CN111811500A - 目标对象的位姿估计方法、装置、存储介质和电子设备 - Google Patents

目标对象的位姿估计方法、装置、存储介质和电子设备 Download PDF

Info

Publication number
CN111811500A
CN111811500A CN202010372168.0A CN202010372168A CN111811500A CN 111811500 A CN111811500 A CN 111811500A CN 202010372168 A CN202010372168 A CN 202010372168A CN 111811500 A CN111811500 A CN 111811500A
Authority
CN
China
Prior art keywords
motion
target object
relation
state vector
observation
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
Application number
CN202010372168.0A
Other languages
English (en)
Inventor
滕晓强
许鹏飞
马朝伟
吴飞扬
徐斌
张军
谷更新
王亮
胡润波
柴华
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010372168.0A priority Critical patent/CN111811500A/zh
Publication of CN111811500A publication Critical patent/CN111811500A/zh
Pending legal-status Critical Current

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
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor 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

本公开实施例提供了一种目标对象的位姿估计方法、装置、存储介质和电子设备，所述方法包括以下步骤：获取所述目标对象的运动数据；对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。本公开综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。

Description

目标对象的位姿估计方法、装置、存储介质和电子设备
技术领域
本公开涉及设备定位的技术领域，特别涉及一种目标对象的位姿估计方法、装置、存储介质和电子设备。
背景技术
随着科学技术的快速发展，室外导航技术已经非常成熟并且广泛地应用于人们的生活当中。室外GPS定位技术非常精准，但进入室内后，由于室内地理信息的复杂性和GPS信号衰减，GPS无法用于室内导航。在复杂的室内环境中，如庞大而复杂的大型购物中心等，仅仅根据简单指示，人们想要立刻找到某个商家无疑是很困难的。这时候，用户只需要启动室内导航软件，基于用户的自身位置以及根据软件详细的提示，就可以顺利找到想要去的商铺或者餐厅等。
现有技术中，PDR(Pedestrian Dead Reckoning，即步行航迹推算)方法和INS(Inertial Navigation System，即惯性积分导航)方法被广泛用来估计用户在室内行走的轨迹。但是，单纯采用任一种方法都不能很准确地确定用户在室内的位置。
发明内容
有鉴于此，本公开实施例提出了一种目标对象的位姿估计方法、装置、存储介质和电子设备，用以解决现有技术中现在的不能很准确地确定用户在室内的位置的问题。
一方面，本公开实施例提出一种目标对象的位姿估计方法，包括以下步骤：获取所述目标对象的运动数据；对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
在一些实施例中，所述对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测，包括：对所述运动数据进行积分解算，获取运动关系；对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
在一些实施例中，所述对所述运动数据进行积分解算，获取运动关系，包括：定义运动状态向量；基于所述运动状态向量，获取动态关系；基于所述动态关系，获取运动关系。
在一些实施例中，所述基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息，包括：获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；确定卡尔曼增益；基于所述卡尔曼增益，对所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵更新所述目标对象的位姿信息。
另一方面，本公开提供一种目标对象的位姿估计装置，包括：获取模块，其用于获取所述目标对象的运动数据；计算模块，其用于对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；更新模块，其用于基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
在一些实施例中，所述计算模块包括：第一获取单元，其用于对所述运动数据进行积分解算，获取运动关系；测量单元，其用于对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
