CN115022808A - 一种通信机器人的即时定位和无线电地图构建方法 - Google Patents
一种通信机器人的即时定位和无线电地图构建方法 Download PDFInfo
- Publication number
- CN115022808A CN115022808A CN202210706816.0A CN202210706816A CN115022808A CN 115022808 A CN115022808 A CN 115022808A CN 202210706816 A CN202210706816 A CN 202210706816A CN 115022808 A CN115022808 A CN 115022808A
- Authority
- CN
- China
- Prior art keywords
- communication robot
- base station
- map
- max
- robot
- 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
Images
Classifications
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W4/029—Location-based management or tracking services
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种通信机器人的即时定位和无线电地图构建方法,首先建立通信机器人的信道模型,然后根据信道模型给出通信机器人在每个地理位置接收到的信道功率增益期望值,最后提出地理地图及信道功率增益图的构建方法。本发明首次实现机器人在室内未知环境下同时表征地理地图和无线电地图,描绘未知环境中的障碍物分布和所有可达位置的通信质量,具有良好的应用价值。
Description
技术领域
本发明涉及移动机器人导航技术领域,具体涉及一种基于室内未知环境的通信机器人即时定位与无线电地图构建方法。
背景技术
移动机器人可以帮助人类完成杂项导航任务,例如货物/包裹递送、搜救和公共安全监控。其中,地理地图构建是帮助完成这些复杂导航任务的必要条件,尤其是在未知环境中。然而,移动机器人在某些场景下处理导航任务时还需要接收高质量的信号,仅依靠地理地图是无法解决的。
过去几十年无线通信技术的出现和成熟,使得信息交换成为必然。因此,将通信的高速、高可靠、低时延等优势与传统的移动机器人系统相结合,同时构建地理地图和无线电地图,可以有效地解决移动机器人导航接收信号质量问题。具体地,通信连接的移动机器人可以与远程操作员建立通信链路。该环节可以保证机器人能够将采集到的环境数据实时传送给操作员进行处理,并获取操作员发送的无线电地图的特征。构建的无线电地图可以帮助移动机器人了解高通信质量区域,而地理地图则提供环境中障碍物的信息,以确保移动安全。
然而,现有技术方案只关注某一种类型的地图构建,例如未知环境中的地理地图构建,和任意环境中的无线电地图构建。例如,SLAM算法关注地理地图构建,无人机通信只关注无线电地图构建。当前还缺乏同时实现地理地图和无线电地图构建的相关研究。
发明内容
针对现有技术的不足,本发明旨在提供一种通信机器人即时定位与无线电地图构建方法,针对室内未知环境的通信机器人定位及环境地图构建问题,通过基站与机器人之间建立的通信链路在未知环境中同时构建地理地图和信道功率增益图。
为了实现上述目的,本发明采用如下技术方案:
一种通信机器人的即时定位和无线电地图构建方法,具体过程为:
步骤一:建立通信机器人与室内基站间的信道模型,计算用户的接收信道功率增益期望值;
未知的室内环境中包括有一个基站、一个可移动的通信机器人、以及若干规则障碍物,其中所述通信机器人搭载的传感器垂直高度低于障碍物垂直高度,基站位置固定且室内环境地面光滑;基站可以通过与通信机器人之间构建通信链路实现将信息发送给地面用户;假设一个三维笛卡尔坐标系,通信机器人可移动的范围设定为[-Xmax,Xmax]×[-Ymax,Ymax],基站的位置设定为(0,Ymax,hb);其中,-Xmax和Xmax分别表示通信机器人移动范围的最大x坐标取值边界,-Ymax和Ymax分别表示通信机器人移动范围的最大y坐标取值边界,hb代表基站的垂直高度;相应地,通信机器人的位置可表示为S=(x,y,hr),hr是机器人传感器的垂直高度,x和y分别表示通信机器人的位置的x坐标和y坐标;此时,基站与位置S的通信机器人之间的等效基带莱斯信道可表示为:
其中,h(S)表示从基站到位置S的信道系数,和分别表示视距LoS系数和非视距NLoS系数;α(S)表示从基站到位置S的莱斯因子;由于信道系数h(S)高度依赖于通信机器人的位置S,因此,考虑信道系数h(S)的期望值,表示为:
其中,L(S)代表基站和通信机器人之间的路径损耗;
步骤二:对室内未知的地理环境进行离散化,构建地理地图使得通信机器人能较为准确地描述室内环境的物理信息:
首先将通信机器人的地理地图X-Y平面的2D空间离散化为4XmaxYmax/δ2个网格,δ表示2D空间的离散分辨率,它小到足以使网格的大小接近网格的中心点;因此,第(a,b)个网格的中心可以表示为:
Sa,b=SI+[a-1,b-1]δ
其中,SI表示所考虑的2D空间左下角的网格的中心;a和b的取值范围定义为a∈{1,2,…,2Xmax/δ},b∈{1,2,…,2Ymax/δ};
依靠通信机器人的传感器,采用基于2D的即时定位和映射算法创建地理地图;基于2D的即时定位和映射算法旨在改进提议的分布和重要性采样以减少粒子数量,并防止粒子退化,从而使地理地图构建和定位问题变成根据传感器获取1到t时刻的里程计数据l1:t和激光观测数据o1:t,寻找姿态和地图的联合分布p(x1:t,m|l1:t,o1:t),可表示为:
p(x1:t,m|l1:t,o1:t)=p(m|x1:t,o1:t)·p(x1:t,m|o1:t,l1:t-1)
其中,x1:t表示通信机器人在1到t时刻的位置的x坐标,m表示通信机器人基于l1:t和o1:t获得的子地图;此外,x1:t是用重要性采样算法估计的;那么,在t时刻,第i个粒子的权重迭代过程可以计算为:
其中,β表示固定比例系数,表示第i个粒子在t-1时刻的子地图,表示第i个粒子在t-1时刻的x坐标,∝表示正比符号,ot表示t时刻的激光观测数据,lt-1表示t-1时刻的里程计数据,xt表示t时刻的通信机器人的位置的x坐标;x′是当前需要构建的子地图中的通信机器人位姿;
利用所提出的分布来估计目标分布,其中目标分布是表示室内环境中障碍物的分布:首先在峰值附近对目标值进行采样,然后可以通过这些采样值进行拟合,求出其基于高斯分布的方差和均值,然后将其作为提议的目标分布,最后根据提议的目标分布,通信机器人的位置对应的平均x和y坐标近似计算为其中I表示粒子的数目,且每个粒子只能参与一次迭代;根据地图离散化的定义,通信机器人在t时刻的位置可以表示为所在的第(a,b)个网格处的位置,即相应的,其对应的从原点移动到第(a,b)个网格处的描绘的子地图可以表示为ma,b=p(m|xa,b,oa,b),其中xa,b和oa,b分别表示通信机器人所在的第(a,b)个网格的坐标以及第(a,b)个网格处的激光观测数据。
步骤三:在步骤二的基础上,计算通信机器人在每个位置接收到的信道功率增益的期望值:
根据步骤二,地理地图可以表征环境信息,因此可以确定通信机器人处于任何位置时其与基站是否存在视距;令F表示信道功率增益图,第(a,b)个网格处的预期有效信道功率增益由下式给出:
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明还提供一种通信机器人,包括处理器和存储器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序时,实现上述方法。
本发明的有益效果在于:本发明首次实现机器人在室内未知环境下同时表征地理地图和无线电地图,描绘未知环境中的障碍物分布和所有可达位置的通信质量,具有良好的应用价值。
附图说明
图1为本发明实施例中方法的思路图。
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
本实施例提供一种通信机器人的即时定位和无线电地图构建方法。通过该方法,机器人可以同时构建地理地图和信道功率增益图地图(即无线电地图),描绘未知环境中的障碍物分布和所有可达位置的通信质量。如图1所示,本实施例首先建立通信机器人的信道模型,然后根据信道模型给出通信机器人在每个地理位置接收到的信道功率增益期望值,最后提出地理地图及信道功率增益图的构建方法。
所述通信机器人的即时定位和无线电地图构建方法的具体过程为:
步骤一:建立通信机器人与室内基站间的信道模型,计算用户的接收信道功率增益期望值。
未知的室内环境中包括有一个基站、一个可移动的通信机器人、以及若干规则障碍物,其中所述通信机器人搭载的传感器垂直高度低于障碍物垂直高度,基站位置固定且室内环境地面光滑。基站可以通过与通信机器人之间构建通信链路实现将信息发送给地面用户。假设一个三维笛卡尔坐标系,通信机器人可移动的范围设定为[-Xmax,Xmax]×[-Ymax,Ymax],基站的位置设定为(0,Ymax,hb);其中,-Xmax和Xmax分别表示通信机器人移动范围的最大x坐标取值边界,-Ymax和Ymax分别表示通信机器人移动范围的最大y坐标取值边界,hb代表基站的垂直高度;相应地,通信机器人的位置可表示为S=(x,y,hr),hr是机器人传感器的垂直高度,x和y分别表示通信机器人的位置的x坐标和y坐标。此时,基站与位置S的通信机器人之间的等效基带莱斯信道可表示为:
其中,h(S)表示从基站到位置S的信道系数,和分别表示视距(LoS)系数和非视距(NLoS)系数。α(S)表示从基站到位置S的莱斯因子,当α(S)=0时,基站和通信机器人之间的不存在视距,通信链路被阻挡;反之,为一个常数。由于信道系数h(S)高度依赖于通信机器人的位置S,因此,考虑信道系数h(S)的期望值,表示为:
其中,L(S)代表基站和通信机器人之间的路径损耗。
步骤二:对室内未知的地理环境进行离散化,构建地理地图使得通信机器人能较为准确地描述室内环境的物理信息。
首先将通信机器人的地理地图X-Y平面的二维(2D)空间离散化为4XmaxYmax/δ2个网格,δ表示2D空间的离散分辨率,它小到足以使网格的大小接近网格的中心点。因此,第(a,b)个网格的中心可以表示为:
Sa,b=SI+[a-1,b-1]δ
其中,SI表示所考虑的2D空间左下角的网格的中心。a和b的取值范围定义为a∈{1,2,…,2Xmax/δ},b∈{1,2,…,2Ymax/δ}。与在精确地图上执行任务不同,通信机器人面临的是一个未知环境。因此,依靠通信机器人的传感器,基于2D的即时定位和映射(2D-basedSLAM)算法可以被用于创建地理地图。基于2D的SLAM算法旨在改进提议的分布和重要性采样以减少粒子数量,并防止粒子退化,从而使地理地图构建和定位问题变成根据传感器获取1到t时刻的里程计数据l1:t和激光观测数据o1:t,寻找姿态和地图的联合分布p(x1:t,m|l1:t,o1:t)。为了获取更好的分布,其被分解为位置概率估计和地图绘制,可表示为:
p(x1:t,m|l1:t,o1:t)=p(m|x1:t,o1:t)·p(x1:t,m|o1:t,l1:t-1)
其中,x1:t表示通信机器人在1到t时刻的位置的x坐标,m表示通信机器人基于l1:t和o1:t获得的子地图。此外,x1:t是用重要性采样算法估计的。那么,在t时刻,第i个粒子的权重迭代过程可以计算为:
上述模型中,用来模拟分布的粒子数量是有限的。因此,必须丢弃权重小的粒子,让权重大的粒子继续重复采样以保证粒子收敛到真实状态。但是,在执行频繁的重新采样时,粒子无法避免退化问题。为了解决这个问题,上述的粒子的权重迭代过程可以重新计算如下:
其中,β表示固定比例系数,表示第i个粒子在t-1时刻的子地图,表示第i个粒子在t-1时刻的x坐标,∝表示正比符号,ot表示t时刻的激光观测数据,lt-1表示t-1时刻的里程计数据,xt表示t时刻的通信机器人的位置的x坐标;x′是当前需要构建的子地图中的通信机器人位姿。本实施例的目标是利用所提出的分布来估计目标分布,其中目标分布是表示室内环境中障碍物的分布。具体过程为,首先在峰值附近对目标值进行采样,然后可以通过这些采样值进行拟合,求出其基于高斯分布的方差和均值,然后将其作为提议的目标分布,最后根据提议的目标分布,通信机器人t时刻的位置对应的平均x和y坐标近似计算为其中I表示粒子的数目,且每个粒子只能参与一次迭代。根据之前的地图离散化定义,通信机器人在t时刻的位置可以表示为所在的第(a,b)个网格处的位置,即相应的,其对应的从原点移动到第(a,b)个网格处的描绘的子地图可以表示为ma,b=p(m|xa,b,oa,b),其中xa,b和oa,b分别表示通信机器人所在的第(a,b)个网格的坐标以及第(a,b)个网格处的激光观测数据。
步骤三:在步骤二的基础上,计算通信机器人在每个位置接收到的信道功率增益的期望值。
根据步骤二,地理地图可以表征环境信息(例如障碍物),因此可以确定通信机器人处于任何位置时其与基站是否存在视距。因此,信道功率增益图可以被进一步描述。具体来说,信道功率增益图是通过利用信道传播信息来构建的。令F表示信道功率增益图,同时结合InF-SH场景的第三代合作伙伴计划(3GPP)技术报告,第(a,b)个网格处的预期有效信道功率增益由下式给出:
其中,da,b和fc分别代表第(a,b)个网格和基站之间的三维距离和中心频率或载频。LLOS(Sa,b)和LNLOS(Sa,b)分别表示在LOS和NLOS条件下基站与通信机器人位置Sa,b之间的路径损耗。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
Claims (4)
1.一种通信机器人的即时定位和无线电地图构建方法,其特征在于,具体过程为:
步骤一:建立通信机器人与室内基站间的信道模型,计算用户的接收信道功率增益期望值;
未知的室内环境中包括有一个基站、一个可移动的通信机器人、以及若干规则障碍物,其中所述通信机器人搭载的传感器垂直高度低于障碍物垂直高度,基站位置固定且室内环境地面光滑;基站可以通过与通信机器人之间构建通信链路实现将信息发送给地面用户;假设一个三维笛卡尔坐标系,通信机器人可移动的范围设定为[-Xmax,Xmax]×[-Ymax,Ymax],基站的位置设定为(0,Ymax,hb);其中,-Xmax和Xmax分别表示通信机器人移动范围的最大x坐标取值边界,-Ymax和Ymax分别表示通信机器人移动范围的最大y坐标取值边界,hb代表基站的垂直高度;相应地,通信机器人的位置可表示为S=(x,y,hr),hr是机器人传感器的垂直高度,x和y分别表示通信机器人的位置的x坐标和y坐标;此时,基站与位置S的通信机器人之间的等效基带莱斯信道可表示为:
其中,h(S)表示从基站到位置S的信道系数,和分别表示视距LoS系数和非视距NLoS系数;α(S)表示从基站到位置S的莱斯因子;由于信道系数h(S)高度依赖于通信机器人的位置S,因此,考虑信道系数h(S)的期望值,表示为:
其中,L(S)代表基站和通信机器人之间的路径损耗;
步骤二:对室内未知的地理环境进行离散化,构建地理地图使得通信机器人能较为准确地描述室内环境的物理信息:
首先将通信机器人的地理地图X-Y平面的2D空间离散化为4XmaxYmax/δ2个网格,δ表示2D空间的离散分辨率,它小到足以使网格的大小接近网格的中心点;因此,第(a,b)个网格的中心可以表示为:
Sa,b=SI+[a-1,b-1]δ
其中,SI表示所考虑的2D空间左下角的网格的中心;a和b的取值范围定义为a∈{1,2,…,2Xmax/δ},b∈{1,2,…,2Ymax/δ};
依靠通信机器人的传感器,采用基于2D的即时定位和映射算法创建地理地图;基于2D的即时定位和映射算法旨在改进提议的分布和重要性采样以减少粒子数量,并防止粒子退化,从而使地理地图构建和定位问题变成根据传感器获取1到t时刻的里程计数据l1:t和激光观测数据o1:t,寻找姿态和地图的联合分布p(x1:t,m|l1:t,o1:t),可表示为:
p(x1:t,m|l1:t,o1:t)=p(m|x1:t,o1:t)·p(x1:t,m|o1:t,l1:t-1)
其中,x1:t表示通信机器人在1到t时刻的位置的x坐标,m表示通信机器人基于l1:t和o1:t获得的子地图;此外,x1:t是用重要性采样算法估计的;那么,在t时刻,第i个粒子的权重迭代过程可以计算为:
其中,β表示固定比例系数,表示第i个粒子在t-1时刻的子地图,表示第i个粒子在t-1时刻的x坐标,∝表示正比符号,ot表示t时刻的激光观测数据,lt-1表示t-1时刻的里程计数据,xt表示t时刻的通信机器人的位置的x坐标;x′是当前需要构建的子地图中的通信机器人位姿;
利用所提出的分布来估计目标分布,其中目标分布是表示室内环境中障碍物的分布:首先在峰值附近对目标值进行采样,然后可以通过这些采样值进行拟合,求出其基于高斯分布的方差和均值,然后将其作为提议的目标分布,最后根据提议的目标分布,通信机器人的位置对应的平均x和y坐标近似计算为其中I表示粒子的数目,且每个粒子只能参与一次迭代;根据地图离散化的定义,通信机器人在t时刻的位置可以表示为所在的第(a,b)个网格处的位置,即相应地,其对应的从原点移动到第(a,b)个网格处的描绘的子地图可以表示为ma,b=p(m|xa,b,oa,b),其中xa,b和oa,b分别表示通信机器人所在的第(a,b)个网格的坐标以及第(a,b)个网格处的激光观测数据;
步骤三:在步骤二的基础上,计算通信机器人在每个位置接收到的信道功率增益的期望值:
根据步骤二,地理地图可以表征环境信息,因此可以确定通信机器人处于任何位置时其与基站是否存在视距;令F表示信道功率增益图,第(a,b)个网格处的预期有效信道功率增益由下式给出:
3.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-2任一所述的方法。
4.一种通信机器人,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序时,实现权利要求1-2任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210706816.0A CN115022808B (zh) | 2022-06-21 | 2022-06-21 | 一种通信机器人的即时定位和无线电地图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210706816.0A CN115022808B (zh) | 2022-06-21 | 2022-06-21 | 一种通信机器人的即时定位和无线电地图构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115022808A true CN115022808A (zh) | 2022-09-06 |
CN115022808B CN115022808B (zh) | 2022-11-08 |
Family
ID=83077893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210706816.0A Active CN115022808B (zh) | 2022-06-21 | 2022-06-21 | 一种通信机器人的即时定位和无线电地图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115022808B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700525A (zh) * | 2015-12-07 | 2016-06-22 | 沈阳工业大学 | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 |
CN109341707A (zh) * | 2018-12-03 | 2019-02-15 | 南开大学 | 未知环境下移动机器人三维地图构建方法 |
CN113313827A (zh) * | 2021-06-18 | 2021-08-27 | 浙江大学 | 一种基于连续置信度分布的机器人建图方法 |
CN113938935A (zh) * | 2021-10-13 | 2022-01-14 | 东南大学 | 基于期望最大化算法的信道知识地图构建方法 |
-
2022
- 2022-06-21 CN CN202210706816.0A patent/CN115022808B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700525A (zh) * | 2015-12-07 | 2016-06-22 | 沈阳工业大学 | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 |
CN109341707A (zh) * | 2018-12-03 | 2019-02-15 | 南开大学 | 未知环境下移动机器人三维地图构建方法 |
CN113313827A (zh) * | 2021-06-18 | 2021-08-27 | 浙江大学 | 一种基于连续置信度分布的机器人建图方法 |
CN113938935A (zh) * | 2021-10-13 | 2022-01-14 | 东南大学 | 基于期望最大化算法的信道知识地图构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115022808B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108827306B (zh) | 一种基于多传感器融合的无人机slam导航方法及系统 | |
CN109798896B (zh) | 一种室内机器人定位与建图方法及装置 | |
CN109275093B (zh) | 基于uwb定位与激光地图匹配的定位方法和移动终端 | |
CN110645974A (zh) | 一种融合多传感器的移动机器人室内地图构建方法 | |
CN111521195B (zh) | 一种智能机器人 | |
CN107271951A (zh) | 基于WiFi指纹定位的无人机导航系统及其导航方法 | |
CN113108773A (zh) | 一种融合激光与视觉传感器的栅格地图构建方法 | |
TWI718450B (zh) | 使用飛行載具之無線電訊號源的無線電波分布之量測與對應之無線電特徵之估算之方法及系統 | |
CN114413909A (zh) | 一种室内移动机器人定位方法及系统 | |
CN107356932B (zh) | 机器人激光定位方法 | |
Lu et al. | Robot indoor location modeling and simulation based on Kalman filtering | |
CN105472729A (zh) | 一种基于WiFi室内定位技术的大数据处理系统和方法 | |
CN115022808B (zh) | 一种通信机器人的即时定位和无线电地图构建方法 | |
CN113076634B (zh) | 一种多机协同无源定位方法、装置及系统 | |
CN112731480B (zh) | 一种基于低轨卫星的地面信号源直接定位方法 | |
CN112180396B (zh) | 一种激光雷达定位及地图创建方法 | |
Gao et al. | Localization of mobile robot based on multi-sensor fusion | |
CN113324544A (zh) | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 | |
CN112486172A (zh) | 道路边缘检测方法及机器人 | |
Blueml et al. | Bias compensated uwb anchor initialization using information-theoretic supported triangulation points | |
CN116466712A (zh) | 基于cml-avg激光雷达小车的自主巡航方法及系统 | |
Ulmschneider et al. | Cooperative Estimation of Maps of Physical and Virtual Radio Transmitters | |
Tabibiazar et al. | Radio-visual signal fusion for localization in cellular networks | |
CN116939815B (zh) | 一种基于激光点云地图的uwb定位基站选择方法 | |
CN116736219B (zh) | 基于改进粒子群算法的无源tdoa-fdoa联合定位优化布站方法 |
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 |