CN114838726A - 一种基于多传感器数据融合的gps数据修正算法 - Google Patents
一种基于多传感器数据融合的gps数据修正算法 Download PDFInfo
- Publication number
- CN114838726A CN114838726A CN202210414659.6A CN202210414659A CN114838726A CN 114838726 A CN114838726 A CN 114838726A CN 202210414659 A CN202210414659 A CN 202210414659A CN 114838726 A CN114838726 A CN 114838726A
- Authority
- CN
- China
- Prior art keywords
- data
- gps
- laser
- wheel type
- type odometer
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 11
- 230000004927 fusion Effects 0.000 title claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000004556 laser interferometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static 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
- G01C21/165—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
-
- 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
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于多传感器数据融合的GPS数据修正算法。所述方法包括：使用惯性测量单元Z轴数据对轮式里程计发生上下抖动时的数据进行处理。对处理后的轮式里程计数据与激光雷达数据进行扩展卡尔曼滤波，得到激光轮式里程计数据。之后对激光轮式里程计数据与GPS数据进行求平滑度，以判断是否用激光轮式里程计数据代替失效的GPS数据。本发明能够在GPS信号失效或者出现波动时，保证无人车定位精度并且减小无人车定位所用时间。
Description
技术领域
本发明涉及人工智能与无人系统领域，具体涉及自动驾驶定位领域，尤其涉及一种基于多传感器数据融合的GPS数据修正算法。
背景技术
在无人系统领域无人车的自动驾驶中，定位是其关键技术之一，针对这一技术目前已经开展了大量的研究工作。无人车定位方案主要分为：
GNSS(Global Navigation Satellite System)：全球导航卫星系统。比如常见的GPS(Global Positioning System)、中国的北斗(BDS)。传统的定位精度在大约为米级别的。
IMU(Inertial Measurement Unit):惯性测量单元。利用加速度计和角速度计(陀螺仪)，根据上一时刻的位置和方位推断现在的位置和方位，即航迹推测.惯性导航和GPS可以结合起来使用,惯性导航可以弥补GPS更新频率低的缺陷，GPS可以纠正惯性导航的运动误差。但是，如果是在地下隧道或者其他信号不好的地方，GPS可能无法及时纠正惯性导航的运动误差。
传感器融合：利用激光雷达或者相机，记录道路外观，测量车辆到静态物体如建筑物，电线杆，路缘的距离，将传感器的点云数据与高精地图储存的特征进行匹配，并实现车辆坐标系与世界坐标系之间的转换，确定最有可能位于的位置。
针对GPS受环境影响较大而导致定位波动或者失效的问题，
文献《LIO-SAM:Tightly-coupled Lidar Inertial Odometry via Smoothingand Mapping》提出激光雷达、IMU、GPS紧耦合定位建图算法，存在如下问题：
(1)没有充分运用无人车上所搭载的传感器，如轮式里程计。
(2)没有对GPS失效情况下做出数据的纠正。
文献《LOAM:Lidar Odometry and Mapping in Real-time》提出使用平滑度来判断激光雷达点云数据中的点线关系与点面关系，存在如下问题：
(1)没有进行多传感器的融合，仅使用激光雷达来进行SLAM建图。
(2)没有对无人车姿态进行平滑度处理，尤其是在草坪与树叶较多的场景，激光雷达的姿态会出现偏差，无法做出姿态数据的纠正。
发明内容
本发明提供一种基于多传感器融合对GPS数据修正算法。将轮式里程计与激光雷达的数据进行扩展卡尔曼滤波，得到激光轮式里程计数据。之后对激光轮式里程计数据与GPS数据求平滑度，判断平滑度是否在其阈值区域内。最后比较平滑度与阈值的大小，判断是否将激光轮式里程计数据代替GPS数据加入图优化。本发明能够在GPS信号失效或者出现波动时，保证无人车定位精度并且减小无人车定位所用时间。
为达到上述目的，本发明提供一种基于多传感器数据融合的GPS数据修正算法，包括以下步骤：
S1、根据惯性测量单元IMU的Z轴加速度增量的数值对轮式里程计数据进行处理；
所述的S1中，根据惯性测量单元IMU的Z轴加速度增加量的数值对轮式里程计数据进行处理，具体包括以下子步骤：
S1.1、记录下无人车在当前环境平坦路段运行时Z轴加速度的最大值amax与最小值amin。
S1.2、根据所述S11中求得最大加速度值amax与最小加速度amin，以及IMU测量误差(-aε,+aε)，设定IMU的Z轴加速度的变化区间为(amin-aε,amax+aε)；
S1.3、在每帧轮式里程计数据到来时，对IMU的Z轴加速度值进行判断，若在加速度变化区间内，则视为轮式里程计数据为观测值，否则舍去此帧的轮式里程计数据。
S2、对轮式里程计数据与激光雷达里程计数据进行扩展卡尔曼滤波，得到激光轮式里程计数据；
S3、当收到GPS数据时，对GPS当前帧数据与其周围10帧激光轮式里程计数据求解平滑度，平滑度求解公式：
其中S是激光轮式里程计与GPS的位姿集合，XG是GPS数据，Xi是激光轮式里程计数据；
所述的S3中，当收到GPS数据时，对GPS当前帧数据与其周围10帧激光轮式里程计数据求解平滑度，平滑度求解公式：
其中S是激光轮式里程计与GPS的位姿集合，XG是GPS数据，Xi是激光轮式里程计数据；具体包括以下子步骤：
S31、储存当前帧GPS数据XG与其10帧激光轮式里程计数据X0,X1,...,X8,X9；
S32、求得10帧激光轮式里程计与GPS数据集合S＝X0,X1,...,X8,X9,XG；
S33、求得平滑度
S4、根据初始帧激光轮式里程计数据的后5帧GPS数据与50帧激光轮式里程计数据的平滑度C1、C2、C3、C4、C5，求其平均值，并设置为阈值，阈值公式为：
S4.1、求得小车刚启动后，连续5帧GPS的数据与50帧激光轮式里程计数据的平滑度；
S4.2、求上述5个平滑度的平均值，并设置为阈值，阈值公式为：
S5、判断当前平滑度是否小于阈值，若小于阈值则将激光轮式里程计作为GPS预测值加入图优化，否则使用原始GPS数据。
本发明具有如下有益效果：
1.通过IMU的Z轴加速度值对轮式里程计数据进行判断去除，避免使用无人车发生较强震动时带有偏差轮式里程计数据。使得通过相关里程计得出错误的无人车位姿。
2.通过激光轮式里程计数据与GPS数据进行平滑度求解，来判断GPS数据是否正常并且修正。可以实时的判断GPS数据的状态，可以实时地修正无人车的定位。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利的其它特征、目的和优点将会变得更明显：
图1一种基于多传感器数据融合的GPS数据修正算法流程图；
图2扩展卡尔曼滤波后激光轮式里程计轨迹图；
图3正常的GPS数据与激光轮式里程计数据平滑度图
图4波动的GPS数据与激光轮式里程计数据平滑度图
图5出现波动GPS数据图
图6修正后的GPS数据图
图7GPS数据发生波动的轨迹图；
图8修正后GPS数据的轨迹图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
如图1所示，本发明提供了一种基于多传感器数据融合的GPS数据修正算法，具体包括以下步骤：
S1、根据惯性测量单元IMU的Z轴加速度增加量的数值对轮式里程计数据进行处理；
所述的S1中，根据惯性测量单元IMU的Z轴加速度增加量的数值对轮式里程计数据进行处理，具体包括以下子步骤：
S11、记录下小车在当前环境平坦路段运行时Z轴加速度的最大值amax与最小值amin；
S12、根据所述S11中求得最大加速度值amax与最小加速度amin，以及IMU的测量误差(-aε,+aε)，设定IMU的Z轴加速度的变化区间为(amin-aε,amax+aε)；
S13、在每帧轮式里程计数据到来时，对IMU的Z轴加速度值进行判断，若在加速度变化区间内，则将轮式里程计数据作为观测值，否则舍去此帧的轮式里程计数据。
S2、对轮式里程计数据与激光雷达里程计数据进行扩展卡尔曼滤波，得到激光轮式里程计数据；
所述的S2中，对轮式里程计数据与激光雷达里程计数据进行扩展卡尔曼滤波，得到激光轮式里程计数据，具体包括以下子步骤：
S21、位姿初始化：在点云地图中实现初始定位，记录初始时刻位置
初始时刻速度
初始时刻姿态
S22、状态预测：环境中地标总数为N，地标状态变量为m，系统状态变量X＝[x,y,θ,m1,x,m1,y,…,mN,x,mN,y]T，其中x为机器人在x轴上的坐标，y为机器人在y轴上的坐标，θ是机器人的转角，则系统预测方程为
其中Δd(k)和Δθ(k)分别表示在一个采样周期内无人车运动的距离和角度的变化量。系统的协方差矩阵的预测方程为P(k|k-1)＝F(k)P(k-1|k-1)FT(k)+Q(k)，其中P为系统状态协方差矩阵，F为雅克比矩阵，Q为系统噪声协方差矩阵。
S23、状态更新：根据激光雷达的数据得到系统的观测方程
其中mi,x，mi,y是观测到第i个地标的横纵坐标，ε(k)是激光雷达的测量噪声。系统状态更新方程为：
V(k)＝Z(k)-H(k)X(k|k-1)
S(k)＝H(k)P(k|k-1)H(k)T+R(k)
K(k)＝P(k|k-1)H(k)T/S(k)
X(k|k)＝X(k|k-1)+K(k)V(k)
P(k|k)＝(I-K(k)H(k))P(k|k-1)
其中V为残差，H为观测方程对系统状态变量求导得到的雅克比矩阵，S为残差方差矩阵，R为测量噪声的协方差矩阵，K为卡尔曼增益。如图2所示，为轮式里程计与激光里程计的轨迹，以及二者经过卡尔曼滤波所得的激光轮式里程计数据的轨迹。
S3、当收到GPS数据时，对GPS当前帧数据与其周围10帧激光轮式里程计数据求解平滑度，平滑度求解公式：
其中S是激光轮式里程计与GPS的位姿集合，XG是GPS数据，Xi是激光轮式里程计数据；
所述的S3中，收到GPS数据时，对GPS当前帧数据与其周围10帧激光轮式里程计数据求解平滑度，平滑度求解公式：
其中S是激光轮式里程计与GPS的位姿集合，XG是GPS数据，Xi是激光轮式里程计数据；
S31、储存当前帧周围10帧激光轮式里程计数据X0,X1,...,X8,X9；
S32、求得10帧激光轮式里程计与GPS数据集合S＝X0,X1,...,X8,X9,XG；
S33、求得平滑度
如图3所示，为正常GPS数据与激光轮式里程计数据的平滑度示意图。其x、y轴表示数据中的位置，纵轴C为表示点的平滑度。如图4所示，为GPS数据出现较大波动时与激光轮式里程计的平滑度示意图。可以看到当GPS数据出现较大波动时，他的平滑度会比没有出现波动时数值更大，在图中则表示平滑度的柱会更高；
S4、根据初始帧激光轮式里程计数据的后5帧GPS数据与50帧激光轮式里程计数据的平滑度C1、C2、C3、C4、C5，求其平均值，并设置为阈值；
所述的S4中，根据初始帧激光轮式里程计数据的后5帧GPS数据与50帧激光轮式里程计数据的平滑度C1、C2、C3、C4、C5，求其平均值，并设置为阈值，阈值公式为：
具体包括以下子步骤：
S4.1、求得小车刚启动时，5帧GPS的数据与50帧激光轮式里程计数据的平滑度C1、C2、C3、C4、C5；
S4.2、求其平均值，并设置为阈值
S5、判断当前平滑度是否小于阈值，如图5所示，为出现失效GPS数据图。其中圆形点为GPS数据位置，并且个别GPS数据出现较大波动，以及叉形点为激光轮式里程计位置。如图6所示，为修正后的GPS数据图。其中个别GPS数据是图5中失效的GPS数据经过算法修正后的位置，其中叉形点为算法使用的激光轮式里程计位置。如图7所示，因为GPS姿态数据出现波动，导致无人车姿态出现误差，其平滑度大于阈值g若小于阈值则将激光轮式里程计作为GPS预测值加入图优化中，否则使用原始GPS数据。如图8所示，为修正GPS数据后的小车姿态轨迹。
Claims (1)
1.一种基于多传感器数据融合的GPS数据修正算法，包括以下步骤：
S1、根据惯性测量单元IMU的Z轴加速度增量的数值对轮式里程计数据进行处理；
S2、对轮式里程计数据与激光雷达里程计数据进行扩展卡尔曼滤波，得到激光轮式里程计数据；
S3、当收到GPS数据时，对GPS当前帧数据与其周围10帧激光轮式里程计数据求解平滑度，平滑度求解公式：
其中S是激光轮式里程计与GPS的位姿集合，XG是GPS数据，Xi是激光轮式里程计数据；
S4、根据初始帧激光轮式里程计数据的后5帧GPS数据与50帧激光轮式里程计数据的平滑度C1、C2、C3、C4、C5，求其平均值，并设置为阈值。阈值公式为：
S5、判断当前平滑度是否小于阈值，若小于阈值则将激光轮式里程计作为GPS预测值加入图优化中，否则使用原始GPS数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414659.6A CN114838726A (zh) | 2022-04-20 | 2022-04-20 | 一种基于多传感器数据融合的gps数据修正算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210414659.6A CN114838726A (zh) | 2022-04-20 | 2022-04-20 | 一种基于多传感器数据融合的gps数据修正算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114838726A true CN114838726A (zh) | 2022-08-02 |
Family
ID=82566415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210414659.6A Pending CN114838726A (zh) | 2022-04-20 | 2022-04-20 | 一种基于多传感器数据融合的gps数据修正算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114838726A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107402012A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种车辆的组合导航方法 |
| CN109507677A (zh) * | 2018-11-05 | 2019-03-22 | 浙江工业大学 | 一种结合gps和雷达里程计的slam方法 |
| CN110553652A (zh) * | 2019-10-12 | 2019-12-10 | 上海高仙自动化科技发展有限公司 | 机器人多传感器融合定位方法及其应用 |
| CN112950781A (zh) * | 2021-03-19 | 2021-06-11 | 中山大学 | 特种场景的多传感器动态加权融合的点云地图构建方法 |
| CN113066105A (zh) * | 2021-04-02 | 2021-07-02 | 北京理工大学 | 激光雷达和惯性测量单元融合的定位与建图方法及系统 |
| CN113984044A (zh) * | 2021-10-08 | 2022-01-28 | 杭州鸿泉物联网技术股份有限公司 | 一种基于车载多感知融合的车辆位姿获取方法及装置 |
| CN114170320A (zh) * | 2021-10-29 | 2022-03-11 | 广西大学 | 一种基于多传感器融合的打桩机自动定位和工况自适应方法 |
-
2022
- 2022-04-20 CN CN202210414659.6A patent/CN114838726A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107402012A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种车辆的组合导航方法 |
| CN109507677A (zh) * | 2018-11-05 | 2019-03-22 | 浙江工业大学 | 一种结合gps和雷达里程计的slam方法 |
| CN110553652A (zh) * | 2019-10-12 | 2019-12-10 | 上海高仙自动化科技发展有限公司 | 机器人多传感器融合定位方法及其应用 |
| CN112950781A (zh) * | 2021-03-19 | 2021-06-11 | 中山大学 | 特种场景的多传感器动态加权融合的点云地图构建方法 |
| CN113066105A (zh) * | 2021-04-02 | 2021-07-02 | 北京理工大学 | 激光雷达和惯性测量单元融合的定位与建图方法及系统 |
| CN113984044A (zh) * | 2021-10-08 | 2022-01-28 | 杭州鸿泉物联网技术股份有限公司 | 一种基于车载多感知融合的车辆位姿获取方法及装置 |
| CN114170320A (zh) * | 2021-10-29 | 2022-03-11 | 广西大学 | 一种基于多传感器融合的打桩机自动定位和工况自适应方法 |
Non-Patent Citations (4)
| Title |
|---|
| JOCHEN SPRICKERHOF, ET AL: "An Explicit Loop Closing Technique for 6D SLAM", 《ECMR》, 25 December 2009 (2009-12-25), pages 1 - 6 * |
| 战强等: "《机器人学：建模、控制与视觉》", vol. 2, 31 July 2020, 华中科技大学出版社, pages: 368 - 375 * |
| 谢 勇等: "隧洞移动机器人里程计激光雷达融合定位", 《科 技 通 报》, vol. 36, no. 1, 31 January 2020 (2020-01-31), pages 93 - 99 * |
| 谢勇;刘晓日;汪晓波;王斌锐;: "隧洞移动机器人里程计激光雷达融合定位", 科技通报, no. 01, 31 January 2020 (2020-01-31), pages 93 - 104 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109946732B (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
| US11002859B1 (en) | Intelligent vehicle positioning method based on feature point calibration | |
| AU2017339857B2 (en) | Using optical sensors to resolve vehicle heading issues | |
| CN110307836B (zh) | 一种用于无人清扫车辆贴边清扫的精确定位方法 | |
| CN110702091B (zh) | 一种沿地铁轨道移动机器人的高精度定位方法 | |
| Fakharian et al. | Adaptive Kalman filtering based navigation: An IMU/GPS integration approach | |
| CN112505737B (zh) | 一种gnss/ins组合导航方法 | |
| CN107132563B (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
| CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
| EP3943887B1 (en) | Dead-reckoning guidance system and method with cardinal-direction based coordinate-corrections | |
| TWI522258B (zh) | Based on electronic map, global navigation satellite system and vehicle motion detection technology Lane identification method | |
| CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
| CN101846734A (zh) | 农用机械导航定位方法、系统及农用机械工控机 | |
| CN109506660B (zh) | 一种用于仿生导航的姿态最优化解算方法 | |
| CN104777499A (zh) | 一种基于ins/gps/sar的联合导航方法 | |
| CN112147651B (zh) | 一种异步多车协同目标状态鲁棒估计方法 | |
| CN113029139B (zh) | 基于运动检测的机场飞行区车辆差分北斗/sins组合导航方法 | |
| CN114966629A (zh) | 一种基于ekf算法框架的车体激光雷达外参标定方法 | |
| CN111220151B (zh) | 载体系下考虑温度模型的惯性和里程计组合导航方法 | |
| CN110926483B (zh) | 一种用于自动驾驶的低成本传感器组合定位系统及方法 | |
| CN114838726A (zh) | 一种基于多传感器数据融合的gps数据修正算法 | |
| CN110864688A (zh) | 一种用于车载方位开环水平姿态角闭环的航姿方法 | |
| CN113237482B (zh) | 一种基于因子图的城市峡谷环境下车辆鲁棒定位方法 | |
| CN116338719A (zh) | 基于b样条函数的激光雷达-惯性-车辆融合定位方法 | |
| CN110567456A (zh) | 基于抗差卡尔曼滤波的bds/ins组合列车定位方法 |
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 |