CN114861725A - 一种目标感知跟踪的后处理方法、装置、设备及介质 - Google Patents
一种目标感知跟踪的后处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114861725A CN114861725A CN202210498237.1A CN202210498237A CN114861725A CN 114861725 A CN114861725 A CN 114861725A CN 202210498237 A CN202210498237 A CN 202210498237A CN 114861725 A CN114861725 A CN 114861725A
- Authority
- CN
- China
- Prior art keywords
- value
- target object
- determining
- target
- measured value
- 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 60
- 238000012805 post-processing Methods 0.000 title claims abstract description 42
- 230000008447 perception Effects 0.000 title abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 238000005259 measurement Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种目标感知跟踪的后处理方法、装置、设备及介质。该方法包括:通过当车辆的前端传感器感知到目标物体时,获取目标物体系统航迹当前时刻测量值,并对目标物体系统航迹的协方差矩阵和分值进行初始化;根据测量值确定目标物体系统航迹的先验估计值,并更新先验协方差矩阵;将下一时刻测量值和先验估计值进行匹配,根据匹配结果和初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;若第一分值大于第一预设阈值,则确定目标物体的状态信息;若第一分值小于第二预设阈值,则删除后验估计值。本技术方案,可以实现对目标系统航迹的感知跟踪以及维护系统航迹的生命周期,提高目标状态信息的准确性和可靠性。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种目标感知跟踪的后处理方法、装置、设备及介质。
背景技术
目前,自动驾驶技术发展快速,国内外中高端车型都在加载自动驾驶功能,使用单一或多个目标检测传感器进行检测融合,为系统提供可靠的环境感知结果。而由于传感器目前技术的局限性,会给目标跟踪带来挑战,最显著的两个挑战就是虚警和漏警。无论选择哪种传感器,几乎都会面临这两个挑战。比如在毫米波雷达应用中,虚警的产生是由于背景中的物体反射了足够的电磁波能量使得信号处理器认为该物体是感兴趣的目标。漏警的产生是由于信噪比过低、信号强度弱低于检测门限、被遮挡等。
目前,通常使用标准卡尔曼滤波器进行目标感知追踪的处理,但此方法只适用于线性系统,如果车辆在环岛或弯道行驶时便不能进行有效追踪。
发明内容
本发明提供了一种目标感知跟踪的后处理方法、装置、设备及介质,能够支持多种非线性多噪声的复杂应用场景,其可扩展性和可移植性较强,而且可以提高目标感知跟踪后处理结果的准确性和可靠性。
根据本发明的一方面,提供了一种目标感知跟踪的后处理方法,所述方法包括:
当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;
根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;
将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;
若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
根据本发明的另一方面,提供了一种目标感知跟踪的后处理装置,包括:
当前时刻测量值获取模块,用于当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;
先验估计模块,用于根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;
后验估计模块,用于将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;
状态信息确定模块,用于若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的目标感知跟踪的后处理方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的目标感知跟踪的后处理方法。
本发明实施例的技术方案,通过当车辆的前端传感器感知到目标物体时,获取目标物体系统航迹当前时刻测量值,并对目标物体系统航迹的协方差矩阵和分值进行初始化;根据测量值确定目标物体系统航迹的先验估计值,并更新先验协方差矩阵;将下一时刻测量值和先验估计值进行匹配,根据匹配结果和初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;若第一分值大于第一预设阈值,则确定目标物体的状态信息;若第一分值小于第二预设阈值,则删除后验估计值。本技术方案,可以实现对目标系统航迹的感知跟踪以及维护系统航迹的生命周期,提高目标状态信息的准确性和可靠性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种目标感知跟踪的后处理方法的流程图;
图2是根据本发明实施例二提供的一种目标感知跟踪的后处理方法的流程图;
图3是根据本发明实施例二提供的一种目标感知跟踪的后处理方法中车辆和目标物体位置关系的示意图;
图4是根据本发明实施例三提供的一种目标感知跟踪的后处理装置的结构示意图;
图5是实现本发明实施例的一种目标感知跟踪的后处理方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种目标感知跟踪的后处理方法的流程图,本实施例可适用于对周边环境中目标感知跟踪进行后处理的情况,该方法可以由目标感知跟踪的后处理装置来执行,该目标感知跟踪的后处理装置可以采用硬件和/或软件的形式实现,该目标感知跟踪的后处理装置可配置于具有数据处理能力的电子设备中。如图1所示,该方法包括:
S110、当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化。
其中,前端传感器可以是安装在车辆上用于感知车辆周围环境及目标物体的检测装置,可以是光学摄像机、激光雷达、毫米波雷达或者超声波雷达等。目标物体可以是行人、车辆或障碍物体等。系统航迹可以是根据车辆前端传感器所检测到目标物体的运动轨迹。测量值可以是前端传感器的输出值或融合值,例如,若前端传感器为单个传感器,则测量值为该传感器的输出值,若前端传感器为组合传感器,则测量值为多个传感器输出值经融合处理后的融合值。测量值可以是目标物体的速度、距离、位置、种类或加速度等。目标物体系统航迹的协方差矩阵可以是表示目标物体系统航迹各组测量值的关联性强弱。目标物体系统航迹的分值可以是表示目标物体系统航迹的质量。
在本发明实施例中,车辆的前端传感器感知到目标物体并获取所述目标物体系统航迹的测量值,若前端传感器为光学摄像机,则可以通过光学摄像机被目标物体反射光线后,经镜头聚焦到CCD/CMOS芯片上产生数字信号以确定感知到目标物体,根据所产生的数字信号确定目标物体系统航迹的测量值;若前端传感器为激光雷达时,则可以通过对车辆周围环境中发射激光脉冲以进行对目标物体的检测和测距,可以根据激光脉冲信号的时间差和相位差确定目标物体系统航迹的测量值;若前端传感器为毫米波雷达,则可以通过发射无线电波和接受反射信号,根据电磁波返回的飞行时间计算目标相对车辆的距离,根据多普勒原理通过检测频率差计算目标物体相对车辆的速度;若前端传感器为超声波雷达,则可以通过声音在空气中传输的时间来判断目标物体相对车辆的距离,利用超声波在空气中的传播速度以及测量声波在发射后遇到目标物体反射回来的时间,根据发射和接收的时间差确定目标物体相对车辆的距离;若前端传感器为光学摄像机、激光雷达、毫米波雷达或者超声波雷达中的至少两种组合传感器,则可以通过数据融合算法将每种传感器所确定的目标物体局部航迹的测量值进行融合处理,以确定目标物体的系统航迹的测量值,其中,数据融合算法可以是凸组合融合算法,也可以是Bar-Shalom-Campo融合算法。
此外,目标物体系统航迹的协方差矩阵和分值进行初始化,可以根据前端传感器种类的不同设置相应的初始值。
可以理解的是,前端传感器可以是单个传感器,也可以是多个传感器组合,本发明实施例对前端传感器的数量和种类不做具体限定。
S120、根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵。
其中,先验估计值可以是由上一时刻的最优估计值经过系统作用后得到的值,是对系统本身运动规律的先验认识。先验协方差矩阵可以体现所确定的先验估计值的误差和置信度。在本发明实施例中,根据测量值确定目标物体系统航迹的先验估计值并更新先验协方差矩阵,可以基于扩展卡尔曼滤波进行确定,也可以基于粒子滤波进行确定。
以扩展卡尔曼滤波为例进行解释说明,目标物体系统航迹的先验估计值可以通过如下公式进行确定:
先验协方差矩阵可以通过如下公式进行确定:
其中,Pk-1为目标物体系统航迹上一时刻的协方差矩阵,Pk|k-1为目标物体系统航迹的先验协方差矩阵,Q为预测噪声矩阵。
S130、将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵。
其中,第一分值可以是对目标物体先验估计值预测准确度的评价标准。后验估计值可以是根据匹配成功的先验估计值和下一时刻的测量值对先验估计值进行修正的值。后验协方差矩阵可以体现所确定的后验估计值的误差和置信度。可以理解的是,基于当前时刻测量值确定的先验估计值是对下一时刻测量值的预测估计值。
在本发明实施例中,为了确定先验估计值的预测准确度是否符合预设标准,将下一时刻测量值和先验估计值进行匹配,以确定系统航迹的第一分值和后验估计值。
