CN111142515A - 一种基于视觉引导的agv小车定位与导航方法 - Google Patents
一种基于视觉引导的agv小车定位与导航方法 Download PDFInfo
- Publication number
- CN111142515A CN111142515A CN201911269911.3A CN201911269911A CN111142515A CN 111142515 A CN111142515 A CN 111142515A CN 201911269911 A CN201911269911 A CN 201911269911A CN 111142515 A CN111142515 A CN 111142515A
- Authority
- CN
- China
- Prior art keywords
- positioning
- omnidirectional
- agv
- anchor node
- navigation method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000007 visual effect Effects 0.000 title claims abstract description 17
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 6
- 210000001503 joint Anatomy 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000007499 fusion processing Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于视觉引导的AGV小车定位与导航方法，通过全向视觉系统识别预设信标完成锚节点与未知节点之间的角度测量，并提出了一种针对多锚节点环境的竞争机制，根据优先度筛选出选取一定数量的锚节点对，并对多个定位结果进行权值融合处理，得到最优定位结果；通过多个网关接收LoRa WAN终端发送的数据的时间差获得距离信息，并引入卡尔曼滤波算法，通过预设小车运动特征实现当前时刻的位置估计，结合实时观测值得到定位最优估计值，使动态定位具有良好的实时性与抗干扰性能。针对智慧仓库不同区域的不同要求使用不同的技术方案，在运输区域使用LoRa通信技术提高定位实时性，在出、入库口使用全向视觉高精度定位，完成货物精准对接。
Description
技术领域
本发明涉及一种基于视觉引导的AGV小车定位与导航方法。
背景技术
在室内AGV的行驶过程中，由于避障等原因需要实时更新定位信息为路径 矫正与优化提供数据。在障碍物较多的仓库环境中，传统WSN传感网络的节点 定位中信号易发生反射、衍射等，受非视距误差的影响较大，对定位精度的提 高有很大的限制。
发明内容
本发明要解决的技术问题是克服现有技术中AGV小车定位中的精度和实时 性的缺陷，提供一种基于视觉引导的AGV小车定位与导航方法。
为了解决上述技术问题，本发明提供了如下的技术方案：
一种基于视觉引导的AGV小车定位与导航方法，采用基于全向视觉的定位 融合算法定位或基于LoRa无线技术的卡尔曼滤波定位；
所述采用基于全向视觉的定位融合算法进行AGV小车的定位具体如下：
通过全向视觉系统识别预设信标完成锚节点与未知节点之间的角度测量； 基于三角定位的模型为：假设设置n个视觉节点，相互之间可以测量出对方相 对本节点的方位角θi∈[0～2π],其中只有m(1<m<n)个节点已知位置的二维坐标ai∈R2，i＝1,2…n，在全局坐标下，以X轴为零方位角，锚节点Si＝(xi，yi)测得 未知节点X的方位角为θi；
通过三角定位法，由Si，Sj点的坐标以及各自的方位角确定的方位线，在 二维平面内相交获得一个焦点Xij＝(xij，yij)，其坐标可表示为
其中：di、dj表示锚节点Si、Sj到未知节点X的距离；
所述基于LoRa无线技术的卡尔曼滤波定位，具体如下：
首要是搭建好网络中的基站，TDOA根据LoRaWAN终端发出的信号到达不 同站的时间差来计算出距离之差，根据终端到两个基站的距离差能建立唯一的 一条双曲线，根据至少3个基站建立的双曲线方程组求解来得到终端的坐标。
进一步的，在动态定位特征中引入卡尔曼滤波来进行最优估计，卡尔曼滤 波的主要迭代计算过程由以下三部分组成
预测方程为
新息方程为
估计方程为
其中，Q(k)和R(k)分别为w(k)与v(k)的协方差矩阵， S(k|k)为k时刻的最优状态估计值， S(k|k-1)为k时刻的状态预测值，P(k|k)和P(k|k-1)分别表 示估计误差与预测误差的协方差矩阵，K(k)为卡尔曼增益。
进一步的，所述的全向视觉系统为折反射式全向视觉系统，由全向反射镜 面和摄像机组成，环境入射光线经过全向反射镜面反射后，再经过摄像机镜头 折射后成像，其水平方向视场角为360°，垂直方向视场角大于90°。
进一步的，在所有可检测到未知节点信息的锚节点中，以每对锚节点对的 方位角关系为优先度，依据优先度竞争选择满足阈值的锚节点对进行定位，并 依据误差传递矩阵模的权值对多个定位结果进行融合。
进一步的，针对智慧仓库不同区域的不同要求使用不同的技术方案，在运 输区域使用LoRa通信技术提高定位实时性，在出、入库口使用全向视觉高精 度定位，完成货物精准对接。
本发明所达到的有益效果是：本发明搭建视觉传感器网络，利用全向视觉 系统节点方位角的检测设计定位算法，避免了信号非视距传输带来的定位误差， 并结合网络层中的LoRa无线技术进行融合定位，进一步提高室内定位精度及定 位的实时性。
一、本发明提出了一种基于全向视觉的定位融合算法，通过全向视觉系统 识别预设信标完成锚节点与未知节点之间的角度测量，并提出了一种针对多锚 节点环境的竞争机制，根据优先度筛选出选取一定数量的锚节点对，并对多个 定位结果进行权值融合处理，得到最优定位结果；
二、本发明提出了一种基于LoRa通信技术的TDOA定位算法，通过多个 网关接收LoRa WAN终端发送的数据的时间差获得距离信息，并引入卡尔曼 滤波算法，通过预设小车运动特征实现当前时刻的位置估计，结合实时观测值 得到定位最优估计值，使动态定位具有良好的实时性与抗干扰性能。
三、本发明提出了多技术融合的精确定位方案，针对智慧仓库不同区域的 不同要求使用不同的技术方案，在运输区域使用LoRa通信技术提高定位实时 性，在出、入库口使用全向视觉高精度定位，完成货物精准对接。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发 明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是几种典型的折反射全向视觉系统结构；
图2是三角定位节点位置关系及方位角；
图3是TDOA估计模型；
图4 Kalman滤波算法流程图
图5 AGV全向视觉系统；
图6是运输区的LoRa通信定位系统；
其中，1，反射镜；2，摄像机；3，基站；4，LoRa WAN终端。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的 优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例
一种基于视觉引导的AGV小车定位与导航方法，在运输区域基于LoRa无 线技术的卡尔曼滤波定位来提高定位实时性，在出、入库口使用基于全向视觉 的定位融合算法定位，完成货物精准对接。通过全向视觉的定位算法和LoRa 无线定位技术的融合，用来解决AGV小车室内定位中的精度和实时性的问题。 在运输过程中使用定位效率更高的LoRa定位提高实时性，及时处理突发事故； 在入库口与仓位前使用定位精度更高的视觉定位，精准对接各个区域，满足智 慧物流对于效率与精度的双重标准。
基于全向视觉的定位算法
全向视觉系统具有360度的水平视场角和一定角度的垂直方向角，是其他 常规镜头无法相比的，可采集到AGV周围360度方向的环境信息，提供丰富、 准确的视觉数据，而无须考虑基于信号传输定位技术中非视距误差的干扰问题。 本项目使用折反射式全向视觉系统，由全向反射镜面和摄像机组成，环境入射 光线经过全向反射镜面反射后，再经过摄像机镜头折射后成像。这种全向视觉 系统具有视场角宽广(水平方向360°，垂直方向大于90°)，成像迅速(一次 曝光即可获得全景图像)，结构简单，价格适中等特点，能够很好地满足作为移 动机器人视觉系统的要求。
反射镜面主要有锥形、球面、双曲线、抛物线型、椭圆线型、水平等比、 垂直等比、角度等比镜面以及各种组合镜面等。图1中(a)为锥面镜，(b) 为球面镜，(c)为双曲面镜，(d)为带有远心镜头的抛物线镜。
对进行定位，并依据误差传递矩阵模的权值对多个定位结果进行融合，不 仅可明显减小定位误差，也能提高定位效率。
如图2所示，视觉传感器网络中，基于三角定位的模型为：假设设置n个 视觉节点，相互之间可以测量出对方相对本节点的方位角θi∈[0～2π],其中只有m (1<m<n)个节点知道自身的位置的二维坐标ai∈R2，i＝1,2…n。在全局坐标下， 以X轴为零方位角，锚节点Si＝(xi，yi)测得未知节点X的方位角为θi。
通过三角定位法，由Si，Sj点的坐标以及各自的方位角确定的方位线，在 二维平面内相交获得一个焦点Xij＝(xij，yij)，其坐标可表示为
其中：di、dj表示锚节点Si、Sj到未知节点X的距离；
另外，针对网络中多锚点的特征，提出了基于优先度的节点竞机制与定位 结果融合算法。经实验分析得知当方位线接近平行时，所测得的结果将很不稳 定，即当两条方位线夹角较大时才能有效的抑制定位误差。因此，在所有可检 测到未知节点信息的锚节点中，以每对锚节点对的方位角关系为优先度，依据 优先度竞争选择满足阈值的锚节点对进行定位，并依据误差传递矩阵模的权值 对多个定位结果进行融合，可明显减小定位误差，提高定位精度，实现AGV对 入库口的精准识别。
AGV小车的区域性定位与导航：基于LoRa无线技术的卡尔曼滤波定位算 法
LoRa作为一种新型的窄带无线技术，是使用到达时间差(Time Differnce ofArrival,TDOA)来进行定位的。首要是要搭建好网络中的基站，TDOA是根 据LoRaWAN终端发出的信号到达不同基站的时间差来计算出距离之差，根据 终端到两个基站的距离差能建立唯一的一条双曲线，根据至少3个基站建立的 双曲线方程组求解来得到终端的坐标。
以三个基站为例，其定位模型如图3所示。
当LoRaWAN终端发送一个数据包时，该数据包被范围内的所有网关接收， 并且每个报文都将报告给服务器。所有的网关都是一样的，它们一直在所有信 道上接收所有数据速率的信号。然后，所有网关都会将相同的数据包发回到 服务器，使用内置在最新一代网关中的专用硬件和软件捕获高精度到达时间。 接下来，服务器端的算法比较多个基站的数据到达时间计算终端节点的最可能 位置。
LoRa发射频率低，信号波长比较长，在传播过程中所产生的衰落比较小， 其次，LoRa采用扩频技术，能使信号的抗多径、抗衰落能力比较强，在障碍 物较多的室内环境中，可较好的减小非视距误差的干扰，降低定位算法复杂性， 提高定位效率。
针对AGV在运输过程中的动态定位特征，可引入卡尔曼滤波来进行最优估 计。Kalman滤波把状态空间的概念引入随机估计理论中，可在不知道系统的 确切模型的情况下，它不仅可以利用有限的、间接的、包含噪声的测量信息来 估计信号的当前状态，还可以用于预测动态系统的未来变化趋势，是统计估计 理论中里程碑式的进展。
卡尔曼滤波的主要迭代计算过程由以下三部分组成。
预测方程为
新息方程为
估计方程为
其中，Q(k)和R(k)分别为w(k)与v(k)的协方差矩阵，S(k |k)为k时刻的最优状态估计值，
S(k|k-1)为k时刻的状态预测值，P(k|k)和P(k|k-1)分 别表示估计误差与预测误差的协方差矩阵，K(k)为卡尔曼增益。
Kalman滤波算法可以通过预先设置运动特征确定行进路线，并根据行进 路线来预测当前时刻的位置，再通过上一时刻的先验信息与最新观测值来求得 卡尔曼增益，分别赋予预测部分与测量部分不同的权重，最终得到的当前时刻 的最优估计值并进入下一时刻迭代计算，如上图4所示。总体来看,卡尔曼滤 波可以形象的描述为一个“预测一反馈一校正”的过程，正是这种不断的反馈 与校正，最终使估计误差的协方差收敛，后验状态估计就能较准确的代表真实 的状态值。
Kalman滤波十分适用于AGV的动态定位过程，因为定位系统中的系统噪 声和测量噪声并不是需要滤除的对象，相反，它们的统计特性正是估计过程中 需要利用的信息，所以减小了算法的复杂程度。另外，由于滤波器的增益矩阵 与观测值无关，因此它可预先离线算出，从而可以减少实时计算量，缩短算法 运算时间，易于满足动态定位的速度要求。
物从货架到出、入库口之间的搬运工作，而AGV负责将目标货物精准的运 送至相应入库口，或者准确到达出库口输出货物，对定位精度要求较高。因此， 在此区域中，使用全向视觉的定位技术，避免了传统无线传感网络定位技术中 的信号传输带来的定位误差，通过识别预设于出、入库口的信标而实现精准定 位，完成货物交接。
在AGV运输过程中，小车实时自我定位，并根据目的坐标与当前观测信息 实现自主导航，而上位机只需监控小车的行驶轨迹与状态。所以在运输区域， 引入低功耗、高效率的LoRa通信技术，既可以通过各网关接收信息的时间戳 (Timestamps)计算到达时间差，实现TDOA定位，又可实时上传定位信息， 提高定位效率，满足动态定位的实时性要求。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制 本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术 人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于视觉引导的AGV小车定位与导航方法，其特征在于，采用基于全向视觉的定位融合算法定位或基于LoRa无线技术的卡尔曼滤波定位；
所述采用基于全向视觉的定位融合算法进行AGV小车的定位具体如下：
通过全向视觉系统识别预设信标完成锚节点与未知节点之间的角度测量；基于三角定位的模型为：假设设置n个视觉节点，相互之间可以测量出对方相对本节点的方位角θi∈[0～2π],其中只有m(1<m<n)个节点已知位置的二维坐标ai∈R2，i＝1,2…n，在全局坐标下，以X轴为零方位角，锚节点Si＝(xi，yi)测得未知节点X的方位角为θi；
通过三角定位法，由Si，Sj点的坐标以及各自的方位角确定的方位线，在二维平面内相交获得一个焦点Xij＝(xij，yij)，其坐标可表示为
其中：di、dj表示锚节点Si、Sj到未知节点X的距离；
所述基于LoRa无线技术的卡尔曼滤波定位具体如下：
首要是搭建网络中的基站，TDOA根据LoRaWAN终端发出的信号到达不同站的时间差来计算出距离之差，根据终端到两个基站的距离差能建立唯一的一条双曲线，根据至少3个基站建立的双曲线方程组求解来得到终端的坐标。
2.如权利要求1所述的基于视觉引导的AGV小车定位与导航方法，其特征在于，在动态定位特征中引入卡尔曼滤波来进行最优估计，卡尔曼滤波的主要迭代计算过程由以下三部分组成
预测方程为
新息方程为
估计方程为
其中，Q(k)和R(k)分别为w(k)与v(k)的协方差矩阵，S(k|k)为k时刻的最优状态估计值，S(k|k□1)为k时刻的状态预测值，P(k|k)和P(k|k□1)分别表示估计误差与预测误差的协方差矩阵，K(k)为卡尔曼增益。
3.如权利要求1所述的基于视觉引导的AGV小车定位与导航方法，其特征在于，所述的全向视觉系统为折反射式全向视觉系统，由全向反射镜面和摄像机组成，环境入射光线经过全向反射镜面反射后，再经过摄像机镜头折射后成像，其水平方向视场角为360°，垂直方向视场角大于90°。
4.如权利要求1所述的基于视觉引导的AGV小车定位与导航方法，其特征在于，在所有可检测到未知节点信息的锚节点中，以每对锚节点对的方位角关系为优先度，依据优先度竞争选择满足阈值的锚节点对进行定位，并依据误差传递矩阵模的权值对多个定位结果进行融合。
5.如权利要求1所述的基于视觉引导的AGV小车定位与导航方法，其特征在于，在出、入库口时采用基于全向视觉的定位融合算法定位小车，AGV小车在运输区域使用基于LoRa无线技术的卡尔曼滤波定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911269911.3A CN111142515A (zh) | 2019-12-11 | 2019-12-11 | 一种基于视觉引导的agv小车定位与导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911269911.3A CN111142515A (zh) | 2019-12-11 | 2019-12-11 | 一种基于视觉引导的agv小车定位与导航方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111142515A true CN111142515A (zh) | 2020-05-12 |
Family
ID=70518470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911269911.3A Pending CN111142515A (zh) | 2019-12-11 | 2019-12-11 | 一种基于视觉引导的agv小车定位与导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111142515A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862161A (zh) * | 2021-01-18 | 2021-05-28 | 上海燕汐软件信息科技有限公司 | 货物分拣管理方法、装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207150841U (zh) * | 2017-09-04 | 2018-03-27 | 广东中科陆普物联网络科技有限公司 | 基于LoRa的传感定位节点及定位系统 |
| CN109302690A (zh) * | 2018-09-30 | 2019-02-01 | 桂林电子科技大学 | 一种基于优化卡尔曼滤波的非视距室内定位方法 |
| CN109883423A (zh) * | 2019-02-25 | 2019-06-14 | 广州市香港科大霍英东研究院 | 基于卡尔曼滤波的定位方法、系统、设备及存储介质 |
| CN110051360A (zh) * | 2019-05-10 | 2019-07-26 | 成都信息工程大学 | 基于LoRaWAN技术的畜牧监测定位管理系统 |
| CN110245546A (zh) * | 2018-12-06 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种目标跟踪系统、方法及存储介质 |
-
2019
- 2019-12-11 CN CN201911269911.3A patent/CN111142515A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207150841U (zh) * | 2017-09-04 | 2018-03-27 | 广东中科陆普物联网络科技有限公司 | 基于LoRa的传感定位节点及定位系统 |
| CN109302690A (zh) * | 2018-09-30 | 2019-02-01 | 桂林电子科技大学 | 一种基于优化卡尔曼滤波的非视距室内定位方法 |
| CN110245546A (zh) * | 2018-12-06 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种目标跟踪系统、方法及存储介质 |
| CN109883423A (zh) * | 2019-02-25 | 2019-06-14 | 广州市香港科大霍英东研究院 | 基于卡尔曼滤波的定位方法、系统、设备及存储介质 |
| CN110051360A (zh) * | 2019-05-10 | 2019-07-26 | 成都信息工程大学 | 基于LoRaWAN技术的畜牧监测定位管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 唐从飞 等: ""全向视觉网络中锚节点竞争定位算法"", 《计算机工程与应用》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862161A (zh) * | 2021-01-18 | 2021-05-28 | 上海燕汐软件信息科技有限公司 | 货物分拣管理方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109141442B (zh) | 基于uwb定位与图像特征匹配的导航方法和移动终端 | |
| Khanh et al. | Wi-Fi indoor positioning and navigation: a cloudlet-based cloud computing approach | |
| CN110926461B (zh) | 一种基于超宽带室内定位方法和系统、导航方法和系统 | |
| US6947880B2 (en) | Method for improving accuracy of a velocity model | |
| WO2020210923A1 (zh) | 一种基于uwb和蓝牙技术的室内定位融合方法 | |
| CN111413970A (zh) | 超宽带与视觉融合的室内机器人定位与自主导航方法 | |
| Perea-Strom et al. | GNSS integration in the localization system of an autonomous vehicle based on particle weighting | |
| CN110926479B (zh) | 自动生成室内三维导航地图模型的方法和系统 | |
| CN112711055A (zh) | 一种基于边缘计算的室内外无缝定位系统及方法 | |
| CN105953788A (zh) | 一种目标对象的定位方法及系统 | |
| CN111142515A (zh) | 一种基于视觉引导的agv小车定位与导航方法 | |
| CN114554392A (zh) | 一种基于uwb与imu融合的多机器人协同定位方法 | |
| Karakaya et al. | Low cost easy-to-install indoor positioning system | |
| Martín-Gorostiza et al. | Infrared and camera fusion sensor for indoor positioning | |
| Shan et al. | Cooperative localization based on GPS correction and EKF in urban environment | |
| KR101705227B1 (ko) | 실내측위방법 | |
| CN109375210B (zh) | 基于雷达和全景联合的无人装置目标检测系统和方法 | |
| CN113014658B (zh) | 设备控制及装置、电子设备、存储介质 | |
| CN114935748A (zh) | 一种基于检测物体的大基线多激光雷达标定的方法及系统 | |
| CN109883419B (zh) | 机器人导航方法及系统 | |
| Al Mamun et al. | Radio map building with IEEE 802.15. 4 for indoor localization applications | |
| Akshay et al. | A comparative analysis of localization techniques in wireless sensor network | |
| Zeng et al. | An introduction for the indoor localization systems and the position estimation algorithms | |
| Yang | Active Sensing for Collaborative Localization in Swarm Robotics | |
| CN114136306B (zh) | 一种可拓展的基于uwb和摄像头的相对定位的设备和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |