CN111307145B - 一种应用于扫地机器人的惯性导航系统 - Google Patents
一种应用于扫地机器人的惯性导航系统 Download PDFInfo
- Publication number
- CN111307145B CN111307145B CN201911238178.9A CN201911238178A CN111307145B CN 111307145 B CN111307145 B CN 111307145B CN 201911238178 A CN201911238178 A CN 201911238178A CN 111307145 B CN111307145 B CN 111307145B
- Authority
- CN
- China
- Prior art keywords
- inertial navigation
- host
- error
- navigation module
- fsp200
- 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
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
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)
Abstract
为了解决扫地机器人在导航过程中存在的振动、数据解算等因素引起的航向角误差大；扫地机器人卡死但是并没有产生报警信息；扫地机器人在不同路段的时候产生的不同的不可估计的误差的问题，本发明提出一种应用于扫地机器人的惯性导航模块，其包括：惯性导航模块FSP200和主机HOST，其中惯性导航模块FSP200包括中央处理器MCU、IMU九轴姿态传感器ADXRS453和EEPROM存储器，IMU九轴姿态传感器ADXRS453将九轴数据传送给中央处理器MCU进行数据解算运算，并将用于强化学习的数据存储在EEPROM存储器，惯导模块通过SPI协议将数据、报警指令传输给主机HOST，主机HOST也通过SPI协议将动作等信息传输给惯导模块FSP200。
Description
技术领域
本发明涉及到惯性导航领域，较为具体的，涉及到一种应用于扫地机器人的惯性导航系统。
背景技术
地面移动式机器人(如扫地机器人)需要准确且尽可能方便和廉价的导航方式，一般的移动机器人都装有捷联式惯性导航模块，但是市面上的捷联式惯性姿态导航模块普遍有以下问题：第一，移动机器人的各种形式的振动导致惯导误差大，并且很多的移动机器人只用单轴陀螺来导航，这使得很多情况下机器人会发生侧翻等风险，并且单轴陀螺的航向数据既没有误差补偿又没有相应纠正；第二，扫地机器人避障主要还是采用红外、激光、雷达等手段，但这些传感器偶尔会受到外界不定噪声的影响而短暂错误，这就使得机器人即使撞到障碍物也不会停止，甚至发生打滑和侧翻、卡机等情况；第三，扫地机器人通过不同路段会有不同的颠簸和误差，市面上的捷联式惯性姿态导航模块总是在此类情况下增大误差的。
发明内容
为了解决以上扫地机器人在导航过程中存在的振动、数据解算等因素引起的航向角误差大；扫地机器人卡死但是并没有产生报警信息；扫地机器人在不同路段的时候产生的不同的不可估计的误差的问题，本发明提出一种基于扫地机器人的惯性导航模块，能够有效防止机体振动、侧翻、打滑、卡死所带来的的各种误差和风险。
根据扫地机器人惯性导航过程中遇到的：第一，振动、数据解算等因素引起的航向角误差大；第二，扫地机器人卡死后没有报警信息；第三，扫地机器人会因为不同路段的情况，产生不同的不可估计的误差的问题，本发明提出一种应用于扫地机器人的惯性导航系统，分别用于解决以上提出的三个问题。针对第一个问题，振动会引起较大的误差，尤其对单轴姿态传感器来说，振动的误差往往不能预估，所以本发明专利的扫地机器人的硬件传感器使用ADXRS453九轴姿态传感器，所述的ADXRS453九轴姿态传感器有着出色的防振动能力，其中陀螺仪和三轴加速度计可以互补纠正数据，三轴磁力计可以适当修正航向角，所有数据均通过MCU计算后发送给扫地机器人中央处理单元。
另外，采用四元数进行姿态解算，初始姿态矩阵由加速度计获得，在姿态更新运算过程中，由于计算误差等因素，计算过程中四元数会逐渐失去规范化特性，因此姿态更新后要对四元数做规范化处理以避免非正交误差，姿态解算后，需要通过正交标定来补偿加计误差。为了实时补偿误差，采用“自适应卡尔曼滤波”算法来预估姿态误差。
