CN111879323B - 一种基于前端融合的航向角计算方法 - Google Patents

一种基于前端融合的航向角计算方法 Download PDF

Info

Publication number
CN111879323B
CN111879323B CN202010606149.XA CN202010606149A CN111879323B CN 111879323 B CN111879323 B CN 111879323B CN 202010606149 A CN202010606149 A CN 202010606149A CN 111879323 B CN111879323 B CN 111879323B
Authority
CN
China
Prior art keywords
course angle
cov
data
imu
positioning algorithm
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
CN202010606149.XA
Other languages
English (en)
Other versions
CN111879323A (zh
Inventor
黄小春
李瑞峰
常骐川
霍光磊
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.)
Fujian Quanzhou HIT Research Institute of Engineering and Technology
Original Assignee
Fujian Quanzhou HIT Research Institute of Engineering and 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 Fujian Quanzhou HIT Research Institute of Engineering and Technology filed Critical Fujian Quanzhou HIT Research Institute of Engineering and Technology
Priority to CN202010606149.XA priority Critical patent/CN111879323B/zh
Publication of CN111879323A publication Critical patent/CN111879323A/zh
Application granted granted Critical
Publication of CN111879323B publication Critical patent/CN111879323B/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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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

Abstract

本发明机器人航向角计算方法领域，具体是公开一种基于前端融合的航向角计算方法，包括惯导模块、前端融合模块和定位算法模块，惯导模块输出原始IMU数据，定位算法模块计算处理得出位姿数据，前端融合模块包括卡尔曼滤波单元和运动模型计算单元，前端融合模块接收位姿数据和原始IMU数据处理得到包括航向角、角速度和线加速度的融合IMU数据输出给定位算法模块，其航向角计算方法以定位算法模块输出的位姿数据作为观测实现航向角增量卡尔曼滤波的方法；还有采用运动模型进行更新的航向角输出方法，该方法能够实现为定位算法提供一个较准确的航向角估计，可及时修正定位算法在配准时偶发的位置丢失问题，提升定位的可靠性和稳定性。