在本发明实施例中,可选的,将所述测量值和所述先验估计值进行匹配,包括将下一时刻测量值和所述先验估计值进行门限匹配和ID匹配;相应的,将所述测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值,包括:在门限阈值范围内将下一时刻测量值和所述先验估计值进行ID匹配,若所述下一时刻测量值的ID和所述先验估计值的ID相同,则标记为匹配成功,在所述初始化分值的基础上按照预设规则进行加分以确定系统航迹的第一分值;反之则标记为匹配失败,在所述初始化分值的基础上按照预设规则进行减分以确定系统航迹的第一分值;相应的,将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的后验估计值,包括:当标记为匹配成功时,根据所述下一时刻测量值、所述先验估计值以及测量噪声矩阵,确定卡尔曼增益值;根据所述先验估计值、所述下一时刻测量值和所述卡尔曼增益值,确定系统航迹的后验估计值。
其中,门限匹配可以是下一时刻测量值和先验估计值的误差范围。ID匹配可以是前端传感器的种类。对下一时刻测量值和先验估计值间误差值满足预设门限阈值范围的下一时刻测量值和先验估计值进行ID匹配。
若下一时刻测量值的ID和所述先验估计值的ID相同,则标记为匹配成功,在初始化分值的基础上按照预设规则进行加分以确定系统航迹的第一分值,并进行后验更新。
其中,预设规则可以根据实际情况进行所加减分值的调整。后验更新可以通过先确定卡尔曼增益值以表征后验估计值是更相信下一时刻测量值还是先验估计值,再基于卡尔曼增益值确定后验估计值和后验协方差矩阵。卡尔曼增益值可以通过如下公式进行确定:
K=Pk|k-1*(Pk|k-1+R)-1;
其中,K为卡尔曼增益值,R为测量噪声矩阵。测量噪声矩阵R是可以表征前端传感器测量精度的矩阵;
后验估计值可以通过如下公式进行确定:
Xk=Xk|k-1+K*(Mk-Xk|k-1);
其中,Xk为目标物体的后验估计值,Mk为下一时刻测量值;
后验协方差矩阵可以通过如下公式进行确定:
Pk=(I-K*H)*Pk|k-1;
其中,Pk为目标物体的后验协方差矩阵,I为单位矩阵,H为下一时刻测量值和先验估计值的关系矩阵。
若下一时刻测量值的ID和所述先验估计值的ID不同,则标记为匹配失败,在初始化分值的基础上按照预设规则进行减分以确定系统航迹的第一分值。
S140、若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
其中,第一预设阈值和第二预设阈值均可以为系统航迹质量的分值范围。状态信息可以是根据测量值以及估计值确定的可输出数据信息。
可以理解的是,第一分值表征目标物体系统航迹的质量好坏,第一分值越大,表明系统航迹质量越好越可信,而第一分值越小,表明系统航迹质量越差越不可信。当第一分值超过一定程度,即大于第一预设阈值时,则表明根据测量值和估计值所确定的目标物体状态信息准确度或可信度满足预设标准范围;当第一分值低于一定程度,即小于第二预设阈值,则表明根据测量值和估计值所确定的目标物体状态信息准确度或可信度低于预设标准,不可被采用输出,需要将其数据信息进行清除。
本发明实施例提供的目标感知跟踪的后处理方法,通过当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。本技术方案,通过当前时刻和下一时刻测量值确定目标物体的先验估计值和后验估计值以实现对目标物体的感知跟踪,通过对目标物体系统航迹的分值进行管理以维护系统航迹的生命周期,进而提高目标感知跟踪后处理结果的准确性和可靠性。
实施例二
图2为本发明实施例二提供的一种目标感知跟踪的后处理方法的流程图,本实施例以上述实施例为基础进行优化。具体优化为:所述当前时刻测量值和下一时刻测量值是在以所述车辆后轴中心为原点所建立的笛卡尔坐标系中进行获取。
可以理解的是,为了便于车辆前端传感器感知和获取车辆周围目标物体的数据信息,当前时刻测量值和下一时刻测量值是在以所述车辆后轴中心为原点所建立的笛卡尔坐标系中进行获取。
如图2所示,本实施例的方法具体包括如下步骤:
S210、当车辆的前端传感器感知到目标物体时,获取所述车辆在大地坐标系中的定位信息和所述目标物体系统航迹当前时刻测量值。
其中,大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系,地面点的位置用大地经度、大地纬度和大地高度表示。定位信息可以表示车辆在大地坐标系中的精确位置,例如可以包括车辆的位置坐标值、速度值和航向角中。
通过获取车辆在大地坐标系中的定位信息,可以匹配至高精地图,有利于车辆在行驶过程中获取实时准确的道路信息、确定精确的车辆导航路线信息以及确定目标物体的位置信息。
S220、获取与所述定位信息对应的第一时间戳,以及与所述当前时刻测量值对应的第二时间戳。
其中,第一时间戳和第二时间戳可以采用GPS授时,第一时间戳和第二时间戳的获取方式可以通过GPS卫星上获取标准的时间信号,将这些信息通过各种接口类型来进行传输,这样就可以达到整个系统的时间同步。
S230、根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵。
S240、将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵。
S250、若所述第一分值大于第一预设阈值,则根据所述定位信息和所述后验估计值确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
可以理解的是,对目标物体的当前时刻测量值和下一时刻测量值是在以车辆后轴中心为原点所建立的笛卡尔坐标系中进行获取,而车辆的定位信息是在大地坐标系下确定的,需要对基于当前时刻测量值和下一时刻测量值进一步计算确定的后验估计值进行坐标系转换,以利于车辆在行驶过程中对目标物体状态信息的获取。
图3是根据本发明实施例二提供的一种目标感知跟踪的后处理方法中车辆和目标物体位置关系的示意图。如图3所示,车辆的位置坐标信息基于大地坐标系建立,其水平面坐标系以o为坐标原点,以xutm和yutm轴建立坐标系,则车辆A在该坐标系下的位置坐标为(xu0,yu0),速度分别为和加速度为目标物体B的位置坐标信息是以车辆后轴中心为原点,与车辆后轴垂直的方向xlocal和车辆后轴方向ylocal建立坐标系,则目标物体在该坐标系下的位置坐标为(xa,ya),速度分别为和加速度为航向角为θ。
其中,目标物体B在大地坐标系下的位置坐标可以通过如下公式进行转换确定:
xua=xa·sinθ-ya·cosθ+xu0;
yua=xa·cosθ+ya·sinθ+yu0;
其中,xua是目标物体在大地坐标系xutm轴的坐标信息,yua是目标物体在大地坐标系yutm轴的坐标信息。
S260、根据所述第一时间戳、所述第二时间戳和所述目标物体的状态信息,对所述目标物体的状态信息进行运动补偿。
其中,运动补偿可以是根据车辆定位信息所对应的第一时间戳和当前时刻测量值所对应的第二时间戳之间的时间误差对目标物体状态信息进行误差消除,提高目标物体状态信息的准确性。
在本发明实施例中,可选的,根据所述第一时间戳、所述第二时间戳和所述目标物体的状态信息,对所述目标物体的状态信息进行运动补偿,包括:根据所述第一时间戳、所述下一时刻测量值的第三时间戳以及与所述第一时间戳和所述第三时间戳分别对应的位置信息,确定所述目标物体当前时间段的绝对速度;基于标准卡尔曼滤波器,以及所述目标物体当前时间段的绝对速度和所述目标物体上一时间段的速度估计值,确定所述目标物体当前时刻的速度估计值和卡尔曼增益值,并更新协方差矩阵;根据所述当前时刻的速度估计值确定所述目标物体的第一航向角,并通过所述车辆的位姿检测传感器确定所述目标物体的第二航向角;根据所述第一航向角和所述第二航向角确定目标航向角。
可以理解的是,对目标物体进行运动补偿可以包括速度补偿和航向角补偿。
在对目标物体进行速度补偿时,其中,当前时间段可以是当前时刻和下一时刻之间的时间段,上一时间段可以是当前时刻和上一时刻之间的时间段。根据所述第一时间戳、所述下一时刻测量值对应的第三时间戳、所述车辆的定位信息和所述目标物体状态信息中的位置信息,确定所述目标物体当前时间段的绝对速度,可以包括步骤A1-A3:
A1:根据所述第一时间戳和所述下一时刻测量值对应的第三时间戳确定当前时间段的时长;
A2:所述车辆的定位信息和所述目标物体状态信息中在大地坐标系下的位置信息,确定所述车辆和所述目标物体的距离信息;
A3:根据所述当前时间段的时长和所述距离信息,确定所述目标物体当前时间段的绝对速度。
基于标准卡尔曼滤波器,以及所述目标物体当前时间段的绝对速度和所述目标物体上一时间段的速度估计值,确定所述目标物体当前时刻的速度估计值和第二卡尔曼增益值,并更新协方差矩阵。其中,目标物体当前时刻的速度估计值可以通过如下公式进行确定:
Vk|k-1=A*Vk-1;
其中,Vk|k-1为目标物体当前时刻的速度估计值,A为状态转移矩阵,Vk-1为目标物体上一时间段的速度估计值。
第二卡尔曼增益值可以通过如下公式进行确定:
K'=Vk|k-1*(Vk|k-1+R')-1;
其中,K'为第二卡尔曼增益值,R'为测量噪声矩阵。测量噪声矩阵R是可以表征前端传感器测量精度的矩阵;
后验协方差矩阵可以通过如下公式进行确定:
Vk=(I-K'*H')*Vk|k-1;
其中,Vk为目标物体速度的后验协方差矩阵,I为单位矩阵,H'为目标物体当前时间段绝对速度和目标物体上一时间段速度估计值的关系矩阵。
在对目标物体进行航向角补偿时,根据所述当前时刻的速度估计值确定所述目标物体的第一航向角,并通过所述车辆的位姿检测传感器确定所述目标物体的第二航向角;根据所述第一航向角和所述第二航向角确定目标航向角。
其中,由于第一航向角是根据当前时刻的速度估计值确定的,第二航向角是根据车辆的位姿检测传感器确定的,因此第一航向角的方向比第二航向角的准确,第二航向角的角度数值比第一航向角的准确。若当车辆的位姿检测传感器检测到的第二航向角方向和第一航向角的方向相反时,则对第二航向角方向进行反向调整。这样设置的好处是,可以提高目标物体航向角的确定准确度和精度。
在上述各实施例的基础上,可选的,所述状态信息包括所述目标物体的速度信息、加速度信息、位置信息、航向角信息、尺寸或类别中的至少一个。
本发明实施例提供的目标感知跟踪的后处理方法,通过将目标物体相对于车辆的状态信息进行坐标转换至大地坐标系中,有利于车辆在行驶过程中获取实时准确的道路信息、确定精确的车辆导航路线信息以及确定目标物体的位置信息;通过车辆定位和前端传感器所获取测量值时所确定的时间戳误差,对目标物体进行运动补偿,进一步提高了对目标的感知跟踪准确性。
实施例三
图4为本发明实施例三提供的一种目标感知跟踪的后处理装置的结构示意图,该装置可执行本发明任意实施例所提供的目标感知跟踪的后处理方法,具备执行方法相应的功能模块和有益效果。如图4所示,该装置包括:
当前时刻测量值获取模块410,用于当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;
先验估计模块420,用于根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;
后验估计模块430,用于将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;
状态信息确定模块440,用于若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
本发明实施例提供的目标感知跟踪的后处理装置,通过当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。本技术方案,通过当前时刻和下一时刻测量值确定目标物体的先验估计值和后验估计值以实现对目标物体的感知跟踪,通过对目标物体系统航迹的分值进行管理以维护系统航迹的生命周期,进而提高目标感知跟踪后处理结果的准确性和可靠性。
进一步的,所述状态信息包括所述目标物体的速度信息、加速度信息、位置信息、航向角信息、尺寸或类别中的至少一个。
进一步的,将下一时刻测量值和所述先验估计值进行匹配,包括将所述测量值和所述先验估计值进行门限匹配和ID匹配;
相应的,后验估计模块430,包括:
第一分值确定单元,用于在门限阈值范围内将下一时刻测量值和所述先验估计值进行ID匹配,若所述测量值的ID和所述先验估计值的ID相同,则标记为匹配成功,在所述初始化分值的基础上按照预设规则进行加分以确定系统航迹的第一分值;反之则标记为匹配失败,在所述初始化分值的基础上按照预设规则进行减分以确定系统航迹的第一分值;
相应的,后验估计模块430,包括:
卡尔曼增益值确定单元,用于当标记为匹配成功时,根据所述下一时刻测量值、所述先验估计值以及测量噪声矩阵,确定卡尔曼增益值;
后验估计单元,用于根据所述先验估计值、所述下一时刻测量值和所述卡尔曼增益值,确定系统航迹的后验估计值。
进一步的,所述当前时刻测量值和下一时刻是在以所述车辆后轴中心为原点所建立的笛卡尔坐标系中进行获取。
进一步的,所述装置还包括:
车辆定位信息获取模块,用于在获取所述目标物体系统航迹当前时刻测量值之前,当车辆的前端传感器感知到目标物体时,获取所述车辆在大地坐标系中的定位信息;
相应的,状态信息确定模块440,包括:
状态信息确定单元,用于根据所述定位信息以及所述后验估计值,确定所述目标物体的状态信息。
进一步的,所述装置还包括:
时间戳获取模块,用于在获取所述车辆在大地坐标系中的定位信息之后,获取与所述定位信息对应的第一时间戳,以及与所述当前时刻测量值对应的第二时间戳;
相应的,所述装置还包括:
运动补偿模块,用于在若所述第一分值大于第一预设阈值,则输出所述目标物体的状态信息之后,根据所述第一时间戳、所述第二时间戳和所述目标物体的状态信息,对所述目标物体的状态信息进行运动补偿。
进一步的,运动补偿模块,包括:
目标绝对速度确定单元,用于根据所述第一时间戳、所述测量值的前一时间戳、所述下一时刻测量值的第三时间戳以及与所述第一时间戳和所述第三时间戳分别对应的位置信息,确定所述目标物体当前时间段的绝对速度;
目标速度估计单元,用于基于标准卡尔曼滤波器,以及所述目标物体当前时间段的绝对速度和所述目标物体上一时刻的速度估计值,确定所述目标物体当前时刻的速度估计值和卡尔曼增益值,并更新协方差矩阵;
航向角确定单元,用于根据所述当前时刻的速度估计值确定所述目标物体的第一航向角,并通过所述车辆的位姿检测传感器确定所述目标物体的第二航向角;
目标航向角单元,用于根据所述第一航向角和所述第二航向角确定目标航向角。
本发明实施例所提供的一种目标感知跟踪的后处理装置可执行本发明任意实施例所提供的一种目标感知跟踪的后处理方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如目标感知跟踪的后处理方法。
在一些实施例中,目标感知跟踪的后处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的目标感知跟踪的后处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行目标感知跟踪的后处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例五
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种目标感知跟踪的后处理方法,其特征在于,所述方法包括:
当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;
根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;
将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;
若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
2.根据权利要求1所述的方法,其特征在于,所述状态信息包括所述目标物体的速度信息、加速度信息、位置信息、航向角信息、尺寸或类别中的至少一个。
3.根据权利要求1所述的方法,其特征在于,将下一时刻测量值和所述先验估计值进行匹配,包括将所述测量值和所述先验估计值进行门限匹配和ID匹配;
相应的,将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值,包括:
在门限阈值范围内将下一时刻测量值和所述先验估计值进行ID匹配,若所述测量值的ID和所述先验估计值的ID相同,则标记为匹配成功,在所述初始化分值的基础上按照预设规则进行加分以确定系统航迹的第一分值;反之则标记为匹配失败,在所述初始化分值的基础上按照预设规则进行减分以确定系统航迹的第一分值;
相应的,将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的后验估计值,包括:
当标记为匹配成功时,根据所述下一时刻测量值、所述先验估计值以及测量噪声矩阵,确定卡尔曼增益值;
根据所述先验估计值、所述下一时刻测量值和所述卡尔曼增益值,确定系统航迹的后验估计值。
4.根据权利要求1所述的方法,其特征在于,所述当前时刻测量值和下一时刻是在以所述车辆后轴中心为原点所建立的笛卡尔坐标系中进行获取。
5.根据权利要求4所述的方法,其特征在于,在获取所述目标物体系统航迹当前时刻测量值之前,包括:
当车辆的前端传感器感知到目标物体时,获取所述车辆在大地坐标系中的定位信息;
相应的,若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息,包括:
根据所述定位信息以及所述后验估计值,确定所述目标物体的状态信息。
6.根据权利要求5所述的方法,其特征在于,在获取所述车辆在大地坐标系中的定位信息之后,还包括:
获取与所述定位信息对应的第一时间戳,以及与所述当前时刻测量值对应的第二时间戳;
相应的,在若所述第一分值大于第一预设阈值,则输出所述目标物体的状态信息之后,所述方法还包括:
根据所述第一时间戳、所述第二时间戳和所述目标物体的状态信息,对所述目标物体的状态信息进行运动补偿。
7.根据权利要求6所述的方法,其特征在于,根据所述第一时间戳、所述第二时间戳和所述目标物体的状态信息,对所述目标物体的状态信息进行运动补偿,包括:
根据所述第一时间戳、所述测量值的前一时间戳、所述下一时刻测量值的第三时间戳以及与所述第一时间戳和所述第三时间戳分别对应的位置信息,确定所述目标物体当前时间段的绝对速度;
基于标准卡尔曼滤波器,以及所述目标物体当前时间段的绝对速度和所述目标物体上一时刻的速度估计值,确定所述目标物体当前时刻的速度估计值和卡尔曼增益值,并更新协方差矩阵;
根据所述当前时刻的速度估计值确定所述目标物体的第一航向角,并通过所述车辆的位姿检测传感器确定所述目标物体的第二航向角;
根据所述第一航向角和所述第二航向角确定目标航向角。
8.一种目标感知跟踪的后处理装置,其特征在于,所述装置包括:
当前时刻测量值获取模块,用于当车辆的前端传感器感知到目标物体时,获取所述目标物体系统航迹当前时刻测量值,并对所述目标物体系统航迹的协方差矩阵和分值进行初始化;
先验估计模块,用于根据所述测量值确定所述目标物体系统航迹的先验估计值,并更新先验协方差矩阵;
后验估计模块,用于将下一时刻测量值和所述先验估计值进行匹配,根据匹配结果和所述初始化分值确定系统航迹的第一分值和后验估计值,并更新后验协方差矩阵;
状态信息确定模块,用于若所述第一分值大于第一预设阈值,则确定所述目标物体的状态信息;若所述第一分值小于第二预设阈值,则删除所述后验估计值。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的目标感知跟踪的后处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的目标感知跟踪的后处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210498237.1A CN114861725A (zh) | 2022-05-09 | 2022-05-09 | 一种目标感知跟踪的后处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210498237.1A CN114861725A (zh) | 2022-05-09 | 2022-05-09 | 一种目标感知跟踪的后处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114861725A true CN114861725A (zh) | 2022-08-05 |
Family
ID=82637604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210498237.1A Pending CN114861725A (zh) | 2022-05-09 | 2022-05-09 | 一种目标感知跟踪的后处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114861725A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756265A (zh) * | 2023-08-23 | 2023-09-15 | 中国铁塔股份有限公司 | 一种轨迹数据的处理方法、装置、电子设备及存储介质 |
CN117346782A (zh) * | 2023-10-07 | 2024-01-05 | 广州赛特智能科技有限公司 | 定位优化方法、装置、电子设备和存储介质 |
-
2022
- 2022-05-09 CN CN202210498237.1A patent/CN114861725A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756265A (zh) * | 2023-08-23 | 2023-09-15 | 中国铁塔股份有限公司 | 一种轨迹数据的处理方法、装置、电子设备及存储介质 |
CN116756265B (zh) * | 2023-08-23 | 2023-11-21 | 中国铁塔股份有限公司 | 一种轨迹数据的处理方法、装置、电子设备及存储介质 |
CN117346782A (zh) * | 2023-10-07 | 2024-01-05 | 广州赛特智能科技有限公司 | 定位优化方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11506512B2 (en) | Method and system using tightly coupled radar positioning to improve map performance | |
CN114861725A (zh) | 一种目标感知跟踪的后处理方法、装置、设备及介质 | |
US8723987B2 (en) | Uncertainty estimation of planar features | |
CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN114323033B (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
US11047708B2 (en) | Method of estimating reliability of measurement distance of laser rangefinder, and localizating method of mobile robot using laser rangefinder | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
JP2024103654A (ja) | 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
CN114018269B (zh) | 定位方法、装置、电子设备、存储介质以及自动驾驶车辆 | |
US20220091252A1 (en) | Motion state determining method and apparatus | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
US20150073707A1 (en) | Systems and methods for comparing range data with evidence grids | |
CN114119465A (zh) | 一种点云数据处理方法及装置 | |
CN112799079B (zh) | 一种数据关联方法及装置 | |
CN117830642A (zh) | 基于毫米波雷达的目标速度预测方法、装置及存储介质 | |
CN116929343A (zh) | 位姿估计方法、相关设备及存储介质 | |
CN110388917B (zh) | 飞行器单目视觉尺度估计方法和装置、飞行器导航系统及飞行器 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
JP2019020338A (ja) | 状態推定装置及びプログラム | |
US11859979B2 (en) | Delta position and delta attitude aiding of inertial navigation system | |
CN116659510B (zh) | 水下机器人定位与避障方法、装置及存储介质 | |
CN117168470A (zh) | 一种定位信息的确定方法、装置、电子设备和存储介质 | |
CN115658833A (zh) | 高精地图生成方法、装置、电子设备和存储介质 |
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 |