在一些实施例中，所述第一获取单元包括：定义子单元，其用于定义运动状态向量；第一获取子单元，其用于基于所述运动状态向量，获取动态关系；第二获取子单元，其用于基于所述动态方程，获取运动关系。
在一些实施例中，所述更新模块包括：第二获取单元，其用于获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；确定单元，其用于确定卡尔曼增益；更新单元，其用于基于所述卡尔曼增益，对所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵更新所述目标对象的位姿信息。
再一方面，本公开实施例提出一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项技术方案中所述方法的步骤。
再一方面，本公开实施例提出一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项技术方案中所述方法的步骤。
本公开基于获取的目标对象的运动数据，通过INS方法和PDR方法分别进行解算处理，通过延伸卡尔曼滤波器对两种解算结果进行融合，综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。
附图说明
为了更清楚地说明本公开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附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开第一实施例提供的估计方法的流程图；
图2为本公开第一实施例中坐标系的示意图；
图3为本公开第一实施例中坐标系的示意图；
图4为本公开第一实施例提供的估计方法的流程图；
图5为本公开第一实施例提供的估计方法的流程图；
图6为本公开第一实施例提供的估计方法的流程图；
图7为本公开第二实施例提供的估计装置的结构框图；
图8为本公开第四实施例提供的电子设备的结构框图；
附图标记：
10-获取模块；20-计算模块；30-更新模块。
具体实施方式
为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
如上述背景技术所述，PDR(Pedestrian Dead Reckoning，即步行航迹推算)方法和INS(Inertial Navigation System，即惯性积分导航)方法，这两种方法都是对于通过手机等移动设备内部的惯性测量装置(Inertial Measurement Unit,IMU)获取的数据进行处理，是两种被广泛用于估计用户在室内的行走轨迹的确定方法。但是，这两种方法的对于惯性测量装置获取的数据的处理方法又不相同，具体地：
PDR方法是一种基于相对位置的惯性导航方法，其主要的原理是通过给定初始点，根据用户行走的位移推算获取用户下一步的位置，属于一种局部位置的追踪方法。PDR方法依赖于移动设备中的惯性测量装置，惯性测量装置一般包括三轴加速度计和陀螺仪传感器，其中，三轴加速度计用于测量移动设备由外部施加所受到的作用力，陀螺仪传感器用于测量移动设备的旋转角速度。
具体地，PDR方法的执行一般还需要三个模块的配合，这三个模块分别是计步模块、步长估计模块以及姿态估计模块，其中，计步模块主要利用三轴加速度计获取的数据，以估算用户行走的步数，步长估计模块利用三轴加速度计获取的数据，以估算用户每一步行走的步长，姿态估算模块利用三轴加速度计和陀螺仪传感器获取的数据，以估算移动设备在3D空间内的姿态。其中，由于移动设备的自由度不可控制以及传感器自身数据质量的限制，导致PDR算法对于位置和姿态估算的误差随着用户行走距离的增加而呈现线性增加。
INS方法是通过对三轴加速度计获取的数据进行二次积分运算，从而获取移动设备的位移数据，对陀螺仪传感器获取的数据进行一次积分运算，从而获得移动设备的姿态数据，然后将位移数据和姿态数据融合计算，从而获得移动设备在3D空间内的位置数据和姿态数据。尽管INS方法在短距离的位置和姿态的估算方面的误差较小，但是由于移动设备的传感器自身质量较小，数据噪声较大，导致INS方法的位置和姿态的估算误差随着移动设备的运动距离的增加而呈现非线性增加。
本公开实施例结合PDR方法和INS方法的优点，提供了基于步长约束的PDR方法和INS方法相结合的位姿估计方法，从而对移动设备在室内空间的位置和姿态进行准确估算，能够有效降低移动设备在3D室内空间的位置以及姿态的估算误差。
本公开的第一方面提供一种目标对象的位姿估计方法，该方法融合PDR和INS两种方法的优点，如图1所示，包括如下步骤：
S101，获取目标对象的运动数据。
在本步骤中，当用户在3D室内空间运动时，该用户以及用户携带的作为目标对象的移动设备在3D室内空间内处于运动状态，这里的目标对象可以是手机等移动设备等，该目标对象的运动数据会在3D室内空间范围内实时动态地发生变化。
对于运动数据的获取需要预先对涉及的不同坐标系以及相关名词进行定义和解释，首先，如图2所示，建立地面坐标系，或者称为本体坐标系，其中，在地面上选一点Og，建立坐标系使xg轴在水平面内并指向某一方向，zg轴垂直于地面并指向地心，yg轴在水平面内垂直于xg轴，其指向按右手定则确定。
进一步地，如图3所示，建立机体坐标系，或者被称为导航坐标系，以飞机作为基准为例，首先，将原点O设置在飞机的质心处，使得坐标系与飞机相连接，将xb轴在飞机对称平面内并平行于飞机的设计轴线指向机头，将yb轴垂直于飞机对称平面指向机身右方，将zb轴在飞机对称平面内，与xb轴垂直并指向机身下方。
其中，导航坐标系与本体坐标系之间的关系通过三个欧拉(Euler)角表示，其反应了例如飞机相对地面的姿态，这三个欧拉角分别是俯仰角、偏航角和滚转角，其中，俯仰角是指导航坐标系的xb轴与水平面的夹角。当xb轴的正半轴位于过坐标原点的水平面之上(例如抬头)时，俯仰角为正，否则为负；偏航角是指导航坐标系的yb轴在水平面上投影与本体坐标系的xg轴(在水平面上，指向目标为正)之间的夹角，由xg轴逆时针转至导航坐标系中yb轴的投影线时，偏航角为正，即例如机头右偏航为正，反之为负；滚转角是指导航坐标系的zb轴与通过导航坐标系的xb轴的铅垂面间的夹角，例如机体向右滚为正，反之为负。
在本步骤中，通过预先设置在目标对象中的惯性测量装置获取目标对象在运动过程中的运动数据，这里的惯性测量装置包括三轴加速度计和陀螺仪传感器，这里的运动数据包括目标对象的位置数据、速度数据、姿态数据等。具体地，在获取目标对象的运动数据的过程中，包括：首先，通过三轴加速度计获取目标对象分别在xg轴、yg轴和zg轴方向上的实时的位置误差和速度误差数据；然后，通过陀螺仪传感器获取目标对象的实时的姿态数据，包括俯仰角(pitch)误差、滚转角(roll)误差和偏航角(yaw)误差，上述位置数据、速度数据以及姿态数据是目标对象在3D室内空间内的运动过程中的运动数据，这些运动数据能够用于描述目标对象的运动状况。
S102，对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测。
通过步骤S101获取处于运动状态的目标对象的运动数据，通过获取所述目标对象的上述运动数据，例如可以分别基于INS方法和PDR方法对上述运动数据进行不同方式的解算，即通过各自的解算过程分别获取积分解算结果和位置解算结果，从而进行位置观测，如图4所示，具体包括以下步骤：
S201，对所述运动数据进行积分解算，获取运动关系。
通过在步骤S101中根据惯性测量装置，例如三轴加速度计和陀螺仪传感器获取目标对象的运动数据后，在本步骤中，这里例如采用INS方法针对通过惯性测量装置直接测量到的运动数据，通过积分的方式获取目标对象的6自由度位姿信息等，例如通过对三轴加速度计获取的数据进行二次积分运算，从而获取目标对象的位移数据，对陀螺仪传感器获取的数据进行一次积分运算，从而获得移目标对象的姿态数据。这里需要说明的是，INS方法的解算方式与目标对象的具体形式无关，即不依赖于目标对象模型，不管目标对象是用户、移动设备、车辆还是飞行器等，INS方法的解算方式都是相同的。
具体地，通过INS方法对运动数据进行积分解算，如图5所示，包括以下步骤：
S301，定义运动状态向量。
在本步骤中，定义对应于描述目标对象的运动情况的运动状态向量，该运动状态向量对应于目标对象处于某一状态下的参数，即：
Figure BDA0002478542590000071
其中，
Figure BDA0002478542590000072
其用于表示目标对象在导航坐标系的3个坐标轴上分别的位置误差；
Figure BDA0002478542590000073
其用于表示目标对象在导航坐标系的3个坐标轴上分别的速度误差；
Figure BDA0002478542590000074
其用于表示目标对象的俯仰角(pitch)误差、滚转角(roll)误差和偏航角(yaw)误差。
S302，基于所述运动状态向量，获取动态关系。
在获取了所述目标对象的运动状态向量后，获取动态关系，这里的动态关系通过动态方程的形式表示，在不考虑地球自转的情况下，基于所述运动状态向量建立动态方程如下：
Figure BDA0002478542590000075
其中，E是一个3×3的单位矩阵；
Figure BDA0002478542590000076
Figure BDA0002478542590000077
是fn的叉乘反对称矩阵；
Figure BDA0002478542590000078
表示从本体坐标系到导航坐标系的旋转矩阵；
aB表示三加速度计的零偏误差；
gB表示三轴陀螺仪传感器的零偏误差。
进一步地，为了便于计算，上述动态方程还可以简写为：
Figure BDA0002478542590000079
其中：
Figure BDA0002478542590000081
Figure BDA0002478542590000082
其中，w表示零均值的高斯观测噪声。
通过本步骤能够通过积分解算方式获得目标对象在某一状态下的位置、姿态数据。
S303，基于所述动态关系，获取运动关系。
在通过步骤S302获取动态关系后，将上述表示动态关系的动态方程通过数值积分的方式进行离散化运算，这里的数值积分可以是欧拉积分或者中值积分，通过离散化计算后获取下一个状态的运动状态向量以及基于所述运动状态向量的协方差矩阵等，从而获得目标对象的运动状态的递推关系，基于该递推关系能够预测和获取目标对象连续多个状态下的位置、姿态等数据，该递推关系所表示的递推方程形成为所述目标对象的运动关系。
S202，对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
通过在步骤S101中根据惯性测量装置，例如三轴加速度计和陀螺仪传感器获取目标对象的运动数据后，在本步骤中，主要通过PDR算法执行对所述运动数据进行位置解算，其中，PDR算法依赖于用户模型根据用户的运动学特性，基于一定的假设对惯性测量装置获取的原始数据进行处理，从而得到目标对象的步长和航向，进而推算出目标对象的位置信息。本步骤中，基于积分解算结果和位置解算结果进行位置观测，其中，位置观测可以采用伪观测量或者伪距测量的方式，该伪观测量使用残差进行计算，其中，残差是利用PDR的估计的位置和INS估计的位置的各个坐标值的差值计算得到，具体如下：
Figure BDA0002478542590000091
其中：上角标n表示导航坐标系，下角标中的x,y表示X和Y轴，PDR表示PDR算法，INS表示INS算法，r表示估计的位置坐标。例如
Figure BDA0002478542590000093
表示PDR在导航坐标系下估计的位置的X轴数值，其他参数依次定义。
Figure BDA0002478542590000092
vr为观测噪声，被建模为零均值的高斯观测噪声。
进一步地，通过所述伪观测量的方式可以建立一个观测方程，当然还可以通过其他观测方式，比如零速修正(ZUPT)方式也可以建立观测方程，零速修正(ZUPT)是利用在载体停止时惯性系统的速度误差作为观测量以建立观测方程，从而对其它各项误差进行估计。最后，所有通过观测量建立的这些观测方程整合为一个综合的观测方程，即：
z＝Hx+v；
其中，H是观测方程中的系数矩阵，v为观测噪声。
S103，基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
在通过步骤S101和步骤S102分别获取了针对目标对象的运动关系以及基于所述运动关系进行位置观测之后，通过延伸卡尔曼滤波器对所述运动关系和所述位置观测的结果进行融合计算，从而通过基于步长约束的PDR方法和INS方法相融合的方法，以减低目标对象在3D室内空间的位姿估计误差。具体地，如图6所示，包括以下步骤：
S401，获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的所述观测噪声的协方差矩阵。
在本步骤中，所述运动关系中的所述运动状态向量通过上述步骤S301确定，所述位置观测的结果中的所述观测噪声通过上述步骤S202确定。
S402，确定卡尔曼增益。
通过上述步骤S401获取运动关系中的运动状态向量的协方差矩阵和位置观测的结果中观测噪声的协方差矩阵后，在本步骤中，基于上述协方差矩阵，可以计算获取用于延伸卡尔曼滤波器中对应的卡尔曼增益，具体如下：
K＝PHT(HPHT+V)-1；
其中，上式中的P是所述运动关系对应的所述运动方程中的运动状态向量的协方差矩阵，H是位置观测的结果对应的所述观测方程中的系数矩阵，V是所述观测方程中的观测噪声的协方差矩阵。
S403，基于所述卡尔曼增益，更新所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵。
通过上述步骤S402获取卡尔曼增益后，基于所述卡尔曼增益对目标对象的运动状态向量以及基于所述运动状态向量的协方差矩阵进行状态更新，具体如下：
x←x+K(z-Hx)；
P←(I-KH)P；
其中，基于协方差矩阵的这种更新方式，其数值稳定性较差，还可以采用以下更加稳定的更新方式：
P←P-K(HPHT+V)KT；
基于上述更新后的目标对象的运动状态向量以及基于所述运动状态向量的协方差矩阵，经过计算可以更新所述目标对象的位姿信息。
本公开基于获取的目标对象的运动数据，通过INS方法和PDR方法分别进行解算处理，通过延伸卡尔曼滤波器对两种解算结果进行融合，综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。
本公开的第二方面提供一种目标对象的位姿估计装置，该装置在执行过程中融合PDR和INS两种方法的优点，如图7所示，包括获取模块10、计算模块20以及更新模块30，上述模块相互耦合，其中：
获取模块10，其用于获取目标对象的运动数据。
通过获取模块10，当用户在3D室内空间运动时，该用户以及用户携带的作为目标对象的移动设备在3D室内空间内处于运动状态，这里的目标对象可以是手机等移动设备等，该目标对象的运动数据会在3D室内空间范围内实时动态地发生变化。
通过获取模块10，通过预先设置在目标对象中的惯性测量装置获取目标对象在运动过程中的运动数据，这里的惯性测量装置包括三轴加速度计和陀螺仪传感器，这里的运动数据包括目标对象的位置数据、速度数据、姿态数据等。具体地，在获取目标对象的运动数据的过程中，包括：首先，通过三轴加速度计获取目标对象分别在xg轴、yg轴和zg轴方向上的实时的位置误差和速度误差数据；然后，通过陀螺仪传感器获取目标对象的实时的姿态数据，包括俯仰角(pitch)误差、滚转角(roll)误差和偏航角(yaw)误差，上述位置数据、速度数据以及姿态数据是目标对象在3D室内空间内的运动过程中的运动数据，这些运动数据能够用于描述目标对象的运动状况。
计算模块20，其用于对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测。
通过获取模块10获取处于运动状态的目标对象的运动数据，通过获取上述运动数据，例如可以分别基于INS方法和PDR方法对上述运动数据进行不同方式的解算，即通过各自的解算过程分别获取运动关系并基于运动关系进行位置观测，具体包括以下部分：
第一获取单元，其用于对所述运动数据进行积分解算，获取运动关系。
通过获取模块10根据惯性测量装置，例如三轴加速度计和陀螺仪传感器获取目标对象的运动数据后，通过第一获取单元，这里例如采用INS方法针对通过惯性测量装置直接测量到的运动数据，通过积分的方式获取目标对象的6自由度位姿信息等，例如通过对三轴加速度计获取的数据进行二次积分运算，从而获取目标对象的位移数据，对陀螺仪传感器获取的数据进行一次积分运算，从而获得移目标对象的姿态数据。这里需要说明的是，INS方法的解算方式与目标对象的具体形式无关，即不依赖于目标对象模型，不管目标对象是用户、移动设备、车辆还是飞行器等，INS方法的解算方式都是相同的。
具体地，通过INS方法对运动数据进行积分解算，第一获取单元包括以下部分：
定义子单元，其用于定义运动状态向量。
通过定义子单元，定义对应于描述目标对象的运动情况的运动状态向量，该运动状态向量对应于目标对象处于某一状态下的参数，即：
Figure BDA0002478542590000121
其中，
Figure BDA0002478542590000122
其用于表示目标对象在导航坐标系的3个坐标轴上分别的位置误差；
Figure BDA0002478542590000123
其用于表示目标对象在导航坐标系的3个坐标轴上分别的速度误差；
Figure BDA0002478542590000124
其用于表示目标对象的俯仰角(pitch)误差、滚转角(roll)误差和偏航角(yaw)误差。
第一获取子单元，其用于基于所述运动状态向量，获取动态关系。
在获取了所述目标对象的运动状态向量后，获取动态关系，这里的动态关系通过动态方程的形式表示，在不考虑地球自转的情况下，基于所述运动状态向量建立动态方程如下：
Figure BDA0002478542590000125
其中，E是一个3×3的单位矩阵；
Figure BDA0002478542590000126
Figure BDA0002478542590000127
是fn的叉乘反对称矩阵；
Figure BDA0002478542590000128
表示从本体坐标系到导航坐标系的旋转矩阵；
aB表示三加速度计的零偏误差；
gB表示三轴陀螺仪传感器的零偏误差。
进一步地，为了便于计算，上述动态方程还可以简写为：
Figure BDA0002478542590000129
其中：
Figure BDA0002478542590000131
Figure BDA0002478542590000132
其中，w表示零均值的高斯观测噪声。
通过第一获取子单元能够通过积分解算方式获得目标对象在某一状态下的位置、姿态数据。
第二获取子单元，其用于基于所述动态关系，获取运动关系。
在通过第一获取子单元获取动态关系后，将动态关系对应的动态方程通过数值积分的方式进行离散化运算，这里的数值积分可以是欧拉积分或者中值积分，通过离散化计算后获取下一个状态的运动状态向量以及基于所述运动状态向量的协方差矩阵等，从而获得目标对象的运动状态的递推关系，基于该递推关系以及对应的递推方程能够预测和获取目标对象连续多个状态下的位置、姿态等数据，该递推关系形成为所述目标对象的运动关系。
测量单元，其用于对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
通过在获取模块10中根据惯性测量装置，例如三轴加速度计和陀螺仪传感器获取目标对象的运动数据后，通过测量单元，主要通过PDR算法执行对所述运动数据进行位置解算，其中，PDR算法依赖于用户模型根据用户的运动学特性，基于一定的假设对惯性测量装置获取的原始数据进行处理，从而得到目标对象的步长和航向，进而推算出目标对象的位置信息。本步骤中，基于积分解算结果和位置解算结果进行位置观测，其中，位置观测可以采用伪观测量或者伪距测量的方式，该伪观测量使用残差进行计算，其中，残差是利用PDR的估计的位置和INS估计的位置的各个坐标值的差值计算得到，具体如下：
Figure BDA0002478542590000133
其中：上角标n表示导航坐标系，下角标中的x,y表示X和Y轴，PDR表示PDR算法，INS表示INS算法，r表示估计的位置坐标。例如
Figure BDA0002478542590000141
表示PDR在导航坐标系下估计的位置的X轴数值，其他参数依次定义。
Figure BDA0002478542590000142
vr为观测噪声，被建模为零均值的高斯观测噪声。
进一步地，通过所述伪观测量可以建立一个观测方程，当然还可以通过其他测量方式，比如零速修正(ZUPT)方式也可以建立观测方程，零速修正(ZUPT)是利用在载体停止时惯性系统的速度误差作为观测量，从而对其它各项误差进行估计。最后，所有通过观测量建立的这些观测方程整合为一个综合的观测方程，即：
z＝Hx+v；
其中，H是观测方程中的系数矩阵，v为观测噪声。
更新模块30，其用于基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
在通过获取模块10和计算模块20分别获取所述目标对象的运动关系并基于所述运动关系进行位置观测后，通过延伸卡尔曼滤波器对表示所述运动关系的所述运动方程和所述位置观测的结果进行融合计算，从而通过基于步长约束的PDR方法和INS方法相融合的方法，以减低目标对象在3D室内空间的位姿估计误差。具体地，包括以下部分：
第二获取单元，其用于获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的所述观测噪声的协方差矩阵。
通过第二获取单元，所述运动关系中的所述运动状态向量通过上述定义子单元确定，所述位置观测的结果中的所述观测噪声通过上述测量单元确定。
确定单元，其用于确定卡尔曼增益。
通过上述步第二获取单元获取运动关系中的运动状态向量的协方差矩阵和位置观测的结果中的观测噪声的协方差矩阵后，通过确定单元，基于上述协方差矩阵，可以计算获取用于延伸卡尔曼滤波器中对应的卡尔曼增益，具体如下：
K＝PHT(HPHT+V)-1
其中，上式中的P是所述运动关系的运动方程中的运动状态向量的协方差矩阵，H是所述位置观测的结果的观测方程中的系数矩阵，V是所述观测方程中的观测噪声的协方差矩阵。
更新单元，其用于基于所述卡尔曼增益，对所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵更新所述目标对象的位姿信息。
通过上述确定单元获取卡尔曼增益后，基于所述卡尔曼增益对目标对象的运动状态向量以及基于所述运动状态向量的协方差矩阵进行状态更新，具体如下：
x←x+K(z-Hx)
P←(I-KH)P
其中，基于协方差矩阵的这种更新方式，其数值稳定性较差，还可以采用以下更加稳定的更新方式：
P←P-K(HPHT+V)KT。
基于上述更新后的目标对象的运动状态向量以及基于所述运动状态向量的协方差矩阵，经过计算可以更新所述目标对象的位姿信息。
本公开基于获取的目标对象的运动数据，通过INS方法和PDR方法分别进行解算处理，通过延伸卡尔曼滤波器对两种解算结果进行融合，综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。
本公开第三方面提供了一种存储介质，该存储介质为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开任意实施例提供的方法，包括如下步骤S11至S13：
S11，获取所述目标对象的运动数据；
S12，对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；
S13，基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
计算机程序被处理器执行所述对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测时，具体被处理器执行如下步骤：对所述运动数据进行积分解算，获取运动关系；对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
计算机程序被处理器执行所述对所述运动数据进行积分解算，获取运动关系时，具体被处理器执行如下步骤：定义运动状态向量；基于所述运动状态向量，获取动态关系；基于所述动态关系，获取运动关系。
计算机程序被处理器执行所述基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息时，具体被处理器执行如下步骤：获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；确定卡尔曼增益；基于所述卡尔曼增益，对所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵进行更新。
本公开基于获取的目标对象的运动数据，通过INS方法和PDR方法分别进行解算处理，通过延伸卡尔曼滤波器对两种解算结果进行融合，综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。
本公开第四方面提供了一种电子设备，该电子设备的结构示意图可以如图8所示，至少包括存储器901和处理器902，存储器901上存储有计算机程序，处理器902在执行存储器901上的计算机程序时实现本公开任意实施例提供的方法。示例性的，电子设备计算机程序步骤如下S21至S23：
S21，获取所述目标对象的运动数据；
S22，对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；
S23，基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
处理器在执行存储器上存储的所述对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测时，还执行如下计算机程序：对所述运动数据进行积分解算，获取运动关系；对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
处理器在执行存储器上存储的所述对所述运动数据进行积分解算，获取运动关系时，执行如下计算机程序：定义运动状态向量；基于所述运动状态向量，获取动态关系；基于所述动态关系，获取运动关系。
处理器在执行存储器上存储的所述基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息时，执行如下计算机程序：获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；确定卡尔曼增益；基于所述卡尔曼增益，更新所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵。
本公开基于获取的目标对象的运动数据，通过INS方法和PDR方法分别进行解算处理，通过延伸卡尔曼滤波器对两种解算结果进行融合，综合利用INS方法和PDR方法的优点，从而能够在获取目标对象的位置和姿态信息的过程中，降低目标对象的位置和姿态信息的估计误差，从而能够进一步准确确定用户在3D室内空间的位置。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(LAN)、广域网(WAN)、网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括至少两个网际协议地址的节点评价请求，其中，节点评价设备从至少两个网际协议地址中，选取网际协议地址并返回；接收节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在乘客计算机上执行、部分地在乘客计算机上执行、作为一个独立的软件包执行、部分在乘客计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到乘客计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，本公开上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上对本公开多个实施例进行了详细说明，但本公开不限于这些具体的实施例，本领域技术人员在本公开构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本公开所要求保护的范围之内。

Claims (10)

1.一种目标对象的位姿估计方法，其特征在于，包括以下步骤：
获取所述目标对象的运动数据；
对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；
基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