为了使得误差降到最低，姿态数据解算过程中所产生的的不可交换误差和圆锥误差也要及时修正，解算数据采用等效矢量旋转模型和圆锥运动模型，等效矢量旋转产生不可交换误差，圆锥运动产生圆锥误差，为了消除这两种误差，姿态数据解算中加入基于泰勒级数展开“等效旋转矢量单子样+前周期算法”和“圆锥误差补偿三子样算法”。这里说明，目前很多惯性导航模块使用“二子样算法”来纠正等效矢量旋转产生的不可交换误差，经测试在相同采用频率下“单子样+前一周期算法”与“二子样算法”精度量级相当但前者比后者的姿态输出速率更快，在陀螺采样频率相同的情况下“单子样+前一周期算法”比“二子样算法”补偿精度高。圆锥误差补偿使用三子样而并不是六子样，这是因为载体的剧烈角运动会激励出陀螺仪的动态误差，动态误差可能远远大于算法引起的误差，致使多子样圆锥误差补偿往往达不到预期的效果，所以并不是字样越多越好，经长时间测试发现，三子样的效果最好。
一般家庭电磁环境不容易估计，磁力计一般不用于扫地机器人中，但是本发明采用磁力计来修正航向角。磁力计的角偏数据加权到航向角计算中，加权数由磁力计稳定程度来确定，若稳定程度高则加权系数高，这样会使得磁力计的作用可信。
第二，针对扫地机器人卡死后没有报警信息的问题，本发明的应用于扫地机器人的惯性导航系统也可以进行解决，其判断依据为：当扫地机器人并未发出停车或者大转弯的指令时，加速度计却获得一个Y轴或者X轴负方向的较大的加速度，这时就判定扫地机器人发生了机体卡住或者发生了碰撞，惯性导航系统就将这一信息发送给扫地机器人的中央处理单元，让其进行刹车处理，并让其根据加速度计值大小来判别发生碰撞或卡死的等级，以便做出是否继续前进的决定。
第三，扫地机器人在行进过程中会遇到不同的路面情况，比如毛毯、木板、有水的地面等，市面上的惯导模块，其运算补偿误差过程中补偿参数确定(如差积算法中的比例补偿)或解算策略确定(如自适应卡尔曼滤波)，对于路面参数时刻会有大变化的扫地机器人，这些补偿误差策略的力度显然不够，所以这里我们加入“强化学习的马尔科夫决策”来增强补偿误差的能力。
一般惯性导航模块数据经过卡尔曼滤波后最终输出，而我们将输出的数据进行保存，设为状态S，数据传送给扫地机器人后指导运动生成速度和姿态信息作为动作A并返回给惯导模块，模块存储A并分析其数据鲁棒性和价值，给出奖励R，衰减因子y取0.01并表示当前状态与接下来的状态关系。惯性导航系统保存这些数并在扫地机器人行走一小段后分析这些数，通过梯度下降法来计算，最终决定增加或减少补偿以及补偿大小。
一种应用于扫地机器人的惯性导航系统，其包括：惯性导航模块FSP200 和主机HOST，其中惯性导航模块FSP200包括中央处理器MCU、IMU九轴姿态传感器ADXRS453和EEPROM存储器，IMU九轴姿态传感器ADXRS453将九轴数据传送给中央处理器MCU进行数据解算运算，并将用于强化学习的数据存储在EEPROM存储器，惯导模块通过SPI协议将数据、报警指令传输给主机HOST，主机HOST也通过SPI协议将动作等信息传输给惯导模块FSP200，其特征在于，惯性导航模块FSP200的数据解算运算过程包括：
首先，将系统初始化，然后惯导静基座下进行粗对准获得初始姿态矩阵；
接着，惯性导航系统开始解算数据，通过四元数法来解算，解算更新后要正交化、规范化，去除不可交换误差；
接着将去除不可交换误差的计算结果进行自适应卡尔曼滤波计算，并得到状态估计阵和均方误差阵，进而求出姿态误差角，并对输出的误差角进行补偿；
接着，惯性导航系统对磁力计数据进行判别，并确定加权数，参与角度计算并输出角度信息。
进一步的，九轴数据包括三轴陀螺输出的角速度值，三轴加速度计输出的角加速度值，三轴磁力计输出的磁感应强度。
进一步的，通过四元数法来解算后，除了需要去除不可交换误差，还需要去除圆锥误差。
进一步的，为了去除不可交换误差，需要在解算中加入基于泰勒级数展开“等效旋转矢量单子样+前周期算法”。
进一步的，为了去除圆锥误差，需要在解算中加入基于泰勒级数展开“圆锥误差补偿三子样算法”或“圆锥误差补偿六子样算法”中的一种。
进一步优选的，为了保证姿态输出的速率、补偿精度以及减少陀螺仪的误差，去除圆锥误差的方式采用“圆锥误差补偿三子样算法”。
进一步的，对姿态误差角进行补偿的算法包括，“等效旋转矢量单子样+ 前周期算法”、“圆锥误差补偿三子样算法”、“自适应卡尔曼滤波”。
进一步的，惯性导航系统对磁力计数据进行判别，确定加权系数的方法为：加权系数a＝v/(v+yaw)，这里v是相对静止状态下磁力计相对于航向角的最大波动值，yaw是姿态更新的航向角值。
进一步的，所述的应用于扫地机器人的惯性导航系统中，惯性导航模块 FSP200还能根据主机HOST给出的刹车、转弯指令来判断扫地机器人主体是否卡主、侧翻等，并及时向主机报警。
进一步的，扫地机器人判断卡住或者侧翻的标准为主机HOST并未发出停车或大转弯的指令时，但是惯性导航模块FSP200中的加速度计却获得一个Y 轴或X轴负方向的加速度，该加速度≥0.4G，这里G表示地球重力加速度。
进一步的，所述的应用于扫地机器人的惯性导航系统中，惯性导航模块 FSP200还会将输出角度进行马尔科夫强化学习，并参与角度输出的计算。
进一步的，马尔科夫强化学习的过程包括：惯性导航模块FSP200向主机输出角度的同时将角度存储，记为S，将获得主机HOST给出的速度等信息记为状态A，惯性导航模块FSP200根据动作和状态评判奖励R，根据经验值设定衰减因子y为0.01，根据这些数值，通过梯度下降法加强误差补偿的准确性。其中，奖励函数:R(s,a)＝-1x[0.99x(e/E)+0.01x(a/P)],其中e为t时刻当前误差信号，a为t时刻策略输出的航向角度，E为最大误差值，P为当前可输出最大角度。
附图说明
图1为本发明的惯性导航系统的硬件组成框图。
图2为本发明的惯性导航系统的数据解算运算框图。
图3为强化学习运行框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
具体实施案例1：
如图1所示，为本发明的惯性导航系统的硬件组成框图；如图2所示，为本发明的惯性导航系统的数据解算运算框图；如图3所示，为强化学习运行框图。一种应用于扫地机器人的惯性导航系统，其包括：惯性导航模块 FSP200和主机HOST，其中惯性导航模块FSP200包括中央处理器MCU、IMU九轴姿态传感器ADXRS453和EEPROM存储器，IMU九轴姿态传感器ADXRS453将九轴数据传送给中央处理器MCU进行数据解算运算，并将用于强化学习的数据存储在EEPROM存储器，惯导模块通过SPI协议将数据、报警指令传输给主机HOST，主机HOST也通过SPI协议将动作等信息传输给惯导模块FSP200，其特征在于，惯性导航模块FSP200的数据解算运算过程包括：
首先，将系统初始化，然后惯导静基座下进行粗对准获得初始姿态矩阵；
接着，惯性导航系统开始解算数据，通过四元数法来解算，解算更新后要正交化、规范化，去除不可交换误差；
接着将去除不可交换误差的计算结果进行自适应卡尔曼滤波计算，并得到状态估计阵和均方误差阵，进而求出姿态误差角，并对输出的误差角进行补偿；
接着，惯性导航系统对磁力计数据进行判别，并确定加权数，参与角度计算并输出角度信息。
进一步的，九轴数据包括三轴陀螺输出的角速度值，三轴加速度计输出的角加速度值，三轴磁力计输出的磁感应强度。
进一步的，通过四元数法来解算后，除了需要去除不可交换误差，还需要去除圆锥误差。
进一步的，为了去除不可交换误差，需要在解算中加入基于泰勒级数展开“等效旋转矢量单子样+前周期算法”。
进一步的，为了去除圆锥误差，需要在解算中加入基于泰勒级数展开“单子样+前一周期算法”、“二子样算法”、“圆锥误差补偿三子样算法”或“圆锥误差补偿六子样算法”中的一种。
进一步优选的，为了保证姿态输出的速率、补偿精度以及减少陀螺仪的误差，去除圆锥误差的方式采用“圆锥误差补偿三子样算法”。
进一步的，对姿态误差角进行补偿的算法包括，“等效旋转矢量单子样 +前周期算法”、“圆锥误差补偿三子样算法”、“自适应卡尔曼滤波”。
进一步的，惯性导航系统对磁力计数据进行判别，确定加权系数的方法为：加权系数a＝v/(v+yaw)，这里v是相对静止状态下磁力计相对于航向角的最大波动值，yaw是姿态更新的航向角值。
进一步的，所述的应用于扫地机器人的惯性导航系统中，惯性导航模块 FSP200还能根据主机HOST给出的刹车、转弯指令来判断扫地机器人主体是否卡主、侧翻等，并及时向主机报警。
进一步的，扫地机器人判断卡住或者侧翻的标准为主机HOST并未发出停车或大转弯的指令时，但是惯性导航模块FSP200中的加速度计却获得一个Y 轴或X轴负方向的加速度，该加速度≥0.4G，这里G表示地球重力加速度。
进一步的，所述的应用于扫地机器人的惯性导航系统中，惯性导航模块 FSP200还会将输出角度进行马尔科夫强化学习，并参与角度输出的计算。
进一步的，马尔科夫强化学习的过程包括：惯性导航模块FSP200向主机输出角度的同时将角度存储，记为S，将获得主机HOST给出的速度等信息记为状态A，惯性导航模块FSP200根据动作和状态评判奖励R，根据经验值设定衰减因子y为0.01，根据这些数值，通过梯度下降法加强误差补偿的准确性。其中，奖励函数:R(s,a)＝-1x[0.99x(e/E2)+0.01x(a/P)],其中e为t时刻当前误差信号，a为t时刻策略输出的航向角度，E为最大误差值，P为当前可输出最大角度。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (1)
1.一种应用于扫地机器人的惯性导航系统，其包括：惯性导航模块FSP200和主机HOST，其中惯性导航模块FSP200包括中央处理器MCU、IMU九轴姿态传感器ADXRS453和EEPROM存储器，IMU九轴姿态传感器ADXRS453将九轴数据传送给中央处理器MCU进行数据解算运算，并将用于强化学习的数据存储在EEPROM存储器，所述九轴数据包括三轴陀螺输出的角速度值，三轴加速度计输出的角加速度值，三轴磁力计输出的磁感应强度，惯导模块通过SPI协议将数据、报警指令传输给主机HOST，主机HOST也通过SPI协议将动作信息传输给惯导模块FSP200，惯性导航模块FSP200能根据主机HOST给出的刹车、转弯指令来判断扫地机器人主体是否卡主、侧翻，并及时向主机报警；扫地机器人判断卡住或者侧翻的标准为主机HOST并未发出停车或大转弯的指令时，但是惯性导航模块FSP200中的加速度计却获得一个Y轴或X轴负方向的加速度，该加速度≥0.4G，这里G表示地球重力加速度；其特征在于，惯性导航模块FSP200的数据解算运算过程包括：
首先，将系统初始化，然后惯导静基座下进行粗对准获得初始姿态矩阵；
接着，惯性导航系统开始解算数据，通过四元数法来解算，解算更新后要正交化、规范化，去除不可交换误差；为了去除不可交换误差，需要在解算中加入基于泰勒级数展开“等效旋转矢量单子样+前周期算法”，通过四元数法来解算后，需要去除不可交换误差的同时需要去除圆锥误差；为了去除圆锥误差，需要在解算中加入基于泰勒级数展开“单子样+前一周期算法”、“二子样算法”、“圆锥误差补偿三子样算法”或“圆锥误差补偿六子样算法”中的一种； 接着将去除不可交换误差和圆锥误差的计算结果进行自适应卡尔曼滤波计算，并得到状态估计阵和均方误差阵，进而求出姿态误差角，并对输出的误差角进行补偿；
接着，惯性导航系统对磁力计数据进行判别，并确定加权系数，参与角度计算并输出角度信息；确定加权系数的方法为：加权系数a=v/(v+yaw)，这里v是相对静止状态下磁力计相对于航向角的最大波动值，yaw是姿态更新的航向角值；最后，惯性导航模块FSP200将输出角度进行马尔科夫强化学习，并参与角度输出的计算；马尔科夫强化学习的过程包括：惯性导航模块FSP200向主机HOST输出角度的同时将角度存储，记为S，将获得主机HOST给出的速度信息记为状态A，惯性导航模块FSP200根据动作和状态评判奖励R，根据经验值设定衰减因子y为0.01，根据这些数值，通过梯度下降法加强误差补偿的准确性，其中，奖励函数:R(S,A)=-1x[0.99x(e/E²)+0.01x(a/P)],其中e为t时刻当前误差信号，a为t时刻策略输出的航向角度，E为最大误差值，P为当前可输出最大角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238178.9A CN111307145B (zh) | 2019-12-06 | 2019-12-06 | 一种应用于扫地机器人的惯性导航系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238178.9A CN111307145B (zh) | 2019-12-06 | 2019-12-06 | 一种应用于扫地机器人的惯性导航系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111307145A CN111307145A (zh) | 2020-06-19 |
| CN111307145B true CN111307145B (zh) | 2022-05-17 |
Family
ID=71148649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911238178.9A Active CN111307145B (zh) | 2019-12-06 | 2019-12-06 | 一种应用于扫地机器人的惯性导航系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111307145B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201697607U (zh) * | 2010-06-29 | 2011-01-05 | 长安大学 | 一种车辆姿态预警系统 |
| CN104121905A (zh) * | 2014-07-28 | 2014-10-29 | 东南大学 | 一种基于惯性传感器的航向角获取方法 |
| CN104422948A (zh) * | 2013-09-11 | 2015-03-18 | 南京理工大学 | 一种嵌入式组合导航系统及其方法 |
| CN105009027A (zh) * | 2012-12-03 | 2015-10-28 | 纳维森斯有限公司 | 用于估计对象的运动的系统和方法 |
| CN204749867U (zh) * | 2015-06-22 | 2015-11-11 | 陈凌 | 一种农机车辆及其姿态监测与报警系统 |
| CN105982624A (zh) * | 2015-12-30 | 2016-10-05 | 小米科技有限责任公司 | 自动清洁设备的防卡死处理方法及装置、自动清洁设备 |
| WO2017113220A1 (zh) * | 2015-12-30 | 2017-07-06 | 深圳配天智能技术研究院有限公司 | 工业机器人及其故障判断方法 |
| CN108873878A (zh) * | 2017-06-22 | 2018-11-23 | 北京石头世纪科技有限公司 | 自主机器人及其控制方法、装置、系统和计算机可读介质 |
| CN109480708A (zh) * | 2018-12-19 | 2019-03-19 | 珠海市微半导体有限公司 | 清洁机器人的位置提醒方法 |
| CN109998429A (zh) * | 2018-01-05 | 2019-07-12 | 艾罗伯特公司 | 用于情境感知的移动清洁机器人人工智能 |
| CN109998421A (zh) * | 2018-01-05 | 2019-07-12 | 艾罗伯特公司 | 移动清洁机器人组合及持久性制图 |
| KR20190104486A (ko) * | 2019-08-21 | 2019-09-10 | 엘지전자 주식회사 | 행동 방향성 인식기반 서비스 요구자 식별 방법 |
-
2019
- 2019-12-06 CN CN201911238178.9A patent/CN111307145B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201697607U (zh) * | 2010-06-29 | 2011-01-05 | 长安大学 | 一种车辆姿态预警系统 |
| CN105009027A (zh) * | 2012-12-03 | 2015-10-28 | 纳维森斯有限公司 | 用于估计对象的运动的系统和方法 |
| CN104422948A (zh) * | 2013-09-11 | 2015-03-18 | 南京理工大学 | 一种嵌入式组合导航系统及其方法 |
| CN104121905A (zh) * | 2014-07-28 | 2014-10-29 | 东南大学 | 一种基于惯性传感器的航向角获取方法 |
| CN204749867U (zh) * | 2015-06-22 | 2015-11-11 | 陈凌 | 一种农机车辆及其姿态监测与报警系统 |
| WO2017113220A1 (zh) * | 2015-12-30 | 2017-07-06 | 深圳配天智能技术研究院有限公司 | 工业机器人及其故障判断方法 |
| CN105982624A (zh) * | 2015-12-30 | 2016-10-05 | 小米科技有限责任公司 | 自动清洁设备的防卡死处理方法及装置、自动清洁设备 |
| CN107614212A (zh) * | 2015-12-30 | 2018-01-19 | 深圳配天智能技术研究院有限公司 | 工业机器人及其故障判断方法 |
| CN108873878A (zh) * | 2017-06-22 | 2018-11-23 | 北京石头世纪科技有限公司 | 自主机器人及其控制方法、装置、系统和计算机可读介质 |
| CN109998429A (zh) * | 2018-01-05 | 2019-07-12 | 艾罗伯特公司 | 用于情境感知的移动清洁机器人人工智能 |
| CN109998421A (zh) * | 2018-01-05 | 2019-07-12 | 艾罗伯特公司 | 移动清洁机器人组合及持久性制图 |
| CN109480708A (zh) * | 2018-12-19 | 2019-03-19 | 珠海市微半导体有限公司 | 清洁机器人的位置提醒方法 |
| KR20190104486A (ko) * | 2019-08-21 | 2019-09-10 | 엘지전자 주식회사 | 행동 방향성 인식기반 서비스 요구자 식별 방법 |
Non-Patent Citations (1)
| Title |
|---|
| "基于MIMU的捷联惯性导航系统数据采集与处理技术研究";张斌;《中国优秀博硕士学位论文全文数据库（硕士） 工程科技II辑》;20110515(第5期);第2-61页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111307145A (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ahmed et al. | Accurate attitude estimation of a moving land vehicle using low-cost MEMS IMU sensors | |
| JP6884276B2 (ja) | 車両を制御するシステム及び方法 | |
| US10853669B2 (en) | Object recognition device, object recognition method and self-driving system | |
| US8645063B2 (en) | Method and system for initial quaternion and attitude estimation | |
| JP7036080B2 (ja) | 慣性航法装置 | |
| US8880221B2 (en) | Damage reduction control for humanoid robot fall | |
| CN110031019B (zh) | 一种用于自动驾驶车辆的打滑检测处理方法 | |
| CN106814753B (zh) | 一种目标位置矫正方法、装置及系统 | |
| US10725482B2 (en) | Method and apparatus for dodging obstacle, and aerial vehicle | |
| EP1653194A2 (en) | Azimuth/attitude detecting sensor | |
| CN106053879A (zh) | 通过数据融合的失效操作的车辆速度估计 | |
| JP2008076389A (ja) | ナビゲーション・システムおよびナビゲーション方法 | |
| JP2007334896A (ja) | 位置補正機能を提供する移動装置及び位置補正方法 | |
| US11148592B2 (en) | Motorcycle driving assistance device | |
| JP2019113926A (ja) | モデル予測制御装置 | |
| KR102365708B1 (ko) | 기울기센서를 이용한 자이로센서의 캘리브레이션 방법 | |
| Werries et al. | Adaptive Kalman filtering methods for low-cost GPS/INS localization for autonomous vehicles | |
| RU2749152C1 (ru) | Адаптивный корректор углов ориентации для БИНС | |
| JP5164645B2 (ja) | カルマンフィルタ処理における繰り返し演算制御方法及び装置 | |
| CN111307145B (zh) | 一种应用于扫地机器人的惯性导航系统 | |
| CN111788100A (zh) | 利用环境信息校正预测的轨迹使车辆在车道中居中 | |
| EP3732549A1 (en) | Method for predicting a motion of an object, method for calibrating a motion model, method for deriving a predefined quantity and method for generating a virtual reality view | |
| CN107499314A (zh) | 基于imu的汽车防追尾系统 | |
| CN110108301B (zh) | 模值检测动基座鲁棒对准方法 | |
| CN113985466A (zh) | 一种基于模式识别的组合导航方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |