CN114608569A - 三维位姿估计方法、系统、计算机设备及存储介质 - Google Patents
三维位姿估计方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114608569A CN114608569A CN202210161409.6A CN202210161409A CN114608569A CN 114608569 A CN114608569 A CN 114608569A CN 202210161409 A CN202210161409 A CN 202210161409A CN 114608569 A CN114608569 A CN 114608569A
- Authority
- CN
- China
- Prior art keywords
- pose
- data
- information
- sensor
- local
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007499 fusion processing Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 25
- 230000004927 fusion Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000004083 survival effect Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G01C21/165—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
- G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
- G01C5/06—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels by using barometric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本方案涉及一种三维位姿估计方法、系统、计算机设备及存储介质。所述方法包括：标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数；获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；根据环境数据、局部位姿信息、关联信息构建目标函数；求解目标函数，得到与待位姿估计物对应的三维位姿估计。通过将各个传感器采集的数据进行融合，在部分传感器失效的情况下，依靠其他正常传感器依然能够提供准确的环境数据，可以提高位姿估计的准确性。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种三维位姿估计方法、系统、计算机设备及存储介质。
背景技术
近年来，随着科技水平的不断提升，移动机器人技术已经广泛的应用到日常生活的各个领域之中。其中，移动机器人能够自主执行各种任务，缓解人力成本带来的用工压力，越来越受到人们的关注。例如，针对生活小区、工业园区等场景的巡检及配送作业，任务繁重且简单重复，因此由智能化的移动机器人设备代替人工，必然势不可挡。但是移动机器人距离真正的人工操作，还是存在一定的距离。移动机器人在日常运行中，获取准确的运动姿态，是机器人自主执行任务的关键。目前常用的定位方案，主要有RTK定位和GPS辅助的激光数据与全局地图进行匹配。RTK定位由于卫星信号及基站信号易受到遮挡影响，一般常用于空旷无遮挡区域使用；而GPS辅助的激光数据与全局地图匹配定位方式，对地图的实时更新维护要求较高，一旦全局地图中出现与实际环境不匹配，特别是存在动态物体及环境季节变化导致的地图不匹配，极易对位姿估计造成较大的影响。
考虑到移动机器人在室内室外等不同场景下运行，一旦定位错误或势必可能会发生不可控的危险。
发明内容
基于此，为了解决上述技术问题，提供一种三维位姿估计方法、系统、计算机设备和存储介质，可以提高位姿估计的精度。
一种三维位姿估计方法，所述方法包括：
标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
在其中一个实施例中，所述标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数，包括：
标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；
标定激光雷达与载体运动中心的相对位姿关系；标定所述惯性传感器与所述激光雷达之间的相对位姿关系；标定GPS与所述激光雷达的相对位姿关系。
在其中一个实施例中，所述获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息，包括：
对所述惯性传感器采集的数据进行积分，得到当前时刻所述待位姿估计物的运动数据；对所述惯性传感器采集的数据和所述激光数据进行时间同步，利用所述惯性传感器预积分的结果对所述激光雷达进行畸变矫正，并对所述激光雷达采集的数据进行噪点剔除，得到所述激光数据；
根据所述运动数据、所述激光数据，得到与所述待位姿估计物对应的局部位姿信息。
在其中一个实施例中，所述根据所述运动数据、所述激光数据，得到与所述待位姿估计物对应的局部位姿信息，包括：
根据所述运动数据，以所述惯性传感器采集的数据以及所述轮式里程计采集的数据为初值，获取所述待位姿估计物当前时间段的当前运动量；
采集所述待位姿估计物上一时刻的历史运动量，并根据所述历史运动量、所述当前运动量获取所述待位姿估计物当前时刻的初始化位姿；
根据所述初始化位姿、所述激光数据计算所述待位姿估计物的精确位姿，并根据所述精确位姿得到所述局部位姿信息。
在其中一个实施例中，所述根据所述激光数据、所述先验信息生成全局位姿数据的关联信息，包括：
根据所述先验信息得到与所述全局位姿数据对应的预测位姿数据；
查找所述预测位姿数据的各个附近位姿数据，分别将各个所述附近位姿数据与所述激光数据进行匹配，并分别计算出匹配度；
对各个所述匹配度进行判别，从各个所述附近位姿数据中筛选出目标位姿数据作为所述关联信息。
在其中一个实施例中，所述目标函数的表达式为：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
在其中一个实施例中，所述求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计，包括：
求解所述目标函数，将所述局部位姿信息转换为全局位姿信息，并根据所述局部位姿信息对所述待位姿估计物对应的全局位姿信息进行更新，输出所述三维位姿估计。
一种三维位姿估计系统，所述系统包括：
标定模块，用于标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
数据融合模块，用于获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
数据关联模块，用于提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
函数构建模块，用于根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
位姿估计模块，用于求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
上述三维位姿估计方法、系统、计算机设备及存储介质，通过标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。通过将各个传感器采集的数据进行融合，在部分传感器失效的情况下，依靠其他正常传感器依然能够提供准确的环境数据，可以提高位姿估计的准确性；通过构建目标函数，可以降低求解时间，提高位姿估计的精度。
附图说明
图1为一个实施例中三维位姿估计方法的应用环境图；
图2为一个实施例中三维位姿估计方法的流程示意图；
图3为一个实施例中采集数据并进行融合的系统架构图；
图4为一个实施例中三维位姿估计系统的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的三维位姿估计方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境包括计算机设备110。计算机设备110可以标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数；计算机设备110可以获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；计算机设备110可以提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；计算机设备110可以根据环境数据、局部位姿信息、关联信息构建目标函数；计算机设备110可以求解目标函数，得到与待位姿估计物对应的三维位姿估计。其中，计算机设备110可以但不限于是各种移动机器人、无人飞行器等设备。
在一个实施例中，如图2所示，提供了一种三维位姿估计方法，包括以下步骤：
步骤202，标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数。
其中，待位姿估计物可以是需要进行位姿估计的物体，待位姿估计物上面可以设置有多个传感器，分别用于采集不同的数据。
计算机设备可以对待位姿估计物上面的各个传感器分别进行标定，并获取标定后各个传感器对应的传感器参数。
步骤204，获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息。
各个传感器在进行标定后，可以按照标定后的传感器参数进行数据采集，具体的，各个传感器可以按照标定后的传感器参数采集周围的环境数据。
计算机设备可以对获取到的环境数据进行融合处理，从而得到局部位姿信息。
步骤206，提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息。
局部位姿信息中可以包含有激光数据，且激光数据可以是传感器使用标定后的传感器参数采集到的数据。先验信息可以用于表示获得样本的试验之前，获得的经验和历史资料。
全局位姿数据的关联信息可以用于表示与待位姿估计物整体位姿相关联的信息。计算机设备可以根据激光数据、先验信息生成全局位姿数据的关联信息。
步骤208，根据环境数据、局部位姿信息、关联信息构建目标函数。
步骤210，求解目标函数，得到与待位姿估计物对应的三维位姿估计。
在本实施例中，计算机设备通过对待位姿估计物上的各个传感器进行标定，并获取标定后各个传感器对应的传感器参数；各个传感器按照传感器参数采集环境数据，对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；根据环境数据、局部位姿信息、关联信息构建目标函数；求解目标函数，得到与待位姿估计物对应的三维位姿估计。通过将各个传感器采集的数据进行融合，在部分传感器失效的情况下，依靠其他正常传感器依然能够提供准确的环境数据，可以提高位姿估计的准确性；通过构建目标函数，可以降低求解时间，提高位姿估计的精度。
在一个实施例中，提供的一种三维位姿估计方法还可以包括对各个传感器进行标定的过程，具体过程包括：标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；标定激光雷达与载体运动中心的相对位姿关系；标定惯性传感器与激光雷达之间的相对位姿关系；标定GPS与激光雷达的相对位姿关系。
在一个实施例中，提供的一种三维位姿估计方法还可以包括采集数据并进行数据融合后得到局部位姿信息的过程，具体过程包括：对惯性传感器采集的数据进行积分，得到当前时刻待位姿估计物的运动数据；对惯性传感器采集的数据和激光数据进行时间同步，利用惯性传感器预积分的结果对激光雷达进行畸变矫正，并对激光雷达采集的数据进行噪点剔除，得到激光数据；根据运动数据、激光数据，得到与待位姿估计物对应的局部位姿信息。
在本实施例中，如图3所示，计算机设备中可以设置有LIO系统，计算机设备可以通过LIO系统采集数据并进行数据融合。其中，当前时刻待位姿估计物的运动数据可以是当前时刻待位姿估计物的位置、速度和旋转等数据。
在另一个实施例中，提供的一种三维位姿估计方法还可以包括得到局部位姿信息的过程，具体过程包括：根据运动数据，以惯性传感器采集的数据以及轮式里程计采集的数据为初值，获取待位姿估计物当前时间段的当前运动量；采集待位姿估计物上一时刻的历史运动量，并根据历史运动量、当前运动量获取待位姿估计物当前时刻的初始化位姿；根据初始化位姿、激光数据计算待位姿估计物的精确位姿，并根据精确位姿得到局部位姿信息。
在一个实施例中，提供的一种三维位姿估计方法还可以包括生成关联信息的过程，具体过程包括：根据先验信息得到与全局位姿数据对应的预测位姿数据；查找预测位姿数据的各个附近位姿数据，分别将各个附近位姿数据与激光数据进行匹配，并分别计算出匹配度；对各个匹配度进行判别，从各个附近位姿数据中筛选出目标位姿数据作为关联信息。
在一个实施例中，提供的一种三维位姿估计方法还可以包括构建目标函数的过程，具体过程包括：基于先验信息、轮式里程计LIO位姿信息、惯性传感器测量值，GPS测量值、磁强计测试值、气压计测量值、激光全局匹配信息等构建目标函数。
在一个实施例中，目标函数的表达式可以是：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
在一个实施例中，提供的一种三维位姿估计方法还可以包括求解目标函数，得到三维位姿估计的过程，具体过程包括：求解目标函数，将局部位姿信息转换为全局位姿信息，并根据局部位姿信息对待位姿估计物对应的全局位姿信息进行更新，输出三维位姿估计。
在本实施例中，对目标函数进行求解可以包括：min(R,t){PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2}，即通过最小二乘法求得一个最优的位姿数据(R，t)，使得六个残差项PP、∑||lio||2、∑||gps||2、∑||mag||2、∑||bar||2、∑||lgm||2的和最小。
在本实施例中，计算机设备可以基于滑动窗口求解最小二乘问题，滑动窗口内包含最小二乘计算所需要的参数，每次最小二乘计算中，除先验信息外的误差项都由滑动窗口内的值提供。
本申请在环境易变或者特征稀疏的场景，仍然具有较高的精度和鲁棒性；通过构建用于位姿估计的目标函数，对目标函数使用最小二乘进行求解，设置了目标函数的具体数目，降低求解时间，提高了位姿估计的精度。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种三维位姿估计系统，包括：标定模块410、数据融合模块420、数据关联模块430、函数构建模块440和位姿估计模块450，其中：
标定模块410，用于标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数；
数据融合模块420，用于获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；
数据关联模块430，用于提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；
函数构建模块440，用于根据环境数据、局部位姿信息、关联信息构建目标函数；
位姿估计模块450，用于求解目标函数，得到与待位姿估计物对应的三维位姿估计。
在一个实施例中，标定模块410还用于标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；标定激光雷达与载体运动中心的相对位姿关系；标定惯性传感器与激光雷达之间的相对位姿关系；标定GPS与激光雷达的相对位姿关系。
在一个实施例中，数据融合模块420还用于对惯性传感器采集的数据进行积分，得到当前时刻待位姿估计物的运动数据；对惯性传感器采集的数据和激光数据进行时间同步，利用惯性传感器预积分的结果对激光雷达进行畸变矫正，并对激光雷达采集的数据进行噪点剔除，得到激光数据；根据运动数据、激光数据，得到与待位姿估计物对应的局部位姿信息。
在一个实施例中，数据融合模块420还用于根据运动数据，以惯性传感器采集的数据以及轮式里程计采集的数据为初值，获取待位姿估计物当前时间段的当前运动量；采集待位姿估计物上一时刻的历史运动量，并根据历史运动量、当前运动量获取待位姿估计物当前时刻的初始化位姿；根据初始化位姿、激光数据计算待位姿估计物的精确位姿，并根据精确位姿得到局部位姿信息。
在一个实施例中，数据关联模块430还用于根据先验信息得到与全局位姿数据对应的预测位姿数据；查找预测位姿数据的各个附近位姿数据，分别将各个附近位姿数据与激光数据进行匹配，并分别计算出匹配度；对各个匹配度进行判别，从各个附近位姿数据中筛选出目标位姿数据作为关联信息。
在一个实施例中，函数构建模块440还用于构建目标函数，其中，目标函数的表达式为：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
在一个实施例中，位姿估计模块450还用于求解目标函数，将局部位姿信息转换为全局位姿信息，并根据局部位姿信息对待位姿估计物对应的全局位姿信息进行更新，输出三维位姿估计。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5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、显示屏和输入装置。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存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储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三维位姿估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数；
获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；
提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；
根据环境数据、局部位姿信息、关联信息构建目标函数；
求解目标函数，得到与待位姿估计物对应的三维位姿估计。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；标定激光雷达与载体运动中心的相对位姿关系；标定惯性传感器与激光雷达之间的相对位姿关系；标定GPS与激光雷达的相对位姿关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对惯性传感器采集的数据进行积分，得到当前时刻待位姿估计物的运动数据；对惯性传感器采集的数据和激光数据进行时间同步，利用惯性传感器预积分的结果对激光雷达进行畸变矫正，并对激光雷达采集的数据进行噪点剔除，得到激光数据；根据运动数据、激光数据，得到与待位姿估计物对应的局部位姿信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据运动数据，以惯性传感器采集的数据以及轮式里程计采集的数据为初值，获取待位姿估计物当前时间段的当前运动量；采集待位姿估计物上一时刻的历史运动量，并根据历史运动量、当前运动量获取待位姿估计物当前时刻的初始化位姿；根据初始化位姿、激光数据计算待位姿估计物的精确位姿，并根据精确位姿得到局部位姿信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据先验信息得到与全局位姿数据对应的预测位姿数据；查找预测位姿数据的各个附近位姿数据，分别将各个附近位姿数据与激光数据进行匹配，并分别计算出匹配度；对各个匹配度进行判别，从各个附近位姿数据中筛选出目标位姿数据作为关联信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：构建目标函数，其中，目标函数的表达式为：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：求解目标函数，将局部位姿信息转换为全局位姿信息，并根据局部位姿信息对待位姿估计物对应的全局位姿信息进行更新，输出三维位姿估计。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
标定待位姿估计物上的各个传感器，并获取标定后各个传感器对应的传感器参数；
获取各个传感器按照传感器参数采集环境数据，并对环境数据进行融合处理，得到与待位姿估计物对应的局部位姿信息；
提取局部位姿信息中的激光数据，获取先验信息，并根据激光数据、先验信息生成全局位姿数据的关联信息；
根据环境数据、局部位姿信息、关联信息构建目标函数；
求解目标函数，得到与待位姿估计物对应的三维位姿估计。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；标定激光雷达与载体运动中心的相对位姿关系；标定惯性传感器与激光雷达之间的相对位姿关系；标定GPS与激光雷达的相对位姿关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对惯性传感器采集的数据进行积分，得到当前时刻待位姿估计物的运动数据；对惯性传感器采集的数据和激光数据进行时间同步，利用惯性传感器预积分的结果对激光雷达进行畸变矫正，并对激光雷达采集的数据进行噪点剔除，得到激光数据；根据运动数据、激光数据，得到与待位姿估计物对应的局部位姿信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据运动数据，以惯性传感器采集的数据以及轮式里程计采集的数据为初值，获取待位姿估计物当前时间段的当前运动量；采集待位姿估计物上一时刻的历史运动量，并根据历史运动量、当前运动量获取待位姿估计物当前时刻的初始化位姿；根据初始化位姿、激光数据计算待位姿估计物的精确位姿，并根据精确位姿得到局部位姿信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据先验信息得到与全局位姿数据对应的预测位姿数据；查找预测位姿数据的各个附近位姿数据，分别将各个附近位姿数据与激光数据进行匹配，并分别计算出匹配度；对各个匹配度进行判别，从各个附近位姿数据中筛选出目标位姿数据作为关联信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：构建目标函数，其中，目标函数的表达式为：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：求解目标函数，将局部位姿信息转换为全局位姿信息，并根据局部位姿信息对待位姿估计物对应的全局位姿信息进行更新，输出三维位姿估计。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，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，本申请所提供的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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种三维位姿估计方法，其特征在于，所述方法包括：
标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
2.根据权利要求1所述的三维位姿估计方法，其特征在于，所述标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数，包括：
标定轮式里程计轮间距及轮半径参数；标定惯性传感器的内参数和测量噪声；标定磁强计的噪声参数；标定气压计的噪声参数；
标定激光雷达与载体运动中心的相对位姿关系；标定所述惯性传感器与所述激光雷达之间的相对位姿关系；标定GPS与所述激光雷达的相对位姿关系。
3.根据权利要求2所述的三维位姿估计方法，其特征在于，所述获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息，包括：
对所述惯性传感器采集的数据进行积分，得到当前时刻所述待位姿估计物的运动数据；对所述惯性传感器采集的数据和所述激光数据进行时间同步，利用所述惯性传感器预积分的结果对所述激光雷达进行畸变矫正，并对所述激光雷达采集的数据进行噪点剔除，得到所述激光数据；
根据所述运动数据、所述激光数据，得到与所述待位姿估计物对应的局部位姿信息。
4.根据权利要求3所述的三维位姿估计方法，其特征在于，所述根据所述运动数据、所述激光数据，得到与所述待位姿估计物对应的局部位姿信息，包括：
根据所述运动数据，以所述惯性传感器采集的数据以及所述轮式里程计采集的数据为初值，获取所述待位姿估计物当前时间段的当前运动量；
采集所述待位姿估计物上一时刻的历史运动量，并根据所述历史运动量、所述当前运动量获取所述待位姿估计物当前时刻的初始化位姿；
根据所述初始化位姿、所述激光数据计算所述待位姿估计物的精确位姿，并根据所述精确位姿得到所述局部位姿信息。
5.根据权利要求1所述的三维位姿估计方法，其特征在于，所述根据所述激光数据、所述先验信息生成全局位姿数据的关联信息，包括：
根据所述先验信息得到与所述全局位姿数据对应的预测位姿数据；
查找所述预测位姿数据的各个附近位姿数据，分别将各个所述附近位姿数据与所述激光数据进行匹配，并分别计算出匹配度；
对各个所述匹配度进行判别，从各个所述附近位姿数据中筛选出目标位姿数据作为所述关联信息。
6.根据权利要求1所述的三维位姿估计方法，其特征在于，所述目标函数的表达式为：PP+∑||lio||2+∑||gps||2+∑||mag||2+∑||bar||2+∑||lgm||2；其中，PP表示先验信息，∑||lio||2表示相邻两帧数据之间的位置、角度、陀螺仪偏差、加速度偏差的变化量的差，∑||gps||2表示全局坐标系下与GPS的位置偏差，∑||mag||2表示全局坐标系下与磁力方向的差，∑||bar||2表示高度值与气压计测量值的差，∑||lgm||2表示局部位姿与全局位姿的误差。
7.根据权利要求1所述的三维位姿估计方法，其特征在于，所述求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计，包括：
求解所述目标函数，将所述局部位姿信息转换为全局位姿信息，并根据所述局部位姿信息对所述待位姿估计物对应的全局位姿信息进行更新，输出所述三维位姿估计。
8.一种三维位姿估计系统，其特征在于，所述系统包括：
标定模块，用于标定待位姿估计物上的各个传感器，并获取标定后各个所述传感器对应的传感器参数；
数据融合模块，用于获取各个所述传感器按照所述传感器参数采集环境数据，并对所述环境数据进行融合处理，得到与所述待位姿估计物对应的局部位姿信息；
数据关联模块，用于提取所述局部位姿信息中的激光数据，获取先验信息，并根据所述激光数据、所述先验信息生成全局位姿数据的关联信息；
函数构建模块，用于根据所述环境数据、所述局部位姿信息、所述关联信息构建目标函数；
位姿估计模块，用于求解所述目标函数，得到与所述待位姿估计物对应的三维位姿估计。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210161409.6A CN114608569B (zh) | 2022-02-22 | 2022-02-22 | 三维位姿估计方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210161409.6A CN114608569B (zh) | 2022-02-22 | 2022-02-22 | 三维位姿估计方法、系统、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114608569A true CN114608569A (zh) | 2022-06-10 |
| CN114608569B CN114608569B (zh) | 2024-03-01 |
Family
ID=81858961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210161409.6A Active CN114608569B (zh) | 2022-02-22 | 2022-02-22 | 三维位姿估计方法、系统、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114608569B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109443351A (zh) * | 2019-01-02 | 2019-03-08 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人三维激光定位方法 |
| CN111354043A (zh) * | 2020-02-21 | 2020-06-30 | 集美大学 | 一种基于多传感器融合的三维姿态估计方法及装置 |
| US20200226782A1 (en) * | 2018-05-18 | 2020-07-16 | Boe Technology Group Co., Ltd. | Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database |
| WO2020155616A1 (zh) * | 2019-01-29 | 2020-08-06 | 浙江省北大信息技术高等研究院 | 一种基于数字视网膜的拍摄装置的定位方法 |
| CN111947671A (zh) * | 2020-03-02 | 2020-11-17 | 北京百度网讯科技有限公司 | 用于定位的方法、装置、计算设备和计算机可读存储介质 |
| CN112284387A (zh) * | 2020-09-07 | 2021-01-29 | 安克创新科技股份有限公司 | 用于清扫设备的定位方法、清扫设备和存储介质 |
| CN112781582A (zh) * | 2020-12-26 | 2021-05-11 | 复三人工智能科技(上海)有限公司 | 卫星弱观测条件下的多传感器融合高精度位姿估计算法 |
| CN113781582A (zh) * | 2021-09-18 | 2021-12-10 | 四川大学 | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 |
| CN113819914A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种地图构建方法及装置 |
| CN113945206A (zh) * | 2020-07-16 | 2022-01-18 | 北京图森未来科技有限公司 | 一种基于多传感器融合的定位方法及装置 |
| CN113960622A (zh) * | 2021-10-26 | 2022-01-21 | 北京理工大学 | 融合激光雷达及imu传感器信息的实时定位方法及装置 |
-
2022
- 2022-02-22 CN CN202210161409.6A patent/CN114608569B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200226782A1 (en) * | 2018-05-18 | 2020-07-16 | Boe Technology Group Co., Ltd. | Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database |
| CN109443351A (zh) * | 2019-01-02 | 2019-03-08 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人三维激光定位方法 |
| WO2020155616A1 (zh) * | 2019-01-29 | 2020-08-06 | 浙江省北大信息技术高等研究院 | 一种基于数字视网膜的拍摄装置的定位方法 |
| CN111354043A (zh) * | 2020-02-21 | 2020-06-30 | 集美大学 | 一种基于多传感器融合的三维姿态估计方法及装置 |
| CN111947671A (zh) * | 2020-03-02 | 2020-11-17 | 北京百度网讯科技有限公司 | 用于定位的方法、装置、计算设备和计算机可读存储介质 |
| CN113819914A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种地图构建方法及装置 |
| CN113945206A (zh) * | 2020-07-16 | 2022-01-18 | 北京图森未来科技有限公司 | 一种基于多传感器融合的定位方法及装置 |
| CN112284387A (zh) * | 2020-09-07 | 2021-01-29 | 安克创新科技股份有限公司 | 用于清扫设备的定位方法、清扫设备和存储介质 |
| CN112781582A (zh) * | 2020-12-26 | 2021-05-11 | 复三人工智能科技(上海)有限公司 | 卫星弱观测条件下的多传感器融合高精度位姿估计算法 |
| CN113781582A (zh) * | 2021-09-18 | 2021-12-10 | 四川大学 | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 |
| CN113960622A (zh) * | 2021-10-26 | 2022-01-21 | 北京理工大学 | 融合激光雷达及imu传感器信息的实时定位方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 刘松国, 朱世强, 刘瑜, 庞作伟, 赵凤坤: "移动机器人的蒙特卡罗自主定位算法研究", 机电工程, no. 04 * |
| 李群明, 熊蓉, 褚健: "室内自主移动机器人定位方法研究综述", 机器人, no. 06 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114608569B (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111136660B (zh) | 机器人位姿定位方法及系统 | |
| US11035915B2 (en) | Method and system for magnetic fingerprinting | |
| CN111707260B (zh) | 一种基于频域分析及卷积神经网络的定位方法 | |
| CN113899375B (zh) | 车辆定位方法和装置、存储介质及电子设备 | |
| CN111551186A (zh) | 一种车辆实时定位方法、系统及车辆 | |
| CN109916396B (zh) | 一种基于多维地磁信息的室内定位方法 | |
| CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
| CN114689047B (zh) | 基于深度学习的组合导航方法、装置、系统及存储介质 | |
| CN112132875B (zh) | 一种基于面特征的多平台点云匹配方法 | |
| CN111080682A (zh) | 点云数据的配准方法及装置 | |
| CN110672095A (zh) | 一种基于微惯导的行人室内自主定位算法 | |
| CN114061611A (zh) | 目标对象定位方法、装置、存储介质和计算机程序产品 | |
| CN114061570A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
| CN114459469B (zh) | 多运动状态导航方法、装置及智能可穿戴设备 | |
| CN114463932B (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
| CN114383605B (zh) | 基于mems传感器和稀疏地标点的室内定位及优化方法 | |
| US10677881B2 (en) | Map assisted inertial navigation | |
| CN112985392B (zh) | 基于图优化框架的行人惯性导航方法和装置 | |
| Chu et al. | Performance comparison of tight and loose INS-Camera integration | |
| CN109655057B (zh) | 一种六推无人机加速器测量值的滤波优化方法及其系统 | |
| US20230304802A1 (en) | Passive combined indoor positioning system and method based on intelligent terminal sensor | |
| CN112407344A (zh) | 空间非合作目标的位姿预测方法和装置 | |
| CN114608569B (zh) | 三维位姿估计方法、系统、计算机设备及存储介质 | |
| Dardanelli et al. | On the accuracy of cadastral marks: Statistical analyses to assess the congruence among GNSS-based positioning and official maps | |
| CN114147717B (zh) | 机器人运动轨迹估计方法、装置、控制器及存储介质 |
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 |