2.根据权利要求1所述的位姿估计方法，其特征在于，所述对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测，包括：
对所述运动数据进行积分解算，获取运动关系；
对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
3.根据权利要求2所述的位姿估计方法，其特征在于，所述对所述运动数据进行积分解算，获取运动关系，包括：
定义运动状态向量；
基于所述运动状态向量，获取动态关系；
基于所述动态关系，获取运动关系。
4.根据权利要求3所述的位姿估计方法，其特征在于，所述基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息，包括：
获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；
确定卡尔曼增益；
基于所述卡尔曼增益，更新所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵。
5.一种目标对象的位姿估计装置，其特征在于，包括：
获取模块，其用于获取所述目标对象的运动数据；
计算模块，其用于对所述运动数据进行解算，获取所述目标对象的运动关系，基于所述运动关系进行位置观测；
更新模块，其用于基于所述运动关系和所述位置观测的结果，更新所述目标对象的位姿信息。
6.根据权利要求5所述的位姿估计装置，其特征在于，所述计算模块包括：
第一获取单元，其用于对所述运动数据进行积分解算，获取运动关系；
测量单元，其用于对所述运动数据进行位置解算，基于积分解算结果和位置解算结果进行位置观测。
7.根据权利要求6所述的位姿估计装置，其特征在于，所述第一获取单元包括：
定义子单元，其用于定义运动状态向量；
第一获取子单元，其用于基于所述运动状态向量，获取动态关系；
第二获取子单元，其用于基于所述动态关系，获取运动关系。
8.根据权利要求7所述的位姿估计装置，其特征在于，所述更新模块包括：
第二获取单元，其用于获取所述运动关系中的所述运动状态向量的协方差矩阵和所述位置观测的结果中的观测噪声的协方差矩阵；
确定单元，其用于确定卡尔曼增益；
更新单元，其用于基于所述卡尔曼增益，更新所述目标对象的所述运动状态向量以及基于所述运动状态向量的协方差矩阵。
9.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述方法的步骤。
10.一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器在执行所述存储器上的计算机程序时实现权利要求1至4中任一项所述方法的步骤。
CN202010372168.0A 2020-05-06 2020-05-06 目标对象的位姿估计方法、装置、存储介质和电子设备 Pending CN111811500A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010372168.0A CN111811500A (zh) 2020-05-06 2020-05-06 目标对象的位姿估计方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010372168.0A CN111811500A (zh) 2020-05-06 2020-05-06 目标对象的位姿估计方法、装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN111811500A true CN111811500A (zh) 2020-10-23

Family

ID=72847700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010372168.0A Pending CN111811500A (zh) 2020-05-06 2020-05-06 目标对象的位姿估计方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN111811500A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945227A (zh) * 2021-02-01 2021-06-11 北京嘀嘀无限科技发展有限公司 定位方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104977002A (zh) * 2015-06-12 2015-10-14 同济大学 基于sins/双od的惯性组合导航系统及其导航方法
US20150354967A1 (en) * 2013-02-01 2015-12-10 Ricoh Company, Ltd. Inertial device, method, and program
CN105318876A (zh) * 2014-07-09 2016-02-10 北京自动化控制设备研究所 一种惯性里程计组合高精度姿态测量方法
CN105652306A (zh) * 2016-01-08 2016-06-08 重庆邮电大学 基于航迹推算的低成本北斗与mems紧耦合定位系统及方法
CN107289932A (zh) * 2017-06-28 2017-10-24 东南大学 基于mems传感器和vlc定位融合的单卡尔曼滤波导航装置和方法
CN108180923A (zh) * 2017-12-08 2018-06-19 北京理工大学 一种基于人体里程计的惯性导航定位方法
CN110715659A (zh) * 2019-10-25 2020-01-21 高新兴物联科技有限公司 零速检测方法、行人惯性导航方法、装置及存储介质
CN111024070A (zh) * 2019-12-23 2020-04-17 哈尔滨工程大学 一种基于航向自观测的惯性足绑式行人定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150354967A1 (en) * 2013-02-01 2015-12-10 Ricoh Company, Ltd. Inertial device, method, and program
CN105318876A (zh) * 2014-07-09 2016-02-10 北京自动化控制设备研究所 一种惯性里程计组合高精度姿态测量方法
CN104977002A (zh) * 2015-06-12 2015-10-14 同济大学 基于sins/双od的惯性组合导航系统及其导航方法
CN105652306A (zh) * 2016-01-08 2016-06-08 重庆邮电大学 基于航迹推算的低成本北斗与mems紧耦合定位系统及方法
CN107289932A (zh) * 2017-06-28 2017-10-24 东南大学 基于mems传感器和vlc定位融合的单卡尔曼滤波导航装置和方法
CN108180923A (zh) * 2017-12-08 2018-06-19 北京理工大学 一种基于人体里程计的惯性导航定位方法
CN110715659A (zh) * 2019-10-25 2020-01-21 高新兴物联科技有限公司 零速检测方法、行人惯性导航方法、装置及存储介质
CN111024070A (zh) * 2019-12-23 2020-04-17 哈尔滨工程大学 一种基于航向自观测的惯性足绑式行人定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙力帆: "《多传感器信息融合理论技术及应用》", 31 March 2019 *
陈颖，等: "光纤陀螺惯导系统航位推算误差补偿方法研究", 《应用光学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945227A (zh) * 2021-02-01 2021-06-11 北京嘀嘀无限科技发展有限公司 定位方法和装置

Similar Documents

Publication Publication Date Title
Lee et al. Intermittent gps-aided vio: Online initialization and calibration
CN114018274B (zh) 车辆定位方法、装置及电子设备
Grießbach et al. Stereo-vision-aided inertial navigation for unknown indoor and outdoor environments
JP2021177168A (ja) 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム
CN111156998A (zh) 一种基于rgb-d相机与imu信息融合的移动机器人定位方法
Wang et al. Bearing-only visual SLAM for small unmanned aerial vehicles in GPS-denied environments
US10228252B2 (en) Method and apparatus for using multiple filters for enhanced portable navigation
CN113820735B (zh) 位置信息的确定方法、位置测量设备、终端及存储介质
CN113295174B (zh) 一种车道级定位的方法、相关装置、设备以及存储介质
CN114111776B (zh) 定位方法及相关装置
WO2024027350A1 (zh) 车辆定位方法、装置、计算机设备、存储介质
CN115560760A (zh) 一种面向无人机的视觉/激光测距高空导航方法
CN114061611A (zh) 目标对象定位方法、装置、存储介质和计算机程序产品
WO2020135183A1 (zh) 点云地图的构建方法、装置、计算机设备和存储介质
Taylor An analysis of observability-constrained Kalman filtering for vision-aided navigation
CN115164936A (zh) 高精地图制作中用于点云拼接的全局位姿修正方法及设备
CN111121755A (zh) 一种多传感器的融合定位方法、装置、设备及存储介质
CN113009816B (zh) 时间同步误差的确定方法及装置、存储介质及电子装置
Taghizadeh et al. A low-cost integrated navigation system based on factor graph nonlinear optimization for autonomous flight
CN111811500A (zh) 目标对象的位姿估计方法、装置、存储介质和电子设备
TWI591365B (zh) 旋翼飛行器的定位方法
CN114897942B (zh) 点云地图的生成方法、设备及相关存储介质
CN114001730B (zh) 融合定位方法、装置、计算机设备和存储介质
CN114088104B (zh) 一种自动驾驶场景下的地图生成方法
CN112649001B (zh) 一种小型无人机姿态与位置解算方法

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: 20201023