CN110672093A - 一种基于uwb与惯导融合的车载导航定位方法 - Google Patents

一种基于uwb与惯导融合的车载导航定位方法 Download PDF

Info

Publication number
CN110672093A
CN110672093A CN201910782356.8A CN201910782356A CN110672093A CN 110672093 A CN110672093 A CN 110672093A CN 201910782356 A CN201910782356 A CN 201910782356A CN 110672093 A CN110672093 A CN 110672093A
Authority
CN
China
Prior art keywords
vehicle
data
time
axis
uwb
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
CN201910782356.8A
Other languages
English (en)
Other versions
CN110672093B (zh
Inventor
李磊
王凡
吴杰
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.)
HUAQING KESHENG (BEIJING) INFORMATION TECHNOLOGY Co Ltd
Original Assignee
HUAQING KESHENG (BEIJING) INFORMATION TECHNOLOGY Co Ltd
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 HUAQING KESHENG (BEIJING) INFORMATION TECHNOLOGY Co Ltd filed Critical HUAQING KESHENG (BEIJING) INFORMATION TECHNOLOGY Co Ltd
Priority to CN201910782356.8A priority Critical patent/CN110672093B/zh
Publication of CN110672093A publication Critical patent/CN110672093A/zh
Application granted granted Critical
Publication of CN110672093B publication Critical patent/CN110672093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01C21/18—Stabilised platforms, e.g. by gyroscope

Landscapes

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

Abstract

本发明提供了一种基于UWB（Ultra‑Wide‑Band）与惯导融合的车载导航定位方法，属于室内外定位技术领域。该方法针对当UWB信号遮挡严重、大量存在多径效应时，会出现粗大误差问题，及当接收信号的基站数目小于3个时，标签无法完成定位的问题。结合惯导不受外界环境影响，能实现自主连续定位特点。提出了当接收的基站个数大于1个时，使用扩展卡尔曼滤波实现车辆的最优估计，当接收基站个数为1个时，使用余弦定理的方法估算车辆位置。该方法能提供能够长时间连续可靠的定位，具有很强的工程应用价值。