Description

一种基于前端融合的航向角计算方法
技术领域
本发明涉及机器人航向角计算方法领域。
背景技术
现有技术中在机器人通常是获取激光雷达的激光数据和惯导模块的IMU数据来进行定位计算，如图1所示，其中惯导模块是机器人导航技术中经常需要使用的模块，其包括有陀螺仪，加速度计可为定位算法提供角速度、线加速度等数据，还可包括有磁力计，使用带磁力计的惯导模块，可提供航向角信息，通过坐标变换后，直接作为定位算法估计位姿的朝向，这种方式可以为定位算法提供较为准确的估计位姿，减少定位算法的迭代次数与运算量，但磁力计的使用会受到场景干扰，特别是受到比较严重的干扰场景下，会导致惯导模块航向角不准确；也有采用不带磁力计的惯导模块，没有航向角的数据，则利用角速度进行积分，得到角度增量，结合上一时刻位姿，通过运动模型计算得到当前时刻的估计位姿，但是这种方式容易因角速度积分的累计误差，导致精度不足。
综上，现有技术方案，或依赖于惯导模块是否支持航向角输出；或容易因角速度积分的累计误差，导致精度不足，无法为定位算法提供较精确的估计位姿，严重的可能导致定位丢失。
发明内容
本发明的目的在于提供一种基于前端融合的航向角计算方法，该方法能够实现为定位算法提供一个较准确的航向角估计，可及时修正定位算法在配准时偶发的位置丢失问题，提升定位的可靠性和稳定性。
为实现上述目的，本发明的技术方案是：一种基于前端融合的航向角计算方法，包括惯导模块、前端融合模块和定位算法模块，所述惯导模块输出原始IMU数据，所述定位算法模块计算处理得出位姿数据，所述前端融合模块包括卡尔曼滤波单元和运动模型计算单元，所述前端融合模块接收位姿数据和原始IMU数据处理得到包括航向角、角速度和线加速度的融合IMU数据输出给定位算法模块，所述定位算法模块接收融合IMU数据处理得出所述位姿数据；所述航向角的计算方法步骤如下；
1)、初始，进行参数初始化，原始IMU数据包括角速度和线加速度输出至运动模型计算单元，经运动模型计算单元计算处理得到航向角增量预测值；
2)、首次，前端融合模块首次从定位算法模块中得到位姿数据为首次位姿数据，记录首次位姿数据中的航向角作为基准航向角；
3)、再次，前端融合模块再次从定位算法模块中得到位姿数据为再次位姿数据，将再次位姿数据中的航向角与基准航向角做差，得到再次位姿数据中航向角与首次位姿数据中的航向角的角度差为航向角增量观测值，卡尔曼滤波单元获取所述航向角增量观测值与所述航向角增量预测值进行滤波处理得到当前时刻航向角增量估计值和当前时刻航向角增量协方差；之后把当前时刻航向角增量估计值与基准航向角相加得到当前航向角，再将当前航向角填充到原始IMU数据结构中，得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块；在上述过程中，由于位姿数据输出频率小于原始IMU数据输出的频率，在没有定位算法模块的位姿数据输出给前端融合模块的时刻，即只有IMU数据输入的时刻，卡尔曼滤波单元没有进行滤波处理，原始IMU数据直接通过运动模型计算单元计算得出航向角增量预测值，并作为当前时刻航向角增量估计值，再将该航向角增量估计值与基准航向角相加得到当前航向角，填充到原始IMU数据结构中，得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块。
系统IMU本身精度的噪声协方差记为Covimu_base，当前时刻航向角增量协方差记为Covt，通过相邻两个时刻的位姿数据中的航向角计算得到的一个动态矩阵为观测噪声协方差记为Covob，所述航向角增量预测值记为
Figure GDA0003419955930000031
，所述航向角增量估计值记为
Figure GDA0003419955930000032
，均是一个如
Figure GDA0003419955930000033
的三维向量，由于向量中三个角度独立，又角速度为角度对时间一阶导数，故状态转移矩阵记为A和观测矩阵记为H均为单位矩阵I，即
Figure GDA0003419955930000034
，所述航向角增量观测值记为zt，zt也是一个三维向量；
根据
Figure GDA0003419955930000035
计算得到的
Figure GDA0003419955930000036
为当前时刻的航向角增量预测值，其中
Figure GDA0003419955930000037
为上一时刻航向角增量的估计值，B为控制矩阵
Figure GDA0003419955930000038
u为三轴角速度
Figure GDA0003419955930000039
根据
Figure GDA00034199559300000310
计算得到的
Figure GDA00034199559300000311
为当前时刻航向角增量估计值；根据Covt＝(I-K*H)*(A*Covt-1*AT+Covimu_base)，计算得到的Covt为更新的当前时刻航向角增量协方差，其中K为增益系数，表示为：
K＝(A*Covt-1*AT+Covimu_base)*HT*(H*(A*Covt-1*AT+Covimu_base)*HT+Covob)-1，
即K＝(Covt-1+Covimu_base)*(Covt-1+Covimu_base+Covob)-1；
在只有原始IMU数据输入的时刻，根据
Figure GDA0003419955930000041
计算更新当前时刻的航向角增量预测值，并将其作为当前时刻航向角增量的估计值，再与基准航向相加，得到当前时刻的航向角，填充至IMU数据结构中，输出给定位模块。
通过采用上述技术方案，本发明的有益效果是：本发明的航向角计算方法以定位算法模块输出的位姿数据作为观测实现航向角增量卡尔曼滤波的方法；还有定位算法模块与惯导模块输出数据频率较大情况下，采用运动模型进行更新的航向角输出方法，本发明的方法特别适用于移动机器人，可以不依赖于通过带磁力计输出航向角的惯导模块，采用以定位算法模块的末端输出作为反馈，与惯导模块的原始IMU数据进行融合，能有效消除累计误差，输出较稳定平滑的航向角，为定位算法模块提供较稳定可靠的航向角，并且能获得一个反应迅速，抗干扰性强的航向角数据，在角度变化较大的场景下能够有效加强定位算法模块的稳定性与准确性，从而实现本发明的目的。
附图说明
图1是现有技术中定位算法得出位姿的示意结构框图；
图2是本发明涉及的定位算法得出位姿的示意结构框图；
图3是本发明涉及的一种基于前端融合的航向角计算方法的原理结构框图。
具体实施方式
为了进一步解释本发明的技术方案，下面通过具体实施例来对本发明进行详细阐述。
一种基于前端融合的航向角计算方法，如图2所示，包括惯导模块、前端融合模块和定位算法模块，图中还包括有激光雷达模块，给定位算法模块提供激光数据以供定法算法模块计算处理得出位姿数据，所述惯导模块输出原始IMU数据，本实施例中，所述惯导模块中为不包含有磁力计，即惯导模块不支持输出航向角，但其还是能够输出角速度和线加速度，所述定位算法模块用于计算处理得出位姿数据，所述前端融合模块包括卡尔曼滤波单元和运动模型计算单元，所述前端融合模块接收位姿数据和原始IMU数据处理得到包括航向角、角速度和线加速度的融合IMU数据输出给定位算法模块，所述定位算法模块接收融合IMU数据和激光数据处理得出所述位姿数据，通过上述内容以及结合从图1和图2对比可明显看出本发明的技术方案与现有技术方案的不同之处，本发明的结构中将位姿数据不断反馈到前端融合模块进行计算处理并与原始IMU数据填充融合形成包含时刻更新的航向角的IMU数据输出给定位算法，该方法既能够避免使用磁力计受到场景干扰，特别是受到比较严重的干扰场景下会导致惯导模块输出的航向角不准确的问题，还能够避免采用角速度积分的累计误差导致精度不足的问题，实现本发明的目的效果。
具体的，如图3所示的，所述航向角的计算方法步骤如下；
1)、初始，进行参数初始化，初始化系统中惯导模块本身的噪声协方差记为Covimu_base，其一般位置为固定值，通常为使用模块中提供的参数值，初始化当前时刻航向角增量协方差记为Covt，其是一个变量，在每个时刻的计算中进行迭代更新，初始化观测噪声协方差记为Covob，观测噪声协方差是通过相邻两个时刻的位姿数据中的航向角计算得到的一个动态矩阵；原始IMU数据包括角速度和线加速度输出至运动模型计算单元，经运动模型计算单元计算处理得到航向角增量预测值记为
Figure GDA0003419955930000051
；通过卡尔曼滤波单元卡尔曼滤波得出的航向角增量估计值记为
Figure GDA0003419955930000052
，均是一个如
Figure GDA0003419955930000053
的三维向量，由于向量中三个角度独立，又角速度为角度对时间的一阶导数，故状态转移矩阵记为A和观测矩阵记为H均为单位矩阵I，即
Figure GDA0003419955930000061
，航向角增量观测值记为zt，zt也是一个三维向量；
2)、首次，前端融合模块首次从定位算法模块中得到位姿数据为首次位姿数据，记录首次位姿数据中的航向角作为基准航向角；
3)、再次，前端融合模块再次从定位算法模块中得到位姿数据为再次位姿数据，将再次位姿数据中的航向角与基准航向角做差，得到再次位姿数据中航向角与首次位姿数据中的航向角的角度差为航向角增量观测值zt，卡尔曼滤波单元获取所述航向角增量观测值zt与所述航向角增量预测值
Figure GDA0003419955930000062
进行滤波处理得到当前时刻航向角增量估计值
Figure GDA0003419955930000063
和当前时刻航向角增量协方差Covt；在该步骤中的计算公式如下：
根据
Figure GDA0003419955930000067
计算得到的
Figure GDA0003419955930000065
为当前时刻航向角增量估计值；根据Covt＝(I-K*H)*(A*Covt-1*AT+Covimu_base)，计算得到的Covt为更新的当前时刻航向角增量协方差，其中K为增益系数，表示为：
K＝(A*Covt-1*AT+Covimu_base)*HT*(H*(A*Covt-1*AT+Covimu_base)*HT+Covob)-1，
即K＝(Covt-1+Covimu_base)*(Covt-1+Covimu_base+Covob)-1；
上述计算公式内容是卡尔曼滤波单元进行卡尔曼滤波的过程，在有位姿数据输入的时候，以定位算法模块输出的位姿数据的航向角与基准航向做差后的值作为观测值，以运动模型计算的航向角增量作为预测值，两者进行数据融合，可的到当前时刻航向角增量的最优估计值。
之后把当前时刻航向角增量估计值
Figure GDA0003419955930000066
与基准航向角相加得到当前时刻航向角，然后填充到原始IMU数据结构中，输出给定位算法模块。
4)在只有原始IMU数据输入的时刻，根据
Figure GDA0003419955930000071
计算更新当前时刻的航向角增量预测值，直接作为当前时刻航向角增量估计值
Figure GDA0003419955930000072
，并将该估计值与基准航向相加得到航向角，填充至IMU数据结构中，这就得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块。
在上述过程中，由于位姿数据输出频率小于原始IMU数据输出的频率，在没有定位算法模块的位姿数据输入给前端融合模块的时刻，卡尔曼滤波单元没有进行滤波处理，只将原始IMU数据通过运动模型计算单元计算得的出航向角增量预测值
Figure GDA0003419955930000073
作为当前时刻航向角增量估计值
Figure GDA0003419955930000074
，再与基准航向角相加得到当前时刻航向角，填充到IMU数据结构中，得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块，也就是在没有观测值的时候，只进行预测过程，不进行更新过程。在间隔几次的无位姿数据输出给前端融合模块后再次有位姿数据的反馈处理融合，如此循环，航向角增量在前端融合模块中不断的迭代更新，从而达到优化提供有较好稳定性、准确性和抗干扰性的航向角
上述实施例和图式并非限定本发明的产品形态和式样，任何所属技术领域的普通技术人员对其所做的适当变化或修饰，皆应视为不脱离本发明的专利范畴。

Claims (2)

1.一种基于前端融合的航向角计算方法，其特征在于，包括惯导模块、前端融合模块和定位算法模块，所述惯导模块输出原始IMU数据，所述定位算法模块计算处理得出位姿数据，所述前端融合模块包括卡尔曼滤波单元和运动模型计算单元，所述前端融合模块接收位姿数据和原始IMU数据处理得到包括航向角、角速度和线加速度的融合IMU数据输出给定位算法模块，所述定位算法模块接收融合IMU数据处理得出所述位姿数据；所述航向角的计算方法步骤如下；
1)、初始，进行参数初始化，原始IMU数据包括角速度和线加速度输出至运动模型计算单元，经运动模型计算单元计算处理得到航向角增量预测值；
2)、首次，前端融合模块首次从定位算法模块中得到位姿数据为首次位姿数据，记录首次位姿数据中的航向角作为基准航向角；
3)、再次，前端融合模块再次从定位算法模块中得到位姿数据为再次位姿数据，将再次位姿数据中的航向角与基准航向角做差，得到再次位姿数据中航向角与首次位姿数据中的航向角的角度差为航向角增量观测值，卡尔曼滤波单元获取所述航向角增量观测值与所述航向角增量预测值进行滤波处理得到当前时刻航向角增量估计值和当前时刻航向角增量协方差；之后当前时刻航向角增量估计值与基准航向角相加得到当前航向角，再将当前航向角填充到原始IMU数据结构中，得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块；在上述过程中，由于位姿数据输出频率小于原始IMU数据输出的频率，在没有定位算法模块的位姿数据输出给前端融合模块的时刻，即只有IMU数据输入的时刻，卡尔曼滤波单元没有进行滤波处理，原始IMU数据直接通过运动模型计算单元计算得出航向角增量预测值，并作为当前时刻航向角增量估计值，再将该航向角增量估计值与基准航向角相加得到当前航向角，填充到原始IMU数据结构中，得到包括有航向角、角速度和线加速度的融合IMU数据输出给定位算法模块。
2.如权利要求1所述的一种基于前端融合的航向角计算方法，其特征在于，所述航向角计算方法中，系统IMU本身精度的噪声协方差记为Covimu_base，当前时刻航向角增量协方差记为Covt，通过相邻两个时刻的位姿数据中的航向角计算得到的一个动态矩阵为观测噪声协方差记为Covob，所述航向角增量预测值记为
Figure FDA0003409571720000021
所述航向角增量估计值记为
Figure FDA0003409571720000022
均是一个如
Figure FDA0003409571720000023
的三维向量，由于向量中三个角度独立，又角速度为角度对时间的一阶导数，故状态转移矩阵记为A和观测矩阵记为H均为单位矩阵I，即
Figure FDA0003409571720000024
所述航向角增量记为zt，Zt也是一个三维向量；
根据
Figure FDA0003409571720000025
计算得到的
Figure FDA0003409571720000026
为当前时刻的航向角增量预测值，其中
Figure FDA0003409571720000027
为上一时刻航向角增量的估计值，B为控制矩阵
Figure FDA0003409571720000028
u为三轴角速度
Figure FDA0003409571720000029
根据
Figure FDA00034095717200000210
计算得到的
Figure FDA00034095717200000211
为当前时刻航向角增量估计值；根据Covt＝(I-K*H)*(A*Cout-1*AT+Covimu_base)，计算得到的Covt为更新的当前时刻航向角增量协方差，其中K为增益系数，表示为：
K＝(A*Covt-1*AT+Covimu_base)*HT*(H*(A*Covt-1*AT+Covimu_base)*HT+Covob)-1，
即K＝(Covt-1+Covimu_base)*(Covt-1+Covimu_base+Covob)-1；
在只有IMU数据输入的时刻，运动模型计算单元根据
Figure FDA0003409571720000031
计算更新当前时刻的航向角增量预测值。
CN202010606149.XA 2020-06-29 2020-06-29 一种基于前端融合的航向角计算方法 Active CN111879323B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010606149.XA CN111879323B (zh) 2020-06-29 2020-06-29 一种基于前端融合的航向角计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010606149.XA CN111879323B (zh) 2020-06-29 2020-06-29 一种基于前端融合的航向角计算方法

Publications (2)

Publication Number Publication Date
CN111879323A CN111879323A (zh) 2020-11-03
CN111879323B true CN111879323B (zh) 2022-02-22

Family

ID=73157301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010606149.XA Active CN111879323B (zh) 2020-06-29 2020-06-29 一种基于前端融合的航向角计算方法

Country Status (1)

Country Link
CN (1) CN111879323B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102183957A (zh) * 2011-03-04 2011-09-14 哈尔滨工程大学 船舶航向变论域模糊与最小二乘支持向量机复合控制方法
CN103487050A (zh) * 2013-10-10 2014-01-01 哈尔滨工业大学 一种室内移动机器人定位方法
CN108731676A (zh) * 2018-05-04 2018-11-02 北京摩高科技有限公司 一种基于惯性导航技术的姿态融合增强测量方法及系统
KR102038053B1 (ko) * 2019-05-13 2019-10-29 국방과학연구소 비행체의 롤각 추정 장치 및 방법
CN110645976A (zh) * 2019-10-16 2020-01-03 浙江大华技术股份有限公司 一种移动机器人的姿态估计方法及终端设备
CN111273549A (zh) * 2020-02-21 2020-06-12 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈容错控制方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101441887B1 (ko) * 2009-03-16 2014-09-19 가부시키가이샤 무라타 세이사쿠쇼 이동방향 제어장치 및 컴퓨터 프로그램

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102183957A (zh) * 2011-03-04 2011-09-14 哈尔滨工程大学 船舶航向变论域模糊与最小二乘支持向量机复合控制方法
CN103487050A (zh) * 2013-10-10 2014-01-01 哈尔滨工业大学 一种室内移动机器人定位方法
CN108731676A (zh) * 2018-05-04 2018-11-02 北京摩高科技有限公司 一种基于惯性导航技术的姿态融合增强测量方法及系统
KR102038053B1 (ko) * 2019-05-13 2019-10-29 국방과학연구소 비행체의 롤각 추정 장치 및 방법
CN110645976A (zh) * 2019-10-16 2020-01-03 浙江大华技术股份有限公司 一种移动机器人的姿态估计方法及终端设备
CN111273549A (zh) * 2020-02-21 2020-06-12 大连海事大学 一种智能船舶自动舵系统的模糊自适应输出反馈容错控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Design of Robust Controller for Flexible Joint Robot with Nonlinear Friction Characteristics;陈健 等;《Journal of Donghua University》;20151231;第32卷(第5期);第737-742页 *
自主移动机器人的轨迹误差补偿方法;李航锋 等;《机械设计与研究》;20181231;第34卷(第6期);第21-24页 *

Also Published As

Publication number Publication date
CN111879323A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN113066105B (zh) 激光雷达和惯性测量单元融合的定位与建图方法及系统
CN109029433B (zh) 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法
US11279045B2 (en) Robot pose estimation method and apparatus and robot using the same
CN111578937B (zh) 同时优化外参数的视觉惯性里程计系统
CN111207774A (zh) 一种用于激光-imu外参标定的方法及系统
CN112304307A (zh) 一种基于多传感器融合的定位方法、装置和存储介质
CN114001733B (zh) 一种基于地图的一致性高效视觉惯性定位算法
CN112965063B (zh) 一种机器人建图定位方法
WO2019191288A1 (en) Direct sparse visual-inertial odometry using dynamic marginalization
CN110345936B (zh) 运动装置的轨迹数据处理方法及其处理系统
CN111238469B (zh) 一种基于惯性/数据链的无人机编队相对导航方法
CN116067370B (zh) 一种imu姿态解算方法及设备、存储介质
CN112067007B (zh) 地图生成方法、计算机存储介质及电子设备
CN114018254B (zh) 一种激光雷达与旋转惯导一体化构架与信息融合的slam方法
CN111256688A (zh) 一种惯性导航系统的预积分算法
CN113063416B (zh) 一种基于自适应参数互补滤波的机器人姿态融合方法
CN111879323B (zh) 一种基于前端融合的航向角计算方法
CN116466589B (zh) 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
CN114252073B (zh) 一种机器人姿态数据融合方法
CN107990893B (zh) 二维激光雷达slam中探测环境发生突变的检测方法
CN114046800A (zh) 一种基于双层滤波框架的高精度里程估计方法
CN111553933B (zh) 一种应用于不动产测量基于优化的视觉惯性组合测量方法
CN114527772A (zh) 一种auv轨迹跟踪控制器设计方法与系统
CN110864685A (zh) 一种基于松耦合的车辆单目视觉轮式里程计定位方法
CN113804194B (zh) 一种行驶设备的定位方法、装置、设备及存储介质

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