CN112325770B - 一种车端单目视觉测量相对精度置信度评估方法及系统 - Google Patents
一种车端单目视觉测量相对精度置信度评估方法及系统 Download PDFInfo
- Publication number
- CN112325770B CN112325770B CN202011158472.1A CN202011158472A CN112325770B CN 112325770 B CN112325770 B CN 112325770B CN 202011158472 A CN202011158472 A CN 202011158472A CN 112325770 B CN112325770 B CN 112325770B
- Authority
- CN
- China
- Prior art keywords
- relative
- covariance
- covariance matrix
- targets
- confidence
- 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种车端单目视觉测量相对精度置信度评估方法及系统,该方法包括:根据先验知识初始化单目视觉系统的协方差矩阵,该协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度;一方面解决相对建图中由各项误差源引起的目标定位误差计算问题,指导提高导航地图的精度与可靠性;另一方面解决多传感器数据融合过程中相对建图信息权重估计问题,从而提高多传感器融合精度。
Description
技术领域
本发明涉及计算机视觉定位与建图领域,尤其涉及一种车端单目视觉测量相对精度置信度评估方法及系统。
背景技术
车端单目视觉相对成图是指利用车端安装的单目视觉传感器,结合车辆前进过程中如IMU(Inertial Measurement Unit,惯性测量单元)和车身CAN提供的尺度信息,实时恢复车辆周围环境地图的过程。
相比于传统依赖高精度GNSS传感器进行环境建图,相对成图具有如下两方面的显著优势:(1)不依赖车辆绝对位姿,提高建图的灵活性与可靠性。在行驶过程中,车辆在诸如隧道、桥下及匝道等环境下往往难以获得卫星定位信号,这将严重影响绝对定位建图的完整性与准确性;而车辆相对位置一般通过IMU获取,测量结果受外界环境影响较小;(2)有效提高建图精度。受天气、电磁干扰及楼宇遮挡等因素影响,车辆接收的卫星定位信号可能存在较大噪声干扰,这将大幅降低全局建图的精度;相对运动状态测量对这些干扰因素具有良好的适应性,能保持稳定的测量精度。
但是由于IMU传感器工艺误差及测量过程引入的随机噪声,车辆的相对位姿也存在一定的误差。导航地图需要将相对地图与绝对定位置信息进行融合,在相对位姿有误差的情况下会影响导航地图的精度和可靠性,但是现有技术中缺少一种车端单目视觉相对测量的精度的评估方法。
发明内容
本发明针对现有技术中存在的技术问题,提供一种车端单目视觉测量相对精度置信度评估方法及系统,解决现有技术中问题。
本发明解决上述技术问题的技术方案如下:一种车端单目视觉测量相对精度置信度评估方法,包括:
步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,所述协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;
步骤2,根据所述协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;
步骤3,根据两个所述目标的距离及对应的位置协方差Cr计算两个所述目标之间的相对位置协方差矩阵,根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
一种车端单目视觉测量相对精度置信度评估系统,包括:
初始化模块,用于根据先验知识初始化单目视觉系统的协方差矩阵,所述协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;
目标的位置协方差确定模块,用于根据所述协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;
置信度确定模块,用于根据两个所述目标的距离及对应的位置协方差Cr计算两个所述目标之间的相对位置协方差矩阵,根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
本发明的有益效果是:一方面解决相对建图中由各项误差源引起的目标定位误差计算问题,通过计算得到相对建图下目标位置协方差,根据两个目标的目标位置协方差及相对距离计算两个目标之间相对位置协方差矩阵,进而得到相对距离置信度,从而进一步指导提高导航地图的精度与可靠性;另一方面解决多传感器数据融合过程中相对建图信息权重估计问题,相对地图中目标位置置信度为相对地图与绝对定位融合提供了权重信息,从而提高多传感器融合精度。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤2中根据前一时刻车体相对于参考点的位姿协方差C(Xk-1),计算当前时刻车体相对于参考点的位姿协方差C(Xk)。
进一步,所述步骤1中初始化单目视觉系统的所述协方差矩阵还包括:前一时刻车体相对于参考点的位姿协方差C(Xk-1)和当前时刻相对于前一时刻车体的相对位姿协方差C(X(k-1)k);
所述位姿协方差C(Xk)的计算公式为:
进一步,所述步骤2中相对建图下目标位置协方差Cr=f(Cp,C(Xk));
其中,f包含三角化、特征点匹配及非线性优化的操作。
进一步,所述步骤3中计算两个所述目标之间的相对位置协方差矩阵的过程包括:构建两个目标的相对距离欧氏距离对空间坐标的雅可比矩阵,根据所述雅可比矩阵及与之对应的协方差矩阵,计算相对位置协方差矩阵。
进一步,所述步骤3中计算两个所述目标之间的相对位置协方差矩阵的公式为:
进一步,所述步骤3中根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度时,据置信度与置信区间的关系,计算对应的置信度。
采用上述进一步方案的有益效果是:准确估计相对建图中目标位置的误差范围,一方面为车端相对建图提供了精度评测标准,指导提升相对建图精度;另一方面,本发明提供不同交通要素之间相对距离及误差信息,为车辆运动控制提供参考依据;为车端相对地图提供融合信息权重值,提高数据融合精确度。
附图说明
图1为本发明提供的一种车端单目视觉测量相对精度置信度评估方法的流程图;
图2为本发明实施例提供的的车端单目视觉测量相对精度误差传播流程图;
图3为本发明实施例提供的相对成图目标定位误差示意图;
图4为本发明提供的一种车端单目视觉测量相对精度置信度评估系统的实施例的结构框图;
图5为本发明实施例提供的一种电子设备的实体结构示意图。
附图中,各标号所代表的部件列表如下:
101、初始化模块,102、目标的位置协方差确定模块,103、置信度确定模块,201、处理器,202、通信接口,203、存储器,204、通信总线。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示为本发明提供的一种车端单目视觉测量相对精度置信度评估方法的流程图,由图1可知,该方法包括:
步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,该协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp。
在相对建图过程中,先验值Cp均维持不变。
步骤2,根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr。
步骤3,根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
该允许的测量误差可以根据实际应用的精度需求设定。
本发明提供的一种车端单目视觉测量相对精度置信度评估方法,一方面解决相对建图中由各项误差源引起的目标定位误差计算问题,通过计算得到相对建图下目标位置协方差,根据两个目标的目标位置协方差及相对距离计算两个目标之间相对位置协方差矩阵,进而得到相对距离置信度,从而进一步指导提高导航地图的精度与可靠性;另一方面解决多传感器数据融合过程中相对建图信息权重估计问题,相对地图中目标位置置信度为相对地图与绝对定位融合提供了权重信息,从而提高多传感器融合精度。
实施例1
本发明提供的实施例1为本发明提供的一种车端单目视觉测量相对精度置信度评估方法的实施例,如图2所示为本发明实施例提供的的车端单目视觉测量相对精度误差传播流程图,结合图1和图2可知,该实施例包括:
步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,该协方差矩阵包括:前一时刻车体相对于参考点的位姿协方差C(Xk-1)和当前时刻相对于前一时刻车体的相对位姿协方差C(X(k-1)k)和两帧图像间特征点匹配像素误差协方差矩阵Cp。
步骤2,根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr。
优选的,该步骤2中可以根据前一时刻车体相对于参考点的位姿协方差C(Xk-1),计算当前时刻车体相对于参考点的位姿协方差C(Xk)。
具体的,位姿协方差C(Xk)的计算公式为:
得到的相对建图下目标位置协方差Cr=f(Cp,C(Xk))。
其中,f包含三角化、特征点匹配及非线性优化等操作,其具体形式较为复杂,本实施例中,可以以当前时刻车体相对于参考点的位姿协方差C(Xk)作为先验信息,基于ceres优化工具计算目标的定位协方差。
步骤3,根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
优选的,步骤3中计算两个目标之间的相对位置协方差矩阵的过程包括:构建两个目标的相对距离欧氏距离对空间坐标的雅可比矩阵,根据雅可比矩阵及与之对应的协方差矩阵,计算相对位置协方差矩阵。
具体的,计算两个目标之间的相对位置协方差矩阵的公式为:
进一步的,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度时,据置信度与置信区间的关系,计算对应的置信度CIf。
根据测量精度需求,设定误差半径为R,根据置信度与置信区间的关系计算对应的置信度CIf为:CIf=1-exp(-R2/(2λ))。
如图3所示为本发明实施例提供的相对成图目标定位误差示意图。图中0-th、k-th及(k+1)-th分别表示参考点位置、k及(k+1)时刻车体相对于参考点的位置,T为需要进行位置估计的目标点,Ω(0,k)代表k时刻车体相对于参考点的位姿不确定度,Ω(k,k+1)表示(k+1)时刻车体相对于k时刻的位姿不确定度,Ω(0,k+1)表示(k+1)时刻车体相对于参考点的位姿不确定度,Ω(X,Y)表示目标T相对于参考点的位置不确定度。
本发明提供的一种车端单目视觉测量相对精度置信度评估系统的实施例,能准确估计相对建图中目标位置的误差范围,一方面为车端相对建图提供了精度评测标准,指导提升相对建图精度;另一方面,本发明提供不同交通要素之间相对距离及误差信息,为车辆运动控制提供参考依据;为车端相对地图提供融合信息权重值,提高数据融合精确度。
实施例2
本发明提供的实施例2为本发明提供的一种车端单目视觉测量相对精度置信度评估系统的实施例,如图4所示为本发明提供的一种车端单目视觉测量相对精度置信度评估系统的实施例的结构框图,由图4可知,该系统包括:初始化模块101、目标的位置协方差确定模块102和置信度确定模块103。
初始化模块101,用于根据先验知识初始化单目视觉系统的协方差矩阵,协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp。
目标的位置协方差确定模块102,用于根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr。
置信度确定模块103,用于根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
图5为本发明实施例提供的一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器201、通信接口202、存储器203和通信总线204,其中,处理器201,通信接口202,存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序,以执行上述各实施例提供的车端单目视觉测量相对精度置信度评估方法,例如包括:步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;步骤2,根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;步骤3,根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的车端单目视觉测量相对精度置信度评估方法,例如包括:步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;步骤2,根据协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;步骤3,根据两个目标的距离及对应的位置协方差Cr计算两个目标之间的相对位置协方差矩阵,根据相对位置协方差矩阵计算允许的测量误差下的相对距离置信度。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (7)
1.一种车端单目视觉测量相对精度置信度评估方法,其特征在于,所述方法包括:
步骤1,根据先验知识初始化单目视觉系统的协方差矩阵,所述协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;
步骤2,根据所述协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;
步骤3,根据两个所述目标的距离及对应的位置协方差Cr计算两个所述目标之间的相对位置协方差矩阵,根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度;
所述步骤3中计算两个所述目标之间的相对位置协方差矩阵的过程包括:构建两个目标的相对距离欧氏距离对空间坐标的雅可比矩阵,根据所述雅可比矩阵及与之对应的协方差矩阵,计算相对位置协方差矩阵;
步骤3中计算两个所述目标之间的相对位置协方差矩阵的公式为:
所述步骤2中根据前一时刻车体相对于参考点的位姿协方差C(Xk-1),计算当前时刻车体相对于参考点的位姿协方差C(Xk)。
3.根据权利要求1所述的方法,其特征在于,所述步骤2中相对建图下目标位置协方差Cr=f(Cp,C(Xk));
其中,f包含三角化、特征点匹配及非线性优化的操作。
4.根据权利要求1所述的方法,其特征在于,所述步骤3中根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度时,根据置信度与置信区间的关系,计算对应的置信度。
5.一种车端单目视觉测量相对精度置信度评估系统,其特征在于,所述系统包括:
初始化模块,用于根据先验知识初始化单目视觉系统的协方差矩阵,所述协方差矩阵包括:两帧图像间特征点匹配像素误差协方差矩阵Cp;
目标的位置协方差确定模块,用于根据所述协方差矩阵Cp和当前时刻车体相对于参考点的位姿协方差C(Xk)得到相对建图下进行位置估计的目标的位置协方差Cr;
置信度确定模块,用于根据两个所述目标的距离及对应的位置协方差Cr计算两个所述目标之间的相对位置协方差矩阵,根据所述相对位置协方差矩阵计算允许的测量误差下的相对距离置信度;
所述置信度确定模块计算两个所述目标之间的相对位置协方差矩阵的过程包括:构建两个目标的相对距离欧氏距离对空间坐标的雅可比矩阵,根据所述雅可比矩阵及与之对应的协方差矩阵,计算相对位置协方差矩阵;
所述置信度确定模块计算两个所述目标之间的相对位置协方差矩阵的公式为:
所述目标的位置协方差确定模块根据前一时刻车体相对于参考点的位姿协方差C(Xk-1),计算当前时刻车体相对于参考点的位姿协方差C(Xk)。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述车端单目视觉测量相对精度置信度评估方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述车端单目视觉测量相对精度置信度评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158472.1A CN112325770B (zh) | 2020-10-26 | 2020-10-26 | 一种车端单目视觉测量相对精度置信度评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158472.1A CN112325770B (zh) | 2020-10-26 | 2020-10-26 | 一种车端单目视觉测量相对精度置信度评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112325770A CN112325770A (zh) | 2021-02-05 |
CN112325770B true CN112325770B (zh) | 2022-08-02 |
Family
ID=74311836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011158472.1A Active CN112325770B (zh) | 2020-10-26 | 2020-10-26 | 一种车端单目视觉测量相对精度置信度评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112325770B (zh) |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341143A (en) * | 1987-07-24 | 1994-08-23 | Northrop Grumman Corporation | Hierarchical tracker and method |
US8798840B2 (en) * | 2011-09-30 | 2014-08-05 | Irobot Corporation | Adaptive mapping with spatial summaries of sensor data |
CN102402225B (zh) * | 2011-11-23 | 2013-09-04 | 中国科学院自动化研究所 | 一种实现移动机器人同时定位与地图构建的方法 |
US9482536B2 (en) * | 2012-05-31 | 2016-11-01 | International Electronic Machines Corp. | Pose estimation |
US9310804B1 (en) * | 2013-11-21 | 2016-04-12 | Google Inc. | Use of prior maps for estimation of lane boundaries |
CN104851094A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于rgb-d的slam算法的改进方法 |
US10274325B2 (en) * | 2016-11-01 | 2019-04-30 | Brain Corporation | Systems and methods for robotic mapping |
US11661084B2 (en) * | 2017-11-20 | 2023-05-30 | Sony Corporation | Information processing apparatus, information processing method, and mobile object |
CN108134640B (zh) * | 2017-12-12 | 2020-11-06 | 浙江大学 | 一种基于节点运动状态约束的协作定位系统和方法 |
FR3085490B1 (fr) * | 2018-08-30 | 2020-08-14 | Second Bridge Inc | Procédés de géolocalisation à l’aide d’un équipement électronique de mesure de distance |
CN109443348B (zh) * | 2018-09-25 | 2022-08-23 | 同济大学 | 一种基于环视视觉和惯导融合的地下车库库位跟踪方法 |
CN109931940B (zh) * | 2019-01-22 | 2022-04-19 | 九天创新(广东)智能科技有限公司 | 一种基于单目视觉的机器人定位置信度评估方法 |
CN111489393B (zh) * | 2019-01-28 | 2023-06-02 | 速感科技(北京)有限公司 | Vslam方法、控制器和可移动设备 |
US10782137B2 (en) * | 2019-01-28 | 2020-09-22 | Qfeeltech (Beijing) Co., Ltd. | Methods, apparatus, and systems for localization and mapping |
WO2020156923A2 (en) * | 2019-01-30 | 2020-08-06 | Harman Becker Automotive Systems Gmbh | Map and method for creating a map |
CN110515376B (zh) * | 2019-07-26 | 2023-11-28 | 纵目科技(上海)股份有限公司 | 一种航迹推演校正的评价方法、终端和存储介质 |
-
2020
- 2020-10-26 CN CN202011158472.1A patent/CN112325770B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112325770A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208492B (zh) | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 | |
JP5237723B2 (ja) | 動的に較正されるセンサデータと、ナビゲーションシステム内の繰り返し拡張カルマンフィルタとを使用する、ジャイロコンパスの整合用のシステム及び方法 | |
CN110487267B (zh) | 一种基于vio&uwb松组合的无人机导航系统及方法 | |
EP2843434A2 (en) | System and method for magnetometer calibration and compensation | |
CN110501712B (zh) | 无人驾驶中用于确定位置姿态数据的方法、装置和设备 | |
JP7272910B2 (ja) | 車載装置、状態推定方法及びプログラム | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN112835085B (zh) | 确定车辆位置的方法和装置 | |
CN112798021B (zh) | 基于激光多普勒测速仪的惯导系统行进间初始对准方法 | |
CN114332225A (zh) | 车道线匹配定位方法、电子设备及存储介质 | |
CN110637209B (zh) | 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质 | |
CN113740871A (zh) | 一种在高动态环境下的激光slam方法、系统设备及存储介质 | |
KR101833007B1 (ko) | 도플러 비컨을 이용한 수중 이동체의 위치 및 속도 추정 방법 및 시스템 | |
CN112325770B (zh) | 一种车端单目视觉测量相对精度置信度评估方法及系统 | |
CN112258577B (zh) | 一种车端单目视觉建图测量置信度评估方法及系统 | |
CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
CN114894222A (zh) | Imu-gnss天线的外参数标定方法和相关方法、设备 | |
CN117015719A (zh) | 用于确定刚体的运动状态的方法 | |
CN114488042A (zh) | 一种激光雷达标定方法、装置、电子设备和存储介质 | |
CN112633043B (zh) | 一种车道线确定方法、装置、电子设备及存储介质 | |
CN113701749A (zh) | 一种基于立体视觉惯性里程计的车辆定位导航方法及系统 | |
CN107796417B (zh) | 一种自适应估计景象匹配与惯导安装误差的方法 | |
CN113137975B (zh) | 天文惯性组合导航的惯性校正方法、装置及电子设备 | |
TWI422825B (zh) | 高精度速度估測方法及其裝置 | |
JP2019148456A (ja) | 算出装置、自己位置算出方法、およびプログラム |
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 |