CN110941004B - 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置 - Google Patents

一种基于gnss/uwb的移动机器人室内外联合定位方法及装置 Download PDF

Info

Publication number
CN110941004B
CN110941004B CN201911227648.1A CN201911227648A CN110941004B CN 110941004 B CN110941004 B CN 110941004B CN 201911227648 A CN201911227648 A CN 201911227648A CN 110941004 B CN110941004 B CN 110941004B
Authority
CN
China
Prior art keywords
weight
particles
uwb
gnss
particle
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
CN201911227648.1A
Other languages
English (en)
Other versions
CN110941004A (zh
Inventor
曾庆喜
阚宇超
陈刚
汤晓斌
曹志博
高唱
吕查德
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.)
Suzhou Sawyer Robotics Co ltd
Nanjing University of Aeronautics and Astronautics
Original Assignee
Suzhou Sawyer Robotics Co ltd
Nanjing University of Aeronautics and Astronautics
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 Suzhou Sawyer Robotics Co ltd, Nanjing University of Aeronautics and Astronautics filed Critical Suzhou Sawyer Robotics Co ltd
Priority to CN201911227648.1A priority Critical patent/CN110941004B/zh
Publication of CN110941004A publication Critical patent/CN110941004A/zh
Application granted granted Critical
Publication of CN110941004B publication Critical patent/CN110941004B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/0009—Transmission of position information to remote stations
    • G01S5/0018—Transmission from mobile station to base station
    • G01S5/0036—Transmission from mobile station to base station of measured values, i.e. measurement on mobile and position calculation on base station
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于移动机器人定位领域，公开了一种基于GNSS/UWB的移动机器人室内外联合定位方法及装置。通过产生粒子集并初始化，获得粒子的位置信息和该粒子的权重信息。通过重新评估每个粒子的权重，将GNSS和UWB传感器的输出作为观测值，计算出对应位置的相似度，更新粒子权重信息，再根据GNSS和UWB观测值的误差因子或观测值的方差计算得到最终的权值；利用归一化权重和状态后验分布进行状态估计；对所有粒子进行重采样，得到新粒子集，根据新粒子得到定位结果。该方法可以有效克服城市场景中多路径效应的影响，在恶劣的信道环境下对移动机器人进行准确定位，为移动机器人的室内外联合定位提供了更高精度的定位结果。

Description

一种基于GNSS/UWB的移动机器人室内外联合定位方法及装置
技术领域：
本发明属于移动机器人定位领域，尤其是涉及一种基于GNSS/UWB的移动机器人室内外联合定位方法及装置。
背景技术：
随着社会进入移动互联网时代，移动机器人已经成为了机器人学的一个重要研究方向。移动机器人可以完成清除危险废弃物、检测故障、灭火救援等任务，协助或取代人类的工作。移动机器人需要全方位的、不受环境约束、室内外无缝衔接的定位服务，以便在复杂环境中实现准确定位，然而目前尚没有一种单一的定位技术能够满足移动机器人对全方位定位服务的要求。这就需要通过多个传感器的融合达到理想的室内外联合定位效果。
现有的全球卫星导航技术(GNSS)可以提供最高厘米级的定位精度，能够满足民用要求，但是在城市场景中，由于高大建筑等众多遮挡物的存在，卫星发出的无线电波会发生反射而导致测量精度降低，这种多路径效应至今无法解决。在车库等遮挡比较严重的场合，可见卫星数量减少，此时GNSS必须与其他定位方式结合才能实现准确定位。超宽带(UWB)是一种新型的通信技术，通过TOF(飞行时间测距)或TODA(到达时间差)进行定位，具有穿透力强、抗干扰性能强、定位精度高等优点。利用UWB辅助GNSS进行定位，可以有效减少GNSS因障碍物反射、可见星数目不足等原因造成的粗大误差。在GNSS和UWB都可以独立进行定位但是使用单一传感器定位的效果不佳时，可以采用基于粒子滤波算法的松耦合技术将两个传感器融合来提高定位精度。粒子滤波是一种基于粒子仿真的概率估计算法，其核心思想是通过计算一组随机样本的蒙特卡洛来表征待估计的后验概率分布，从而估计移动机器人所处的位置。粒子滤波的优点在于可以处理任意分布的概率，这是传统的卡尔曼滤波所不具备的。
发明内容：
本发明解决的技术问题是，提供一种以移动机器人粒子滤波方法为基础，通过GNSS和UWB组合定位来确定机器人载体的精确位置，大幅提高定位的稳定性和精度。为解决上述问题，本发明提出一种基于GNSS/UWB的移动机器人室内外联合定位方法及装置。
本发明是采用如下的技术方案实现的，一种基于GNSS/UWB的移动机器人室内外联合定位方法，包括以下步骤：
步骤一：产生粒子集并初始化，每一个粒子都包括两个参数：载体的位置信息和该粒子的权重信息。权重信息可以评价粒子位置和载体真实位置的近似程度，权值越大说明载体越可能在该位置；
步骤二：重新评估每个粒子的权重，首先将GNSS和UWB传感器的输出作为观测值，分别计算其与粒子对应位置的相似度，更新每个粒子的权重信息，如此每个粒子可以得到两个分别对应GNSS和UWB的权重信息。再根据GNSS和UWB观测值的误差因子或观测值的方差计算得到最终的权值；
步骤三：计算归一化权重；
步骤四：利用归一化权重和状态后验分布进行状态估计；
步骤五：重采样，淘汰掉权重未达到设定门限值的粒子，复制权重超过设定门限值的粒子，复制的个数根据粒子的权重大小决定，得到粒子数量和初始粒子集相同的新粒子集。
步骤六：根据新粒子集中粒子的位置和权重，对其对应的定位数据进行加权平均处理，得到组合定位的定位结果。
为实现前述一种基于GNSS/UWB的移动机器人室内外联合定位方法的装置，其特征在于：包括天线、GNSS接收机、基站、UWB接收机、权重计算模块、重采样模块、位置获取模块；所述GNSS接收机通过天线接收到卫星信号并进行基带信号处理，得到GNSS的测量数据；所述UWB接收机发送定位信号到各个基站，测量得到定位信号传播的时间差，得到UWB接收机相对于各基站的距离差，计算得到UWB接收机的测量数据；所述权重计算模块中，布设初始粒子，通过迭代的方式计算得到每个粒子分别对应于GNSS和UWB两个传感器的权重，再根据GNSS和UWB的测量方差将两个权重值融合为一个权重值，再对所有粒子的权重值进行归一化处理；所述重采样模块对所有粒子进行重采样，根据设定的门限值将归一化权重没有超过门限值的粒子淘汰，将归一化权重超过门限值的粒子复制，复制的次数根据该粒子的权重决定，得到粒子数量和初始粒子集粒子数量相同的新粒子集；所述位置获取模块中根据新粒子集中粒子的权重信息，对其对应的定位信息进行加权平均处理，得到最终定位结果。
与现有技术相比，本发明的有益效果是：
本发明提出一种基于GNSS/UWB的移动机器人室内外联合定位方法。与现有的组合定位技术相比，本发明采用基于粒子滤波的算法实现GNSS和UWB的松耦合，根据误差大的观测值对应的权重小的原理将GNSS和UWB对应的权重信息融合。通过GNSS和UWB的观测值的误差因子或观测值的方差进行计算，得到最终的权重信息。本发明提出的联合定位算法适用于GNSS和UWB都可以进行独立定位但是独立定位效果不佳的情况下，可以有效的融合GNSS和UWB的传感器数据，得到更高精度的定位结果。该方法可以有效克服城市场景中多径的影响，在恶劣的信道环境下对移动机器人进行准确定位，实现了移动机器人的室内外联合定位。
附图说明：
图1是基于GNSS/UWB的移动机器人室内外联合定位方法的流程图。
图2是基于GNSS/UWB的移动机器人室内外联合定位方法的系统框图。
具体实施方式：
下面结合附图对本发明技术方案作进一步说明。
基于GNSS/UWB的移动机器人室内外联合定位方法的流程图如图1所示。粒子滤波以重要性采样和贝叶斯滤波为基础框架。重要性采样就是根据对粒子的信任度对其赋予不同的权重，赋予权重的规则是：对于可信度更高的粒子，赋予的权重更大。权重的分布形式体现了粒子与目标的相似程度。
具体实施时，设St为被估计量，即t时刻的位置，Zt为t时刻的观测值，p(g|g)为概率密度函数。则根据贝叶斯公式，可以通过上一时刻的概率密度函数p(St|Z1:t-1)得到后验概率密度函数p(St|Z1:t)，表示为：
Figure SMS_1
其中，Z1:t为从时刻1到时刻t的测量值集合；p(Zt|St)是似然函数，由量测方程决定；p(Zt|Z1:t-1)为归一化常数：
p(Zt|Z1:t-1)＝∫p(Zt|St)p(St|Z1:t-1)dSt
由于上述计算过程需要积分，对于一般的非线性、非高斯系统难以实现，所以引入蒙特卡洛采样来计算后验概率，蒙特卡洛采样的思想就是用平均值来代替积分。假设在后验概率中采集了N个粒子，则后验概率可以表示为
Figure SMS_2
其中，δ(g)为狄拉克函数，记为f(S)。
步骤一：产生由N个粒子组成的粒子集并初始化，每一个粒子都包括两个参数：载体的位置信息和该粒子的权重信息。权重信息可以评价粒子位置和载体真实位置的近似程度，权值越大说明载体越可能在该位置。
对粒子进行重要性采样的过程表示为：
Figure SMS_3
其中，
Figure SMS_4
为t时刻从概率密度函数中抽取的第i个粒子，i=1,2,...,N；q(g|g)为重要性概率密度函数，当时刻t＝2时，
Figure SMS_5
当时刻t>2时，
Figure SMS_6
得到的初始粒子集记为
Figure SMS_7
步骤二：重新评估每个粒子的权重信息。首先计算权值，
Figure SMS_8
其中，Wt (i)和
Figure SMS_9
分别为
Figure SMS_10
和
Figure SMS_11
对应的权值。
如此可以通过迭代的方法得到GNSS和UWB两个传感器对应的权值，分别记为
Figure SMS_12
和
Figure SMS_13
根据实时观测值的误差因子HDOP计算每个粒子的权重信息，得到粒子
Figure SMS_14
的最终权重Wt (i)为:
Figure SMS_15
其中，HDOPUWB和HDOPGNSS分别为UWB和GNSS观测值的误差因子。
当误差因子无法得到时，可以利用观测值的方差来代替误差因子，选取t时刻观测值前两时刻与后两时刻共五个时刻的数值计算方差。如此可以得到UWB观测值的方差σUWB,t和GNSS观测值的方差σGNSS,t，表示为：
Figure SMS_16
Figure SMS_17
其中，ZUWB,k和ZGNSS,k分别为k时刻通过UWB和GNSS获得的观测值。
步骤三：对所有粒子的权重信息进行归一化。归一化权值为：
Figure SMS_18
步骤四：状态估计。根据含有归一化权重的粒子集
Figure SMS_19
和状态后验分布p(St|Z1:t)计算系统状态的期望，得到状态估计为：
Figure SMS_20
其中，E[f(St)]为系统状态的期望值。
步骤五：对所有粒子进行重采样。设置一个门限值为Y，若粒子的归一化权重小于设定门限值，淘汰该粒子；若粒子的归一化权重超过门限值，复制该粒子，复制的个数根据该粒子的权重决定。如此得到新的粒子集。新粒子集中的粒子数量和初始粒子集中的粒子数量相同，新粒子的权重为：
Figure SMS_21
步骤六：根据新粒子集中的粒子位置信息和权重信息得到组合定位的定位结果。根绝新粒子集中的粒子权重，对其对应的定位信息进行加权平均处理，如此得到最终的定位结果。
为了实现基于GNSS/UWB的移动机器人室内外联合定位方法的装置的系统框图如图2所示。基于GNSS/UWB的移动机器人室内外联合定位装置包括：
GNSS接收机，用于解调从天线接收的卫星信号，获得卫星定位的结果；
UWB接收机，用于测量UWB和各基站间的距离差，计算得到UWB接收机的位置；
权重计算模块，布设初始粒子，每个粒子包括位置和权重两个信息。其中，权重信息首先通过迭代的方式分别计算来自GNSS接收机和UWB接收机的粒子权重，再结合GNSS和UWB的测量数据的方差将两个权重值融合得到一个权重值，最后计算得到每个粒子的归一化权值；
重采样模块，根据设定门限值淘汰掉权重小的粒子，复制权重大的粒子，从而得到新的粒子集；
位置获取模块，根据得到的新粒子集，对其对应的位置信息进行加权平均处理，得到移动机器人的实际定位位置。
本发明基于GNSS/UWB的移动机器人室内外联合定位方法的技术方案为：移动机器人开始定位时，首先GNSS接收机通过天线接收到卫星信号并进行基带信号处理，得到GNSS的测量数据；UWB接收机发送定位信号到各个基站，然后测量得到定位信号传播的时间差，得到UWB接收机相对于各基站的距离差，从而计算得到UWB接收机的测量数据；布设初始粒子，通过迭代的方式计算得到每个粒子分别对应于GNSS和UWB两个传感器的权重，再根据GNSS和UWB的测量方差将两个权重值融合为一个权重值，再对所有粒子的权重值进行归一化处理；对所有粒子进行重采样，根据设定的门限值将归一化权重没有超过门限值的粒子淘汰，将归一化权重超过门限值的粒子复制，复制的次数根据该粒子的权重决定，如此得到粒子数量和初始粒子集粒子数量相同的新粒子集；根据新粒子集中粒子的权重信息，对其对应的定位信息进行加权平均处理，得到最终组合定位的定位结果，该定位结果融合了GNSS和UWB两个传感器的定位信息，定位结果更稳定、更精确。
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 (2)

1.一种基于GNSS/UWB的移动机器人室内外联合定位方法，包括以下步骤：步骤一、产生粒子集并初始化，每一个粒子都包括两个参数：载体的位置信息和该粒子的权重信息；权重信息评价粒子位置和载体真实位置的近似程度，权值越大说明载体越可能在该位置；步骤二、重新评估每个粒子的权重，首先将GNSS和UWB传感器的输出作为观测值，分别计算其与粒子对应位置的相似度，更新每个粒子的权重信息，如此每个粒子得到两个分别对应GNSS和UWB的权重信息；再根据GNSS和UWB观测值的误差因子或观测值的方差计算得到最终的权值；步骤三、计算归一化权重；步骤四、利用归一化权重和状态后验分布进行状态估计；步骤五、重采样，淘汰掉权重未达到设定门限值的粒子，复制权重超过设定门限值的粒子，复制的个数根据粒子的权重大小决定，得到粒子数量和初始粒子集相同的新粒子集；步骤六、根据新粒子集中粒子的位置和权重，对其对应的定位数据进行加权平均处理，得到组合定位的定位结果。
2.为实现权利要求1所述一种基于GNSS/UWB的移动机器人室内外联合定位方法的装置，其特征在于：包括天线、GNSS接收机、基站、UWB接收机、权重计算模块、重采样模块、位置获取模块；所述GNSS接收机通过天线接收到卫星信号并进行基带信号处理，得到GNSS的测量数据；所述UWB接收机发送定位信号到各个基站，测量得到定位信号传播的时间差，得到UWB接收机相对于各基站的距离差，计算得到UWB接收机的测量数据；所述权重计算模块中，布设初始粒子，通过迭代的方式计算得到每个粒子分别对应于GNSS和UWB两个传感器的权重，再根据GNSS和UWB的测量方差将两个权重值融合为一个权重值，再对所有粒子的权重值进行归一化处理；所述重采样模块对所有粒子进行重采样，根据设定的门限值将归一化权重没有超过门限值的粒子淘汰，将归一化权重超过门限值的粒子复制，复制的次数根据该粒子的权重决定，得到粒子数量和初始粒子集粒子数量相同的新粒子集；所述位置获取模块中根据新粒子集中粒子的权重信息，对其对应的定位信息进行加权平均处理，得到最终定位结果。
CN201911227648.1A 2019-12-04 2019-12-04 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置 Active CN110941004B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911227648.1A CN110941004B (zh) 2019-12-04 2019-12-04 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911227648.1A CN110941004B (zh) 2019-12-04 2019-12-04 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置

Publications (2)

Publication Number Publication Date
CN110941004A CN110941004A (zh) 2020-03-31
CN110941004B true CN110941004B (zh) 2023-03-17

Family

ID=69909805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911227648.1A Active CN110941004B (zh) 2019-12-04 2019-12-04 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置

Country Status (1)

Country Link
CN (1) CN110941004B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111721290B (zh) * 2020-07-13 2023-11-21 南京理工大学 一种多源传感器信息融合定位切换方法
US20230403675A1 (en) * 2020-10-30 2023-12-14 Purple Mountain Laboratories Positioning Method, Apparatus, Device and System, and Storage Medium
CN113093100A (zh) * 2021-03-09 2021-07-09 惠州Tcl移动通信有限公司 一种定位方法、智能终端及计算机可读存储介质
CN113156479B (zh) * 2021-03-23 2023-03-28 同济大学 一种室外乡村道路场景的组合定位方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251593B (zh) * 2008-03-31 2011-05-04 中国科学院计算技术研究所 一种无线传感器网络的目标跟踪方法
CN105526934B (zh) * 2016-02-17 2020-02-21 郑州联睿电子科技有限公司 一种室内外一体化高精度定位导航系统及其定位方法
CN106289257A (zh) * 2016-07-27 2017-01-04 无锡知谷网络科技有限公司 室内定位方法及定位系统
CN106767828A (zh) * 2016-12-29 2017-05-31 南京邮电大学 一种手机室内定位解决方法
CN107246873A (zh) * 2017-07-03 2017-10-13 哈尔滨工程大学 一种基于改进的粒子滤波的移动机器人同时定位与地图构建的方法
CN109084777A (zh) * 2018-09-13 2018-12-25 黎建军 基于自适应遗传算法的粒子滤波定位与地图构建方法
CN109798896B (zh) * 2019-01-21 2023-01-03 东南大学 一种室内机器人定位与建图方法及装置
CN109917332B (zh) * 2019-02-01 2022-12-16 广东工业大学 一种基于改进粒子滤波的室内机器人定位方法

Also Published As

Publication number Publication date
CN110941004A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
CN110941004B (zh) 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置
Zhang et al. 3D mapping database aided GNSS based collaborative positioning using factor graph optimization
Wen et al. GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud
Wang et al. Smartphone shadow matching for better cross-street GNSS positioning in urban environments
CN104796866B (zh) 室内定位方法和装置
Sun et al. GPS signal reception classification using adaptive neuro-fuzzy inference system
CN107621645A (zh) 基于单接收机的欺骗干扰信号检测方法
Wen et al. Exclusion of GNSS NLOS receptions caused by dynamic objects in heavy traffic urban scenarios using real-time 3D point cloud: An approach without 3D maps
CN113031031B (zh) 一种城市峡谷内基于gnss信号精确分类的加权定位方法
CN106886039B (zh) 基于城市三维地图的地面数字电视广播与导航卫星混合粒子滤波定位方法
Yuan et al. GPS multipath and NLOS mitigation for relative positioning in urban environments
Zhou et al. Improved GNSS Cooperation Positioning Algorithm for Indoor Localization.
Aernouts et al. Combining TDoA and AoA with a particle filter in an outdoor LoRaWAN network
CN114222240A (zh) 一种基于粒子滤波的多源融合定位方法
Pagoti et al. Enhanced Kalman Filter Navigation Algorithm Based on Correntropy and Fixed-Point Update.
Li et al. An indoor and outdoor seamless positioning system for low-cost UGV using PPP/INS/UWB tightly coupled integration
Hsu et al. Sensor integration of 3D map aided GNSS and smartphone PDR in urban canyon with dense foliage
Wang Kinematic GNSS shadow matching using a particle filter
CN117269989A (zh) 一种基于ins辅助的GNSS欺骗的检测方法及系统
Wang et al. Sky-view images aided NLOS detection and suppression for tightly coupled GNSS/INS system in urban canyon areas
Zhong Asymmetric positioning for NLOS mitigation
Su et al. Non-Line-of-Sight Multipath Detection Method for BDS/GPS Fusion System Based on Deep Learning
Luo et al. GNSS Signal Labeling, Classification and Positioning in Urban Scenes Based on PSO-LGBM-WLS Algorithm
Xue et al. A new adaptive weighted fusion algorithm for BDS and UWB positioning system
Zhang et al. Fuzzy C-mean clustering based NLOS signal identification method and localization model in urban canyon environment

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
GR01 Patent grant
GR01 Patent grant