Description

一种基于UWB与惯导融合的车载导航定位方法
技术领域
本发明属于室内外导航定位领域，特别涉及了一种基于UWB(Ultra-Wide-Band)与惯导融合的车载导航定位方法。
背景技术
UWB是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，与传统的窄带系统相比，具有穿透力强、功耗低、抗干扰强等优点，同时UWB凭借着精度高，适用性广等特点，在工厂、仓储、机器人等定位领域得到广泛应用。
但当UWB信号遮挡严重、存在大量多径或该区域定位基站较少时，UWB将会出现粗大误差或不能定位的问题。
惯性导航系统具有不受外界影响，自主性、定位连续的特点。本发明针对UWB TDOA（Time Difference Of Arrival）技术中标签只发送信号不接收信号特点，将融合算法分为两部分：标签侧负责解算车辆的姿态、行驶状态等信息，平台侧负责根据接收到的UWB数据及车辆的姿态、行驶状态等信息对车辆的位置、速度、姿态进行估计。
发明内容
本发明提出一种基于UWB与惯导融合的车载导航定位方法。该方法可以使得在UWB信号遮挡严重、或存在大量多径、或接收UWB信号的基站个数较少如小于3个时仍能持续高精度的完成定位。在定位过程中，当接收UWB信号的基站个数大于1个时，使用扩展卡尔曼滤波实现车辆的最优估计，当接收基站个数为1个时，使用余弦定理方法估算车辆位置。
本发明提出的一种基于UWB与惯导融合的车载导航定位方法，包括以下步骤。
步骤01：将含有惯性传感器的UWB标签，安装在车辆上，要求惯性传感器的Y轴或X轴与车辆的行驶方向一致。读取惯性传感器中的加速度计计陀螺仪数据。
步骤02：根据读取的加速度数据，判断当前的车辆是否静止。若静止则执行步骤03，否则执行步骤05。
步骤03：根据读取的加速度数据，计算俯仰角和横滚角。
步骤04：对一段Tw时间内的三轴陀螺仪数据求平均，可以解算出陀螺仪的三轴零偏w_bias。
步骤05：把初始航向角为0°及步骤03解算的俯仰角及横滚角当作四元数计算的初始值，然后使用计算出的陀螺仪零偏值实时校正输出的角速度数据，实时更新四元数，进而跟踪车辆的行驶姿态角。
步骤06：根据一段Tw时间内的加速度数据及陀螺仪数据，判断车辆的行驶状态，即是向前行驶或倒退行驶。
车辆静止启动时的行驶状态判断，求一段Tw时间内加速度计x轴的最大值max_acc_x，最小值min_acc_x；加速度计y轴的最大值max_acc_y，最小值min_acc_y，则
Figure 411867DEST_PATH_IMAGE001
（1）
若f大于设定阈值static_thr，则车辆开始运动，此时若Tw时间内Y轴加速度均值大于0，则车辆向前行驶，否则车辆倒退行驶；若f小于设定阈值static_thr，则保持上一时刻的静止状态。
当车辆非静止状态时，需要针对一段Tw时间内加速度计和陀螺仪数据联合进行判断叉车的行驶状态。若加速度计数据与陀螺仪数据在Tw时间段内的上升或下降趋势相同且最后一个数据的正负号相同，则车辆是倒退行驶；否则为向前行驶。
步骤07：根据四元数解算的航向角及判断的车辆行驶状态，即可判断车辆的行驶方向。当车辆为倒退行驶时，则车辆的行驶方向为
Figure 34665DEST_PATH_IMAGE002
+180°，否则保持不变。
步骤08：获取标签的ID（Identity Document）、发送数据的包序号、时间戳信息，然后与惯导解算模块计算的车辆行驶方向一起发送至平台（包括端平台或云平台）。
步骤09：平台侧解析UWB基站发送过来的数据，然后分析当前接收到UWB信号的基站个数，当接收的到UWB信号的基站个数小于2个时，执行步骤14，否则直行步骤10。
步骤10：当接收到UWB信号的基站为3个及3个以上时，则使用TDOA算法计算车辆的位置，否则UWB无法独立计算出车辆的位置。
步骤11：求一段Tw时间窗内的行驶方向最大值max_angle与最小值min_angle，若(max_angle -min_angle)除以360°的余数小于阈值angle_thr，则车辆直线行驶，执行步骤12，否则曲线行驶，执行步骤13。
步骤12：当车辆行驶的直线距离L大于设定的阈值dist_thr时，则根据Tw时间段内的UWB定位轨迹，利用最小二乘方法进行直线拟合，可求得直线与X轴之间的夹角为
Figure 134208DEST_PATH_IMAGE003
（[-90°，90°]），则根据公式（2）
Figure 84846DEST_PATH_IMAGE004
（2）
Figure 967351DEST_PATH_IMAGE005
（3）
可求得求车辆运动方向与Y轴（导航系为右手直角坐标系）正向之间的夹角
Figure 132885DEST_PATH_IMAGE006
，否则不做处理。
式中detax为在X轴上行驶趋势，大于0 为沿着X轴的正方向，小于0为沿着X轴的负方向；detay为在Y轴上的行驶趋势，大于0为沿着Y轴的正方向，小于0为沿着Y轴的负方向。
步骤13：以车辆的二维位置x，y及车辆的行驶速度v建立状态向量
Figure 75433DEST_PATH_IMAGE007
，对应的状态方程如下：
Figure 310105DEST_PATH_IMAGE008
（4）
式中
Figure 730722DEST_PATH_IMAGE009
为n+1时刻的车辆的平面位置坐标，
Figure 780456DEST_PATH_IMAGE010
为n+1时刻车辆的速度，
Figure 893905DEST_PATH_IMAGE011
为车辆相邻两次方法的时间间隔，为车辆n时刻的航向角，W为状态方程的系统噪声矩阵。
观测量为相对于时基基站的测距差，那么对应的观测方程为：
Figure 901678DEST_PATH_IMAGE014
（5）
式中
Figure 999078DEST_PATH_IMAGE015
