定位方法，包括：
S1、输入运动目标的初始采样数据量；
S2、通过定位方法获取干扰环境下运动目标的当前时刻位置数据；
S3、依次连接最外围的所述当前时刻位置数据以构成多边形，所述多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；
S4、判断所述可行性区域是否可行，若可行，则转至S5，若不可行，则返回至S3；
S5、在所述可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；
S51、将多边形所述可行性区域分解成一系列线性区域；
S52、在所述多边形中内接椭圆以近似可行性区域；
S53、在一系列所述线性区域组成的所述可行性区域中最大化所述椭圆，并获取最大化的所述椭圆的中心点，所述中心点为干扰环境下运动目标在下一时刻的所述最佳运动位置。
进一步地，所述S4的判断方法包括：
S41、判断所述多边形是否为凸多边形，若否，转至S3，若是，转至S42；
S42、判断所述凸多边形是否存在外部扰动点，若否，转至S5，若是，转至S3。
进一步地，所述干扰环境下运动目标的定位方法还包括：
S6、判断是否更新采样数据量，若是，则转至S1，若否，则转至S2。
进一步地，
所述线性区域的表达式为：
其中，x表示当前时刻的运动目标，所述可行性区域由多条直线组成，ai和bi表示为任意一条直线的系数和常数；
所述椭圆的面积表达式为：
ε＝{Bu+d|||u||2≤1}
其中，ε表示所述椭圆的区域面积，u表示单位圆，B表示圆与椭圆之间的变换系数，通过B与u相乘，将圆变为所述椭圆，d是平移系数，将所述椭圆的中心移动到所述可行性区域内；
最大化所述椭圆的目标方程为：
maxlog(det(B))
其中，约束条件表示所述椭圆上的点与所述直线上的点同时满足上述方程，从而最大化det(B)，得到最大化所述椭圆的中心点，即为干扰环境下运动目标在下一时刻的所述最佳运动位置。
进一步地，所述定位方法为视觉定位、GPS定位、无线定位、IMU定位、运动捕捉仪定位或超声波定位中的任一种。
本发明第二方面提供一种干扰环境下运动目标的定位系统，包括：
初始数据输入模块，用于输入运动目标的初始采样数据量；
当前时刻位置数据获取模块，通过定位方法获取干扰环境下运动目标的当前时刻位置数据；
可行性区域构造模块，用于依次连接最外围的所述当前时刻位置数据以构成多边形，所述多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；
可行性区域判断取模块，用于判断所述可行性区域是否可行，若可行，则转至最佳运动位置求解模块，若不可行，则返回至可行性区域构造模块；
最佳运动位置求解模块，在所述可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；将多边形所述可行性区域分解成一系列线性区域；在所述多边形中内接椭圆以近似可行性区域；在一系列所述线性区域组成的所述可行性区域中最大化所述椭圆，并获取最大化的所述椭圆的中心点，所述中心点为干扰环境下运动目标在下一时刻的所述最佳运动位置。
本发明第三方面提供一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述中的任意一项所述方法。
本发明提供一种干扰环境下运动目标的定位方法、系统及电子装置，有益效果在于：对干扰环境下运动目标的当前时刻位置数据进行统计，依次连接最外围的当前时刻位置数据以构成多边形的可行性区域；对可行性区域的可行性进行判断；将多边形可行性区域分解成一系列线性区域，用椭圆近似可行性区域，通过一系列线性区域与椭圆的关系在可行性区域将椭圆最大化，椭圆的中心点即为运动目标在下一时刻的最佳运动位置。本发明无需对运动目标与干扰环境进行建模，解决了因模型难以建立或者根本不存在对应模型而无法实现对干扰环境下运动目标进行定位的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例干扰环境下运动目标的定位方法的流程示意图；
图2为本发明实施例干扰环境下运动目标的结构示意框图；
图3为本发明实施例电子装置的结构示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，为一种干扰环境下运动目标的定位方法，包括：S1、输入运动目标的初始采样数据量；S2、通过定位方法获取干扰环境下运动目标的当前时刻位置数据；S3、依次连接最外围的当前时刻位置数据以构成多边形，多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；S4、判断可行性区域是否可行，若可行，则转至S5，若不可行，则返回至S3；S5、在可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；S51、将多边形可行性区域分解成一系列线性区域；S52、在多边形中内接椭圆以近似可行性区域；S53、在一系列线性区域组成的可行性区域中最大化椭圆，并获取最大化的椭圆的中心点，中心点为干扰环境下运动目标在下一时刻的最佳运动位置。
在本发明中，对干扰环境下运动目标的当前时刻位置数据进行统计，依次连接最外围的当前时刻位置数据以构成多边形的可行性区域；对可行性区域的可行性进行判断；将多边形可行性区域分解成一系列线性区域，用椭圆近似可行性区域，通过一系列线性区域与椭圆的关系在可行性区域将椭圆最大化，椭圆的中心点即为运动目标在下一时刻的最佳运动位置。本发明无需对运动目标与干扰环境进行建模，解决了因模型难以建立或者根本不存在对应模型而无法实现对干扰环境下运动目标进行定位的技术问题。
进一步地，S4的判断方法包括：S41、判断多边形是否为凸多边形，若否，转至S3重新构造可行性区域；若是，转至S42；S42、判断凸多边形是否存在外部扰动点，若否，转至S5以求解运动目标在下一时刻的最佳运动位置；若是，转至S3以重新构造可行性区域。
更进一步地，干扰环境下运动目标的定位方法还包括：
S6、判断是否更新采样数据量，若是，则转至S1，重新采样并更新采样数据量；若否，则转至S2。通过计算运动目标在可行性区域的最佳运动位置，并采集干扰环境下运动目标在下一时刻的实际运动位置，若实际运动位置与最佳运动位置相近，则转至S2继续循环定位；若实际运动位置最佳运动位置相差比较大，则进一步采集运动目标的采样数据，更新采样数据量，重新构造可行性区域求最佳运动位置。
具体地，线性区域的表达式为：
其中，x表示当前时刻的运动目标，可行性区域由多条直线组成，每条直线可以表示为y＝ax+b的形式，因此ai和bi表示为任意一条直线的系数和常数；因为运动目标在可行性区域的内部，所以ai Tx≤bi表示运动目标在由多条直线围成的可行性区域内。
然后在多边形内用一个椭圆来近似可行性区域，椭圆的面积表达式为：
ε＝{Bu+d|||u||2≤1}
其中，ε表示椭圆的区域面积，u表示单位圆，B表示圆与椭圆之间的变换系数，通过B与u相乘，将圆变为椭圆，d是平移系数，即将椭圆的中心移动到可行性区域内。
最后在多边形可行性区域中最大化椭圆，椭圆最大化的目标方程为：
maxlog(det(B))
其中，可行性区域的面积ε与det(B)成比例，约束条件表示椭圆上的点与直线上的点同时满足上述方程，从而最大化det(B)，得到最大化椭圆的中心点，即为干扰环境下运动目标在下一时刻的最佳运动位置。
进一步地，采用定位方法获取运动目标在的当前时刻位置数据，定位方法为视觉定位、GPS定位、无线定位、IMU定位、运动捕捉仪定位或超声波定位中的任一种，只要能获取运动目标在一定时间内的运动位置数据的定位方法均使用于本发明。
本发明可以应用在不确定扰动环境下(如风、水流、浪等)对运动目标的位置预测，如应用于无人船船体对接、无人机停靠在浮动的船体上某个位置、无人机停靠在运动的车上以及飞机加油机与飞机受油机接口的对接等。
请参阅图2，为一种干扰环境下运动目标的定位系统，包括：初始数据输入模块1，用于输入运动目标的初始采样数据量；当前时刻位置数据获取模块2，通过定位方法获取干扰环境下运动目标的当前时刻位置数据；可行性区域构造模块3，用于依次连接最外围的当前时刻位置数据以构成多边形，多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；可行性区域判断取模块4，用于判断可行性区域是否可行，若可行，则转至最佳运动位置求解模块5，若不可行，则返回至可行性区域构造模块3；最佳运动位置求解模块5，在可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；将多边形可行性区域分解成一系列线性区域；在多边形中内接椭圆以近似可行性区域；在一系列线性区域组成的可行性区域中最大化椭圆，并获取最大化的椭圆的中心点，中心点为干扰环境下运动目标在下一时刻的最佳运动位置。
本申请实施例提供一种电子装置，请参阅图3，该电子装置包括：存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序，处理器602执行该计算机程序时，实现前述中描述的干扰环境下运动目标的定位方法。
进一步的，该电子装置还包括：至少一个输入设备603以及至少一个输出设备604。
上述存储器601、处理器602、输入设备603以及输出设备604，通过总线605连接。
其中，输入设备603具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备604具体可为显示屏。
存储器601可以是高速随机存取记忆体(RAM，Random Access Memory)存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器601用于存储一组可执行程序代码，处理器602与存储器601耦合。
以上为对本发明所提供的一种干扰环境下运动目标的定位方法、系统及电子装置的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种干扰环境下运动目标的定位方法，其特征在于，包括：
S1、输入运动目标的初始采样数据量；
S2、通过定位方法获取干扰环境下运动目标的当前时刻位置数据；
S3、依次连接最外围的所述当前时刻位置数据以构成多边形，所述多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；
S4、判断所述可行性区域是否可行，若可行，则转至S5，若不可行，则返回至S3；
S5、在所述可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；
S51、将多边形所述可行性区域分解成一系列线性区域；
S52、在所述多边形中内接椭圆以近似可行性区域；
S53、在一系列所述线性区域组成的所述可行性区域中最大化所述椭圆，并获取最大化的所述椭圆的中心点，所述中心点为干扰环境下运动目标在下一时刻的所述最佳运动位置。
2.根据权利要求1所述的干扰环境下运动目标的定位方法，其特征在于，所述S4的判断方法包括：
S41、判断所述多边形是否为凸多边形，若否，转至S3，若是，转至S42；
S42、判断所述凸多边形是否存在外部扰动点，若否，转至S5，若是，转至S3。
3.根据权利要求2所述的干扰环境下运动目标的定位方法，其特征在于，所述干扰环境下运动目标的定位方法还包括：
S6、判断是否更新采样数据量，若是，则转至S1，若否，则转至S2。
4.根据权利要求3所述的干扰环境下运动目标的定位方法，其特征在于，
所述线性区域的表达式为：
其中，x表示当前时刻的运动目标，所述可行性区域由多条直线组成，ai和bi表示为任意一条直线的系数和常数；
所述椭圆的面积表达式为：
ε＝{Bu+d|||u||2≤1}
其中，ε表示所述椭圆的区域面积，u表示单位圆，B表示圆与椭圆之间的变换系数，通过B与u相乘，将圆变为所述椭圆，d是平移系数，将所述椭圆的中心移动到所述可行性区域内；
最大化所述椭圆的目标方程为：
maxlog(det(B))
其中，约束条件表示所述椭圆上的点与所述直线上的点同时满足上述方程，从而最大化det(B)，得到最大化所述椭圆的中心点，即为干扰环境下运动目标在下一时刻的所述最佳运动位置。
5.根据权利要求1所述的干扰环境下运动目标的定位方法，其特征在于，所述定位方法为视觉定位、GPS定位、无线定位、IMU定位、运动捕捉仪定位或超声波定位中的任一种。
6.一种干扰环境下运动目标的定位系统，其特征在于，包括：
初始数据输入模块，用于输入运动目标的初始采样数据量；
当前时刻位置数据获取模块，通过定位方法获取干扰环境下运动目标的当前时刻位置数据；
可行性区域构造模块，用于依次连接最外围的所述当前时刻位置数据以构成多边形，所述多边形形成的内围区域为干扰环境下运动目标在下一时刻的可行性区域；
可行性区域判断取模块，用于判断所述可行性区域是否可行，若可行，则转至最佳运动位置求解模块，若不可行，则返回至可行性区域构造模块；
最佳运动位置求解模块，在所述可行性区域中求解干扰环境下运动目标在下一时刻的最佳运动位置；将多边形所述可行性区域分解成一系列线性区域；在所述多边形中内接椭圆以近似可行性区域；在一系列所述线性区域组成的所述可行性区域中最大化所述椭圆，并获取最大化的所述椭圆的中心点，所述中心点为干扰环境下运动目标在下一时刻的所述最佳运动位置。
7.一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至5中的任意一项所述方法。
CN201910774541.2A 2019-08-21 2019-08-21 干扰环境下运动目标的定位方法、系统及电子装置 Active CN110608739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910774541.2A CN110608739B (zh) 2019-08-21 2019-08-21 干扰环境下运动目标的定位方法、系统及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910774541.2A CN110608739B (zh) 2019-08-21 2019-08-21 干扰环境下运动目标的定位方法、系统及电子装置

Publications (2)

Publication Number Publication Date
CN110608739A true CN110608739A (zh) 2019-12-24
CN110608739B CN110608739B (zh) 2021-07-27

Family

ID=68890812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910774541.2A Active CN110608739B (zh) 2019-08-21 2019-08-21 干扰环境下运动目标的定位方法、系统及电子装置

Country Status (1)

Country Link
CN (1) CN110608739B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194822A (ja) * 1998-01-05 1999-07-21 Nissan Motor Co Ltd 移動ロボットのグローバル地図構築方法
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN105701292A (zh) * 2016-01-13 2016-06-22 西北工业大学 一种机动目标转弯角速度的解析辨识技术
CN106257242A (zh) * 2015-06-16 2016-12-28 沃尔沃汽车公司 用于调节道路边界的单元和方法
CN108562274A (zh) * 2018-04-20 2018-09-21 南京邮电大学 一种基于标志器的非合作目标位姿测量方法
CN108763287A (zh) * 2018-04-13 2018-11-06 同济大学 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
CN108848045A (zh) * 2018-07-07 2018-11-20 西北大学 基于联合干扰对齐和功率优化的d2d通信干扰管理方法
CN109490926A (zh) * 2018-09-28 2019-03-19 浙江大学 一种基于双目相机和gnss的路径规划方法
CN109804223A (zh) * 2016-10-11 2019-05-24 御眼视觉技术有限公司 基于检测到的障碍物导航车辆

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194822A (ja) * 1998-01-05 1999-07-21 Nissan Motor Co Ltd 移動ロボットのグローバル地図構築方法
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN106257242A (zh) * 2015-06-16 2016-12-28 沃尔沃汽车公司 用于调节道路边界的单元和方法
CN105701292A (zh) * 2016-01-13 2016-06-22 西北工业大学 一种机动目标转弯角速度的解析辨识技术
CN109804223A (zh) * 2016-10-11 2019-05-24 御眼视觉技术有限公司 基于检测到的障碍物导航车辆
CN108763287A (zh) * 2018-04-13 2018-11-06 同济大学 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
CN108562274A (zh) * 2018-04-20 2018-09-21 南京邮电大学 一种基于标志器的非合作目标位姿测量方法
CN108848045A (zh) * 2018-07-07 2018-11-20 西北大学 基于联合干扰对齐和功率优化的d2d通信干扰管理方法
CN109490926A (zh) * 2018-09-28 2019-03-19 浙江大学 一种基于双目相机和gnss的路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘全波 等: "基于视觉的无人机自动着陆定位算法", 《电子产品世界》 *

Also Published As

Publication number Publication date
CN110608739B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN108897836B (zh) 一种机器人基于语义进行地图构建的方法和装置
US10346996B2 (en) Image depth inference from semantic labels
US20200143245A1 (en) Neural network training method, device, computer system, and movable device
US20230118945A1 (en) Method of processing data for autonomous vehicle, electronic device, storage medium and autonomous vehicle
CN110929802A (zh) 基于信息熵的细分类识别模型训练、图像识别方法及装置
CN111125283B (zh) 电子地图构建方法、装置、计算机设备和存储介质
US20220277581A1 (en) Hand pose estimation method, device and storage medium
CN114926549B (zh) 三维点云处理方法、装置、设备以及存储介质
CN116453221B (zh) 目标对象姿态确定方法、训练方法、装置以及存储介质
Xue et al. Online identification of a ship maneuvering model using a fast noisy input Gaussian process
CN114549671A (zh) 一种网格编码方法及计算机系统
CN114022614A (zh) 一种三维重建目标位置置信度的估计方法及系统
CN110608739B (zh) 干扰环境下运动目标的定位方法、系统及电子装置
CN113033774A (zh) 图处理网络模型的训练方法、装置、电子设备和存储介质
CN115267667B (zh) 井下高精度定位修正方法、装置、设备及存储介质
CN116844124A (zh) 三维目标检测框标注方法、装置、电子设备和存储介质
CN107808360B (zh) 一种端到端自动驾驶系统的数据处理方法及装置
CN115950432A (zh) 一种室内外移动机器人的无缝定位方法、设备及存储介质
Zhang et al. Improved grid mapping technology based on Rao-Blackwellized particle filters and the gradient descent algorithm
CN112990256A (zh) 多传感器噪声计算方法及信息融合方法、存储介质及设备
CN114371700B (zh) 一种概率滤波强化学习无人船控制方法、装置及终端设备
CN113361379B (zh) 生成目标检测系统和检测目标的方法及装置
CN117475399B (zh) 车道线拟合方法、电子设备及可读介质
França et al. Parametric and Nonparametric Bayesian Filters for Autonomous Underwater Vehicle Localization
WO2023108494A1 (zh) 一种概率滤波强化学习无人船控制方法、装置及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200120

Address after: 518060 floor 15, Xinghe worldg2-14, No.1 Yabao Road, Bantian street, Longgang District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Institute of artificial intelligence and Robotics

Applicant after: Chinese University Hong Kong (Shenzhen)

Address before: 518060 Longxiang Avenue, Longgang District, Shenzhen, Guangdong 2001

Applicant before: Chinese University Hong Kong (Shenzhen)

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant