CN112384755A - 用于传感器方位确定的方法和装置 - Google Patents
用于传感器方位确定的方法和装置 Download PDFInfo
- Publication number
- CN112384755A CN112384755A CN201880095328.2A CN201880095328A CN112384755A CN 112384755 A CN112384755 A CN 112384755A CN 201880095328 A CN201880095328 A CN 201880095328A CN 112384755 A CN112384755 A CN 112384755A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- sensor
- coordinate system
- motion
- 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 42
- 230000033001 locomotion Effects 0.000 claims abstract description 173
- 230000001133 acceleration Effects 0.000 claims abstract description 90
- 239000013598 vector Substances 0.000 claims abstract description 76
- 230000005484 gravity Effects 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000010295 mobile communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 49
- 230000009466 transformation Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- CNQCVBJFEGMYDW-UHFFFAOYSA-N lawrencium atom Chemical compound [Lr] CNQCVBJFEGMYDW-UHFFFAOYSA-N 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229920003087 methylethyl cellulose Polymers 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000011796 hollow space material Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/185—Compensation of inertial measurements, e.g. for temperature effects for gravity
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Gyroscopes (AREA)
Abstract
公开了用于载具中的传感器方位确定的各种方法和装置。在一些实施例中,该方法包括从与载具相关联的至少一个运动传感器获取传感器数据,所述传感器数据包括相对于传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据。获取重力矢量,并且根据加速度数据和旋转数据确定载具何时开始以直线移动。使用由在确定指示载具已经开始以直线移动之后获取的加速度数据指示的加速度方向作为载具的向前方向。根据旋转数据确定载具何时改变方向,旋转数据指示两个不同方向。通过从两个不同方向中选择相对于重力矢量具有较大角度的方向作为向上方向,使用重力矢量来两个不同方向中区别哪个方向是载具的向上方向。使用向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系。根据载具坐标系和传感器坐标系,相对于载具的方位,确定装置的方位。
Description
技术领域
本发明涉及一种用于载具中的传感器方位确定的方法、一种用于载具中的传感器方位确定的装置和一种用于传感器方位确定的计算机代码。
背景技术
本部分旨在提供权利要求中记载的本发明的背景或上下文。本文中的描述可以包括可以追求的概念,但是不一定是先前已经构思或追求的概念。因此,除非本文中另有说明,否则本部分中描述的内容不是本申请的说明书和权利要求书的现有技术,并且不能由于被包括在本部分中而被承认是现有技术。
了解载具的运动模式可以提供针对追踪、控制或检测载具行为(包括机械和驾驶员行为)的异常有用的见解。一种运动分析方法是从驻留在受监测载具中的运动传感器收集和处理数据。载具可以涵盖多种机械,包括乘用车、出租车、卡车、公共汽车、电车、火车、舰船、小船、轮船、自行车、摩托车等。当专门用于小汽车或卡车(即,载人汽车)时,分析反映在载具运动传感器数据中的驾驶员的行为和态度可以支持很多用例,包括提高一般道路安全性、个性化驾驶员辅助解决方案或基于洞察力的保险模型。
当今,运动传感器使用微机电系统(MEMS)技术以小尺寸形式而普遍是可用的,该技术使其能够集成到很多电气产品和设备中,诸如智能电话、可穿戴设备,甚至直接集成到载具。通常,在这样的设备上运行的平台或操作系统经由应用程序编程接口(API)提供对传感器数据的接入,该API以3D矢量格式为加速度计和陀螺仪数据提供与沿/围绕X、Y和Z轴的加速度或旋转相对应的分量。这些轴定义了传感器的3D坐标系,这表示任何运动传感器数据都将相对于传感器(或其封闭设备)本身的物理方位进行解释。
加速度计数据与GPS(全球定位系统)速度/方向信息并且可能与附加磁传感器结合使用以得出载具的向前方向在很多情况下可能无用,这是因为,例如,GPS的时间分辨率较低(很少会获取新的位置样本,例如,每隔几秒钟)并且尤其是在城市峡谷、隧道和人口稠密地区不准确,其中有时GPS甚至可能在载具实际上静止时报告位置变化,或者所报告的位置可能是远离实际位置几个建筑物块区或街角。另外,GPS接收器可能比加速度计消耗更多的电能(功耗甚至可能比加速度计高10倍),这在使用电池供电的传感器设备(诸如智能电话)的情况下可能是有问题的。由于地球磁场的局部变化以及在传感器附近生成的电流的畸变效应,磁传感器不准确。电动汽车尤其是有问题的,但是附近的电车、火车或电线也可能在磁场中产生使指南针不可靠的显著干扰。
发明内容
各种实施例提供了一种用于载具中的传感器方位确定的方法、装置和计算机代码。
本发明的示例的各个方面在具体实施方式中提供。
根据第一方面,提供了一种装置,该装置包括用于以下的部件:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据加速度数据和旋转数据确定载具何时开始以直线移动;
当确定指示载具已经开始直线移动时,使用由加速度数据指示的加速度方向作为载具的向前方向;
根据旋转数据确定载具何时改变方向,旋转数据指示至少两个不同方向;
将重力矢量与至少两个不同方向进行比较;
从至少两个不同方向中选择相对于重力矢量具有最大角度的方向作为向上方向;
使用向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系;以及
根据载具坐标系和传感器坐标系,相对于载具的方位,确定运动传感器的方位。
根据第二方面,提供了一种方法,该方法包括:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据加速度数据和旋转数据确定载具何时开始以直线移动;
当确定指示载具已经开始直线移动时,使用由加速度数据指示的加速度方向作为载具的向前方向;
根据旋转数据确定载具何时改变方向,旋转数据指示至少两个不同方向;
将重力矢量与至少两个不同方向相区别;
从至少两个不同方向中选择相对于重力矢量具有最大角度的方向作为向上方向;
使用向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系;以及
根据载具坐标系和传感器坐标系,相对于载具的方位,确定运动传感器的方位。
根据第三方面,提供了一种系统,该系统至少包括:
与载具相关联的运动传感器,装置包括用于生成三维加速度数据的加速度计和用于从载具的移动生成三维旋转数据的陀螺仪,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系;
运动变换器具元件,包括用于以下的部件:
获取重力矢量;
根据加速度数据和旋转数据确定载具何时开始以直线移动;
当确定指示载具已经开始直线移动时,使用由加速度数据指示的加速度方向作为载具的向前方向;
根据旋转数据确定载具何时改变方向,旋转数据指示至少两个不同方向;
将重力矢量与至少两个不同方向进行比较;
从至少两个不同方向中选择相对于重力矢量具有最大角度的方向作为向上方向;
使用向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系;以及
根据载具坐标系和传感器坐标系,相对于载具的方位,确定运动传感器的方位。
根据第四方面,提供了一种计算机程序产品,该计算机程序产品包括一个或多个指令的一个或多个序列,该一个或多个指令在由一个或多个处理器执行时使装置至少执行以下:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据加速度数据和旋转数据确定载具何时开始以直线移动;
当确定指示载具已经开始直线移动时,使用由加速度数据指示的加速度方向作为载具的向前方向;
根据旋转数据确定载具何时改变方向,旋转数据指示至少两个不同方向;
将重力矢量与至少两个不同方向进行比较;
从至少两个不同方向中选择相对于重力矢量具有最大角度的方向作为向上方向;
使用向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系;以及
根据载具坐标系和传感器坐标系,相对于载具的方位,确定运动传感器的方位。
附图说明
为了更完整地理解本发明的示例实施例,现在参考以下结合附图进行的描述,在附图中:
图1a示出了运动传感器和运动传感器的三维坐标系的示例;
图1b示出了包括运动传感器的设备和该设备的三维坐标系的示例;
图2a和图2b示出了载具坐标系的示例;
图3图示了一种示例情况,其中载具的坐标系中的向前加速度在传感器的坐标系中具有任意表示;
图4图示了不同传感器方位对旋转的可解释性的影响;
图5示出了根据实施例的传感器数据的对准的高级架构;
图6图示了根据实施例的运动变换器具部件的操作;
图7图示了根据实施例的运动分析器具部件的操作;
图8a至图8d示出了根据实施例的传感器数据的对准的一些可能部署;
图9图示了根据实施例的移动网络中的部署选项的一个示例;
图10示出了根据实施例的运动变换器具部件的高级实现;
图11示出了根据实施例的归档阶段(profiling phase)的一些细节;
图12a示出了根据实施例的归档阶段的一些其他细节;
图12b示出了根据实施例的方法的一些细节;
图13示出了根据实施例的关于转换阶段的一些细节;
图14示出了对一些基本驾驶操控(manoeuvre)的识别的示例;
图15示出了对车道改变操控的识别的示例;
图16示出了对路面影响的识别的示例;
图17描绘了根据实施例的装置的示例;
图18以流程图示出了装置的操作的示例实施例;
图19示出了示例性无线电接入网的一部分;
图20示出了根据示例实施例的装置的框图;
图21示出了根据示例实施例的装置;
图22示出了包括多个装置、网络和网络元件的用于无线通信的布置的示例;以及
图23图示了附接有登记牌(register plate)的运动传感器的示例。
具体实施方式
以下实施例是示例性的。尽管说明书可能在多个位置涉及“一个”、“一个”或“一些”实施例,但这并不一定表示每个这样的引用均指代相同的实施例或者该特征仅适用单个实施例。不同实施例的单个特征也可以组合以提供其他实施例。
加速度计提供报告沿着三个正交传感器轴(通常表示为X、Y、Z)测得的加速度[m/s2]的三维矢量。陀螺仪报告围绕相同传感器轴的旋转速度分量[rad/s]。线性加速度计是加速度计的一种变体,它从其报告的测量结果中排除了重力。传感器轴相对于传感器的物理方位定义了三维(3D)坐标系。传感器可以安装在诸如智能电话的多功能设备中,在这种情况下,传感器的坐标系应当与封闭设备的方位对准。图1a中示出了传感器200的3D坐标系的示例。图1b图示了包括图1a的传感器200的装置100的3D坐标系的示例。
在下文中,加速度计202和陀螺仪204也被称为运动传感器,并且包括至少一个加速度计和至少一个陀螺仪的设备也被称为运动传感器装置或传感器装置200。
安装在载具内部的运动传感器可以提供有关载具的移动和操控的有价值的信息,诸如加速/制动、转向(向左/向右转弯)、变道、超车等。为了直观地了解载具的移动,可以相对于载具的参考系进行描述。例如,当载具通过其引擎提高速度时,直观地将其描述为指向载具前方的加速度矢量,而与载具在世界坐标系中的方位、是否定向磁北或任何其他绝对参考系无关。因此,为了从驾驶员的角度描述和分析载具的运动及其含义,根据实施例,可以引入载具的坐标系,如图2a和2b所示。载具的坐标系由三个正交轴定义,例如通过创建右手坐标系,在该坐标系中,相对于载具的物理框架定义了向右R、向前F和向上U方向。图2a是示出载具300的向前F和向右R坐标方向的俯视图。向上U坐标方向指向观察者。图2b是示出载具300的向前F和向上U坐标方向的侧视图。向右R坐标方向指向观察者。
还可以创建左手坐标系,其中相对于载具300的物理框架定义向左、向前和向上方向。
测量载具的移动可能需要安装在载具中或带到诸如智能电话的设备内部的运动传感器。但是,这样的运动传感器会报告传感器的或设备的自身坐标系中的加速度和旋转,例如基于图1a和图1b所示的X、Y和Z轴,这些轴通常可以与图2a和图2b所示的载具的向右R、向前F和向上U坐标系不对准(即,两个坐标系中的轴可能不是成对平行的)。因此,载具的坐标系中的向前加速度a可能在传感器的坐标系中具有任意表示,如图3所示。
图3图示了运动传感器设备100的三个不同示例定位。在图3中,第一示例定位被描绘在载具300的左侧,第二示例定位被描绘在载具300的右侧,第三示例定位被描绘在载具300的下方。
如果运动传感器200或包括运动传感器200的装置100在已知定位固定(例如,在制造过程期间经螺钉安装或嵌入)在载具300内,则原则上,传感器的坐标系和载具的坐标系的相对方位可以离线测量,并且可以计算出特定于载具传感器对的旋转矩阵,该旋转矩阵将运动(加速度/陀螺仪)矢量从传感器的坐标系变换到载具的坐标系中。如果可能的话,这种测量将需要熟练的手动测量过程,并且仍然会有载具传感器轴角度测量精度误差。但是,如果传感器以未记录的定位深深地(难达成地)嵌入载具中,或者根本没有固定/嵌入载具内部,则这种测量甚至是不可能的,例如,传感器被添加作为上市后安装的一部分或者传感器位于通过例如载具拥有者/驾驶员/乘客被带到载具上的在任意定位的设备内。
图4a和图4b中进一步说明了该问题,该图还示出了不同传感器方位对旋转的可解释性(例如,转向操控)的影响。在图4a中,设备100与载具300对准,使得设备100和载具300的坐标系对准。在图4b中,设备100未与载具300对准,其中设备100和载具300的坐标系未对准。在图4a和图4b中,载具加速度矢量用箭头a或a'图示。箭头a表示向前方向的加速度,即,载具300的速度增加,而箭头a'表示向后方向的加速度,即,载具300的速度减小。当设备100和载具300的坐标系对准时,载具加速度矢量a可以表示为ax=0,ay=|a|,az=0或a'x=0,a'y=-|a'|,a'z=0。如果载具300向左转(围绕轴Z旋转d度),则gx=0,gy=0,gz=d。这些值可以从设备100获取。在设备100和载具300的坐标系未对准的情况下,加速度和旋转可能无法从传感器设备100提供的信息中直接获取,而是可能需要转换。
换言之,这两个坐标系及其未对准状态可能导致:如果载具和传感器的相对方位(即,用数学术语来说,将矢量从传感器坐标系变换到载具坐标系的旋转矩阵)是未知的,则来自载具的传感器数据无法直观且明白地解释。由传感器测量的加速度和陀螺仪运动可能是由很多不同的载具移动引起的,具体取决于传感器和载具的相对方位。此外,源自不同载具的测量可能彼此不具有可比性。实际上,不同的传感器数据可能已经通过相同或相似的移动而被生成,或者不同的移动可能会生成相同或相似的传感器数据。传感器数据解释的含糊不清可能会使机器学习算法(例如,任务是识别各种操控模式)的训练变得非常困难,并且其可达到的精度可能会由于数据中的噪声(诸如同一运动标签下的不同真实世界运动模式的混合)而受到严重限制。
在下文中,描述如下示例:其中检测传感器坐标系与载具坐标系的失准,使得在传感器的任意坐标系中表示的原始传感器数据可以被变换到载具的已知坐标系中。然后,该信息可以用于确定传感器设备相对于载具的定位(方位)。在该方法中,不需要能源密集型GPS或易于出错的磁传感器,而只有商品加速度计和陀螺仪传感器可以以高级分析方式使用。载具的向前方向是从在直线加速期间收集的加速度矢量方向中得出的。用以收集这样的方向的合适时段仅通过分析加速度和旋转的模式被检测到,而无需使用GPS速度或里程表速度。载具的纵轴的精确方向(上/下)与有效的陀螺仪旋转矢量的轴隔离,并且向上方向通过将轴指向重力的反向来选择。重力(即,大致向下)分量从加速度数据中提取,但其方向未使用,因为它可以最终标识确切的向下方向,因此该方法可能对非水平面不敏感。向右方向可以从向前和向上方向中得出以形成右手坐标系。根据传感器的坐标系中三个方向的表示,计算将矢量从传感器的坐标系变换到载具的坐标系的旋转矩阵。旋转矩阵可以周期性地或在检测到显著运动之后被重新计算,以补偿设备在载具内部的潜在移动。
旋转矩阵被应用于由车上的传感器产生的运动数据矢量,以创建保持固定到载具的框架(而不是相对于任意方位的传感器)的载具运动表示。分析经变换的数据以识别各种载具操控或检测环境的影响(诸如路面质量)。通过同时运行单独的方法实例,该方法适用于多个载具,因为不同载具中的传感器可以不同且独立地方位,所以每个方法实例处理一个载具的数据。
根据实施例,图5中示出了本发明的高级架构。定义了两个部分。第一部分是运动变换器具部件400,第二部分是运动分析器具部件500。图6中概述了运动变换器具部件400的操作,图7中概述了运动分析器具部件的操作。
运动变换器具部件400从载具接收402在传感器坐标系中表示的运动传感器数据。然后,运动变换器具部件400分析404运动传感器数据,以得出在传感器200(或设备100)的坐标系中表示的载具的向右R、向前F和向上U正交方向。运动变换器具部件400还将运动传感器数据变换406到载具的坐标系中。
运动分析器具部件500接收502在载具坐标系中表示的运动传感器数据,并且解释和分析504在载具的3D坐标系中表示的载具运动模式,以识别例如各种操控或路面状况。
由于经变换的运动表示可以协调由不同载具源产生的数据,因此由不同载具执行的相同操控可以生成相同或相似的运动数据。这使得从对一个载具的观察中获取的知识适用于理解和分析另一载具的运动,并且可以实现有效的每载具和跨载具操控分析。
在下文中,将更详细地描述装置600的示例实现。假定载具300具有位于车上的运动传感器200。运动传感器200可以嵌入到载具的电气和信息系统中或作为其一部分;在上市后安装期间,它可以在位于载具中的传感器中;它可以是位于带在载具300上但不属于载具一部分的设备100内的传感器,诸如具有运动传感器200的智能电话、或具有运动传感器200和用于接入运动传感器数据的通信接口的特制设备。
所述操作框(即,运动变换器具部件400和运动分析器具部件500)可以与传感器200、载具300或在载具300内部容纳运动传感器200的装置100共置或与其集成载具,或者它们可以在通过一个或多个网络接入和互连的相同或不同网络元件或服务器上运行,这些网络用于从源中获取传感器数据并且在两个部件400、500之间传送传感器数据。各种逻辑部署选项如图8a至图8d所描绘。在图8a的示例中,运动传感器200、运动变换器具部件400和运动分析器具部件500均在载具300内。在图8b的示例中,运动传感器200和运动变换器具部件400在载具300内,但是运动分析器具部件500在网络700中,例如在网络700的服务器中。在图8c的示例中,运动传感器200在载具300内,但是运动变换器具部件400和运动分析器具部件500在网络700中,例如在网络700的服务器中。在图8d的示例中,运动传感器200在载具300内,但是运动变换器具部件400在第一网络700中,例如在第一网络700的服务器中,并且运动分析器具部件500在第二网络702中,例如在第二网络702的服务器中。在图8a和图8b的示例中,如果托管运动传感器200的平台正在运行安卓(Android)操作系统,(多个)运动传感器200与运动变换器具部件400之间的接口可以是诸如安卓传感器应用程序编程接口(API)的API。但是,应当注意,任何其他硬件和软件堆栈或其他API也可以同等使用。在图8c和图8d的示例中,(多个)运动传感器200与运动变换器具部件400之间的接口包括网络连接,诸如应用层或数据表示协议(例如,JSON、ProtoBuf、REST等)、传输和网络层协议(例如,TCP/IP或用于加密连接的TLS/TCP/IP)和有线或无线物理层协议(例如,CAN总线、以太网、蓝牙、Wi-Fi、LTE、LTE-A、NB-IoT、LTE-M、5G等)。
运动变换器具部件400与运动分析器具部件500之间的接口可以基于与运动传感器200与运动变换器具部件400之间的接口类似的实现原理。该接口也可以是这两个部件的内部(例如,存储器中、函数调用等)接口,该接口可以在单个软件解决方案中实现。
图9中示出了移动网络中的一种部署选项。运动传感器200可以位于载具300中,如前所述;运动变换器具部件400和运动分析器具部件500可以作为软件实现在一个或多个边缘云(诸如MEC)、核心云、或可以通过互联网接入的云上运行。运动变换器具部件400和运动分析器具部件500可以在相同或不同的云上运行。
在下文中,给出了运动变换器具部件400和运动分析器具部件500的更详细的描述。
图10中示出了运动变换器具部件400的高级实现。由该实现使用的传感器200是加速度计(非线性,即,包括重力)和非磁性陀螺仪传感器。该实现具有两个阶段:归档阶段402和转换阶段404。
归档阶段402负责通过识别描述载具的自由度的载具方向(向前、向上、向右)并且计算载具的旋转矩阵来发现传感器在载具300内的方位。旋转(R)矩阵可以存储在数据库(DB)406中。
当归档阶段402已经产生载具的旋转矩阵时,可以激活转换阶段404。转换阶段404还使用载具300的R矩阵将运动传感器数据从传感器的坐标系变换到载具坐标系。
应当注意,一种实现可以处理多个载具,在这种情况下,传感器数据和R矩阵针对每个载具分别被处理。
图11、图12a和图12b描绘了归档阶段402的实现的更多细节。除了运动传感器数据,载具标识也可以用作输入,以使得能够对来自多个载具的数据进行单独处理以及使得能够针对每个载具分别计算和存储旋转矩阵(图11中的框1100)。载具的3D坐标系的单位矢量被得出1102并且旋转矩阵被计算1104。结果可以被存储1106到数据库1108。
对在传感器的X、Y、Z坐标系中表示的原始运动传感器数据的时间序列表示执行归档(图12中的框1200)。时间序列通过以给定频率对数据进行采样来构建,该频率可以是传感器产生数据的固有频率,也可以对其进行重新采样(例如,使用移动平均过程)。首先,重力分量从加速度计中被标识(例如,使用低通滤波或移动平均过程),并且被存储以供稍后用于在上方向和下方向之间进行区分(框1202)。为了避免非水平道路的问题,可以不使用重力方向直接定义向上方向。之后,加速度计数据从重力分量中被清除(框1204)以得到线性加速度计数据。备选地,可以直接使用线性加速度计传感器源(如果有)。使用线性加速计和陀螺仪数据,归档执行基本怠速(idle)检测以标识载具何时不运动(框1206)。怠速检测使用模式分析来标识何时不存在指示载具在运动的振动和微运动。根据实施例,可以将振动和/或微运动的量与阈值进行比较,并且如果确定振动和/或微运动的量小于阈值,则仍然可以确定载具不运动。例如,如果载具的引擎正在运行,则尽管载具不运动,但仍可以检测到一些振动。在怠速时段之外,归档可以应用低通滤波或降噪(例如,移动平均值)来平滑加速计和陀螺仪时间序列,并且限制路面或内燃机产生的调制传感器数据的振动的影响并且隔离载具的加速和转弯操控(框1208)。非怠速时段在两个处理路径中进一步被分析:一个是从加速度中得出向前方向,另一个是从旋转中得出向上方向。处理路径可以并行被执行。
在一个处理路径中,分析清除后的传感器数据时间序列以用于向前加速度,从而从载具刚刚离开怠速状态(即,正在加速)并且没有旋转(即,它沿着直线轨迹移动)的时间段收集多个加速度计矢量方向(框1210)。加速度计矢量方向指示传感器坐标中的移动方向。换言之,加速度计指示传感器设备向矢量的方向移动。在这些条件下收集加速度方向的好处是,大多数收集的样本大致对应于载具的向前方向,而不受转弯期间可能会大大分散收集的方向的加速度的影响(框1212)。因此,加速度矢量表示载具的向前方向。即使也可以记录负(向后)加速度样本(例如,当驾驶员或自动变速器(transmission)换挡时,使用离合器拦截引擎与车轮之间的变速器,或者根本不踩油门踏板),由于载具从静止变为运动,因此大多数加速度矢量表示向前方向,因此其累计加速度朝向向前方向为正。检测直线加速时段的方法的优点在于,它完全不依赖任何GPS信息。归档从最频繁的加速度方向中得出向前方向,例如,通过丢弃最孤立的方向(其下一最接近的方向分离了相当大的角度的矢量)并且计算剩余方向的平均值。
在另一处理路径中,分析清除后的传感器数据时间序列以从陀螺仪收集多个旋转(框1214)。每个旋转定义矢量,围绕该矢量测量给定角速度的旋转。由于具有显著角速度的旋转矢量表示载具围绕其纵轴的左转和右转,因此旋转矢量定义了两个方向:指向载具顶部和底部的方向。当左转和右转生成指向相反方向的旋转矢量时,存在两个方向。由于陀螺仪数据不包含有关沿着纵轴的向上或向下方向的信息,因此使用附加参考来区分它们。根据实施例,该区分通过将两个候选方向与重力方向进行比较来进行:远离重力方向(即,与重力方向成更宽角度)的方向是向上方向(框1216)。这种选择方法不需要载具处于水平面:只要载具没有倒置,重力就指向载具的底部而不是其顶部,这足以找出旋转矢量的哪个方向正好指向载具顶部。这是在该解决方案中如何使用重力而不需要水平面校准步骤来标识垂直方向的另一好处——此处不需要这种校准。
所标识的向前和向上方向由在传感器坐标系中指向给定方向的单位矢量表示(框1218)。这些由向前单位矢量fU和向上单位矢量uU表示。将右单位矢量rU计算为向前和向上单位矢量的叉积,即,rU=fUxuU,其中×是矢量叉积算子。根据实施例,可以将向前方向单位矢量重新计算为fU=uUxrU,以使三个方向垂直以补偿向前方向可能具有的任何垂直倾斜,因为当扭矩力通过其框架的悬架弹簧系统(suspension spring system)传播时,向前加速度可能会稍微抬高载具的前面。
方向单位矢量r、f和u(向右、向前和向上)将载具的坐标系定义为相对于传感器的X、Y、Z坐标系的右手坐标系。在传感器坐标系中,传感器坐标系本身由方向单位矢量xU=(1,0,0)、yU=(0,1,0)和zU=(0,0,1)定义。
接下来,计算旋转矩阵R,旋转矩阵R将{xU,yU,zU}坐标系变换为{rU,fU,uU}坐标系,从而将在传感器的坐标系上表示的任何矢量变换到载具的系中(框1220)。R矩阵定义为:
其中cos(a,b)表示矢量a和b之间的角度的余弦值。如上所述,以上过程的详细步骤如图12所示。
图13中公开了有关实现转换阶段的更多细节。转换阶段利用与归档阶段相同的数据源,即,它从传感器获取在传感器坐标系中表达的运动矢量。除了传感器数据,如果使用这样的选项,也可以考虑载具标识以使得能够对来自多个载具的传感器数据进行单独处理。转换阶段获取由归档阶段计算出的旋转矩阵。该矩阵用于将矢量从传感器的坐标系变换到载具坐标系,如下:
其中s=(s1,s2,s3)是传感器的坐标系中的运动(加速度或陀螺仪旋转)矢量,并且v=(v1,v2,v3)是变换到载具坐标系的运动矢量。例如,传感器的坐标系中的加速度矢量(aX,aY,aZ)在载具的坐标系中被变换为(aRightward,aForward,aUpward),如下:
在图12b中,示出了方法的示例实施例。从与载具相关联的至少一个运动传感器获取1230传感器数据,所述传感器数据包括相对于传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据。获取1232重力矢量,并且根据加速度数据确定1234载具何时开始移动。使用1236由在确定指示载具已经开始移动之后获取的加速度数据指示的加速度方向作为载具的向前方向。根据旋转数据确定1238载具何时改变方向,旋转数据指示两个不同方向。通过从两个不同方向中选择相对于重力矢量具有较大角度的方向作为向上方向,使用1240重力矢量来从两个不同方向区别哪个方向是载具的向上方向。使用1242向前方向和向上方向来确定向右方向,所述向前方向、向上方向和向右方向表示载具坐标系。根据载具坐标系和传感器坐标系,相对于载具的方位,确定1244装置的方位。
在下文中,根据实施例,公开了运动分析器具部件500的一些操作细节。
运动分析器具部件500获得在载具的坐标系中表示的运动传感器数据,并且对数据进行分析以检测各种常见操控。分析可以使用基于机器学习的模式匹配算法(诸如RNN或具体地是LSTM)来实现,该算法在标记的数据上被训练以识别以下运动原语(primitive)中的一项或多项:左转、右转、加速、制动。这样的原语的本质及其在载具的坐标系中最独特的加速度计/陀螺仪轴如图14所示。通过沿着载具轴向上在陀螺仪数据中查找左旋转或右旋转,可以最佳地识别左转或右转原语,并且通过沿着正或负载具轴向前查找加速度,可以识别加速度或制动原语。分别地,左转可能会影响陀螺仪数据具有正值,右转可能会影响陀螺仪数据具有负值。向前轴方向上的正加速度值表示载具的速度增加,并且向前轴方向上的负加速度值表示载具的速度减小。
除了运动原语,通过分析还可以识别更复杂的物理操控,诸如变道(图15中示出了示例左变道和对应旋转,示出了载具的坐标系在操控期间相对于载具的方位如何保持固定)。可以通过分析陀螺仪数据并且沿着载具轴向上查找后续左右或右左旋转来识别变道。
除了识别物理操控,该分析还可以用于检测路面质量,因为它也对运动传感器数据产生影响。在图16中,示出了对两种类型的路面问题的识别,即坑洼(pothole)和凸起(bump)。一个突出的指示符是围绕载具轴向右旋转(在图16中指向观察者)、以及沿着载具向上方向的加速度的瞬态峰值和突然振荡。坑洼和凸起可以基于振荡和旋转序列的开始方向来区分。对于坑洼,载具首先下降其前部,生成数学上为负的向右旋转,然后最终抬起其前部,生成数学上为正的向右旋转;对于凸起,顺序相反。
除了检测运动原语、操控和路面质量的影响,分析还可以用于经由各种属性量化检测到的事件。共同的属性包括事件的持续时间或事件的量级(例如,载具经历的旋转速度或加速度是多少,或者道路坑洼/凸起的粗糙度如何)。还可以计算事件的频率或特定序列,例如,以显著的量级或频繁的快速变道使加速度和制动模式交替,这可能表示危险的驾驶态度。
还可以在地图上分析检测到的操控和路面质量影响,以将其置于上下文中,从而可以针对检测到的行为进行上下文驾驶员行为分析和原因分析。
载具可能会从静止定位开始向后移动。因此,根据实施例,装置100还可以从载具300的传动系统接收用以指示移动方向是向前还是向后(即,使载具倒退)的信息。向后方向可以通过检查来自传动系统的信息来确定,而无论是否选择了倒档。因此,该方法还可以使用向后移动代替或补充向前运动以确定载具的向后方向。
图17描绘了装置100的示例,其可以是例如单独的设备或另一设备的一部分,诸如智能电话或另一种类型的移动电话、平板计算机、膝上型计算机、导航器等。装置100包括运动传感器200,诸如加速度计202(非线性或线性加速度计)和陀螺仪204。加速度计202针对传感器坐标系的每个坐标方向输出三维加速度数据,即,一个加速度数据分量。相应地,陀螺仪204针对传感器坐标系的每个坐标方向输出三维旋转数据,即一个旋转数据分量。这里假定加速度计202和陀螺仪204都被安装为使得它们具有相同的传感器坐标系。
来自运动传感器200的数据可以是模拟的、数字的、脉宽调制的或其他适当的形式,但是在本说明书中,假定数据是数字形式的,即,作为数字样本被输出。因此,运动传感器200负责从由传感器提供的格式到数字格式的可能转换。
运动传感器200的输出耦合到处理器101,处理器101接收数据并且执行本说明书中所述的操作。装置100还包括至少一个存储器102,存储器102用于存储传感器数据、参数、旋转矩阵、将由处理器101执行以用于不同操作的计算机代码等。
图17的装置100还包括通信元件103,该通信元件103用于提供载具运动信息,诸如一系列运动矢量,该载具运动信息被变换到载具的坐标系,以供(多个)其他设备使用。通信元件103可以以无线和/或有线方式与其他设备通信。对于无线通信,通信元件103是蓝牙TM通信元件、WiFi通信元件、NFC(近场通信)元件或另一种短距离通信元件。
装置100可以与诸如智能电话或另一移动电话的另一设备通信,该另一设备可以向例如载具的驾驶者产生关于载具的操控的信息并且将其传输给通信网络700。
根据实施例,装置100的通信元件103包括用于与无线通信网络700通信的部件。
根据图8b所示的实施例,装置100仅执行运动变换器具部件400,其中由运动变换器具部件400产生的信息被传输给网络700。装置100还可以向网络传送传感器数据,使得网络700可以将传感器数据与由运动变换器具部件400提供的数据一起使用以执行运动分析器具部件500以及可能进一步处理来自运动分析器具部件500的数据。
根据图8c和图8d所示的实施例,装置100仅执行传感器数据的初始处理并且将传感器数据传送给网络700。图18以流程图描述了方法的操作的示例实施例。在步骤1800中,从运动传感器201、202获取传感器数据。在步骤1802中,检查传感器数据以确定载具300是静止不动还是开始向前移动。当确定载具300开始向前移动时,在步骤1804中,检查加速度计数据以在传感器坐标系中找出指向运动的向前方向的矢量。在可以平行于步骤1804或在步骤1804之后的步骤1806中,分析旋转数据以找出传感器坐标系中指向相对于运动的向上方向的矢量。在步骤1808中,使用向前和向上方向计算传感器坐标系中指向运动的向右方向的矢量。在步骤1810中,使用这些矢量定义用于将传感器数据从传感器坐标系转换到载具坐标系的旋转矩阵。
根据实施例,运动传感器201、202还可以与载具300的登记牌302附接。例如,运动传感器201、201可以集成在登记牌302的中空空间中,在登记牌302的背面的表面上,等等。除了运动传感器201、202,装置的通信元件103或整个装置100全部也可以与载具300的登记牌302附接。还可以存在用于向与登记牌附接的装置的元件供电的电源,诸如电池。这些元件的功耗可能非常低,以至于电池可以有足够的容量可以提供数年的供电。根据实施例,用于元件的电能可以由能够从诸如振动的移动中发电的某种设备提供。这种设备的一个示例是压电设备。图23是装置100和与载具300的登记牌302附接的运动传感器210、202的简化图示。
在下文中,将使用基于高级长期演进(高级LTE,LTE-A)或新无线电(NR、5G)的无线电接入架构作为可以向其应用实施例的接入架构的示例来描述不同的示例性实施例,而没有将实施例限制为这种架构。对于本领域技术人员而言很清楚的是,通过适当地调节参数和过程,实施例还可以应用于具有合适的部件的其他种类的通信网络。适用于系统的其他选项的一些示例是通用移动电信系统(UMTS)无线电接入网(UTRAN或E-UTRAN)、长期演进(LTE,与E-UTRA相同)、无线局域网(WLAN或WiFi)、全球微波接入互操作性(WiMAX)、个人通信服务(PCS)、宽带码分多址(WCDMA)、使用超宽带(UWB)技术的系统、传感器网络、移动自组织网络(MANET)和互联网协议多媒体子系统(IMS)或其任何组合。
图19描绘了简化的系统架构的示例,其仅示出了一些元件和功能实体,它们都是逻辑单元,其实现可以与所示出的有所不同。图19所示的连接是逻辑连接;实际的物理连接可以有所不同。对于本领域技术人员而言很清楚的是,该系统通常还包括除图19所示的功能和结构之外的其他功能和结构。
然而,实施例不限于作为示例给出的系统,而是本领域技术人员可以将该解决方案应用于具有必要属性的其他通信系统。
图19的示例示出了示例性无线电接入网的一部分。
图19示出了被配置为处于小区中的一个或多个通信信道上的无线连接中的用户设备1900和1902,其中接入节点(诸如(e/g)NodeB)1904提供该小区。从用户设备到(e/g)NodeB的物理链路称为上行链路或反向链路,而从(e/g)NodeB到用户设备的物理链路称为下行链路或向前链路。应当理解,(e/g)NodeB或其功能可以通过使用适合于这种用法的任何节点、主机、服务器或接入点等实体来实现。
通信系统通常包括一个以上的(e/g)NodeB,在这种情况下,(e/g)NodeB也可以被配置为通过为此目的而设计的有线或无线链路彼此通信。这些链路可以用于信令目的。(e/g)NodeB是被配置为控制其耦合到的通信系统的无线电资源的计算设备。NodeB也可以被称为基站、接入点或包括能够在无线环境中操作的中继站的任何其他类型的接口设备。(e/g)NodeB包括或耦合到收发器。从(e/g)NodeB的收发器,向天线单元提供连接,该连接建立到用户设备的双向无线电链路。天线单元可以包括多个天线或天线元件。(e/g)NodeB进一步连接到核心网1910(CN或下一代核心NGC)。取决于系统,CN侧的对方可以是服务网关(S-GW,路由和转发用户数据分组)、分组数据网络网关(P-GW,用于提供用户设备(UE)与外部分组数据网络的连接)、或移动管理实体(MME)等。
用户设备(也称为UE、用户装备、用户终端、终端设备等)图示了空中接口上的资源被分配和指派给其的一种类型的设备,并且因此本文中利用用户设备描述的任何特征可以用对应装置(诸如中继节点)来实现。这种中继节点的一个示例是朝向基站的层3中继(自回程中继)。
用户设备通常是指便携式计算设备,该便携式计算设备包括带有或不带有订户标识模块(SIM)的无线移动通信设备,包括但不限于以下类型的设备:移动台(移动电话)、智能电话、个人数字助理(PDA)、手机、使用无线调制解调器的设备(警报或测量设备等)、膝上型计算机和/或触摸屏计算机、平板电脑、游戏机、笔记本和多媒体设备。应当理解,用户设备也可以是几乎排他的仅上行链路设备,其示例是将图像或视频剪辑加载到网络的相机或摄像机。用户设备也可以是具有在物联网(IoT)网络中进行操作的能力的设备,在该场景中,为对象提供了通过网络传送数据的能力,而无需人与人或人与计算机交互。用户设备也可以利用云。在一些应用中,用户设备可以包括带有无线电部件(诸如手表、耳机或眼镜)的小型便携式设备,并且计算是在云中执行的。用户设备(或在一些实施例中,层3中继节点)被配置为执行用户设备功能中的一项或多项。用户设备也可以被称为订户单元、移动台、远程终端、接入终端、用户终端或用户设备(UE),仅提及几个名称或装置。
本文中描述的各种技术也可以应用于网络物理系统(Cyber-Physical Systems,CPS)(使控制物理实体的计算元件协作的系统)。CPS可以使得能够实现和利用嵌入在物理对象中的不同位置的大量互连ICT设备(传感器、致动器、处理器微控制器等)。所讨论的物理系统在其中具有固有移动性的移动网络物理系统是网络物理系统的子类别。移动物理系统的示例包括由人类或动物运输的移动机器人和电子设备。
另外,尽管将装置描绘为单个实体,但是可以实现不同的单元、处理器和/或存储器单元(图19中未全部示出)。
5G支持使用多输入多输出(MIMO)天线,比LTE(所谓的小小区概念)多得多的基站或节点,包括与较小基站协作并且取决于服务需求、用例和/或可用频谱而采用多种无线电技术的宏站点。5G移动通信支持各种用例和相关应用,包括视频流、增强现实、不同的数据共享方式以及各种形式的机器类型应用,诸如(大规模)机器类型通信(mMTC),包括载具安全、不同传感器和实时控制。5G有望具有多个无线电接口,即低于6GHz、cmWave和mmWave,并且与诸如LTE等现有的传统无线电接入技术可集成。与LTE的集成可以至少在早期阶段被实现为系统,在该系统中,由LTE提供宏覆盖并且5G无线电接口接入通过聚合到LTE而来自小小区。换言之,计划5G同时支持RAT间可操作性(诸如LTE-5G)和RI间可操作性(无线电接口间可操作性,诸如低于6GHz-cmWave、低于6GHz-cmWave-mmWave)。被认为在5G网络中使用的概念之一是网络切片,其中可以在同一基础设施内创建多个独立且专用的虚拟子网(网络实例)以运行对时延、可靠性、吞吐量和移动性具有不同要求的服务。
LTE网络中的当前架构完全分布在无线电中并且完全集中在核心网中。5G中的低时延应用和服务需要使内容靠近无线电,从而导致本地突发和多路接入边缘计算(MEC)。5G使得分析和知识生成可以在数据源处进行。这种方法需要利用可能无法连续地连接到网络的资源,诸如膝上型计算机、智能电话、平板电脑和传感器。MEC为应用和服务托管提供分布式计算环境。它还具有在蜂窝订户附近存储和处理内容以加快响应时间的能力。边缘计算涵盖了广泛的技术,诸如无线传感器网络、移动数据采集、移动签名分析、协作式分布式对等自组织网络和处理(也可分类为本地云/雾计算和网格/网状计算)、露水计算、移动边缘计算、cloudlet、分布式数据存储和检索、自主自我修复网络、远程云服务、增强和虚拟现实、数据高速缓存、物联网(大规模连接和/或时延关键)、关键通信(自动驾驶汽车、交通安全、实时分析、时间关键控制、医疗保健应用)。
通信系统还能够与诸如公共交换电话网或互联网1912等其他网络通信,或者利用由它们提供的服务。通信网络也可以能够支持云服务的使用,例如,核心网操作的至少一部分可以作为云服务来执行(这在图19中由“云”1914描绘)。通信系统还可以包括为不同运营商的网络提供用于例如在频谱共享中进行协作的设施的中央控制实体等。
可以通过利用网络功能虚拟化(NVF)和软件定义网络(SDN)将边缘云引入无线电接入网(RAN)。使用边缘云可以表示将至少部分在操作耦合到包括无线电部分的远程无线电头端或基站的服务器、主机或节点中执行接入节点操作。节点操作也可以分布在多个服务器、节点或主机之间。cloudRAN架构的应用使得RAN实时功能能够在RAN侧(在分布式单元DU 1904中)执行并且非实时功能能够以集中式方式(在集中式单元CU 1908中)执行。
还应当理解,核心网操作与基站操作之间的劳动分配可以不同于LTE的劳动分配,或者甚至不存在。可能会使用的一些其他技术进步是大数据和全IP,这可能会改变网络的构建和管理方式。5G(或新无线电NR)网络被设计为支持多个层次结构,其中MEC服务器可以被放置在核心与基站或节点B(gNB)之间。应当理解,MEC也可以被应用于4G网络。
5G还可以利用卫星通信来增强或补充5G服务的覆盖范围,例如通过提供回程。可能的用例是为机器对机器(M2M)或物联网(IoT)设备或为车上乘客提供服务连续性,或者确保关键通信以及未来的铁路/海事/航空通信的服务可用性。卫星通信可以利用对地静止地球轨道(GEO)卫星系统,也可以利用低地球轨道(LEO)卫星系统、特别是巨型星座(其中部署了数百个(纳米)卫星的系统)。巨型星座中的每个卫星1906可以覆盖创建地面小区的几个启用卫星的网络实体。地面小区可以通过地面中继节点1904或位于地面或卫星中的gNB来创建。
对于本领域技术人员而言很清楚的是,所描绘的系统仅是无线电接入系统的一部分的示例,并且在实践中,该系统可以包括多个(e/g)NodeB,用户设备可以接入多个无线电小区,并且该系统还可以包括其他装置,诸如物理层中继节点或其他网络元件等。至少一个(e/g)NodeB可以是家庭(e/g)nodeB。另外,在无线电通信系统的地理区域中,可以提供多个不同种类的无线电小区以及多个无线电小区。无线电小区可以是宏小区(或伞形小区),它们是直径通常长达数十公里的大型小区、或者是诸如微小区、毫微微小区或微微小区等较小小区。图19的(e/g)NodeB可以提供任何种类的这些小区。蜂窝无线电系统可以被实现为包括几种小区的多层网络。通常,在多层网络中,一个接入节点提供一种一个或多个小区,并且因此需要多个(e/g)NodeB来提供这种网络结构。
为了满足改善通信系统的部署和性能的需要,已经引入了“即插即用”(e/g)NodeB的概念。通常,除了家庭(e/g)NodeB(H(e/g)nodeB),能够使用“即插即用”(e/g)NodeB的网络还包括家庭节点B网关或HNB-GW(图19中未示出)。通常安装在运营商的网络内的HNB网关(HNB-GW)可以将业务从大量HNB聚合回核心网。
下面进一步详细描述用于实现一些实施例的合适的装置和可能的机制。在这点上,首先参考图20,图20示出了图21中描绘的示例性装置或电子设备50的示意性框图,图21可以包含根据本发明的实施例的发射器。
电子设备50例如可以是无线通信系统的移动终端或用户设备。然而,应当理解,本发明的实施例可以在可能需要射频信号传输的任何电子设备或装置中实现。
装置50可以包括用于包含和保护设备的壳体30。装置50还可以包括液晶显示器形式的显示器32。在本发明的其他实施例中,显示器可以是适合于显示图像或视频的任何合适的显示技术。装置50还可以包括小键盘34。在本发明的其他实施例中,可以采用任何合适的数据或用户接口机制。例如,用户接口可以被实现为虚拟键盘或数据输入系统,作为触敏显示器的一部分。该装置可以包括麦克风36、或可以是数字或模拟信号输入的任何合适的音频输入。装置50还可以包括音频输出设备,在本发明的实施例中,该音频输出设备可以是听筒38、扬声器、或模拟音频或数字音频输出连接中的任何一种。装置50还可以包括电池40(或者在本发明的其他实施例中,该设备可以由任何合适的移动能量设备(诸如太阳能电池、燃料电池或发条发电机)供电)。结合实施例讨论的术语电池也可以是这些移动能量设备之一。此外,设备50可以包括不同种类的能量设备的组合,例如可再充电电池和太阳能电池。该装置还可以包括用于与其他设备的短距离视线通信的红外端口(IR)41。在其他实施例中,装置50还可以包括任何合适的短距离通信解决方案,诸如例如蓝牙无线连接或USB/火线有线连接。
装置50可以包括用于控制装置50的控制器56或处理器。控制器56可以连接到存储器58,在本发明的实施例中,存储器58可以存储数据和/或还可以存储用于在控制器56上实现的指令。控制器56还可以连接到编解码器电路系统54,该编解码器电路系统54适合于执行音频和/或视频数据的编码和解码或者辅助由控制器56执行的编码和解码。
装置50还可以包括读卡器48和智能卡46,例如通用集成电路卡(UICC)读卡器和用于提供用户信息并且适合于提供用于网络处用户的认证和授权的认证信息的UICC。
装置50可以包括无线接口电路系统52,该无线接口电路系统52连接到控制器并且适合于生成例如用于与蜂窝通信网络、无线通信系统或无线局域网进行通信的无线通信信号。装置50还可以包括连接到无线电接口电路系统52的天线59,该天线59用于将在无线电接口电路系统52处生成的射频信号传输给其他(多个)装置并且从其他(多个)装置接收射频信号。
在本发明的一些实施例中,装置50包括能够记录或检测成像的相机42。
关于图22,示出了可以在其中利用本发明的实施例的系统的示例。系统10包括可以通过一个或多个网络进行通信的多个通信设备。系统10可以包括有线和/或无线网络的任何组合,包括但不限于无线蜂窝电话网络(诸如GSM(2G、3G、4G、LTE、5G)、UMTS、CDMA网络等)、无线局域网(WLAN)(诸如由IEEE 802.x标准中的任何标准定义)、蓝牙个域网、以太网局域网、令牌环局域网、广域网和互联网。
例如,图22所示的系统示出了移动电话网络11、和互联网28的表示。与互联网28的连接可以包括但不限于长距离无线连接、短距离无线连接、和各种有线连接,包括但不限于电话线、电缆线、电源线和类似的通信路径。
系统10所示的示例通信设备可以包括但不限于电子设备或装置50、个人数字助理(PDA)和移动电话14的组合、PDA 16、集成的消息传递设备(IMD)18、台式计算机20、笔记本计算机22、平板计算机。当由移动的个体携带时,装置50可以是静止的或移动的。装置50还可以位于运输工具(mode of transport)中,包括但不限于汽车、卡车、出租车、公共汽车、火车、轮船、飞机、自行车、摩托车或任何类似的合适的运输工具。
一些或其他装置可以发送和接收呼叫和消息,并且通过与基站24的无线连接25与服务提供商通信。基站24可以连接到网络服务器26,该网络服务器26允许移动电话网络11与互联网28之间的通信。该系统可以包括附加的通信设备和各种类型的通信设备。
通信设备可以使用各种传输技术进行通信,包括但不限于码分多址(CDMA)、全球移动通信系统(GSM)、通用移动电信系统(UMTS)、时分多址(TDMA)、频分多址(FDMA)、传输控制协议互联网协议(TCP-IP)、短消息服务(SMS)、多媒体消息服务(MMS)、电子邮件、即时消息服务(IMS)、蓝牙、IEEE 802.11、长期演进无线通信技术(LTE)和任何类似的无线通信技术。这里要提到的其他一些可能的传输技术是高速下行链路分组接入(HSDPA)、高速上行链路分组接入(HSUPA)、高级LTE(LTE-A)载波聚合双载波、以及所有多载波技术。实现本发明的各种实施例所涉及的通信设备可以使用各种介质进行通信,包括但不限于无线电、红外、激光、电缆连接以及任何合适的连接。在下文中,将更详细地描述利用本发明的装置的一些示例实现。
尽管以上示例描述了在无线通信设备内操作的本发明的实施例,但是应当理解,如上所述的本发明可以被实现为包括在其中传输和/或接收射频信号的电路系统的任何装置的一部分。因此,例如,本发明的实施例可以在移动电话中,在基站中,在诸如台式计算机或平板计算机等包括射频通信装置(例如,无线局域网、蜂窝无线电等)的计算机中实现。
通常,本发明的各种实施例可以以硬件或专用电路或其任何组合来实现。尽管本发明的各个方面可以被图示和描述为框图或使用一些其他图形表示,但是众所周知,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以在诸如集成电路模块、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、微控制器、微处理器、这样的模块的组合等各种组件中实践。集成电路的设计总体上是高度自动化的过程。复杂且功能强大的软件工具可以用于将逻辑级设计转换为准备好在半导体衬底上蚀刻和形成的半导体电路设计。
诸如由加利福尼亚州山景城的Synopsys,Inc.和加利福尼亚州圣何塞的CadenceDesign提供的程序可以使用完善的设计规则以及预先存储的设计模块库自动对导体进行布线并且在半导体芯片上定位组件。一旦半导体电路的设计完成,就可以将标准化电子格式(例如,Opus、GDSII等)的所得到的设计传送到半导体制造设施或“工厂”以进行制造。
以上描述通过示例性和非限制性示例的方式提供了对本发明的示例性实施例的完整且信息丰富的描述。然而,当结合附图和所附权利要求书阅读时,鉴于前面的描述,各种修改和变体对于相关领域的技术人员而言将变得很清楚。然而,本发明的教导的所有这些和类似的修改仍将落入本发明的范围内。
Claims (25)
1.一种装置,包括用于以下的部件:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于所述传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据所述加速度数据和所述旋转数据确定所述载具何时开始以直线移动;
当所述确定指示所述载具已经开始以直线移动时,使用由加速度数据指示的加速度方向作为所述载具的向前方向;
根据所述旋转数据确定所述载具何时改变方向,所述旋转数据指示至少两个不同方向;
将所述重力矢量与所述至少两个不同方向进行比较;
从所述至少两个不同方向中选择相对于所述重力矢量具有最大角度的方向作为向上方向;
使用所述向前方向和所述向上方向来确定向右方向,所述向前方向、所述向上方向和所述向右方向表示所述载具坐标系;以及
根据所述载具坐标系和所述传感器坐标系,相对于所述载具的方位,确定所述运动传感器的方位。
2.根据权利要求1所述的装置,其中所述部件还被配置为执行:
对一系列加速度数据和旋转数据进行采样;
从所述一系列加速度数据中选择由所述加速度数据中的大多数加速度数据指示的方向作为所述向前方向;以及
从所述一系列旋转数据中选择由所述旋转数据中的大多数旋转数据指示的方向作为所述向上方向。
3.根据权利要求1或2所述的装置,其中所述部件还被配置为执行:
从来自所述加速度计的加速度数据中获取所述重力矢量。
4.根据权利要求1至3中任一项所述的装置,其中所述部件还被配置为执行:
当传感器数据指示没有所述载具的振动已经被检测到时,确定所述载具处于怠速状态;以及
当传感器数据指示所述载具的振动时,确定所述载具正在移动。
5.根据权利要求1至4中任一项所述的装置,其中所述部件还被配置为执行:
根据所述传感器坐标系和所述载具坐标系定义旋转矩阵;以及
使用在所述载具已经开始移动之后被接收到的传感器数据和所述旋转矩阵,来将传感器数据转换为所述载具的移动数据;以及
使用经转换的传感器数据来确定所述载具的物理移动操控和路面质量中的至少一项。
6.根据权利要求5所述的装置,其中所述部件还被配置为执行:
使用所确定的物理移动操控来检测事件和所述事件的持续时间。
7.根据权利要求6所述的装置,其中所述部件还被配置为确定以下物理操控中的一项或多项:
所述载具何时改变道路的车道:
所述载具何时在加速;
所述载具何时在制动;
所述载具何时在转弯;
所述载具的驾驶员具有哪种态度。
8.根据权利要求1至7中任一项所述的装置,其中所述运动传感器与所述载具的登记牌附接。
9.根据权利要求8所述的装置,其中所述登记牌还包括用于向所述运动传感器供电的电源。
10.根据权利要求1至9中任一项所述的装置,其中所述部件包括:
至少一个处理器;以及
包括计算机程序代码的至少一个存储器,所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起引起所述装置的执行。
11.一种方法,包括:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于所述传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据所述加速度数据和所述旋转数据确定所述载具何时开始以直线移动;
当所述确定指示所述载具已经开始以直线移动时,使用由加速度数据指示的加速度方向作为所述载具的向前方向;
根据所述旋转数据确定所述载具何时改变方向,所述旋转数据指示至少两个不同方向;
将所述重力矢量与所述至少两个不同方向进行比较;
从所述至少两个不同方向中选择相对于所述重力矢量具有最大角度的方向作为向上方向;
使用所述向前方向和所述向上方向来确定向右方向,所述向前方向、所述向上方向和所述向右方向表示所述载具坐标系;以及
根据所述载具坐标系和所述传感器坐标系,相对于所述载具的方位,确定所述运动传感器的方位。
12.根据权利要求11所述的方法,还包括:
对一系列加速度数据和旋转数据进行采样;
从所述一系列加速度数据中选择由所述加速度数据中的大多数加速度数据指示的方向作为所述向前方向;以及
从所述一系列旋转数据中选择由所述旋转数据中的大多数旋转数据指示的方向作为所述向上方向。
13.根据权利要求11或12所述的方法,还包括:
从所述加速度计的加速度数据中获取所述重力矢量。
14.根据权利要求13所述的方法,还包括:
当传感器数据指示没有所述载具的振动已经被检测到时,确定所述载具处于怠速状态;以及
当传感器数据指示所述载具的振动时,确定所述载具正在移动。
15.根据权利要求13或14所述的方法,还包括:
根据所述传感器坐标系和所述载具坐标系定义旋转矩阵;
使用在所述载具已经开始移动之后被接收到的传感器数据和所述旋转矩阵,来将传感器数据转换为所述载具的移动数据;以及
使用经转换的传感器数据来确定所述载具的物理移动操控和路面质量中的至少一项。
16.根据权利要求15所述的方法,还包括:
使用所确定的物理移动操控来检测事件和所述事件的持续时间。
17.根据权利要求16所述的方法,还包括以下至少一项:
检测所述载具何时改变道路的车道:
检测所述载具何时在加速;
检测所述载具何时在制动;
检测所述载具何时在转弯;
检测驾驶员具有哪种态度。
18.根据权利要求11至17中任一项所述的方法,包括从与所述载具的登记牌附接的运动传感器获取所述传感器数据。
19.一种系统,至少包括:
与载具相关联的装置,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述装置包括加速度计和陀螺仪,所述速度计用于生成三维加速度数据,所述陀螺仪用于根据所述载具的移动生成三维旋转数据;
运动变换器具元件,包括用于以下的部件:
获取重力矢量;
根据所述加速度数据和所述旋转数据确定所述载具何时开始以直线移动;
当所述确定指示所述载具已经开始以直线移动时,使用由加速度数据指示的加速度方向作为所述载具的向前方向;
根据所述旋转数据确定所述载具何时改变方向,所述旋转数据指示至少两个不同方向;
将所述重力矢量与所述两个不同方向进行比较;
从所述至少两个不同方向中选择相对于所述重力矢量具有较大角度的方向作为向上方向;
使用所述向前方向和所述向上方向来确定向右方向,所述向前方向、所述向上方向和所述向右方向表示所述载具坐标系;以及
根据所述载具坐标系和所述传感器坐标系,相对于所述载具的方位,确定所述运动传感器的方位。
20.根据权利要求19所述的系统,所述运动变换器具元件还包括用于以下的部件:
根据所述传感器坐标系和所述载具坐标系定义旋转矩阵;以及
使用在所述载具已经开始移动之后被接收到的传感器数据和所述旋转矩阵,来将传感器数据转换为所述载具的移动数据。
21.根据权利要求20所述的系统,还包括:
运动分析器具元件,包括用于以下的部件:
使用经转换的传感器数据来确定所述载具的移动操控和路面质量中的至少一项。
22.根据权利要求19、20或21所述的系统,其中所述运动变换器具元件和运动分析器具元件在移动通信设备中。
23.根据权利要求19、20或21所述的系统,其中所述运动变换器具元件在移动通信设备中,并且所述运动分析器具元件在网络元件中。
24.根据权利要求19、20或21所述的系统,其中所述运动变换器具元件和运动分析器具元件在网络元件中。
25.一种计算机程序产品,包括一个或多个指令的一个或多个序列,所述一个或多个指令在由一个或多个处理器执行时使装置至少执行以下:
从与载具相关联的至少一个运动传感器获取传感器数据,所述运动传感器具有传感器坐标系并且所述载具具有载具坐标系,所述传感器数据包括相对于所述传感器坐标系的来自加速度计的三维加速度数据和来自陀螺仪的三维旋转数据;
获取重力矢量;
根据所述加速度数据和所述旋转数据确定所述载具何时开始以直线移动;
当所述确定指示所述载具已经开始以直线移动时,使用由加速度数据指示的加速度方向作为所述载具的向前方向;
根据所述旋转数据确定所述载具何时改变方向,所述旋转数据指示至少两个不同方向;
将所述重力矢量与所述至少两个不同方向进行比较;
从所述至少两个不同方向中选择相对于所述重力矢量具有最大角度的方向作为向上方向;
使用所述向前方向和所述向上方向来确定向右方向,所述向前方向、所述向上方向和所述向右方向表示所述载具坐标系;以及
根据所述载具坐标系和所述传感器坐标系,相对于所述载具的方位,确定所述运动传感器的方位。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2018/067935 WO2020007453A1 (en) | 2018-07-03 | 2018-07-03 | Method and apparatus for sensor orientation determination |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112384755A true CN112384755A (zh) | 2021-02-19 |
Family
ID=62873319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880095328.2A Pending CN112384755A (zh) | 2018-07-03 | 2018-07-03 | 用于传感器方位确定的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210255211A1 (zh) |
EP (1) | EP3818338A1 (zh) |
CN (1) | CN112384755A (zh) |
WO (1) | WO2020007453A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490485A (zh) * | 2022-01-24 | 2022-05-13 | 天度(厦门)科技股份有限公司 | 虚拟物体控制方法、系统、介质及终端 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7418250B2 (ja) * | 2020-03-10 | 2024-01-19 | ラピスセミコンダクタ株式会社 | 進行方向判定装置、携帯端末装置、および進行方向判定方法 |
CN111507233B (zh) * | 2020-04-13 | 2022-12-13 | 吉林大学 | 一种多模态信息融合的智能车路面类型识别方法 |
US11429757B2 (en) * | 2020-08-13 | 2022-08-30 | Gm Cruise Holdings Llc | Sensor calibration via extrinsic scanning |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1419128A (zh) * | 2001-11-13 | 2003-05-21 | 诺基亚有限公司 | 用于校准角速率测量传感器的方法、设备和系统 |
CN102269592A (zh) * | 2006-03-15 | 2011-12-07 | 高通股份有限公司 | 基于传感器的定向系统 |
WO2012075463A1 (en) * | 2010-12-03 | 2012-06-07 | Qualcomm Incorporated | Inertial sensor aided heading and positioning for gnss vehicle navigation |
CN104755941A (zh) * | 2012-11-02 | 2015-07-01 | 高通股份有限公司 | 用于使移动装置表面与传感器的坐标系统对准的方法 |
US20150355224A1 (en) * | 2014-06-04 | 2015-12-10 | Danlaw Inc. | Vehicle monitoring module |
US20150382156A1 (en) * | 2014-06-25 | 2015-12-31 | Rutgers, The State University Of New Jersey | Systems and methods for detecting driver phone operation using device position and orientation data |
US20160349052A1 (en) * | 2016-07-15 | 2016-12-01 | Behaviometrics Ab | Gyroscope sensor estimated from accelerometer and magnetometer |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2558409B (en) * | 2015-08-24 | 2019-11-20 | Q Free Asa | Tamper Detection |
-
2018
- 2018-07-03 CN CN201880095328.2A patent/CN112384755A/zh active Pending
- 2018-07-03 US US17/255,749 patent/US20210255211A1/en not_active Abandoned
- 2018-07-03 WO PCT/EP2018/067935 patent/WO2020007453A1/en active Search and Examination
- 2018-07-03 EP EP18739488.7A patent/EP3818338A1/en not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1419128A (zh) * | 2001-11-13 | 2003-05-21 | 诺基亚有限公司 | 用于校准角速率测量传感器的方法、设备和系统 |
CN102269592A (zh) * | 2006-03-15 | 2011-12-07 | 高通股份有限公司 | 基于传感器的定向系统 |
WO2012075463A1 (en) * | 2010-12-03 | 2012-06-07 | Qualcomm Incorporated | Inertial sensor aided heading and positioning for gnss vehicle navigation |
CN104755941A (zh) * | 2012-11-02 | 2015-07-01 | 高通股份有限公司 | 用于使移动装置表面与传感器的坐标系统对准的方法 |
US20150355224A1 (en) * | 2014-06-04 | 2015-12-10 | Danlaw Inc. | Vehicle monitoring module |
US20150382156A1 (en) * | 2014-06-25 | 2015-12-31 | Rutgers, The State University Of New Jersey | Systems and methods for detecting driver phone operation using device position and orientation data |
US20160349052A1 (en) * | 2016-07-15 | 2016-12-01 | Behaviometrics Ab | Gyroscope sensor estimated from accelerometer and magnetometer |
Non-Patent Citations (1)
Title |
---|
陈帅;王国英;莫路锋;: "基于角度补偿的手机多传感器数据融合测距算法", 传感技术学报, no. 02, 28 February 2017 (2017-02-28) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490485A (zh) * | 2022-01-24 | 2022-05-13 | 天度(厦门)科技股份有限公司 | 虚拟物体控制方法、系统、介质及终端 |
CN114490485B (zh) * | 2022-01-24 | 2024-02-20 | 天度(厦门)科技股份有限公司 | 虚拟物体控制方法、系统、介质及终端 |
Also Published As
Publication number | Publication date |
---|---|
EP3818338A1 (en) | 2021-05-12 |
WO2020007453A1 (en) | 2020-01-09 |
US20210255211A1 (en) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112384755A (zh) | 用于传感器方位确定的方法和装置 | |
JP6339200B2 (ja) | 軌跡を使用する位置推定のための方法および装置 | |
US11106209B2 (en) | Anomaly mapping by vehicular micro clouds | |
US11079241B2 (en) | Detection of GPS spoofing based on non-location data | |
CN110914778A (zh) | 用于基于语义分割的图像定位的系统和方法 | |
US20220210622A1 (en) | Communication system and base station | |
EP2583441A1 (en) | Rf ranging-assisted local motion sensing | |
US20230300579A1 (en) | Edge-centric techniques and technologies for monitoring electric vehicles | |
US10560253B2 (en) | Systems and methods of controlling synchronicity of communication within a network of devices | |
US20220352995A1 (en) | Communication system and terminal | |
US20190219709A1 (en) | Using historical data to correct gps data in a network of moving things | |
CN112740722B (zh) | 用于多载具操控和影响分析的方法和装置 | |
JP7078116B2 (ja) | 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム | |
CN116461428A (zh) | 车辆监控系统和方法 | |
Munir et al. | CarFi: Rider Localization Using Wi-Fi CSI | |
CN113366485A (zh) | 通过与导航相关的感测进行认证 | |
EP4307177A1 (en) | Information processing device, information processing system, information processing method, and recording medium | |
JPWO2020026514A1 (ja) | 屋内位置推定装置、屋内位置推定方法及びプログラム | |
EP3881444A1 (en) | Beamforming monitoring apparatus | |
US20240040480A1 (en) | Remotely activated mobile device beacon | |
US20240035831A1 (en) | Vehicle road side identification of a target via differential amplitude rf signals | |
US20240040349A1 (en) | Vehicle to target range finder via rf power | |
US20240045016A1 (en) | Mobile device range finder via rf power | |
US20240040332A1 (en) | Vehicle road side location of a target via unwrapped differential phase rf signals | |
JP7315924B2 (ja) | 情報伝送装置および移動体および情報伝送方法および情報伝送プログラム |
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 |