CN114245459B - 基于pdr模型的融合定位方法、装置、计算机设备及介质 - Google Patents
基于pdr模型的融合定位方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN114245459B CN114245459B CN202210165445.XA CN202210165445A CN114245459B CN 114245459 B CN114245459 B CN 114245459B CN 202210165445 A CN202210165445 A CN 202210165445A CN 114245459 B CN114245459 B CN 114245459B
- Authority
- CN
- China
- Prior art keywords
- positioning
- positioning result
- model
- result
- residual
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于PDR模型的融合定位方法、装置、计算机设备及介质,其中,该基于PDR模型的融合定位方法包括:采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果。基于第一定位结果和评估算法,获取第一定位残差,第一定位残差为定位点距离所有定位基站的距离或距离差。基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计。基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果。该方法将传统室内基站定位模型中的残差作为实时调整PDR融合算法参数的依据,提升了室内定位的精度和稳定性。
Description
技术领域
本发明涉及室内定位技术领域,尤其涉及一种基于PDR模型的融合定位方法、装置、计算机设备及介质。
背景技术
依赖基站的室内定位应用中,一般要求已知一组(多个)信号发射基站的坐标,在信号可接收区域内,计算信号到达时间,然后采用二维区域的TOA或TDOA模型求解待定位终端的坐标。由于信号可达范围有限,尤其是声信号无法穿透墙壁,而室内待定位空间往往由多个房间连通,因此一般会将待定位空间划分为多个二维区域,每个区域布设一组基站。
对于待定位终端,一般集成IMU(惯性传感器,Inertial Measurement Unit)模块,还可以使用PDR(行人航位推算,Pedestrian Dead Reckoning)模型对位置进行独立于基站定位的估计。其中,行人航位推算(Pedestrian Dead Reckoning,PDR)结合人行走的特征,应用于行人行走的定位应用中。其基本步骤如下:1.计算人的朝向θ:从移动终端的IMU模块采集加速度和角速度信息,使用惯性导航算法处理成方向信息,即人的朝向θ(采用东北天ENU坐标系)。2.估计步长L:可以是固定值,也可以根据加速度或历史定位数据估计。3.航位推算(PDR模型):以二维为例,假设上次定位为[x,y],则下次定位预测为[x+L*cos(θ),y+L*sin(θ)]。4.融合:结合基站定位和航位推算结果,多传感器综合得到可靠的定位结果。
当待定位终端在单一区域内移动时,待定位终端可以同时获得基站定位坐标和PDR定位坐标。这两种坐标一般采用卡尔曼滤波或扩展卡尔曼滤波方法融合后输出一个更精确更稳定的坐标。此融合算法需要实现取长补短,两种方法优势劣势说明如下:1.PDR模型稳定无跳点,但随着时间推进定位误差会累积;2.基站定位不会有定位误差累积,但定位结果不够稳定,会有一定幅度的跳动。另外,当处于相邻区域边界附近时,待定位终端会同时收到两个区域的基站发出的信号,会同时算出两个定位坐标结果。但定位是有误差的,有时候会高达1m。此时如果同时显示两个定位坐标,则会发现定位发生大幅快速跳动,因此需要在此进行防跳处理。
当在一个定位周期中在区域边界出现两个合理定位时,一般用以下方式处理:1.取两个定位的平均值;2.取距离上一次定位结果较近的定位值;3.延时处理输出,根据后续定位修正之前的轨迹。但以上方法都无法确保相邻区域的定位结果无延时地平滑过渡。如何提升室内定位的精度和稳定性,用以产生平滑且无延时地处理跨越边界时的定位效果成为亟待解决的问题。
发明内容
本发明实施例提供一种基于PDR模型的融合定位方法、装置、计算机设备及介质,以解决提升室内定位的精度和稳定性,用以产生平滑且无延时地处理跨越边界时的定位效果的问题。
一种基于PDR模型的融合定位方法,包括:
采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果;
基于第一定位结果和评估算法,获取第一定位残差,第一定位残差为定位点距离所有定位基站的距离或距离差;
基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计;
基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果。
一种基于PDR模型的融合定位装置,包括:
获取定位结果模块,用于采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果;
获取定位残差模块,用于基于第一定位结果和评估算法,获取第一定位残差,第一定位残差为定位点距离所有定位基站的距离或距离差;
获取误差估计模块,用于基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计;
获取室内结果模块,用于基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于PDR模型的融合定位方法。
一种计算机可读介质,所述计算机可读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基于PDR模型的融合定位方法。
上述基于PDR模型的融合定位方法、装置、计算机设备及介质,通过采用室内基站定位模型和PDR模型获取待定位终端分别对应的基站定位结果和PDR模型定位结果,并通过定位残差和误差估计的调整后输入扩展卡尔曼滤波框架,可获取校正后的准确的室内定位结果,该方法弥补常规PDR融合算法性能的不足,将传统室内基站定位模型包括TOA/TDOA模型中的残差作为实时调整PDR融合算法参数的依据,提升了室内定位的精度和稳定性;在实时室内定位应用中,对于多区域复杂场景尤其是待定位终端移动跨越相邻两个区域边界时,可实现平滑且无延时地处理跨越边界时的定位效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,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是本发明一实施例中基于PDR模型的融合定位方法的应用环境示意图;
图2是本发明一实施例中基于PDR模型的融合定位方法的流程图;
图3是本发明一实施例中基于PDR模型的融合定位方法的另一流程图;
图4是本发明一实施例中基于PDR模型的融合定位方法的另一流程图;
图5是本发明一实施例中基于PDR模型的融合定位装置的示意图;
图6是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的基于PDR模型的融合定位方法,可应用在如图1的应用环境中,该基于PDR模型的融合定位方法应用在基于PDR模型的融合定位系统中,该基于PDR模型的融合定位系统包括客户端和服务器,其中,客户端通过网络与服务器进行通信。客户端又称为用户端,是指与服务器相对应,为客户端提供本地服务的程序。该客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等计算机设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种基于PDR模型的融合定位方法,以该方法应用在图1中的服务器为例进行说明,具体包括如下步骤:
S10.采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果。
具体地,第一定位结果即为采用基站定位模型,比如TOA或TDOA模型等通过基站测定室内位置的结果。
第二定位结果是采用PDR模型获得的待定位终端在室内的定位结果。
当待定位终端在单一区域内移动时,待定位终端可以同时获得基站定位坐标和PDR定位坐标。这两种坐标一般采用卡尔曼滤波或扩展卡尔曼滤波方法融合后输出一个更精确更稳定的坐标。
S20.基于第一定位结果和评估算法,获取第一定位残差,第一定位残差为定位点距离所有定位基站的距离或距离差。
具体地,在使用TOA/TDOA模型计算定位的方案中,由于信号到达时间估计会存证一定误差,因此所测量的距离/距离差对应的多条圆/双曲线不会相交与一点,而是围出一个小区域。最终定位结果基本在这个区域附近,这个定位点距离每条定位曲线都有一定距离,这个距离显示了残差的大小即为第一定位残差,用以作为室内定位效果的量化评估。
优选地,室内基站定位模型为TOA模型。在步骤S20中,即基于第一定位结果和评估算法,获取第一定位残差,具体包括如下步骤:
S210.采用如下的TOA残差评估算法获取第一定位残差:
优选地,室内基站定位模型为TDOA模型。在步骤S20中,即基于第一定位结果和评估算法,获取第一定位残差,具体包括如下步骤:
S220.采用如下的TDOA残差评估算法获取第一定位残差:
由上述定义可知,定位精度越高,第一定位残差越小,反之亦然。
S30.基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计。
具体地,从第一定位残差r到误差估计的映射函数可以根据需要设计。实现方式很多,例如,一个简单的实现为:
优选地,第一定位残差和误差估计通过以下正相关函数呈正相关关系:,其中,为系统噪声的协方差矩阵,I表示单位矩阵,为误差估计,r为第一定位残差。的物理意义为测量的系统误差估计,即可理解为基站定位结果p=(x,y)的误差估计,因此可将p通过评估算法得到第一定位残差r,作为的变量,实时计算,即。残差r和误差虽无直接联系,但是显然呈正相关关系,因此函数的设计要体现此特性。
S40.基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果。
具体地,PDR融合算法分为PDR模型和融合算法两部分。已知当前坐标,已知运动方向角和步长,即可推断下一步的坐标。其中方向角可以通过IMU模块,使用INS(inertial navigation,惯性导航)算法得到,一般终端的系统会提供此角度。可人为设置固定值,也可以根据IMU测得的加速度大小改变而调整。
由于PDR模型估计定位和基站定位是独立的,因此需要对两个方法取长补短,融合两个定位结果,输出一个更合理的结果。为了达到这个目的,采用扩展卡尔曼滤波框架。
优选地,在步骤S40中,也即基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果,具体包括如下步骤:
S41.采用如下更新公式,获取室内定位结果:
其中,k为当前时刻,k-1为上一时刻,X为表示观测变量预测值的第二定位结果,表示X的观测值,P为X的协方差矩阵,Q为系统噪声的协方差矩阵,函数g表示状态空间更新方程,为g的雅各比矩阵。且观测方程如下:
具体地,举一例说明PDR融合算法的实现过程:
上式即为PDR模型,也即为航位推算过程。而观测模型为:
本实施例提供的基于PDR模型的融合定位方法,通过采用室内基站定位模型和PDR模型获取待定位终端分别对应的基站定位结果和PDR模型定位结果,并通过定位残差和误差估计的调整后输入扩展卡尔曼滤波框架,可获取校正后的准确的室内定位结果,该方法弥补常规PDR融合算法性能的不足,将传统室内基站定位模型包括TOA/TDOA模型中的残差作为实时调整PDR融合算法参数的依据,提升了室内定位的精度和稳定性。在实时室内定位应用中,对于多区域复杂场景尤其是待定位终端移动跨越相邻两个区域边界时,可实现平滑且无延时地处理跨越边界时的定位效果。
在一具体实施例中,第一定位残差包括高阈值和低阈值。如图3所示,在步骤S30中,即基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计,具体包括如下步骤:
S311.若第一定位残差超过高阈值,则调大误差估计,以使室内定位结果接近于第二定位结果。
S312.若第一定位残差低于低阈值,则调小误差估计,以使室内定位结果接近于第一定位结果。
在一具体实施例中,如图4所示,在步骤S30中,即基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计,包括:
S321.若室内基站定位模型包括第三定位结果,则基于第三定位结果和评估算法,获取第三定位残差。
S322.获取第一定位残差和第三定位残差中的较小值对应的定位结果作为室内定位结果,且调大误差估计。
S323.若室内基站定位模型未包括第三定位结果,且第一定位残差在高阈值和低阈值之间,则执行基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果的步骤。
具体地,当上次的定位结果在区域边界附近时,同时接收到两个区域的不同定位结果,选择残差较低的定位结果,并且可将残差放大处理,即,其中。在此条件下,在区域非边界处时,融合算法正常运行;一旦移动到边界附近,融合算法结果偏向于PDR模型预测,于是边界跳点得到抑制。而一旦离开边界附近,融合算法即可恢复正常。
边界检测算法的一种实现:
本实施例提供的基于PDR模型的融合定位方法,通过采用室内基站定位模型和PDR模型获取待定位终端分别对应的基站定位结果和PDR模型定位结果,并通过定位残差和误差估计的调整后输入扩展卡尔曼滤波框架,可获取校正后的准确的室内定位结果,该方法弥补常规PDR融合算法性能的不足,将传统室内基站定位模型包括TOA/TDOA模型中的残差作为实时调整PDR融合算法参数的依据,综合提升了室内定位的精度和稳定性。在实时室内定位应用中,对于多区域复杂场景尤其是待定位终端移动跨越相邻两个区域边界时,可实现平滑且无延时地处理跨越边界时的定位效果,优化了多区域边界移动定位的效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于PDR模型的融合定位装置,该基于PDR模型的融合定位装置与上述实施例中基于PDR模型的融合定位方法一一对应。如图5所示,该基于PDR模型的融合定位装置包括获取定位结果模块10、获取定位残差模块20、获取误差估计模块30以及获取室内结果模块40。各功能模块详细说明如下:
获取定位结果模块10,用于采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果;
获取定位残差模块20,用于基于第一定位结果和评估算法,获取第一定位残差,第一定位残差为定位点距离所有定位基站的距离或距离差;
获取误差估计模块30,用于基于第一定位残差的范围和正相关函数,获取第一定位结果对应的误差估计;
获取室内结果模块40,用于基于扩展卡尔曼滤波框架和误差估计,融合第一定位结果和第二定位结果,以获取室内定位结果。
关于基于PDR模型的融合定位装置的具体限定可以参见上文中对于基于PDR模型的融合定位方法的限定,在此不再赘述。上述基于PDR模型的融合定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性介质、内存储器。该非易失性介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于基于PDR模型的融合定位方法相关的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于PDR模型的融合定位方法。
在一实施例中,提供一种计算机设备,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,处理器执行计算机程序时实现上述实施例基于PDR模型的融合定位方法,例如图2所示S10至步骤S40。或者,处理器执行计算机程序时实现上述实施例中基于PDR模型的融合定位装置的各模块/单元的功能,例如图5所示模块10至模块40的功能。为避免重复,此处不再赘述。
在一实施例中,提供一种计算机可读介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例基于PDR模型的融合定位方法,例如图2所示S10至步骤S40。或者,该计算机程序被处理器执行时实现上述装置实施例中基于PDR模型的融合定位装置中各模块/单元的功能,例如图5所示模块10至模块40的功能。为避免重复,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于PDR模型的融合定位方法,其特征在于,包括:
采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果;
基于所述第一定位结果和评估算法,获取第一定位残差,所述第一定位残差为定位点距离所有定位基站的距离或距离差;
基于所述第一定位残差的范围和正相关函数,获取所述第一定位结果对应的误差估计,包括:若所述室内基站定位模型包括第三定位结果,则基于所述第三定位结果和评估算法,获取第三定位残差;调大所述误差估计,获取所述第一定位残差和所述第三定位残差中的较小值对应的定位结果作为室内定位结果;
若所述室内基站定位模型未包括第三定位结果,所述第一定位残差包括高阈值和低阈值,所述第一定位残差在所述高阈值和低阈值之间,则基于扩展卡尔曼滤波框架和所述误差估计,融合所述第一定位结果和所述第二定位结果,以获取室内定位结果。
4.如权利要求1所述的基于PDR模型的融合定位方法,其特征在于,所述基于所述第一定位残差的范围和正相关函数,获取所述第一定位结果对应的误差估计,包括:
若所述第一定位残差超过所述高阈值,则调大所述误差估计,以使所述室内定位结果接近于所述第二定位结果;
若所述第一定位残差低于所述低阈值,则调小所述误差估计,以使所述室内定位结果接近于所述第一定位结果。
5.如权利要求1所述的基于PDR模型的融合定位方法,其特征在于,所述若所述室内基站定位模型未包括第三定位结果,且所述第一定位残差在所述高阈值和低阈值之间,则执行基于扩展卡尔曼滤波框架和所述误差估计,融合所述第一定位结果和所述第二定位结果,以获取室内定位结果的步骤,包括:
当采用边界检测算法获取当前定位点的位置为边界附近,所述第一定位残差在高阈值和低阈值之间时,执行基于扩展卡尔曼滤波框架和所述误差估计,融合所述第一定位结果和所述第二定位结果,以获取室内定位结果的步骤,其中,所述边界检测算法包括:
7.一种基于PDR模型的融合定位装置,其特征在于,包括:
获取定位结果模块,用于采用室内基站定位模型和PDR模型获取待定位终端分别对应的第一定位结果和第二定位结果;
获取定位残差模块,用于基于所述第一定位结果和评估算法,获取第一定位残差,所述第一定位残差为定位点距离所有定位基站的距离或距离差;
获取残差较小值模块,用于基于所述第一定位残差的范围和正相关函数,获取所述第一定位结果对应的误差估计,包括:若所述室内基站定位模型包括第三定位结果,则基于所述第三定位结果和评估算法,获取第三定位残差;调大所述误差估计,获取所述第一定位残差和所述第三定位残差中的较小值对应的定位结果作为室内定位结果;
获取室内结果模块,用于若所述室内基站定位模型未包括第三定位结果,所述第一定位残差包括高阈值和低阈值,所述第一定位残差在所述高阈值和低阈值之间,则基于扩展卡尔曼滤波框架和所述误差估计,融合所述第一定位结果和所述第二定位结果,以获取室内定位结果。
8.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至6任一项所述基于PDR模型的融合定位方法。
9.一种计算机可读介质,所述计算机可读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如权利要求1至6任一项所述基于PDR模型的融合定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210165445.XA CN114245459B (zh) | 2022-02-23 | 2022-02-23 | 基于pdr模型的融合定位方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210165445.XA CN114245459B (zh) | 2022-02-23 | 2022-02-23 | 基于pdr模型的融合定位方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114245459A CN114245459A (zh) | 2022-03-25 |
CN114245459B true CN114245459B (zh) | 2022-06-24 |
Family
ID=80747828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210165445.XA Active CN114245459B (zh) | 2022-02-23 | 2022-02-23 | 基于pdr模型的融合定位方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114245459B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107426687A (zh) * | 2017-04-28 | 2017-12-01 | 重庆邮电大学 | 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法 |
CN112637762A (zh) * | 2020-12-11 | 2021-04-09 | 武汉科技大学 | 一种基于改进pdr算法的室内融合定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916410B (zh) * | 2019-03-25 | 2023-04-28 | 南京理工大学 | 一种基于改进平方根无迹卡尔曼滤波的室内定位方法 |
CN111352065B (zh) * | 2019-10-29 | 2021-12-28 | 中国科学院测量与地球物理研究所 | 非视距环境下基于toa模式的高精度快速定位方法 |
CN111385743B (zh) * | 2020-03-11 | 2021-03-19 | 北京邮电大学 | 一种位置估计方法、装置及电子设备 |
CN111722180B (zh) * | 2020-07-02 | 2021-08-13 | 广东工业大学 | 一种基于卡尔曼滤波的室内行人定位方法、装置及系统 |
-
2022
- 2022-02-23 CN CN202210165445.XA patent/CN114245459B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107426687A (zh) * | 2017-04-28 | 2017-12-01 | 重庆邮电大学 | 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法 |
CN112637762A (zh) * | 2020-12-11 | 2021-04-09 | 武汉科技大学 | 一种基于改进pdr算法的室内融合定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114245459A (zh) | 2022-03-25 |
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 | |
CN108957466B (zh) | 移动机器人的雷达数据补偿方法、装置、设备和存储介质 | |
WO2021203871A1 (zh) | 协同定位方法、装置、设备和存储介质 | |
WO2018068771A1 (zh) | 目标跟踪方法、系统、电子设备和计算机存储介质 | |
WO2021139590A1 (zh) | 基于蓝牙与slam的室内定位导航装置及其方法 | |
CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
JP6865521B2 (ja) | 航法信号処理装置、航法信号処理方法および航法信号処理用プログラム | |
WO2020233725A1 (zh) | 一种惯性导航系统的传感器数据获取方法及装置 | |
KR102226846B1 (ko) | Imu 센서와 카메라를 이용한 하이브리드 실내 측위 시스템 | |
WO2019126950A1 (zh) | 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品 | |
JP2020508455A (ja) | 屋内測位のための正確な高度推定 | |
CN111536990A (zh) | 在传感器之间的在线外参误标定检测 | |
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 | |
CN111678513A (zh) | 一种超宽带/惯导紧耦合的室内定位装置与系统 | |
US10677881B2 (en) | Map assisted inertial navigation | |
CN113189541B (zh) | 一种定位方法、装置及设备 | |
CN111178126A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN114245459B (zh) | 基于pdr模型的融合定位方法、装置、计算机设备及介质 | |
CN109945864B (zh) | 室内行车定位融合方法、装置、存储介质及终端设备 | |
CN112540345B (zh) | 一种基于高斯分布检测uwb质量的双模型定位方法及系统 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN113310505A (zh) | 传感器系统的外参标定方法、装置及电子设备 | |
CN111798517A (zh) | 一种行进轨迹的确定方法、装置、可读介质及电子设备 | |
CN115616642A (zh) | 一种位置数据的纠正处理方法、装置、设备及存储介质 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 |
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 |