CN110926460B - 一种基于IMU的uwb定位异常值处理方法 - Google Patents

一种基于IMU的uwb定位异常值处理方法 Download PDF

Info

Publication number
CN110926460B
CN110926460B CN201911038648.7A CN201911038648A CN110926460B CN 110926460 B CN110926460 B CN 110926460B CN 201911038648 A CN201911038648 A CN 201911038648A CN 110926460 B CN110926460 B CN 110926460B
Authority
CN
China
Prior art keywords
uwb
time
value
data
displacement
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.)
Active
Application number
CN201911038648.7A
Other languages
English (en)
Other versions
CN110926460A (zh
Inventor
连仕康
孟伟
鲁仁全
薛佳文
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201911038648.7A priority Critical patent/CN110926460B/zh
Publication of CN110926460A publication Critical patent/CN110926460A/zh
Priority to JP2020554405A priority patent/JP7055484B2/ja
Priority to PCT/CN2020/116100 priority patent/WO2021082790A1/zh
Application granted granted Critical
Publication of CN110926460B publication Critical patent/CN110926460B/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
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass

Abstract

本发明公开了一种基于IMU的uwb定位异常值处理方法，包括步骤：S1.获取无人机的IMU数据；S2.计算无人机的姿态角度；S3.计算X、Y、Z轴的加速度以及△t时间内X、Y、Z轴上的位移，估计出无人机的位移值Q；对uwb测量值进行异常检测；S5.对异常的uwb测量值进行数据融合，修正uwb测量值。本发明解决了现有的原始数据预处理过程中的异常值判别不准确以及异常值修正的精度地等问题，提高了测量硬件数据准确度。而且本发明不需要外加额外硬件设备，增强了uwb传感器在复杂环境下测量数据的稳定性，同时为后面的uwb定位解算提供有效精确的测量输出数据，提高uwb定位的稳定性，快速性以及实时性。

Description

一种基于IMU的uwb定位异常值处理方法
技术领域
本发明涉及uwb定位的技术领域，尤其涉及到一种基于IMU的uwb定位异常值处理方法。
背景技术
Uwb定位技术是一种使用1GHz以上频率带宽的无线载波通信技术，它不采用正弦载波，而是利用纳秒级的非正弦波窄脉冲传输数据，因此其所占的频谱范围很大，尽管使用无线通信，但其数据传输速率可以达到几百兆比特每秒以上。由于uwb具有高速的数据传输、低功耗、安全性高、定位精度高的特点被广泛应用于各个领域室内定位中，本专利uwb应用背景在于给室内无人机提供高精度的定位数据。由于室内环境的复杂以及各个uwb硬件差异性，导致uwb测距输入值的原始数据发生跳变，丢失，失去真实数据，此时即需要对这些异常数据值进行处理、填充，为uwb定位提供连续而且较为准确的测量数据值。
目前对异常值常处理的方式是删除含有异常值的数据、将异常值视为缺失值，交给缺失值处理方法来处理、用平均值来修正或者是不做处理等，然而以上这些处理异常值的方法在处理uwb定位数据过程中均有定的缺陷，例如使用均值来修正的方法，当无人机进行较大加速度飞行，此时当异常值用均值代替明显地到时数据失真而其他处理方法均为后面算法作估计带来误差影响。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于IMU的uwb定位异常值处理方法，以四个uwb基站进行uwb定位为例，解决现有的原始数据预处理过程中的异常值判别不准确以及异常值修正的精度地等问题，提高了测量硬件数据准确度。本发明不需要外加额外硬件设备，增强了uwb传感器在复杂环境下测量数据的稳定性，同时为后面的uwb定位解算提供有效精确的测量输出数据，提高uwb定位的稳定性，快速性以及实时性。
为实现上述目的，本发明所提供的技术方案为：
一种基于IMU的uwb定位异常值处理方法，包括以下步骤：
S1.获取无人机的IMU数据；
S2.将加速度计和陀螺仪进行融合，计算无人机的姿态角度；
S3.依据步骤S2得到的无人机的姿态角度，计算X、Y、Z轴的加速度以及△t时间内X、Y、Z轴上的位移，从而估计出无人机的位移值Q；
S4.依据步骤S3得到的位移值Q以及uwb传感器的距离数据，对uwb测量值进行异常检测；若uwb测量值异常，则进入步骤S5；
S5.对异常的uwb测量值进行数据融合，修正uwb测量值。
进一步地，所述步骤S2的具体过程如下：
估计姿态角度以及陀螺仪的漂移，即令：
Figure GDA0002908046460000021
其中，
Figure GDA0002908046460000022
bg,k为陀螺仪的漂移量,θ,φ分别为俯仰角，横滚角；
又由于
Figure GDA0002908046460000023
ωb为无人机角速度，R为机体坐标系到大地坐标系的旋转矩阵，提取出第三列，即：
Figure GDA0002908046460000024
又
Figure GDA0002908046460000025
其中，减去漂移误差bg，再减去陀螺仪测量白噪声wg，漂移噪声建模可为高斯白噪声，
Figure GDA0002908046460000026
为陀螺仪的噪声；
通过离散化后,得到：
Figure GDA0002908046460000031
其中，Ts为采样时间；
通过简化分离出状态变量得：
Figure GDA0002908046460000032
简化：Xk＝Φk-1Xk-1+Γk-1wk-1；
其中：
k-1时刻的系统转移矩阵：
Figure GDA0002908046460000033
k-1时刻系统噪声矩阵：
Figure GDA0002908046460000034
k-1时刻状态向量：
Figure GDA0002908046460000035
k-1时刻系统噪声：
Figure GDA0002908046460000036
观测模型：
Figure GDA0002908046460000037
其中：
Figure GDA0002908046460000038
Figure GDA0002908046460000039
K时刻观测矩阵：
Figure GDA0002908046460000041
观测噪声：
Figure GDA0002908046460000042
综上所述，简化后的过程模型与观测模型如下：
Figure GDA0002908046460000043
得到过程模型与观测模型后，进行初始化
Figure GDA0002908046460000044
其中，E(X0)表示零时刻的数学期望值，E[(X0-E(X0))(X0-E(X0))T]表示计算零时刻的误差协方差；
状态估计预测：
Xk|k-1＝Φk-1Xk-1；
误差协方差预测：
Pk|k-1＝Φk-1Pk-1|k-1Φk-1 T+Γk-1Qk-1Γk-1 T，Qk-1表示系统噪声方差矩阵；
卡尔曼增益矩阵：
Figure GDA0002908046460000045
其中：Hk＝[O3×3 -gI]，RT为测量噪声方差矩阵；
状态估计更新：
Xk|k＝Xk|k-1+Kk(Z-HkXk|k-1)；
其中：Z为观测数据；
误差协方差更新：
Pk|k＝(I-KkHk)Pk|k-1；
I为单位矩阵，根据状态向量Xk从而得到精确的姿态角度。
进一步地，所述步骤S3中X、Y、Z轴加速度计算的具体过程如下：
由于
Figure GDA0002908046460000051
又
Figure GDA0002908046460000052
即：
Figure GDA0002908046460000053
其中，xk(i,j)表示xk的第i行第j列的数据，即可求得俯仰角θ和横滚角φ；由于无人机飞行速度很小，即其瞬时加速度可忽略不计，即所测加速度在g重力加速度附近，根据测量的加速度模值ab：
即得
Figure GDA0002908046460000054
Figure GDA0002908046460000055
其中
Figure GDA0002908046460000056
为机体坐标系转到大地坐标系下的旋转矩阵。
进一步地，所述步骤S3中△t时间内X、Y、Z轴上的位移的计算过程如下：
根据公式：
Figure GDA0002908046460000057
即在采样时间为△t时刻的位移：
Figure GDA0002908046460000058
其中vt为当前速度：vt＝(Pt-Pt-1)/Δt为三维向量，Pt为t时刻的uwb定位系统经过位置解算的位置，视前一时刻的平均速度为当前时间的速度；又由于
Figure GDA0002908046460000059
在Δt时间内趋近于零，即：
Δs＝vtΔt+atΔt；
式中，a为通过IMU解算所得的精确加速度在导航坐标系下的加速度，t为系统运行时间，根据上式可得t+Δt时刻的估算位移st+Δs；
其中，
Figure GDA00029080464600000510
Δs1，Δs2，Δs3分别为采样时间Δt内导航坐标系下X，Y，Z轴的位移。
进一步地，所述步骤S3中无人机的位移值Q的计算公式如下：
Figure GDA0002908046460000061
其中，
Figure GDA0002908046460000062
x,y,z为上次所测的定位值，(a*1，a*2，a*3)为第*个基站的位置值。
进一步地，所述步骤S4中，检测判断异常值时，公式为
Figure GDA0002908046460000063
其中
Figure GDA0002908046460000064
分别为uwb的当前测量距离值和上一时刻的测量值，Q为Δt时间内的位移值，mean为n个测量数据的标准方差值，k为比重参数，需要根据具体环境参数调整；当满足式子
Figure GDA0002908046460000065
则视
Figure GDA0002908046460000066
为测量异常值。
进一步地，所述步骤S5修正uwb测量值
Figure GDA0002908046460000067
的公式如下：
Figure GDA0002908046460000068
其中，std为n个测量数据的平均值。
与现有技术相比，本方案原理及优点如下：
1.本方案融合无人机自带的IMU传感器来预测无人机Δt时间内的位移，能很好地预测到uwb测量的距离值的波动范围，能准确地判别出数据是否为异常。
2.本方案在判断出异常值数据以及估计出无人机在Δt时间内的位移的基础上，能更加准确地对异常值进行修正，更好地恢复原始数据值。
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服务作简单地介绍，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，对于本领域普通技术人员来讲，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为本发明一种基于IMU的uwb定位异常值处理方法的原理流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
如图1所示，本实施例所述的一种基于IMU的uwb定位异常值处理方法，包括以下步骤：
S1.获取无人机的IMU数据；
S2.将加速度计和陀螺仪进行融合，计算无人机的姿态角度，具体如下：
估计姿态角度以及陀螺仪的漂移，即令：
Figure GDA0002908046460000071
其中，
Figure GDA0002908046460000072
bg,k为陀螺仪的漂移量,θ,φ分别为俯仰角，横滚角；
又由于
Figure GDA0002908046460000073
ωb为无人机角速度，R为机体坐标系到大地坐标系的旋转矩阵，提取出第三列，即：
Figure GDA0002908046460000074
又
Figure GDA0002908046460000075
其中，减去漂移误差bg，再减去陀螺仪测量白噪声wg，漂移噪声建模可为高斯白噪声，
Figure GDA0002908046460000076
为陀螺仪的噪声；
通过离散化后,得到：
Figure GDA0002908046460000077
其中，Ts为采样时间；
通过简化分离出状态变量得：
Figure GDA0002908046460000081
简化：Xk＝Φk-1Xk-1+Γk-1wk-1；
其中：
k-1时刻的系统转移矩阵：
Figure GDA0002908046460000082
k-1时刻系统噪声矩阵：
Figure GDA0002908046460000083
k-1时刻状态向量：
Figure GDA0002908046460000084
k-1时刻系统噪声：
Figure GDA0002908046460000085
观测模型：
Figure GDA0002908046460000086
其中：
Figure GDA0002908046460000087
Figure GDA0002908046460000088
K时刻观测矩阵：
Figure GDA0002908046460000089
观测噪声：
Figure GDA00029080464600000810
综上所述，简化后的过程模型与观测模型如下：
Figure GDA00029080464600000811
得到过程模型与观测模型后，进行初始化
Figure GDA0002908046460000091
其中：E(X0)表示零时刻的数学期望值，E[(X0-E(X0))(X0-E(X0))T]表示计算零时刻的误差协方差；
状态估计预测：
Xk|k-1＝Φk-1Xk-1；
误差协方差预测：
Pk|k-1＝Φk-1Pk-1|k-1Φk-1 T+Γk-1Qk-1Γk-1 T，Qk-1表示系统噪声方差矩阵；
卡尔曼增益矩阵：
Figure GDA0002908046460000092
其中：Hk＝[O3×3 -gI]，RT为测量噪声方差矩阵；
状态估计更新：
Xk|k＝Xk|k-1+Kk(Z-HkXk|k-1)；
其中：Z为观测数据；
误差协方差更新：
Pk|k＝(I-KkHk)Pk|k-1；
I为单位矩阵，根据状态向量Xk从而得到精确的姿态角度。
S3.依据步骤S2得到的无人机的姿态角度，计算X、Y、Z轴的加速度：
由于
Figure GDA0002908046460000093
又
Figure GDA0002908046460000094
即：
Figure GDA0002908046460000095
其中，xk(i,j)表示xk的第i行第j列的数据，即可求得俯仰角θ和横滚角φ；由于无人机飞行速度很小，即其瞬时加速度可忽略不计，即所测加速度在g重力加速度附近，根据测量的加速度模值ab：
即得
Figure GDA0002908046460000101
Figure GDA0002908046460000102
其中
Figure GDA0002908046460000103
为机体坐标系转到大地坐标系下的旋转矩阵。
计算△t时间内X、Y、Z轴上的位移：
根据公式：
Figure GDA0002908046460000104
即在采样时间为△t时刻的位移：
Figure GDA0002908046460000105
其中vt为当前速度：vt＝(Pt-Pt-1)/Δt为三维向量，Pt为t时刻的uwb定位系统经过位置解算的位置，视前一时刻的平均速度为当前时间的速度；又由于
Figure GDA0002908046460000106
在Δt时间内趋近于零，即：
Δs＝vtΔt+atΔt；
式中，a为通过IMU解算所得的精确加速度在导航坐标系下的加速度，t为系统运行时间，根据上式可得t+Δt时刻的估算位移st+Δs；
其中，
Figure GDA0002908046460000107
Δs1，Δs2，Δs3分别为采样时间Δt内导航坐标系下X，Y，Z轴的位移。
估计出无人机的位移值Q，公式如下：
Figure GDA0002908046460000108
其中，
Figure GDA0002908046460000111
x,y,z为上次所测的定位值，(a*1，a*2，a*3)为第*个基站的位置值。
S4.依据步骤S3得到的位移值Q以及uwb传感器的距离数据，对uwb测量值进行异常检测；若uwb测量值异常，则进入步骤S5；
检测判断异常值时，公式为
Figure GDA0002908046460000112
其中
Figure GDA0002908046460000113
分别为uwb的当前测量距离值和上一时刻的测量值，Q为Δt时间内的位移值，mean为n个测量数据的标准方差值，k为比重参数，需要根据具体环境参数调整；当满足式子
Figure GDA0002908046460000114
则视
Figure GDA0002908046460000115
为测量异常值。
S5.对异常的uwb测量值进行数据融合，修正uwb测量值；修正uwb测量值
Figure GDA0002908046460000116
的公式如下：
Figure GDA0002908046460000117
其中，std为n个测量数据的平均值。
本实施例以四个uwb基站进行uwb定位为例，解决了现有的原始数据预处理过程中的异常值判别不准确以及异常值修正的精度地等问题，提高了测量硬件数据准确度。而且本实施例不需要外加额外硬件设备，增强了uwb传感器在复杂环境下测量数据的稳定性，同时为后面的uwb定位解算提供有效精确的测量输出数据，提高uwb定位的稳定性，快速性以及实时性。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (2)

1.一种基于IMU的uwb定位异常值处理方法，其特征在于，包括以下步骤：
S1.获取无人机的IMU数据；
S2.将加速度计和陀螺仪进行融合，计算无人机的姿态角度；
S3.依据步骤S2得到的无人机的姿态角度，计算X、Y、Z轴的加速度以及采样时间Ts时间内X、Y、Z轴上的位移，从而估计出无人机的位移值Q；
S4.依据步骤S3得到的位移值Q以及uwb传感器的距离数据，对uwb测量值进行异常检测；若uwb测量值异常，则进入步骤S5；
S5.对异常的uwb测量值进行数据融合，修正uwb测量值；
其中，所述步骤S2的具体过程如下：
估计姿态角度以及陀螺仪的漂移，即令：
Figure FDA0002891446610000011
其中，
Figure FDA0002891446610000012
bg,k为陀螺仪的漂移量,θ,φ分别为俯仰角，横滚角；
又由于
Figure FDA0002891446610000013
ωb为无人机角速度，R为机体坐标系到大地坐标系的旋转矩阵，提取出第三列，即：
Figure FDA0002891446610000014
又
Figure FDA0002891446610000015
其中，减去漂移误差bg，再减去陀螺仪测量白噪声wg，漂移噪声建模为高斯白噪声，
Figure FDA0002891446610000016
为陀螺仪的噪声；
通过离散化后,得到：
Figure FDA0002891446610000017
其中，Ts为采样时间；
通过简化分离出状态变量得：
Figure FDA0002891446610000021
简化：Xk＝Φk-1Xk-1+Γk-1wk-1；
其中：
k-1时刻的系统转移矩阵：
Figure FDA0002891446610000022
k-1时刻系统噪声矩阵：
Figure FDA0002891446610000023
k-1时刻状态向量：
Figure FDA0002891446610000024
k-1时刻系统噪声：
Figure FDA0002891446610000025
观测模型：
Figure FDA0002891446610000026
其中：
Figure FDA0002891446610000027
Figure FDA0002891446610000028
K时刻观测矩阵：
Figure FDA0002891446610000029
观测噪声：
Figure FDA00028914466100000210
综上所述，简化后的过程模型与观测模型如下：
Figure FDA0002891446610000031
得到过程模型与观测模型后，进行初始化
Figure FDA0002891446610000032
其中，E(X0)表示零时刻的数学期望值，E[(X0-E(X0))(X0-E(X0))T]表示计算零时刻的误差协方差；
状态估计预测：
Xk|k-1＝Φk-1Xk-1；
误差协方差预测：
Pk|k-1＝Φk-1Pk-1|k-1Φk-1 T+Γk-1Qk-1Γk-1 T，Qk-1表示系统噪声方差矩阵；
卡尔曼增益矩阵：
Figure FDA0002891446610000033
其中：Hk＝[O3×3 -gI]，RT为测量噪声方差矩阵；
状态估计更新：
Xk|k＝Xk|k-1+Kk(Z-HkXk|k-1)；
其中：Z为观测数据；
误差协方差更新：
Pk|k＝(I-KkHk)Pk|k-1；
I为单位矩阵，根据状态向量Xk从而得到精确的姿态角度；
所述步骤S3中X、Y、Z轴加速度计算的具体过程如下：
由于
Figure FDA0002891446610000034
又
Figure FDA0002891446610000035
即：
Figure FDA0002891446610000041
其中，xk(i,j)表示xk的第i行第j列的数据，即可求得俯仰角θ和横滚角φ；由于无人机飞行速度很小，即其瞬时加速度忽略不计，即所测加速度在g重力加速度附近，根据测量的加速度模值ab：
即得
Figure FDA0002891446610000042
其中
Figure FDA0002891446610000043
为机体坐标系转到大地坐标系下的旋转矩阵；
所述步骤S3中采样时间Ts时间内X、Y、Z轴上的位移的计算过程如下：
根据公式：
Figure FDA0002891446610000044
即在采样时间为Ts的位移：
Figure FDA0002891446610000045
其中vt为当前速度：vt＝(Pt-Pt-1)/Ts为三维向量，Pt为t时刻的uwb定位系统经过位置解算的位置，视前一时刻的平均速度为当前时间的速度；又由于
Figure FDA0002891446610000046
在Ts时间内趋近于零，即：
Δs＝vtTs+atTs；
式中，a为通过IMU解算所得的精确加速度在导航坐标系下的加速度，t为系统运行时间，根据上式可得t+Ts时刻的估算位移st+Δs；
其中，
Figure FDA0002891446610000047
Δs1，Δs2，Δs3分别为采样时间Ts内导航坐标系下X，Y，Z轴的位移；
所述步骤S3中无人机的位移值Q的计算公式如下：
Figure FDA0002891446610000048
其中，
Figure FDA0002891446610000051
x,y,z为上次所测的定位值，(a*1，a*2，a*3)为第*个基站的位置值；
所述步骤S4中，检测判断异常值时，公式为
Figure FDA0002891446610000052
其中
Figure FDA0002891446610000053
分别为uwb的当前测量距离值和上一时刻的测量值，Q为Ts时间内的位移值，mean为n个测量数据的标准方差值，k为比重参数，需要根据具体环境参数调整；当满足式子
Figure FDA0002891446610000054
则视
Figure FDA0002891446610000055
为测量异常值。
2.根据权利要求1所述的一种基于IMU的uwb定位异常值处理方法，其特征在于，所述步骤S5修正uwb测量值
Figure FDA0002891446610000056
的公式如下：
Figure FDA0002891446610000057
其中，std为n个测量数据的平均值。
CN201911038648.7A 2019-10-29 2019-10-29 一种基于IMU的uwb定位异常值处理方法 Active CN110926460B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911038648.7A CN110926460B (zh) 2019-10-29 2019-10-29 一种基于IMU的uwb定位异常值处理方法
JP2020554405A JP7055484B2 (ja) 2019-10-29 2020-09-18 ＩＭＵに基づくｕｗｂ測位異常値処理方法
PCT/CN2020/116100 WO2021082790A1 (zh) 2019-10-29 2020-09-18 一种基于IMU的uwb定位异常值处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911038648.7A CN110926460B (zh) 2019-10-29 2019-10-29 一种基于IMU的uwb定位异常值处理方法

Publications (2)

Publication Number Publication Date
CN110926460A CN110926460A (zh) 2020-03-27
CN110926460B true CN110926460B (zh) 2021-03-02

Family

ID=69849748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911038648.7A Active CN110926460B (zh) 2019-10-29 2019-10-29 一种基于IMU的uwb定位异常值处理方法

Country Status (3)

Country Link
JP (1) JP7055484B2 (zh)
CN (1) CN110926460B (zh)
WO (1) WO2021082790A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110926460B (zh) * 2019-10-29 2021-03-02 广东工业大学 一种基于IMU的uwb定位异常值处理方法
CN111890373A (zh) * 2020-09-29 2020-11-06 常州唯实智能物联创新中心有限公司 车载机械臂的感知定位方法
CN113120713B (zh) * 2021-04-28 2023-09-08 上海有个机器人有限公司 电梯定位方法
CN113640738B (zh) * 2021-06-24 2023-05-09 西南科技大学 一种结合imu与单组uwb的旋转式目标定位方法
CN113418493B (zh) * 2021-07-23 2024-02-27 广东工业大学 一种基于陀螺仪辅助测量伺服电机角度的方法
CN113608166A (zh) * 2021-08-04 2021-11-05 燕山大学 一种基于多源信息融合的动物行为监测方法
CN113569430B (zh) * 2021-08-31 2023-07-04 中国西安卫星测控中心 一种仅外测观测下再入飞行转弯方向辨识方法
CN114166221B (zh) * 2021-12-08 2022-07-22 中国矿业大学 动态复杂矿井环境中辅助运输机器人定位方法及系统
CN116321418B (zh) * 2023-03-02 2024-01-02 中国人民解放军国防科技大学 一种基于节点构型优选的集群无人机融合估计定位方法
CN115967971B (zh) * 2023-03-16 2023-05-12 长沙迪迈数码科技股份有限公司 井下uwb定位基站安装异常识别方法、装置及存储介质
CN116592880B (zh) * 2023-07-06 2023-11-17 中国科学院空天信息创新研究院 一种uwb_ins组合定位系统自主完好性检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010096647A (ja) 2008-10-17 2010-04-30 Mitsubishi Electric Corp 航法装置及び推定方法
CN115267648A (zh) 2015-03-07 2022-11-01 维里蒂股份公司 分布式定位系统和方法以及自定位设备
CN104864865B (zh) * 2015-06-01 2017-09-22 济南大学 一种面向室内行人导航的ahrs/uwb无缝组合导航方法
US10382894B2 (en) * 2017-07-28 2019-08-13 Electronics And Telecommunications Research Institute Method of measuring inter-device relative coordinates and device using the same
CN109100768B (zh) * 2018-08-01 2020-08-14 南京科远智慧科技集团股份有限公司 一种综合定位方法及定位标签
CN108981689B (zh) * 2018-08-07 2022-06-14 河南工业大学 基于dsp tms320c6748的uwb/ins组合导航系统
CN109764865B (zh) * 2019-01-25 2022-11-04 北京交通大学 一种基于mems和uwb的室内定位方法
CN109946730B (zh) * 2019-03-06 2022-05-13 东南大学 一种车路协同下基于超宽带的车辆高可靠融合定位方法
CN109916410B (zh) * 2019-03-25 2023-04-28 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
CN110926460B (zh) * 2019-10-29 2021-03-02 广东工业大学 一种基于IMU的uwb定位异常值处理方法

Also Published As

Publication number Publication date
JP2022500617A (ja) 2022-01-04
JP7055484B2 (ja) 2022-04-18
WO2021082790A1 (zh) 2021-05-06
CN110926460A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN110926460B (zh) 一种基于IMU的uwb定位异常值处理方法
CN111207774B (zh) 一种用于激光-imu外参标定的方法及系统
CN112505737B (zh) 一种gnss/ins组合导航方法
CN110887481B (zh) 基于mems惯性传感器的载体动态姿态估计方法
CN110554396A (zh) 一种室内场景下激光雷达建图方法、装置、设备及介质
CN110954102B (zh) 用于机器人定位的磁力计辅助惯性导航系统及方法
CN113124856A (zh) 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法
CN112798021B (zh) 基于激光多普勒测速仪的惯导系统行进间初始对准方法
CN106403952A (zh) 一种动中通低成本组合姿态测量方法
CN109506647B (zh) 一种基于神经网络的ins和磁力计组合定位方法
CN109764870B (zh) 基于变换估计量建模方案的载体初始航向估算方法
CN111890373A (zh) 车载机械臂的感知定位方法
CN115855048A (zh) 一种多传感器融合位姿估计方法
CN115540860A (zh) 一种多传感器融合位姿估计算法
CN112362057A (zh) 基于零速修正与姿态自观测的惯性行人导航算法
CN111307114B (zh) 基于运动参考单元的水面舰船水平姿态测量方法
JP2014240266A (ja) センサドリフト量推定装置及びプログラム
CN113324544A (zh) 一种基于图优化的uwb/imu的室内移动机器人协同定位方法
Bai et al. Graph-optimisation-based self-calibration method for IMU/odometer using preintegration theory
CN110375773B (zh) Mems惯导系统姿态初始化方法
CN110849364A (zh) 基于动中通的自适应卡尔曼姿态估计方法
CN116338719A (zh) 基于b样条函数的激光雷达-惯性-车辆融合定位方法
CN114111840B (zh) 一种基于组合导航的dvl误差参数在线标定方法
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
Yang et al. Model-free integrated navigation of small fixed-wing UAVs full state estimation in wind disturbance

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
CB03 Change of inventor or designer information

Inventor after: Lian Shikang

Inventor after: Meng Wei

Inventor after: Lu Renquan

Inventor after: Xue Jiawen

Inventor before: Lian Shikang

Inventor before: Meng Wei

Inventor before: Lu Renquan

Inventor before: Fu Min Yue

Inventor before: Xue Jiawen

GR01 Patent grant
GR01 Patent grant