CN115183767A - 一种基于arkf的单目vio/uwb室内组合定位方法 - Google Patents
一种基于arkf的单目vio/uwb室内组合定位方法 Download PDFInfo
- Publication number
- CN115183767A CN115183767A CN202210790610.0A CN202210790610A CN115183767A CN 115183767 A CN115183767 A CN 115183767A CN 202210790610 A CN202210790610 A CN 202210790610A CN 115183767 A CN115183767 A CN 115183767A
- Authority
- CN
- China
- Prior art keywords
- uwb
- time
- vio
- monocular
- positioning
- 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
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
- G01C21/1656—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 passive imaging devices, e.g. cameras
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于ARKF的单目VIO/UWB室内组合定位方法,属于导航定位技术领域。所述方法包括以下步骤:第一步,利用ROS时间标签实现组合系统中不同传感器的时间同步,并通过四参数转换模型完成组合系统坐标系统一;第二步,获取IMU、相机和UWB的量测信息;第三步,进行单目VIO位置解算;第四步,构建单目VIO/UWB组合系统的状态模型和量测模型;第五步,构建单目VIO/UWB组合系统抗差模型;第六步,利用ARKF解算组合系统的定位结果。本发明能够在不依赖回环检测的情况下有效解决单目VIO易漂移和定位误差较大的问题,并降低UWB的非视距误差对组合系统的影响,实现室内高精度定位。
Description
技术领域
本发明属于导航定位技术领域,具体是一种基于ARKF的单目 VIO/UWB室内组合定位方法。
背景技术
随着时代的发展,人们对于定位精度的要求越来越高。人们 80%-90%的时间均处于室内,因此更多的定位导航和位置服务需求来自室内。室内环境复杂,采用单一传感器很难满足当下的定位需求,因此多传感器组合方式已经成为高精度定位领域的研究热点。由于相机和惯性测量单元(inertial measurement unit,IMU)传感器之间的优势互补性,基于不同融合方式的视觉惯性里程计(visual inertial odometry,VIO)已经成为解决此问题的主流方法。VIO的融合方式主要分基于滤波和基于优化两种方式:前者融合框架简单,但是线性化误差较大;后者定位精度更加精确,但是对硬件计算力要求较高。尽管VIO在短时间内能够获得较高的定位精度,但由于IMU本身定位易发散以及相机易受光照、纹理等因素的影响而导致跟踪失败,VIO自身误差会随着时间的推移而累积,进而导致定位结果的累积误差逐渐变大,因此需要进一步引入其它辅助传感器来降低VIO的定位误差。
目前常用的室内无线定位技术有UWB、Wi-Fi、超声波、蓝牙等,其中UWB定位技术因具有功率谱密度低、脉冲宽度窄、时间分辨率高的特点,能够获得较高的测距精度,从而被广泛应用于室内高精度定位。但UWB定位技术在脉冲信息传播的过程中,障碍物的存在会遮挡UWB 的脉冲信号,使信号在传播过程中发生反射、折射以及穿透的现象,构成非视距(none line of sight,NLOS)环境,形成NLOS误差,导致UWB 定位系统的精度和稳定性大幅度降低,严重时甚至无法测距定位。
综上分析可知,在室内环境下单独依靠VIO或者UWB进行定位很难获得高时效和高精度的定位结果,因此,近几年已有一些专家学者针对VIO和UWB的数据融合展开研究。2021年,Nguyen等人提出了一种VIO和UWB的紧耦合融合方案,将VIO的测量数据和UWB的量测数据进行融合,从而获得机器人的位姿。(参考:Nguyen T H,Nguyen T M,Xie L.Range-focused fusion of camera-IMU-UWB for accurate and drift-reduced localization[J].IEEE Robotics and Automation Letters,2021, 6(2):1678-1685.)2015年,Nyqvist等人提出了一种利用UWB辅助单目 VIO的方法,通过扩展卡尔曼滤波(extend Kalmanfilter,EKF)进行融合解算,以获得改进的无漂移全局位姿估计。(参考:Nyqvist H E,Skoglund M A,Hendeby G,et al.Pose estimation using monocular vision andinertial sensors aided with ultra wide band[C]//2015international conferenceon indoor positioning and indoor navigation(IPIN).IEEE,2015:1-10.)2022 年,申炳琦等人提出了一种双目VIO和UWB的松耦合方案,分别利用双目VIO输出的位置信息和UWB输出的位置信息,通过EKF进行数据融合得到机器人的最优位置估计,该方案采用的是松耦合的融合方式,组合系统的鲁棒性偏低。(参考:申炳琦,张志明,舒少龙.移动机器人UWB 与VIO组合室内定位算法[J].计算机应用,2022(1):1-8.)虽然上述三种融合方案在良好环境下都能获得较好的定位结果,但都并未充分考虑 UWB NLOS误差对组合系统的影响。为此,本发明提出了一种基于自适应抗差卡尔曼滤波(adaptive rosbust Kalman filter,ARKF)的单目 VIO/UWB室内组合定位方法。
发明内容
针对上述技术问题,本发明提出了一种新的单目VIO/UWB室内组合定位方法,以达到有效解决单目VIO在室内环境下易漂移和定位误差较大的问题,抑制UWB NLOS误差对组合系统的影响,提高组合系统鲁棒性和定位精度的目的。
为实现上述目的,本发明提供了一种基于ARKF的单目VIO/UWB 室内组合定位方法,包括如下步骤:
步骤1、利用ROS时间标签实现组合系统中不同传感器的时间同步,并通过四参数转换模型完成组合系统坐标系统一;
步骤2、获取IMU、相机和UWB的量测信息;
步骤3、进行单目VIO位置解算;
步骤4、构建单目VIO/UWB组合系统的状态模型和量测模型;
步骤5、构建单目VIO/UWB组合系统抗差模型;
步骤6、利用ARKF解算组合系统的定位结果。
所述步骤2中UWB采用基于往返时间(tow way-time of flight, TW-TOF)的测距模型,测距示意图如图2所示,具体公式如下:
其中,d为UWB移动站与基准站之间的距离,c为光速,Tround为 UWB脉冲信号在UWB流动站与基准站之间的往返时间差,Trespond为 UWB基准站接收到脉冲信号到发射出响应脉冲信号的时间差,n为测量噪声,T1为UWB流动站发出脉冲信号的时间,T2为UWB基准站接收到脉冲信号的时间,T3为UWB基准站发出响应脉冲信号的时间,T4为UWB 流动站接收到响应脉冲信号的时间。
所述步骤3在步骤2获得的相机和IMU数据的基础上,利用VINS 框架实现单目VIO定位,定位流程如图3所示;
具体步骤如下:
步骤3-1、提取图像Harris角点,采用金字塔光流法跟踪相邻帧;
步骤3-2、利用IMU数据计算当前帧的位姿作为初始值,及相邻帧的预积分增量和预积分误差的雅可比矩阵及协方差;
步骤3-3、进行相机初始化和相机惯导联合初始化,计算滑动窗口内所有帧的位姿和路标点的深度,估计重力、尺度初始值、陀螺仪的零偏,并求解世界坐标系和初始相机坐标系的外参矩阵;
步骤3-4、采用光束法平差进行后端非线性优化,输出解算位姿;
具体公式如下:
其中,Ω为滑动窗口内所有状态量,n为帧数,m为滑动窗口内特征点总数,λ为特征点逆深度;Xk为第k帧图像对应的IMU状态,包括位置速度旋转加速度偏置ba,陀螺仪偏置bg;为相机外参,包括平移向量旋转向量
所述步骤S4中构建单目VIO/UWB组合系统的状态方程和量测方程;
具体步骤如下:
步骤4-1、建立单目VIO/UWB组合系统的更新模型;
具体公式如下:
其中,t为组合系统采样的时间间隔,δ为对应数学量改正数的表示形式,(xk,yk)和(xk-1,yk-1)分别为移动平台k时刻和k-1时刻的坐标,vx和 vy分别为移动平台在x和y方向上的速度,ax和ay分别为移动平台在x和 y方向上的加速度;
步骤4-2、对式(3)进行线性化,获得单目VIO/UWB组合系统的状态方程为;
具体公式如下:
Xk=FXk-1+Wk-1 (4)
步骤4-3、建立单目VIO/UWB组合系统的观测模型;
具体公式如下:
其中,为UWB在k时刻的坐标,为k时刻第i个基准站的坐标,为k时刻UWB所得载体位置与第i个基准站的真实距离,为量测值,为单目VIO相邻时刻位移变化的量测值,和为单目VIO在k时刻与k-1时刻坐标,为观测噪声序列;
步骤4-4、对式(5)和式(6)进行线性化,获得单目VIO/UWB组合系统的量测方程;
具体公式如下:
Yk=HXk+Vk (7)
所述步骤5中构建单目VIO/UWB组合系统抗差模型;
具体步骤如下:
步骤5-1、利用新息向量构造检验信息;
具体公式如下:
其中,εk为新息向量,Dk为新息向量所对应的协方差矩阵;
步骤5-2、利用检验信息Δεk,i和Huber函数构建抗差因子;
具体公式如下:
步骤5-3、利用抗差因子更新量测信息协方差矩阵R;
具体公式如下:
其中,α=diag[α1α1...αM-1];
步骤5-4、利用更新后的量测信息协方差矩阵计算增益矩阵K;
具体公式如下:
其中,Pk,k-1为预测状态协方差矩阵;
步骤5-5、引入Sage-Husa算法对系统噪声协方差矩阵Q进行实时更新修正;
具体公式如下:
其中,Pk和Pk-1分别为k时刻和k-1时刻的估计状态协方差矩阵,b 为遗忘因子,0<b<1;dk=(1-b)/(1-bk+1)。
所述步骤6中利用ARKF解算组合定位系统的定位结果;
具体公式如下:
本发明的特点及有益效果在于:
本发明提出了一种基于ARKF的单目VIO/UWB室内组合定位方法,能够在不依赖回环检测的情况下,通过融合其他传感器的量测信息有效解决了单目VIO在室内环境下易漂移和定位误差较大的问题,同时利用新息向量构建组合系统抗差模型,有效降低了UWBNLOS误差对组合系统的影响,提高了组合系统的定位精度和鲁棒性,平均定位精度可达到亚分米级,可实现室内高精度定位。
附图说明
图1是本发明的一种实施方式的基于ARKF的单目VIO/UWB室内组合定位方法流程图;
图2是本发明的一种实施方式的UWB基于TW-TOF测距原理示意图;
图3是本发明一种实施方式的单目VIO定位流程图;
图4是本发明一种实施方式的单目VIO定位轨迹与参考轨迹图;
图5是本发明一种实施方式的基于EKF解算的单目VIO/UWB组合定位轨迹与参考轨迹图;
图6是本发明一种实施方式的基于ARKF解算的单目VIO/UWB 组合定位轨迹与参考轨迹图;
图7是本发明一种实施方式的单目VIO定位结果、基于EKF的单目VIO/UWB组合定位结果、基于ARKF的单目VIO/UWB组合定位结果误差统计。
具体实施方式
下面结合图1~图6对本发明所述一种基于ARKF的单目VIO/UWB 室内组合定位方法进行详细说明。
本发明实施例中,基于ARKF的单目VIO/UWB室内组合定位方法,如图1所示,包括以下步骤:
步骤1、利用ROS时间标签实现组合系统中不同传感器的时间同步,并通过四参数转换模型完成组合系统坐标系统一;
本发明实例中,首先将单目相机、IMU、UWB、棱镜固定在组合定位实验平台上,通过四参数转换模型完成空间坐标系的统一,然后利用ROS时间标签将单目相机、IMU、UWB所采集的数据进行时间同步。
步骤2、获取IMU、相机和UWB的量测信息;
本发明实施实例中,相机选用的是Basler公司的Aca2500-20gc型号工业单目相机,搭载FL-BC1218A-VG定焦镜头,分辨率为648×512,图像采集频率设置为5Hz,IMU选用的是SBG-SYSTEMS公司的 Ellipse2-N,其陀螺精度为10deg/h,UWB是Time Domain公司生产的PulsON440测距模块,测距精度为5±1cm,参考值为Leica TS50全站仪所测得的坐标值,测距精度为1.5mm+2×10-6×D,D为全站仪所测距离;
本发明实例中,UWB采用基于往返时间(tow way-time of flight, TW-TOF)的测距模型,测距示意图如图2所示,具体公式如下:
其中,d为UWB移动站与基准站之间的距离,c为光速,Tround为 UWB脉冲信号在UWB流动站与基准站之间的往返时间差,Trespond为 UWB基准站接收到脉冲信号到发射出响应脉冲信号的时间差,n为测量噪声,T1为UWB流动站发出脉冲信号的时间,T2为UWB基准站接收到脉冲信号的时间,T3为UWB基准站发出响应脉冲信号的时间,T4为UWB 流动站接收到响应脉冲信号的时间。
步骤3、在步骤2获得相机和IMU数据的基础上,利用VINS框架实现单目VIO定位,定位流程如图3所示;
具体步骤如下:
步骤3-1、提取图像Harris角点,采用金字塔光流法跟踪相邻帧;
步骤3-2、利用IMU数据计算当前帧的位姿作为初始值,及相邻帧的预积分增量和预积分误差的雅可比矩阵及协方差;
步骤3-3、进行相机初始化和相机惯导联合初始化,计算滑动窗口内所有帧的位姿和路标点的深度,估计重力、尺度初始值、陀螺仪的零偏,并求解世界坐标系和初始相机坐标系的外参矩阵;
步骤3-4、采用光束法平差进行后端非线性优化,输出解算位姿;
具体公式如下:
其中,Ω为滑动窗口内所有状态量,n为帧数,m为滑动窗口内特征点总数,λ为特征点逆深度;Xk为第k帧图像对应的IMU状态,包括位置速度旋转加速度偏置ba,陀螺仪偏置bg;为相机外参,包括平移向量旋转向量
步骤4、构建组合系统的状态方程和量测方程;
具体步骤如下:
步骤4-1、建立单目VIO/UWB组合系统的更新模型;
具体公式如下:
其中,t为组合系统采样的时间间隔,δ为对应数学量改正数的表示形式,(xk,yk)和(xk-1,yk-1)分别为移动平台k时刻和k-1时刻的坐标,vx和 vy分别为移动平台在x和y方向上的速度,ax和ay分别为移动平台在x和 y方向上的加速度;
步骤4-2、对式(3)进行线性化,获得单目VIO/UWB组合系统的状态方程;
具体公式如下:
Xk=FXk-1+Wk-1 (4)
步骤4-3、建立单目VIO/UWB组合系统的观测模型;
具体公式如下:
其中,为UWB在k时刻的坐标,为k时刻第i个基准站的坐标,为k时刻UWB所得载体位置与第i个基准站的真实距离,为量测值,为单目VIO相邻时刻位移变化的量测值,和为单目VIO在k时刻与k-1时刻坐标,为观测噪声序列;
步骤4-4、对式(5)和式(6)进行线性化,获得单目VIO/UWB组合系统的量测方程;
具体公式如下:
Yk=HXk+Vk (7)
步骤5、构建组合系统抗差模型,具体步骤如下:
步骤5-1、利用新息向量构造检验信息;
具体公式如下:
其中,εk为新息向量,Dk为新息向量所对应的协方差矩阵;
步骤5-2、利用检验信息Δεk,i和Huber函数构建抗差因子;
具体公式如下:
步骤5-3、利用抗差因子更新量测信息协方差矩阵R;
具体公式如下:
其中,α=diag[α1α1...αM-1];
步骤5-4、利用更新后的量测信息协方差矩阵计算增益矩阵K;
具体公式如下:
其中,Pk,k-1为预测状态协方差矩阵;
步骤5-5、引入Sage-Husa算法对系统噪声协方差矩阵Q进行实时更新修正;
具体公式如下:
其中,Pk和Pk-1分别为k时刻和k-1时刻的估计状态协方差矩阵,b 为遗忘因子,0<b<1;dk=(1-b)/(1-bk+1)。
步骤6、利用ARKF解算组合定位系统的定位结果;
具体公式如下:
本发明实例中,将本发明所述方法与单目VIO定位结果、基于 EKF的单目VIO/UWB组合定位结果进行比较,基于EKF和ARKF的组合模型中初始Qk值和Rk值相同,单目VIO/UWB-ARKF组合模型的抗差阈值L设为0.01,Sage-Husa算法中遗忘因子b设为0.995。
如图4所示,将组合定位解算结果与全站仪的定位结果进行对比,单目VIO在移动的初期阶段,定位精度较高,但随着时间的推移,定位轨迹逐渐出现漂移,其中B点处的漂移最为严重,最大定位误差为0.384 m。
如图5所示,将单目VIO/UWB-EKF组合定位解算结果与全站仪定位结果进行对比,在实验平台移动的初始阶段,组合系统的定位精度较高,在A、B、C、D四点处的漂移明显减小,整体的移动轨迹更加贴近参考轨迹。但由于实验平台在移动过程中受到障碍物的遮挡,导致组合系统存在NLOS误差的影响,随着时间的推移,误差累积仍然越来越大,其最大定位误差为0.269m。
如图6所示,将单目VIO/UWB-ARKF组合定位解算结果与全站仪定位结果进行对比,利用ARKF解算的单目VIO和UWB组合系统的定位精度较好,不仅能够克服单目VIO在A、B、C、D四点处容易出现漂移的问题,同时有效消除了UWB的NLOS误差对组合系统的影响,使得组合系统的定位轨迹更加贴近参考轨迹,组合系统的最大定位误差为 0.157m。
单目VIO、单目VIO/UWB-EKF组合模型和单目VIO/UWB-ARKF 组合模型定位误差的统计结果如图7所示,单目VIO定位误差随着时间逐渐增大,在引入UWB后,定位精度明显提高,但由于UWB的NLOS 误差的存在,对组合系统的定位精度仍然存在较大影响。而ARKF算法的引入有效抑制了UWB的NLOS误差的影响,提高了组合系统的定位精度和鲁棒性。
以上所述,仅为本发明中最基础的具体实施方式,但本发明的保护范围并不局限于此,任何本技术领域人士在本发明所揭露的技术范围内,可理解到的替换,都应涵盖在本发明的包含范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种基于ARKF的单目VIO/UWB室内组合定位方法,其特征在于,包括如下步骤:
步骤1、利用ROS时间标签实现组合系统中不同传感器的时间同步,并通过四参数转换模型完成组合系统坐标系统一;
步骤2、获取IMU、相机和UWB的量测信息;
步骤3、进行单目VIO位置解算;
步骤4、构建单目VIO/UWB组合系统的状态模型和量测模型;
步骤5、构建单目VIO/UWB组合系统抗差模型;
步骤6、利用ARKF解算组合系统的定位结果。
2.根据权利要求1所述的一种基于ARKF的单目VIO/UWB室内组合定位方法,其特征在于,所述步骤2中UWB采用基于往返时间(tow way-time of flight,TW-TOF)的测距模型,测距示意图如图2所示,具体公式如下:
其中,d为UWB移动站与基准站之间的距离,c为光速,Tround为UWB脉冲信号在UWB流动站与基准站之间的往返时间差,Trespond为UWB基准站接收到脉冲信号到发射出响应脉冲信号的时间差,n为测量噪声,T1为UWB流动站发出脉冲信号的时间,T2为UWB基准站接收到脉冲信号的时间,T3为UWB基准站发出响应脉冲信号的时间,T4为UWB流动站接收到响应脉冲信号的时间。
3.根据权利要求1所述的一种基于ARKF的单目VIO/UWB室内组合定位方法,其特征在于,所述步骤3在步骤2获得的相机和IMU数据的基础上,利用VINS框架实现单目VIO定位,定位流程如图3所示;
具体步骤如下:
步骤3-1、提取图像Harris角点,采用金字塔光流法跟踪相邻帧;
步骤3-2、利用IMU数据计算当前帧的位姿作为初始值,及相邻帧的预积分增量和预积分误差的雅可比矩阵及协方差;
步骤3-3、进行相机初始化和相机惯导联合初始化,计算滑动窗口内所有帧的位姿和路标点的深度,估计重力、尺度初始值、陀螺仪的零偏,并求解世界坐标系和初始相机坐标系的外参矩阵;
步骤3-4、采用光束平差法进行后端非线性优化,输出解算位姿;
具体公式如下:
4.根据权利要求1所述的一种基于ARKF的单目VIO/UWB室内组合定位方法,其特征在于,所述步骤4中构建单目VIO/UWB组合系统的状态方程和量测方程;
具体步骤如下:
步骤4-1、建立单目VIO/UWB组合系统的更新模型;
具体公式如下:
其中,t为组合系统采样的时间间隔,δ为对应数学量改正数的表示形式,(xk,yk)和(xk-1,yk-1)分别为移动平台k时刻和k-1时刻的坐标,vx和vy分别为移动平台在x和y方向上的速度,ax和ay分别为移动平台在x和y方向上的加速度;
步骤4-2、对式(3)进行线性化,获得单目VIO/UWB组合系统的状态方程;
具体公式如下:
Xk=FXk-1+Wk-1 (4)
步骤4-3、建立单目VIO/UWB组合系统的观测模型;
具体公式如下:
其中,为UWB在k时刻的坐标,为k时刻第i个基准站的坐标,为k时刻UWB所得载体位置与第i个基准站的真实距离,为量测值,为单目VIO相邻时刻位移变化的量测值,和为单目VIO在k时刻与k-1时刻坐标,为观测噪声序列;
步骤4-4、对式(5)和式(6)进行线性化,获得单目VIO/UWB组合系统的量测方程;
具体公式如下:
Yk=HXk+Vk (7)
5.根据权利要求1所述的一种基于ARKF的单目VIO/UWB室内组合定位方法,其特征在于,所述步骤5中构建单目VIO/UWB组合系统抗差模型;
具体步骤如下:
步骤5-1、利用新息向量构造检验信息;
具体公式如下:
其中,εk为新息向量,Dk为新息向量所对应的协方差矩阵;
步骤5-2、利用检验信息Δεk,i和Huber函数构建抗差因子;
具体公式如下:
步骤5-3、利用抗差因子更新量测信息协方差矩阵R;
具体公式如下:
其中,α=diag[α1α1...αM-1];
步骤5-4、利用更新后的量测信息协方差矩阵计算增益矩阵K;
具体公式如下:
其中,Pk,k-1为预测状态协方差矩阵;
步骤5-5、引入Sage-Husa算法对系统噪声协方差矩阵Q进行实时更新修正;
具体公式如下:
其中,Pk和Pk-1分别为k时刻和k-1时刻的估计状态协方差矩阵,b为遗忘因子,0<b<1;dk=(1-b)/(1-bk+1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790610.0A CN115183767A (zh) | 2022-07-06 | 2022-07-06 | 一种基于arkf的单目vio/uwb室内组合定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790610.0A CN115183767A (zh) | 2022-07-06 | 2022-07-06 | 一种基于arkf的单目vio/uwb室内组合定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115183767A true CN115183767A (zh) | 2022-10-14 |
Family
ID=83517203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210790610.0A Pending CN115183767A (zh) | 2022-07-06 | 2022-07-06 | 一种基于arkf的单目vio/uwb室内组合定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115183767A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222556A (zh) * | 2023-01-13 | 2023-06-06 | 浙江大学 | 一种基于多源传感器融合的室内定位方法及系统 |
-
2022
- 2022-07-06 CN CN202210790610.0A patent/CN115183767A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222556A (zh) * | 2023-01-13 | 2023-06-06 | 浙江大学 | 一种基于多源传感器融合的室内定位方法及系统 |
CN116222556B (zh) * | 2023-01-13 | 2024-03-26 | 浙江大学 | 一种基于多源传感器融合的室内定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514225B (zh) | 一种矿井下多传感器融合的外部参数标定及精准定位方法 | |
CN113781582B (zh) | 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 | |
CN110702091B (zh) | 一种沿地铁轨道移动机器人的高精度定位方法 | |
Fan et al. | Data fusion for indoor mobile robot positioning based on tightly coupled INS/UWB | |
Tardif et al. | A new approach to vision-aided inertial navigation | |
CN103776453B (zh) | 一种多模型水下航行器组合导航滤波方法 | |
Liu et al. | A LiDAR-aided indoor navigation system for UGVs | |
CN109579838A (zh) | Agv小车的定位方法及定位系统 | |
Ibrahim et al. | Inertial measurement unit based indoor localization for construction applications | |
CN108981687A (zh) | 一种视觉与惯性融合的室内定位方法 | |
CN114166221B (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及系统 | |
CN114019552A (zh) | 一种基于贝叶斯多传感器误差约束的定位置信度优化方法 | |
Yang et al. | A stable SINS/UWB integrated positioning method of shearer based on the multi-model intelligent switching algorithm | |
Li et al. | Multi-GNSS PPP/INS/Vision/LiDAR tightly integrated system for precise navigation in urban environments | |
Wang et al. | Magnetic field-enhanced learning-based inertial odometry for indoor pedestrian | |
Zou et al. | A nonlinear transfer alignment of distributed POS based on adaptive second-order divided difference filter | |
CN115183767A (zh) | 一种基于arkf的单目vio/uwb室内组合定位方法 | |
Boche et al. | Visual-inertial slam with tightly-coupled dropout-tolerant gps fusion | |
CN114690229A (zh) | 一种融合gps的移动机器人视觉惯性导航方法 | |
Li et al. | An indoor and outdoor seamless positioning system for low-cost UGV using PPP/INS/UWB tightly coupled integration | |
CN116242372A (zh) | 一种gnss拒止环境下的uwb-激光雷达-惯导融合定位方法 | |
CN116380070A (zh) | 一种基于时间戳优化的视觉惯性定位方法 | |
CN116719071A (zh) | 一种采用前向紧组合的gnss-ins因子图优化方法 | |
Kong et al. | Hybrid indoor positioning method of BLE and monocular VINS based smartphone | |
Bakambu et al. | Heading-aided odometry and range-data integration for positioning of autonomous mining vehicles |
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 |