CN116466589B - 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备 - Google Patents

一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN116466589B
CN116466589B CN202310463652.8A CN202310463652A CN116466589B CN 116466589 B CN116466589 B CN 116466589B CN 202310463652 A CN202310463652 A CN 202310463652A CN 116466589 B CN116466589 B CN 116466589B
Authority
CN
China
Prior art keywords
path
disturbance rejection
active disturbance
information
tracking control
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.)
Active
Application number
CN202310463652.8A
Other languages
English (en)
Other versions
CN116466589A (zh
Inventor
刘云清
佟心言
初伟
颜飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN202310463652.8A priority Critical patent/CN116466589B/zh
Publication of CN116466589A publication Critical patent/CN116466589A/zh
Application granted granted Critical
Publication of CN116466589B publication Critical patent/CN116466589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于路径跟踪控技术领域，尤其为一种基于自抗扰模型的路径跟踪控制方法，包括以下步骤：S1，获取当前位姿信息和待跟踪路径信息，其中位姿信息包括横坐标x，纵坐标y，航向角yaw，速度v等，待跟踪路径信息由横坐标xn和纵坐标yn的有限集合组成；S2，计算目标路径点和前视距离，其中目标路径点处于待跟踪路径上，记为横坐标tx，纵坐标ty，前视距离Lf为当前速度v的非线性函数。本发明，能够在保证车辆稳定的前提下，有效地实现无人车对预期路径的跟踪，准确的输出期望转角数值，且误差较小，具有较强的鲁棒性。

Description

一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及 电子设备
技术领域
本发明涉及路径跟踪控技术领域，具体为一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备。
背景技术
路径跟踪是指在惯性坐标系中设定一条理想的几何路径，然后要求无人车从某一处出发，按照某种控制规律到达该路径上，并实现其跟踪运动，贴着给定路径行驶，路径跟踪技术是无人车自主行驶的重要组成部分，预描点法是一种广泛采用的跟踪算法，因其鲁棒性好，不需要建立复杂动力学模型，在无人车路径跟踪领域应用非常广泛。
预描点法也存在一些不足，如：跟踪曲线时有稳态误差，曲率越大，残差越大；预瞄距离的选择较为困难，距离太远过平滑，距离太近不稳定；忽视无人车打滑，侧倾，风力等外界干扰因素。
自抗扰控制对系统的数学模型依赖性较小，并且能够通过扩张状态观测器对系统总扰动进行估计，并在控制器中通过补偿量进行补偿，因而具备较强的抗扰能力，由于自抗扰控制器可以对系统的不确定性具有较强的适应性，因此具有较大范围的适用性。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备，解决了上述背景技术中所提出的问题。
(二)技术方案
本发明为了实现上述目的具体采用以下技术方案：
一种基于自抗扰模型的路径跟踪控制方法，包括以下步骤：
S1，获取当前位姿信息和待跟踪路径信息，其中位姿信息包括横坐标x，纵坐标y，航向角yaw，速度v等，待跟踪路径信息由横坐标xn和纵坐标yn的有限集合组成；
S2，计算目标路径点和前视距离，其中目标路径点处于待跟踪路径上，记为横坐标tx，纵坐标ty，前视距离Lf为当前速度v的非线性函数；
S3，计算期望转角，根据位姿信息和公式可以获取期望转角θ，其中，公式中α为航偏角，L为常量，表示轴距宽度；
S4，将期望转角θ输入到自抗扰模型中，得到输出转角θt，其中自抗扰模型由微分跟踪器，非线性误差反馈，扩张状态观测器组成。
进一步地，步骤S1中，当前位姿信息经过滤波器处理。
进一步地，步骤S1中，当前位姿信息与IMU惯性单元进行信息融合，保障信息准确性。
进一步地，步骤S3中，引入横向误差控制，根据当期位姿和目标点由公式late＝(ty-y)cos(yaw)-(tx-x)sin(yaw)计算横向误差信息，并将横向误差late作为参数输入到自抗扰模型的非线性误差反馈中，得到更精确的输出转角θt。
一种基于自抗扰模型的路径跟踪控制装置，包括：
位姿获取模块，用于获取当前的位姿信息，包括横坐标，纵坐标，航向角，速度等状态量；
跟踪路径存储模块，用于储存待跟踪路径信息，由横坐标xn，纵坐标yn的有限集合组成；
计算模块，用于根据位姿信息和待跟踪路径信息计算期望转角等数据；
自抗扰模型模块，由微分跟踪器，非线性误差反馈，扩张观测器组成，用于根据期望转角获取实际输出转角。
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权利要求1-4任一项的方法。
一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行计算机程序；其中，处理器配置为经由执行可执行计算机程序来执行权利要求1-4任一项的方法。
(三)有益效果
与现有技术相比，本发明提供了一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备，具备以下有益效果：
本发明，能够在保证车辆稳定的前提下，有效地实现无人车对预期路径的跟踪，准确的输出期望转角数值，且误差较小，具有较强的鲁棒性。
本发明结合了自抗扰模型，不依赖车辆具体的数学模型，具有较高的普适性。
附图说明
图1为本发明的方法流程图；
图2为本发明的二自由度车辆平面运动模型图；
图3为本发明的二阶自抗扰模型控制模型框图；
图4为本发明的控制装置框图；
图5为本发明的计算机可读存储介质示意图；
图6为本发明的电子设备示意图。
具体实施方式
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，都属于本发明保护的范围。
实施例
本发明所提出的方案可广泛应用于无人车、移动机器人的路径跟踪控制中，为了能够更加清楚地理解本发明的上述目的、特征和优点，下面以无人车的轨迹跟踪控制为例，并结合附图对本发明做进一步说明。
如图1-6所示，本发明一个实施例提出的一种基于自抗扰模型的路径跟踪控制方法，包括以下步骤：
S1，获取当前位姿信息和待跟踪路径信息，其中当前位姿信息包括横坐标x，纵坐标y，航向角yaw，速度v等；待跟踪路径信息，由横坐标xn和纵坐标yn的有限集合组成；获取IMU惯性单元信息，包括角速度ω，线加速度a等。使用惯性IMU的数据推算当前时刻的位移，速度等，并与位姿信息的测量数据使用扩展卡尔曼滤波器对数据进行校正，达到融合数据的作用，并将融合后的数值作为当前实际的位姿信息。
在本实施例中，滤波器系统包括状态方程，观测方程，时间更新方程和量测更新方程；定义状态向量向量里前两项是x和y两个方向的位置分量，第三项v是线速度，第四项yaw是追踪的目标的方向与坐标系中x坐标轴的夹角，最后一项是旋转角速率ω，即yaw的变化率；据此列出滤波器的状态方程和观测方程：
时间更新方程：
量测更新方程：
其中是k-1时刻预测出k时刻的值，/>是/>对应的协方差，AT是A的转置矩阵，Kk是滤波器在k时刻的增益，/>是滤波器输出的k时刻的估计值，Zk是k时刻的观测值，I为单位矩阵，Q为系统噪声方差，R为观测噪声。
S2，计算目标路径点和前视距离。根据路径信息最近的路径点(xn,yn)和速度v，计算出前视距离Lf和路径点前方Lf距离的点(tx,ty)，即目标路径点；其中Lf＝av2+bv+c，a、b、c为参数，与无人车制动距离、刹车参数有关，根据实际情况做出调整。
建立如图2所示的二自由度车辆平面运动模型，将无人车抽象为只考虑侧向和横摆运动的二自由度车辆模型。根据模型，建立如下方程：
S3，计算目标转角θ。根据以上模型和数学关系计算可以得到目标转角的计算公式/>将位姿数据代入计算公式中得到目标转角θ。将目标转角代入系统状态空间方程，可得公式late＝(ty-y)cos(yaw)-(tx-x)sin(yaw)计算横向误差。
假设无人车系统的状态空间方程为：
根据上述状态空间方程建立系统的横向误差表达式：
其中e1为横向误差，为横向误差率，e2为航向误差，/>航向误差率，θdes为车辆转角速度，/>为期望车辆转角速度。
S4，将期望转角θ输入到自抗扰模型中，得到输出转角θt。建立如图3所示的二阶自抗扰模型控制器，v1,v2为微分跟踪器输出；z1,z2,z3为扩张状态观测器输出；late为横向误差，作为外界干扰量输入到非线性误差反馈中，b0为设计参数,本实施例中取b0＝0.02。
微分跟踪器用于对输入信号进行滤波处理，算法设计如下：
其中，θ(t)为输入目标转角，和/>为θ(t)的一阶和二阶导数，/>和为输出参数，即步骤五中的v1和v2；h和r0为信号的滤波因子和速度因子，为设计常量，本实施例中取h＝2000和r0＝0.01；fhan()函数为最速控制综合函数，可以较好的安排信号的过渡过程，使之不易超调。
扩张状态观测器能够补偿外界干扰和模型的不确定部分，算法设计如下：
其中θ为实际输出转角，z3为通过扩张状态观测器观测到的辨识后模型与实际模型之间的偏差，fal()函数为非线性函数，可以获得比线性观测器更高的状态跟踪效率，e为自然常数。
请查阅图4为一种基于自抗扰模型的路径跟踪控制装置，其特征在于，包括：
位姿获取模块，用于获取当前的位姿信息，包括横坐标，纵坐标，航向角，速度等状态量；
跟踪路径存储模块，用于储存待跟踪路径信息，由横坐标xn，纵坐标yn的有限集合组成；
计算模块，用于根据位姿信息和待跟踪路径信息计算期望转角等数据；
自抗扰模型模块，由微分跟踪器，非线性误差反馈，扩张状态观测器组成，用于根据期望转角获取实际输出转角。
所有模块联动执行以实施前述所有的基于自抗扰模型的路径跟踪控制方法。在此不再赘述。
请参阅图5为本发明提供的一种计算机可读存储介质的实施例示意图。本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：
S1，获取当前位姿信息和待跟踪路径信息；
S2，根据待跟踪路径，计算目标路径点和前视距离；
S3，根据位姿信息计算期望转角；
S4，将期望转角输入到自抗扰模型中，得到输出转角。
请参阅图6为本发明实施例提供的电子设备的实施例示意图。本发明实施例提了一种电子设备1300，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：
S1，获取当前位姿信息和待跟踪路径信息；
S2，根据待跟踪路径，计算目标路径点和前视距离；
S3，根据位姿信息计算期望转角；
S4，将期望转角输入到自抗扰模型中，得到输出转角。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于自抗扰模型的路径跟踪控制方法，其特征在于：包括以下步骤：
S1，获取当前位姿信息和待跟踪路径信息，其中位姿信息包括横坐标x，纵坐标y，航向角yaw，速度v等，待跟踪路径信息由横坐标xn和纵坐标yn的有限集合组成；
S2，计算目标路径点和前视距离，其中目标路径点处于待跟踪路径上，记为横坐标tx，纵坐标ty，前视距离Lf为当前速度v的非线性函数；
S3，计算期望转角，根据位姿信息和公式可以获取期望转角θ，其中，公式中α为航偏角，L为常量，表示轴距宽度；
S4，将期望转角θ输入到自抗扰模型中，得到输出转角θt，其中自抗扰模型由微分跟踪器，非线性误差反馈，扩张状态观测器组成。
2.根据权利要求1所述的一种基于自抗扰模型的路径跟踪控制方法，其特征在于：所述步骤S1中，获取IMU惯性单元信息，包括角速度ω，线加速度a等，计算当前时刻的位移，速度，并与当前位姿信息经过滤波器处理，达到融合数据的作用，并将融合后的数值作为当前实际的位姿信息。
3.根据权利要求1所述的一种基于自抗扰模型的路径跟踪控制方法，其特征在于：所述步骤S3中，引入横向误差控制，根据当期位姿和目标点由公式late＝(ty-y)cos(yaw)-(tx-x)sin(yaw)计算横向误差信息，并将横向误差late作为参数输入到自抗扰模型的非线性误差反馈中，得到更精确的输出转角θt。
4.一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1-3任一项所述的方法。
5.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行计算机程序；其中，所述处理器配置为经由执行所述可执行计算机程序来执行权利要求1-3任一项所述的方法。
CN202310463652.8A 2023-04-26 2023-04-26 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备 Active CN116466589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310463652.8A CN116466589B (zh) 2023-04-26 2023-04-26 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310463652.8A CN116466589B (zh) 2023-04-26 2023-04-26 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN116466589A CN116466589A (zh) 2023-07-21
CN116466589B true CN116466589B (zh) 2024-02-09

Family

ID=87182280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310463652.8A Active CN116466589B (zh) 2023-04-26 2023-04-26 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN116466589B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117519212B (zh) * 2024-01-03 2024-04-12 杭州华橙软件技术有限公司 路径跟踪控制方法、装置、终端及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867377A (zh) * 2016-04-13 2016-08-17 浙江理工大学 一种农业机械自动导航控制方法
CN109900273A (zh) * 2019-02-28 2019-06-18 北京航天自动控制研究所 一种室外移动机器人导引方法及导引系统
CN111580523A (zh) * 2020-05-19 2020-08-25 哈尔滨工程大学 一种基于侧滑角补偿的无人艇路径跟踪自抗扰控制方法
CN111796521A (zh) * 2020-07-08 2020-10-20 中国第一汽车股份有限公司 一种前视距离确定方法、装置、设备及存储介质
US10962976B1 (en) * 2019-11-29 2021-03-30 Institute Of Automation, Chinese Academy Of Sciences Motion control method and system for biomimetic robotic fish based on adversarial structured control
CN113625715A (zh) * 2021-08-12 2021-11-09 上海海事大学 一种自动化集装箱码头agv的快速轨迹跟踪控制方法
CN114802214A (zh) * 2022-05-27 2022-07-29 重庆长安汽车股份有限公司 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质
CN114879671A (zh) * 2022-05-04 2022-08-09 哈尔滨工程大学 一种基于强化学习mpc的无人艇轨迹跟踪控制方法
CN115396807A (zh) * 2022-06-09 2022-11-25 长春理工大学 一种基于uwb定位的多跟随车控制系统
CN115480570A (zh) * 2022-08-30 2022-12-16 中国农业大学 农机车辆自动导航控制方法和装置、农机车辆
CN115542899A (zh) * 2022-09-21 2022-12-30 重庆中科汽车软件创新中心 车辆路径跟踪的方法、装置、车辆、电子设备及介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867377A (zh) * 2016-04-13 2016-08-17 浙江理工大学 一种农业机械自动导航控制方法
CN109900273A (zh) * 2019-02-28 2019-06-18 北京航天自动控制研究所 一种室外移动机器人导引方法及导引系统
US10962976B1 (en) * 2019-11-29 2021-03-30 Institute Of Automation, Chinese Academy Of Sciences Motion control method and system for biomimetic robotic fish based on adversarial structured control
CN111580523A (zh) * 2020-05-19 2020-08-25 哈尔滨工程大学 一种基于侧滑角补偿的无人艇路径跟踪自抗扰控制方法
CN111796521A (zh) * 2020-07-08 2020-10-20 中国第一汽车股份有限公司 一种前视距离确定方法、装置、设备及存储介质
CN113625715A (zh) * 2021-08-12 2021-11-09 上海海事大学 一种自动化集装箱码头agv的快速轨迹跟踪控制方法
CN114879671A (zh) * 2022-05-04 2022-08-09 哈尔滨工程大学 一种基于强化学习mpc的无人艇轨迹跟踪控制方法
CN114802214A (zh) * 2022-05-27 2022-07-29 重庆长安汽车股份有限公司 纯跟踪自动泊车控制方法、性能评估工具及可读存储介质
CN115396807A (zh) * 2022-06-09 2022-11-25 长春理工大学 一种基于uwb定位的多跟随车控制系统
CN115480570A (zh) * 2022-08-30 2022-12-16 中国农业大学 农机车辆自动导航控制方法和装置、农机车辆
CN115542899A (zh) * 2022-09-21 2022-12-30 重庆中科汽车软件创新中心 车辆路径跟踪的方法、装置、车辆、电子设备及介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Research on Parking Control of Bus Based on Improved Pure Pursuit Algorithms;Hao Li等;《 2019 18th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES)》;全文 *
基于分数阶自抗扰的四旋翼飞行控制研究;王溪洋;《中国优秀硕士学位论文电子全文库 工程科技Ⅱ辑》;第C031-670页 *
无人驾驶自主代客泊车路径规划与跟踪控制策略研究;高奇;《中国优秀硕士学位论文电子全文库 工程科技Ⅱ辑》;全文 *
无人驾驶车路径跟踪控制研究;修彩靖;陈慧;;计算机工程(第10期);全文 *
欠驱动无人艇路径跟踪控制算法;陈霄;刘忠;董蛟;张建强;;海军工程大学学报(第03期);全文 *

Also Published As

Publication number Publication date
CN116466589A (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
Zhang et al. Dynamic image-based output feedback control for visual servoing of multirotors
CN116466589B (zh) 一种基于自抗扰模型的路径跟踪控制方法、装置、存储介质及电子设备
US20240312061A1 (en) High-precision odometry estimation method based on double-layer filtering framework
CN108829123B (zh) 一种四旋翼飞行器控制方法、系统和装置
Poonawala et al. Leader-follower formation control of nonholonomic wheeled mobile robots using only position measurements
CN110716566A (zh) 一种欠驱动无人艇的有限时间轨迹跟踪控制方法
CN115143954B (zh) 一种基于多源信息融合的无人车导航方法
Ribeiro et al. Nonlinear model predictive visual path following control to autonomous mobile robots
CN113587926B (zh) 一种航天器空间自主交会对接相对导航方法
CN113467231A (zh) 基于侧滑补偿ilos制导律的无人艇路径跟踪方法
CN111189454A (zh) 基于秩卡尔曼滤波的无人车slam导航方法
Zhao et al. Nonlinear model predictive control-based guidance algorithm for quadrotor trajectory tracking with obstacle avoidance
Bj et al. Redesign and analysis of globally asymptotically stable bearing only SLAM
CN113885514B (zh) 基于模糊控制和几何追踪的agv路径跟踪方法及系统
CN112034869B (zh) 一种无人机变参神经动力学控制器的设计方法及其应用
Liu et al. Fuzzy PID tracking controller for two-axis airborne optoelectronic stabilized platform
CN108981688B (zh) 基于激光导航agv惯导航向角原点变换及误差补偿算法
Wang et al. Visual regulation of a nonholonomic wheeled mobile robot with two points using Lyapunov functions
CN116793365A (zh) 基于时序神经网络辅助的农机定位导航方法
CN114252073B (zh) 一种机器人姿态数据融合方法
CN116820081A (zh) 基于无模型自适应滑模的欠驱动无人艇路径跟踪控制方法
CN113447018A (zh) 一种水下惯性导航系统的姿态实时估计方法
Tisland et al. How extending the kinematic model affects path following in off-road terrain for differential drive UGVs
Bjϕrne et al. Estimating vector magnitude from its direction and derivative, with application to bearing-only SLAM filter problem
Shan et al. Probabilistic trajectory estimation based leader following for multi-robot systems

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