为第i个UWB基站的平面坐标，H为UWB基站距离地面的高度，
Figure 411605DEST_PATH_IMAGE016
为车辆位置距离i号基站的距离与到1号基站的距离的差值，V为UWB观测量的量测噪声。
然后根据扩展卡尔曼滤波公式对车辆的位置、速度进行最优估计。
步骤14：此时由于接收到UWB信号只有一个基站，即UWB独立无法完成定位。本发明提供一种基于余弦定理的方法对车辆的位置进行估计，使得该系统仍能保持高精度定位。
该方法可根据定位标签发送相邻两次数据的时间间隔
Figure 767500DEST_PATH_IMAGE017
、基站接收该标签两次相邻数据的时间间隔
Figure 949083DEST_PATH_IMAGE018
、车辆前一时刻的位置，记为a点、接收标签信号的基站位置，记为b点、车辆行驶方向
Figure 138756DEST_PATH_IMAGE006
等数据信息，估计车辆的最新位置信息，记为c点（此方法也可以是在多个基站接收到标签信号时，估计车辆位置）。
求车辆前一时刻的位置到接收到标签信号的基站之间的距离Lab；求直线ab与直线ac之间的夹角
Figure 84584DEST_PATH_IMAGE019
；求车辆最新位置到接收标签信号的基站之间的距离为Lbc；已知Lbc、Lab、角度，可根据三角余弦定理得到另外一条边Lac最优解，即车辆行驶的距离。
根据车辆的行驶方向角
Figure 280259DEST_PATH_IMAGE006
，车辆的行驶距离Lac，根据
Figure 640833DEST_PATH_IMAGE020
（6）
即可推算车辆当前时刻的位置。
步骤15：输出步骤13或步骤14解算的车辆位置及行驶方向。
附图说明
图1 一种基于UWB与惯导融合的车载导航定位方法流程图。
图2 余弦定理估计位置示意图。
图3 标签到基站的测距示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
将标签安装在车辆顶部，将惯性传感器的Y轴或X轴与车辆行驶方向保持一致。加速度计及陀螺仪的采样频率为200Hz，使用到的阈值参数设定：缓存的加速度及陀螺仪数据的时间窗Tw=[0.5s,1s]，判断车辆是否静止状态的阈值static_thr=[10,20]；判断Tw时间窗长内是否处于直线行驶的角度阈值angle_thr=[5°,10°]。
如图1所示，该方法包括如下步骤。
步骤01：读取惯性传感器的加速度计及陀螺仪数据。
步骤02：根据一段Tw时间内的加速度计及陀螺仪数据判断车辆是否静止，若静止执行步骤03，否则执行步骤05。
步骤03：根据加速度计输出的三轴数据，计算俯仰角和横滚角。
步骤04：对Tw时间窗内的陀螺仪数据求平均，求陀螺仪的零偏。
步骤05：用静止时计算的俯仰角和横滚角，初始航向角为0°，当作四元数计算的初始值，然后根据校正后的陀螺仪数据进行四元数更新，实时跟踪车辆的姿态角。
步骤06：根据加速度计数据及陀螺仪数据的趋势等信息判断当前车辆的行驶状态，即向前行驶还是倒退行驶。
步骤07：若四元数更新解算的航向角为
Figure 27952DEST_PATH_IMAGE021
。当车辆为倒退行驶时，则车辆的行驶方向为
Figure 7540DEST_PATH_IMAGE021
+180°，否则保持不变。
步骤08：获取标签的ID（Identity Document）、发送数据的包序号、时间戳信息，然后与惯导解算模块计算的车辆行驶方向一起发送至平台（包括端平台或云平台）。
步骤09：判断接收到UWB信号的基站的个数，若小于2个，则这行步骤14，否则执行步骤10。
步骤10：当接收到UWB信号基站个数为3个及3个以上时，可利用TDOA算法计算标签的位置。否则UWB不进行解算。
步骤11：求一段Tw时间窗内的角度最大值max_angle与最小值min_angle，若(max_angle -min_angle)除以360°的余数小于阈值angle_thr，则车辆直线行驶，执行步骤12，否则曲线行驶，执行步骤13。
步骤12：根据UWB的定位轨迹，利用最小二乘方法拟合，然后求得该直线与导航系Y轴之间的夹角，即为车辆行驶的方向角
Figure 898136DEST_PATH_IMAGE006
。
步骤13：已知车辆的行驶方向角，把车辆的位置及速度当作状态量
Figure 278214DEST_PATH_IMAGE007
，用基站接收信号的时间差作为观测量
Figure 887050DEST_PATH_IMAGE013
，对车辆的位置及速度进行最优估计。
步骤14：根据余弦定理估算车辆的位置。如图2所示，a点为车辆上一时刻的位置，b点为接收到UWB信号基站的位置，c点为当前的车辆的位置；导航系的坐标为a-x1y1z1，载体系为a-x0y0z1；车辆行驶方向为，可以求得Lab的距离，及夹角∠cab。
Lbc的解算，转化为求信号从c点发送，到b点接收的空中传播时间，如图3所示，t0为a时标签发送信号时的时刻，t1为基站接收到信号的时刻，t2为标签在c位置时，发送信号的时刻，t3为基站接收到信号的时刻。
Figure 867961DEST_PATH_IMAGE022
为信号从a点到b点的传播时间，
Figure 835917DEST_PATH_IMAGE023
为信号从c点到b点的传播时间，则
Lbc = （7）
式中C_light为光速。
已知Lab、Lbc、夹角∠cab，根据余弦定理可求得Lbc的最优解，。
根据车辆的行驶方向角，车辆的行驶距离Lac，即可推算车辆当前时刻的位置
Figure 456702DEST_PATH_IMAGE020
（8）
步骤15：输出步骤13或步骤14解算的车辆位置及行驶方向。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (8)

1.一种基于UWB与惯导融合的车载导航定位方法，其特征在于，包括以下步骤：
步骤1：根据安装在车辆上面定位标签里惯导数据，检测车辆的静止状态，并对陀螺仪传感器进行标定；
步骤2：根据陀螺仪数据及加速度计数据，判断车辆的行驶状态，即向前或后退行驶；
步骤3：根据计算的航向角信息，判断车辆是否是直线行驶；
步骤4：当车辆直线行驶一段距离后，根据此时间段内的UWB定位结果拟合求车辆的行驶方向；
步骤5：当接收的基站大于1个时，根据定位标签到基站的测距差及车辆的行驶方向，对车辆的位置、速度用扩展卡尔曼滤波进行最优估计；
步骤6：当接收的基站个数为1个时，使用余弦定理方法估计车辆当前的位置；
所述的车辆包括但不限于汽车、叉车等。
2.根据权利要求1所述的定位标签，其特征在于，包含惯导计算模块、UWB数据模块；
定位标签的安装，需要将惯性传感器的Y轴或X轴与车辆行驶方向保持一致；
所述的惯导计算模块，是根据加速度计和陀螺仪的数据计算车辆的行驶方向；
所述的UWB数据模块，包括标签的ID（Identity Document），发送信息的包序号，时间戳等数据。
3.根据权利要求1所述的检测车辆的静止状态，并对陀螺仪传感器进行标定，其特征在于：
求一段时间Tw内加速度计x轴的最大值max_acc_x，最小值min_acc_x；加速度计y轴的最大值max_acc_y，最小值min_acc_y；若max_acc_x - min_acc_x<阈值 且max_acc_y -min_acc_y<阈值
Figure 729119DEST_PATH_IMAGE002
，则当前车辆为静止状态，否则为运动状态；
所述的对陀螺仪传感器进行标定，是指当检测到车辆在Tw时间内静止时，对Tw时间内的陀螺仪三轴数据求平均，其值为陀螺仪三轴的零偏W_bias；然后使用该零偏值对原始的陀螺仪数据进行校正。
4.根据权利要求1所述的判断车辆行驶状态，其特征在于，包含车辆静止启动时行驶状态判断、车辆行驶过程中的状态判断；
所述的车辆静止启动时的行驶状态判断，其特征在于，求一段时间Tw内加速度计x轴的最大值max_acc_x，最小值min_acc_x；加速度计y轴的最大值max_acc_y，最小值min_acc_y；则
Figure 440723DEST_PATH_IMAGE003
Figure 305911DEST_PATH_IMAGE003
（1）
若f大于设定阈值static_thr，则车辆开始运动，此时若Tw时间内Y轴（与车辆行驶方向保持一致的轴）加速度均值大于0，则车辆向前行驶，否则车辆倒退行驶；若f小于设定阈值static_thr，则保持上一时刻的静止状态；
所述的行驶过程中的行驶状态判断，针对一段时间Tw内加速度计和陀螺仪数据进行分析；若加速度计数据与陀螺仪数据在Tw时间段内的上升或下降趋势相同，则车辆是倒退行驶；否则为向前行驶；
所述的上升或下降趋势，是指对Tw时间内的数据进行直线拟合，若拟合的直线的斜率大于0，则为上升趋势，否则为下降趋势。
5.根据权利要求1所述的判断车辆是否直线行驶，其特征在于：
求一段时间窗内的角度最大值max_angle与最小值min_angle，若(max_angle -min_angle)除以360°的余数小于阈值angle_thr，则车辆直线行驶，否则曲线行驶。
6.根据权利要求1所述的用UWB定位结果拟合求车辆的行驶方向，其特征在于，包含以下步骤：
步骤1：对UWB的定位轨迹进行最小二乘拟合，根据公式(2)可以计算直线的斜率K为：
Figure RE-FDA0002302392280000012
式中：
Figure RE-FDA0002302392280000013
步骤2：然后求得直线的斜距b为：
Figure RE-FDA0002302392280000014
步骤3：根据公式(4)求得与拟合的直线与X轴之间的夹角θ：
θ＝arctan(K) (4)
步骤4：求定位轨迹中的横坐标的最大、最小值，然后带入直线方程
y＝K*x+b求得对应的纵坐标的最大、最小值，则该两点的距离，即为车辆行驶的直线距离L；
步骤5：当检测到车辆行驶直线距离L大于设定的阈值dist_thr时，则根据公式(5)可求得车辆运动方向与Y轴(导航系为右手直角坐标系)正向之间的夹角β；否则不做处理；
Figure RE-FDA0002302392280000015
Figure RE-FDA0002302392280000016
式中detax为在X轴上行驶趋势，大于0为沿着X轴的正方向，小于0为沿着X轴的负方向；detay为在Y轴上的行驶趋势，大于0为沿着Y轴的正方向，小于0为沿着Y轴的负方向。
7.根据权利要求1所述的扩展卡尔曼滤波，其特征在于，扩展卡尔曼滤波的状态量及状态方程：
以车辆的二维位置x，y及车辆的行驶速度v建立状态向量 ，对应的状态方程如下：
Figure 720394DEST_PATH_IMAGE015
（7）
式中
Figure 637535DEST_PATH_IMAGE016
为n+1时刻的车辆的平面位置坐标，
Figure 417272DEST_PATH_IMAGE017
为n+1时刻车辆的速度，
Figure 874798DEST_PATH_IMAGE018
为车辆相邻两次方法的时间间隔，
Figure 689170DEST_PATH_IMAGE019
为车辆n时刻的航向角；W为状态方程的系统噪声矩阵；
根据权利要求1所述的扩展卡尔曼滤波，其特征在于，扩展卡尔曼滤波的观测量及观测方程：
观测量为相对于时基基站的测距差
Figure 823217DEST_PATH_IMAGE020
，那么对应的观测方程为：
Figure 90251DEST_PATH_IMAGE021
（8）
式中
Figure 351468DEST_PATH_IMAGE022
为第i个UWB基站的平面坐标，H为UWB基站距离地面的高度；
Figure 20346DEST_PATH_IMAGE023
为车辆位置距离i号基站的距离与到1号基站的距离的差值；V为UWB观测量的量测噪声。
8.根据权利要求1所述的使用余弦定理求车辆位置的方法的，其特征在于，当仅有一个基站接收到标签信号时，可根据定位标签发送相邻两次数据的时间间隔
Figure 13710DEST_PATH_IMAGE024
、基站接收该标签两次相邻数据的时间间隔
Figure 581089DEST_PATH_IMAGE025
、车辆前一时刻的位置，记为a点、接收标签信号的基站位置，记为b点、车辆行驶方向等数据信息，估计车辆的最新位置信息，记为c点；（此方法也可以是在多个基站接收到标签信号时，估计车辆位置）
具体步骤包括：
步骤1：求车辆前一时刻的位置到接收到标签信号的基站之间的距离Lab；
步骤2：求直线ab与直线ac之间的夹角
Figure 903803DEST_PATH_IMAGE026
；
步骤3：求Lbc；
若
Figure 333647DEST_PATH_IMAGE027
为标签在位置a处发送数据到基站b处接收的时间；
Figure 886857DEST_PATH_IMAGE028
为标签在位置c处发送数据包到基站b处接收时间；
C_light为光速；
那么Lbc =
Figure 161981DEST_PATH_IMAGE029
（9）
步骤4：已知Lbc、Lab、角度
Figure 805452DEST_PATH_IMAGE026
，可根据三角余弦定理求解另外一条边Lac，即车辆行驶的距离；
步骤5：根据车辆的行驶方向角
Figure 202935DEST_PATH_IMAGE011
，车辆的行驶距离Lac，即可推算车辆当前时刻的位置。
CN201910782356.8A 2019-08-23 2019-08-23 一种基于uwb与惯导融合的车载导航定位方法 Active CN110672093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910782356.8A CN110672093B (zh) 2019-08-23 2019-08-23 一种基于uwb与惯导融合的车载导航定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782356.8A CN110672093B (zh) 2019-08-23 2019-08-23 一种基于uwb与惯导融合的车载导航定位方法

Publications (2)

Publication Number Publication Date
CN110672093A true CN110672093A (zh) 2020-01-10
CN110672093B CN110672093B (zh) 2023-08-04

Family

ID=69075504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782356.8A Active CN110672093B (zh) 2019-08-23 2019-08-23 一种基于uwb与惯导融合的车载导航定位方法

Country Status (1)

Country Link
CN (1) CN110672093B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111240341A (zh) * 2020-02-14 2020-06-05 南京理工大学 一种基于uwb和激光雷达传感器的车辆全方位跟随方法
CN112309115A (zh) * 2020-10-27 2021-02-02 华中科技大学 基于多传感器融合的场内外连续位置检测与停车精确定位方法
CN112533142A (zh) * 2020-10-29 2021-03-19 瑞驰博方（北京）科技有限公司 车辆定位方法、装置、计算机设备和存储介质
CN113110496A (zh) * 2021-05-08 2021-07-13 珠海市一微半导体有限公司 一种移动机器人的建图方法和系统
CN113593285A (zh) * 2021-08-03 2021-11-02 上海智能新能源汽车科创功能平台有限公司 一种智能公交车自动驾驶靠站管理系统
CN114088101A (zh) * 2022-01-14 2022-02-25 华清科盛(北京)信息技术有限公司 基于隐马尔可夫模型的已匹配定位点的矫正方法
WO2022151794A1 (zh) * 2021-01-15 2022-07-21 珠海一微半导体股份有限公司 基于无线测距传感器的移动机器人定位方法、系统及芯片
CN115540854A (zh) * 2022-12-01 2022-12-30 成都信息工程大学 一种基于uwb辅助的主动定位方法、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100841005B1 (ko) * 2007-06-13 2008-06-24 (주)씨랩시스 Ｕｗｂ 무선 네트워크 기반의 차량용 내비게이션 장치
CN105979584A (zh) * 2016-07-06 2016-09-28 浙江工业大学 一种基于边长残差加权的定位方法
CN106908759A (zh) * 2017-01-23 2017-06-30 南京航空航天大学 一种基于uwb技术的室内行人导航方法
CN207742329U (zh) * 2018-01-30 2018-08-17 威海五洲卫星导航科技有限公司 一种隧道车辆定位导航系统
CN108873038A (zh) * 2018-09-10 2018-11-23 芜湖盟博科技有限公司 自主泊车定位方法及定位系统
CN109916410A (zh) * 2019-03-25 2019-06-21 南京理工大学 一种基于改进平方根无迹卡尔曼滤波的室内定位方法
CN109932684A (zh) * 2019-03-28 2019-06-25 招商局重庆交通科研设计院有限公司 基于超宽带距离交汇算法的隧道平面定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100841005B1 (ko) * 2007-06-13 2008-06-24 (주)씨랩시스 Ｕｗｂ 무선 네트워크 기반의 차량용 내비게이션 장치
CN105979584A (zh) * 2016-07-06 2016-09-28 浙江工业大学 一种基于边长残差加权的定位方法
CN106908759A (zh) * 2017-01-23 2017-06-30 南京航空航天大学 一种基于uwb技术的室内行人导航方法
CN207742329U (zh) * 2018-01-30 2018-08-17 威海五洲卫星导航科技有限公司 一种隧道车辆定位导航系统
CN108873038A (zh) * 2018-09-10 2018-11-23 芜湖盟博科技有限公司 自主泊车定位方法及定位系统
CN109916410A (zh) * 2019-03-25 2019-06-21 南京理工大学 一种基于改进平方根无迹卡尔曼滤波的室内定位方法
CN109932684A (zh) * 2019-03-28 2019-06-25 招商局重庆交通科研设计院有限公司 基于超宽带距离交汇算法的隧道平面定位方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111240341A (zh) * 2020-02-14 2020-06-05 南京理工大学 一种基于uwb和激光雷达传感器的车辆全方位跟随方法
CN112309115A (zh) * 2020-10-27 2021-02-02 华中科技大学 基于多传感器融合的场内外连续位置检测与停车精确定位方法
CN112533142A (zh) * 2020-10-29 2021-03-19 瑞驰博方（北京）科技有限公司 车辆定位方法、装置、计算机设备和存储介质
WO2022151794A1 (zh) * 2021-01-15 2022-07-21 珠海一微半导体股份有限公司 基于无线测距传感器的移动机器人定位方法、系统及芯片
CN113110496A (zh) * 2021-05-08 2021-07-13 珠海市一微半导体有限公司 一种移动机器人的建图方法和系统
CN113110496B (zh) * 2021-05-08 2024-05-07 珠海一微半导体股份有限公司 一种移动机器人的建图方法和系统
CN113593285A (zh) * 2021-08-03 2021-11-02 上海智能新能源汽车科创功能平台有限公司 一种智能公交车自动驾驶靠站管理系统
CN114088101A (zh) * 2022-01-14 2022-02-25 华清科盛(北京)信息技术有限公司 基于隐马尔可夫模型的已匹配定位点的矫正方法
CN115540854A (zh) * 2022-12-01 2022-12-30 成都信息工程大学 一种基于uwb辅助的主动定位方法、设备和介质

Also Published As

Publication number Publication date
CN110672093B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN110672093B (zh) 一种基于uwb与惯导融合的车载导航定位方法
CN110208842A (zh) 一种车联网环境下车辆高精度定位方法
EP3715785A1 (en) Slam assisted ins
CN105628026B (zh) 一种移动物体的定位定姿方法和系统
CN106123908B (zh) 车辆导航方法和系统
KR101750186B1 (ko) 차량 위치 추정 기기 및 차량 위치 추정 방법
JP4964047B2 (ja) 位置検出装置及び位置検出方法
US9162682B2 (en) Method and device for determining the speed and/or position of a vehicle
CN107132563B (zh) 一种里程计结合双天线差分gnss的组合导航方法
US20100017128A1 (en) Radar, Lidar and camera enhanced methods for vehicle dynamics estimation
KR101878685B1 (ko) 지도 정보를 이용한 차량 측위 시스템 및 방법
CN112147651B (zh) 一种异步多车协同目标状态鲁棒估计方法
CN106843212A (zh) 自动驾驶基于偏航角修正的车辆应急辅助定向系统及方法
CN101846734A (zh) 农用机械导航定位方法、系统及农用机械工控机
CN107219542B (zh) 基于gnss/odo的机器人双轮差速定位方法
KR20160120467A (ko) 차량용 2차원 레이더의 방위각 보정 장치 및 방법
CN114137975A (zh) 一种超声波辅助融合定位的无人车导航纠偏方法
CN103968848A (zh) 一种基于惯性传感器的导航方法及导航系统
US8890747B2 (en) Longitudinal and lateral velocity estimation using single antenna GPS and magnetic compass
CN107728622A (zh) 一种基于超声波阵列的无人驾驶机械车辆位姿测量与追踪方法
WO2020230314A1 (ja) 自己位置補正方法及び自己位置補正装置
CN114115275B (zh) 一种无人车自主导航纠偏方法
CN107990893B (zh) 二维激光雷达slam中探测环境发生突变的检测方法
CN113514069B (zh) 一种实时自动驾驶定位方法及系统
CN112362052B (zh) 一种融合定位方法及系统

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
CB03 Change of inventor or designer information

Inventor after: Li Lei

Inventor after: Wang Fan

Inventor before: Li Lei

Inventor before: Wang Fan

Inventor before: Wu Jie

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant