CN114323011A - 一种适用于相对位姿测量的卡尔曼滤波方法 - Google Patents
一种适用于相对位姿测量的卡尔曼滤波方法 Download PDFInfo
- Publication number
- CN114323011A CN114323011A CN202210010929.7A CN202210010929A CN114323011A CN 114323011 A CN114323011 A CN 114323011A CN 202210010929 A CN202210010929 A CN 202210010929A CN 114323011 A CN114323011 A CN 114323011A
- Authority
- CN
- China
- Prior art keywords
- state
- imu
- matrix
- measured
- carrier
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001914 filtration Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 33
- 230000007704 transition Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 3
- 239000003607 modifier Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本发明涉及一种适用于相对位姿测量的卡尔曼滤波方法,其特征在于,包括以下步骤:使用分别布置在运动载体与被测物体的两个IMU分别获取运动载体与被测物体的运动信息,并求解出的被测物体相对于运动载体的姿态数据;基于包括所述姿态数据在内的状态量,建立卡尔曼滤波的状态误差方程;根据误差传播过程,更新卡尔曼滤波的误差状态协方差矩阵;建立卡尔曼滤波的观测方程,依据外部观测传感器的观测量,更新状态协方差矩阵与状态向量;得到滤波后的被测物体与运动载体的相对位姿。本发明通过状态误差卡尔曼滤波器对载体IMU的位姿误差与零偏、相对姿态测量的位姿误差与零偏进行修正,得到高精度的被测物体与运动载体的相对位姿。
Description
技术领域
本发明涉及位姿测量和卡尔曼滤波技术领域,尤其涉及一种适用于相对位姿测量的卡尔曼滤波方法。
背景技术
利用单个IMU的信息可以解算出惯性系中物体实时位姿。利用被测物体的IMU信息以及被测物体所处于的运动载体的IMU信息,来获得目标坐标系下被测物体相对于参照物(运动载体)的相对位姿成为一种需求。例如移动载体的头戴显示系统的位姿获取。
由于惯性器件的自身特性,纯惯性位姿测量会随着传感器漂移而产生累积误差,需要在基于惯性器件的相对姿态测量中兼容外部观测量对惯性器件进行修正得到准确的测姿结果。
发明内容
鉴于上述的分析,本发明旨在提一种适用于相对位姿测量的卡尔曼滤波方法,实现被测物体相对于运动载体的姿态数据的准确测量。
本发明提供的技术方案是:
本发明公开了一种适用于相对位姿测量的卡尔曼滤波方法,包括以下步骤:
使用分别布置在运动载体与被测物体的两个IMU分别获取运动载体与被测物体的运动信息,并求解出的被测物体相对于运动载体的姿态数据;
基于包括所述姿态数据在内的状态量,建立卡尔曼滤波的状态误差方程;根据误差传播过程,更新卡尔曼滤波的误差状态协方差矩阵;
建立卡尔曼滤波的观测方程,依据外部观测传感器的观测量,更新状态协方差矩阵与状态向量;得到滤波后的被测物体与运动载体的相对位姿。
进一步地,在求解出的被测物体相对于运动载体的姿态数据时,采用角速度差分法进行姿态数据的求解;
在角速度差分法中,通过对当前时刻被测物体与运动载体的相对角速度进行积分得到被测物体与运动载体的相对姿态。
进一步地,所述角速度差分法,包括:
获取被测物体坐标系到运动载体坐标系的相对旋转矩阵;
根据被测物体与运动载体的IMU获取的角速度和上一时刻的相对旋转矩阵计算当前时刻相对角增量;
使用当前时刻相对角增量计算相对旋转四元数得到被测物体相对于运动载体的姿态数据。
FX为状态转移矩阵;FN为噪声转移矩阵;
X为系统的状态向量,
X=[ph-p,vh-p,qh-p,bha,bpa,bhω,bpω]T;
X中ph-p、vh-p、qh-p定义为双IMU差分获得的载体坐标系下被测物体相对载体的位置、速度、旋转四元数;bhω、bha为被测物体IMU测量角速度与加速度的零偏;bpω、bpa为运动载体IMU测量角速度与加速度的零偏;
ΔX为状态误差向量,
U为IMU测量向量,
U=[ah,ωh,ap,ωp]T;
ah、ωh、ap、和ωp分别为被测物体IMU加速度与角速度输出、运动载体IMU的加速度与角速度输出;
N为状态噪声向量,
nha、npa、nhω、npω、和分别为被测物体IMU加速度噪声、运动载体IMU加速度噪声、被测物体IMU角速度噪声、运动载体IMU角速度噪声,被测物体IMU加速度零偏噪声、运动载体IMU加速度零偏噪声、被测物体IMU角速度零偏噪声、运动载体IMU角速度零偏噪声。
FX为状态转移矩阵,
I为单位矩阵;
FN为噪声转移矩阵,
进一步地,所述更新卡尔曼滤波的误差状态协方差矩阵的过程包括:
1)获取被测物体、载体的IMU数据;
3)更新状态转移矩阵FX、更新协方差矩阵FNNFN T;
进一步地,所述外部观测传感器观测量包括为位置观测量和角度观测量。
进一步地,卡尔曼滤波的观测方程中,
式中,pc-h为位置观测量,[pc-h]×为对应叉乘运算矩阵。
进一步地,所述更新状态协方差矩阵与状态向量的过程包括:
1)计算观测残差;
2)计算更新矩阵;
3)计算卡尔曼增益;
4)计算状态修正量;
5)计算状态协方差矩阵的递推结果;
6)将状态更新量与原本的状态向量叠加后得到更新后的状态向量。
本发明的有益效果:
本发明的基于双IMU差分的相对姿态测量方法,使用两个IMU的角速度输出与当前时刻的相对旋转矩阵,获取运动载体坐标系下当前时刻相对角速度,积分得到被测物体与运动载体的相对姿态,通过状态误差卡尔曼滤波器对载体IMU的位姿误差与零偏、相对姿态测量的位姿误差与零偏进行修正,得到高精度的被测物体与运动载体的相对位姿;该方法允许包括视觉测姿、无线电测姿在内的外部测姿结果通过卡尔曼滤波器引入观测,修正惯性测姿误差,具有更高精度。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例中的卡尔曼滤波方法流程图;
图2为本发明实施例中的运动载体中姿态测量的坐标系示意图;
图3为本发明实施例中的角速度差分法流程图;
图4为本发明实施例中的误差传播流程图;
图5为本发明实施例中的滤波器更新流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本实施例所公开的一种适用于相对位姿测量的卡尔曼滤波方法,如图1所示,包括以下步骤:
步骤S1、使用分别布置在运动载体与被测物体的两个IMU分别获取运动载体与被测物体的运动信息,并求解出的被测物体相对于运动载体的姿态数据;
步骤S2、基于包括所述姿态数据在内的状态向量,建立卡尔曼滤波的状态误差方程;根据误差传播过程,更新卡尔曼滤波的误差状态协方差矩阵;
步骤S3、建立卡尔曼滤波的观测方程,依据外部观测传感器的观测量,更新状态协方差矩阵与状态向量;得到滤波后的被测物体与运动载体的相对位姿。
具体的,在本实施例中,载体IMU与运动载体固连,可在惯性系自由运动,被测物体IMU固连在被测物体上,可以实现与载体的相对运动。
在本实施例中,如图2所示,运动载体IMU坐标系为p,被测物体IMU坐标系h,空间坐标系为i。
在步骤S1中,在求解出的被测物体相对于运动载体的姿态数据时,采用角速度差分法进行姿态数据的求解;
在角速度差分法中,通过对当前时刻被测物体与运动载体的相对角速度进行积分得到被测物体与运动载体的相对姿态。
具体的,所述角速度差分法,如图3所示,包括:
步骤101、获取被测物体坐标系到运动载体坐标系的相对旋转矩阵Rrel;
被测物体坐标系到运动载体坐标系的相对旋转矩阵Rrel可通过对被测物体和运动载体的标定获得。
本实施例给出了被测物体相对运动载体的旋转四元数的递推过程,通过递推可知,通过惯性系中运动载体角速度ωp(t)与惯性系中被测物体角速度ωh(t),以及递推得到被测物体相对运动载体的旋转四元数,其各自角速度解算后得到的姿态结果的差分,等同于他们差分角速度的姿态解算结果。具体的递推过程如下:
所述相对旋转有以下表达形式:
3)根据相对旋转的积分关系,相对旋转角速度的积分形式:
步骤102、根据被测物体与运动载体的IMU获取角速度和上一时刻的相对旋转矩阵计算当前时刻相对角增量;
步骤103、使用当前时刻相对角增量计算相对旋转四元数得到被测物体相对于运动载体的姿态数据。
步骤S2中,建立的被测物体系统的卡尔曼滤波的状态向量为X={ph-p,vh-p,qh-p,bha,bpa,bhω,bpω};
X中ph-p、vh-p、qh-p为双IMU差分获得的载体坐标系下被测物体相对载体的位置、速度、旋转四元数;bhω、bha为被测物体IMU测量角速度与加速度的零偏;bpω、bpa为运动载体IMU测量角速度与加速度的零偏。其中,载体坐标系下被测物体相对载体的位置ph-p、速度vh-p可采用现有的技术方法获得,在此就不赘述。旋转四元数qh-p为步骤S1中获得的姿态数据。
忽略杆臂效应时,真实情况下状态方程可以用下式表示:
式中,为相对旋转矩阵;ah、bha和nha为被测物体IMU加速度、加速度零偏和加速度噪声;ap、bpa、npa为运动载体IMU加速度、加速度零偏和加速度噪声;ωh、bhω、nhω为被测物体IMU角速度、角速度零偏和角速度噪声,ωp、bpω、npω为运动载体IMU角速度、角速度零偏和角速度噪声;为被测物体IMU加速度零偏噪声和角速度零偏噪声;为运动载体IMU加速度零偏噪声和角速度零偏噪声。
其中各项的具体展开如下:
Δt为当前时刻到下一时刻的时间差。
得到,系统状态误差递推关系即状态误差方程为:
FX为状态转移矩阵;FN为噪声转移矩阵;
U=[ah,ωh,ap,ωp]T;
ah、ωh、ap、和ωp分别为被测物体IMU加速度与角速度输出、运动载体IMU的加速度与角速度输出;
N为状态噪声向量,
其中,和分别为被测物体IMU加速度噪声、运动载体IMU加速度噪声、被测物体IMU角速度噪声、运动载体IMU角速度噪声,被测物体IMU加速度零偏噪声、运动载体IMU加速度零偏噪声、被测物体IMU角速度零偏噪声和运动载体IMU角速度零偏噪声的方差。
进一步地,
I为单位矩阵;
基于上述过程,所述更新卡尔曼滤波的误差状态协方差矩阵的过程包括:
1)获取被测物体、载体的IMU数据;
3)更新状态转移矩阵FX、更新协方差矩阵FNNFN T;
步骤S3中的卡尔曼滤波的观测方程中,外部观测传感器观测量包括为位置观测量和角度观测量。
根据外部观测传感器测量结果,列写更新部分位置测量模型zp;
展开后忽略二阶项,得到:
根据观测方程Δzp=HpΔx,位置量测矩阵Hp写作如下:
式中,pc-h为位置观测量,[pc-h]×为对应叉乘运算矩阵。
根据外部观测传感器测量结果,列写更新部分角度测量模型zq;
根据观测方程Δzq=HqΔx,旋转量测矩阵Hq写作如下
如图5所示,所述更新状态协方差矩阵与状态向量的过程包括:
2)计算更新矩阵S=HPHT+R;
3)计算卡尔曼增益K=PHTS-1;
5)计算状态协方差矩阵的递推结果P←(Id-KH)P(Id-KH)T+KRKT。
在本实施例的一个优选方案中,IMU通过积分过程以较高采样频率获取变换矩阵Timu,同时外部位姿传感器以较低速率获取变换矩阵Tcam。记连续几帧外部位姿传感器测姿更新得到的变换矩阵与(依次递推),选取差分后IMU历史测姿信息中与外部位姿传感器获取时刻最接近的几帧惯性测姿变换矩阵与(依次递推)。则计算得到外部位姿传感器得到的相邻两帧相对位姿变换矩阵相邻两帧最近时刻的惯性测量相对姿态变换矩阵
计算k时刻前一定时间内,n组有效相对变换Dk均方根偏差基准RMSDk。
判定,若新一帧外部姿传感器测量与惯性测量偏差Dk∈[-2RMSDk,2RMSDk],则认为其是有外部位姿测量,对滤波器状态进行更新,同时该Dk计入均方根偏差基准的更新。否则认为是无效的外部位姿测量,丢弃不用,该Dk也不计入均方根偏差基准。
在本实施例另一个优选方案中,外部位姿传感器的数量包括多个,例如采用视觉测姿、无线电测姿和/或电磁测姿的外部位姿传感器;
每个外部位姿传感器按照上述更新过程接入卡尔曼滤波,修正惯性测姿误差,提高测量精度。
综上所述,本实施例基于双IMU差分的相对姿态测量方法,使用两个IMU的角速度输出与当前时刻的相对旋转矩阵,获取运动载体坐标系下当前时刻相对角速度,积分得到被测物体与运动载体的相对姿态,通过状态误差卡尔曼滤波器对载体IMU的位姿误差与零偏、相对姿态测量的位姿误差与零偏进行修正,得到高精度的被测物体与运动载体的相对位姿;该方法允许包括视觉测姿、无线电测姿在内的外部测姿结果通过卡尔曼滤波器引入观测,修正惯性测姿误差,具有更高精度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种适用于相对位姿测量的卡尔曼滤波方法,其特征在于,包括以下步骤:
使用分别布置在运动载体与被测物体的两个IMU分别获取运动载体与被测物体的运动信息,并求解出的被测物体相对于运动载体的姿态数据;
基于包括所述姿态数据在内的状态量,建立卡尔曼滤波的状态误差方程;根据误差传播过程,更新卡尔曼滤波的误差状态协方差矩阵;
建立卡尔曼滤波的观测方程,依据外部观测传感器的观测量,更新状态协方差矩阵与状态向量;得到滤波后的被测物体与运动载体的相对位姿。
2.根据权利要求1所述的卡尔曼滤波方法,其特征在于,
在求解出的被测物体相对于运动载体的姿态数据时,采用角速度差分法进行姿态数据的求解;
在角速度差分法中,通过对当前时刻被测物体与运动载体的相对角速度进行积分得到被测物体与运动载体的相对姿态。
3.根据权利要求2所述的卡尔曼滤波方法,其特征在于,
所述角速度差分法,包括:
获取被测物体坐标系到运动载体坐标系的相对旋转矩阵;
根据被测物体与运动载体的IMU获取的角速度和上一时刻的相对旋转矩阵计算当前时刻相对角增量;
使用当前时刻相对角增量计算相对旋转四元数得到被测物体相对于运动载体的姿态数据。
4.根据权利要求2所述的卡尔曼滤波方法,其特征在于,
FX为状态转移矩阵;FN为噪声转移矩阵;
X为系统的状态向量,
X=[ph-p,vh-p,qh-p,bha,bpa,bhω,bpω]T;
X中ph-p、vh-p、qh-p定义为双IMU差分获得的载体坐标系下被测物体相对载体的位置、速度、旋转四元数;bhω、bha为被测物体IMU测量角速度与加速度的零偏;bpω、bpa为运动载体IMU测量角速度与加速度的零偏;
ΔX为状态误差向量,
U为IMU测量向量,
U=[ah,ωh,ap,ωp]T;
ah、ωh、ap、和ωp分别为被测物体IMU加速度与角速度输出、运动载体IMU的加速度与角速度输出;
N为状态噪声向量,
7.根据权利要求2所述的卡尔曼滤波方法,其特征在于,
所述外部观测传感器观测量包括为位置观测量和角度观测量。
10.根据权利要求2所述的卡尔曼滤波方法,其特征在于,所述更新状态协方差矩阵与状态向量的过程包括:
1)计算观测残差;
2)计算更新矩阵;
3)计算卡尔曼增益;
4)计算状态修正量;
5)计算状态协方差矩阵的递推结果;
6)将状态更新量与原本的状态向量叠加后得到更新后的状态向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010929.7A CN114323011B (zh) | 2022-01-05 | 2022-01-05 | 一种适用于相对位姿测量的卡尔曼滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010929.7A CN114323011B (zh) | 2022-01-05 | 2022-01-05 | 一种适用于相对位姿测量的卡尔曼滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114323011A true CN114323011A (zh) | 2022-04-12 |
CN114323011B CN114323011B (zh) | 2024-04-23 |
Family
ID=81024189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210010929.7A Active CN114323011B (zh) | 2022-01-05 | 2022-01-05 | 一种适用于相对位姿测量的卡尔曼滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114323011B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102506857A (zh) * | 2011-11-28 | 2012-06-20 | 北京航空航天大学 | 一种基于双imu/dgps组合的相对姿态测量实时动态滤波方法 |
US20130338915A1 (en) * | 2011-03-02 | 2013-12-19 | Seiko Epson Corporation | Attitude determination method, position calculation method, and attitude determination device |
CN105698765A (zh) * | 2016-02-22 | 2016-06-22 | 天津大学 | 双imu单目视觉组合测量非惯性系下目标物位姿方法 |
CN106595640A (zh) * | 2016-12-27 | 2017-04-26 | 天津大学 | 基于双imu和视觉融合的动基座上物体相对姿态测量方法及系统 |
US20190041979A1 (en) * | 2017-08-07 | 2019-02-07 | Rockwell Collins, Inc. | System And Method For Hybrid Optical/Inertial Headtracking Via Numerically Stable Kalman Filter |
CN110440795A (zh) * | 2019-07-30 | 2019-11-12 | 北京航空航天大学 | 一种基于卡尔曼滤波的角加速度估计方法 |
-
2022
- 2022-01-05 CN CN202210010929.7A patent/CN114323011B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338915A1 (en) * | 2011-03-02 | 2013-12-19 | Seiko Epson Corporation | Attitude determination method, position calculation method, and attitude determination device |
CN102506857A (zh) * | 2011-11-28 | 2012-06-20 | 北京航空航天大学 | 一种基于双imu/dgps组合的相对姿态测量实时动态滤波方法 |
CN105698765A (zh) * | 2016-02-22 | 2016-06-22 | 天津大学 | 双imu单目视觉组合测量非惯性系下目标物位姿方法 |
CN106595640A (zh) * | 2016-12-27 | 2017-04-26 | 天津大学 | 基于双imu和视觉融合的动基座上物体相对姿态测量方法及系统 |
US20190041979A1 (en) * | 2017-08-07 | 2019-02-07 | Rockwell Collins, Inc. | System And Method For Hybrid Optical/Inertial Headtracking Via Numerically Stable Kalman Filter |
CN110440795A (zh) * | 2019-07-30 | 2019-11-12 | 北京航空航天大学 | 一种基于卡尔曼滤波的角加速度估计方法 |
Non-Patent Citations (4)
Title |
---|
GUO, XIAOTING ET AL.: "Vision and dual IMU integrated attitude measurement system", 《2017 INTERNATIONAL CONFERENCE ON OPTICAL INSTRUMENTS AND TECHNOLOGY - OPTOELECTRONIC MEASUREMENT TECHNOLOGY AND SYSTEMS》, vol. 10621, pages 1 - 10 * |
孙长库;黄璐;王鹏;郭肖亭;: "运动平台双IMU与视觉组合姿态测量算法", 传感技术学报, no. 09, pages 69 - 76 * |
张天等: "基于微惯性技术的人体头部运动姿态测量", 《导航与控制》, vol. 20, no. 4, pages 96 - 100 * |
黄璐等: "双IMU与视觉组合姿态测量信息融合算法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, pages 031 - 170 * |
Also Published As
Publication number | Publication date |
---|---|
CN114323011B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111207774B (zh) | 一种用于激光-imu外参标定的方法及系统 | |
CN109376785B (zh) | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 | |
CN108375382B (zh) | 基于单目视觉的位置姿态测量系统精度检校方法和装置 | |
CN106679649B (zh) | 一种手部运动追踪系统及追踪方法 | |
CN113311411B (zh) | 一种用于移动机器人的激光雷达点云运动畸变校正方法 | |
CN109798891B (zh) | 基于高精度动作捕捉系统的惯性测量单元标定系统 | |
CN106053874A (zh) | 带有为水平速度估计而补偿瞬时旋转的垂直视角摄像机的无人机 | |
CN110044377B (zh) | 一种基于Vicon的IMU离线标定方法 | |
CN112815939A (zh) | 移动机器人的位姿估计方法及计算机可读存储介质 | |
CN113763479A (zh) | 一种折反射全景相机与imu传感器的标定方法 | |
CN111189474A (zh) | 基于mems的marg传感器的自主校准方法 | |
CN114216456A (zh) | 一种基于imu与机器人本体参数融合的姿态测量方法 | |
CN116817896A (zh) | 一种基于扩展卡尔曼滤波的姿态解算方法 | |
CN114926547A (zh) | 一种相机与imu的标定方法、电子设备及系统 | |
CN113155152B (zh) | 基于李群滤波的相机与惯性传感器空间关系自标定方法 | |
CN114383605A (zh) | 基于mems传感器和稀疏地标点的室内定位及优化方法 | |
CN114323011A (zh) | 一种适用于相对位姿测量的卡尔曼滤波方法 | |
CN114383612B (zh) | 一种视觉辅助惯性差分位姿测量系统 | |
CN111998870B (zh) | 一种相机惯导系统的标定方法和装置 | |
CN111307176B (zh) | 一种vr头戴显示设备中视觉惯性里程计的在线标定方法 | |
CN116167919A (zh) | 一种基于核岭回归的激光点云数据去畸变方法 | |
CN114264304B (zh) | 复杂动态环境高精度水平姿态测量方法与系统 | |
CN112284379B (zh) | 一种基于非线性积分补偿的组合运动测量系统的惯性预积分方法 | |
CN114199239A (zh) | 结合北斗导航的双视觉辅助惯性差分座舱内头部测姿系统 | |
CN114370870B (zh) | 适用于位姿测量卡尔曼滤波的滤波器更新信息筛选方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |