CN116973962A - 一种现代田间农机高精度实时定位方法 - Google Patents
一种现代田间农机高精度实时定位方法 Download PDFInfo
- Publication number
- CN116973962A CN116973962A CN202310959745.XA CN202310959745A CN116973962A CN 116973962 A CN116973962 A CN 116973962A CN 202310959745 A CN202310959745 A CN 202310959745A CN 116973962 A CN116973962 A CN 116973962A
- Authority
- CN
- China
- Prior art keywords
- positioning
- information
- data
- agricultural machinery
- beidou
- 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 37
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 241000336291 Cistanche deserticola Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
- G01S19/40—Correcting position, velocity or attitude
Abstract
本发明公开了一种现代田间农机高精度实时定位方法，通过5G和惯性测量单元来补偿北斗定位信号的误差与不稳定性。该方法包括：分别利用5G、惯性测量单元和北斗来获取农机的定位与姿态信息，并将获取到的信息分别处理，然后通过数据有效性判断与数据的深度融合后输出精确的农机坐标信息。该方法稳定性高，定位精度较优，可以为农机提供高精度的实时定位信息。
Description
技术领域
本发明涉及机器人定位技术领域，特别是一种现代田间农机高精度实时定位方法。
背景技术
农业现代化是提升农产品竞争力的关键手段。随国家对农业现代化的重视，农机自动化耕作的必要性日益凸显。实现农机的自动精确定位有助于精细化农业的实施。目前的农用机械上搭载的大部分只是单一的卫星导航定位系统，但是单一的卫星导航定位系统在复杂作业环境中，如面临遮挡或者信号不稳定的时候，极易造成卫星定位信号的失准甚至丢失，从而导致农机定位信息准确性和可靠性大幅下降。
以肉苁蓉种植农机为例，农机在碰到高大树木遮挡的时候，卫星导航定位系统精度下降，农机无法获取自身的准确位置，同时农机位置信号失准也会影响其导航线路的规划和后续种植等工作。目前面对农机定位信号失准问题常采用GPS与激光雷达或者与机器视觉平台相结合，虽然定位精度在一定程度上有所提升，但是当面临恶劣环境的时候，其测试结果还是不太稳定。因此，发明一种现代田间农机高精度实时定位方法刻不容缓。
发明内容
本发明的目的在于提供一种现代田间农机高精度实时定位方法，在农机北斗卫星定位信号正常或较弱时对农机位置信息进行辅助修正，或者在农机北斗定位信号消失时代替其完成定位功能，优化了农机在复杂野外环境下定位信号失准的问题。
实现本发明的技术方案为：
一种现代田间农机高精度实时定位方法，通过5G和惯性测量单元与北斗定位系统的定位信息深度融合，使得北斗定位系统可以适应多地形、多环境作业。所述的方法包括：
步骤1：北斗卫星定位，利用北斗卫星定位系统的定位信息，推算得到农机当前经纬度。
步骤2：5G基站定位，利用5G基站和5G位置服务器的定位信息，推算得到农机当前经纬度。
步骤3：惯性导航系统对位置信息进行修正，利用惯性导航系统在单位时间内位移的角度与角速度计算出农机在单位时间内位移的方向和距离，将其用于修正输入的北斗或5G定位信息。
步骤4：数据有效性判断，对输入的三组位置信息进行皮尔逊相关性分析和方差判断，得到三组数据有效性使能位。
步骤5：卷积神经网络融合位置信息，根据输入的数据有效性判断结果和当前定位信息调整网络结构，使网络输出初步的融合位置信息，并根据之后经过扩展卡尔曼滤波输出的结果对网络参数进行调整。
步骤6：扩展卡尔曼滤波融合位置信息，根据输入的数据有效性结果和位置信息输出进一步融合的位置信息，并和上一单位时间的输出结果对比修正卡尔曼增益。
进一步的，步骤1的具体过程包括：
步骤1.1：开启卫星接收机，使其接收到三个或三个以上北斗卫星的信号，其中和表示第i个卫星到农机的时间和距离，，和分别表示各卫星的空间位
置，，和表示农机的空间位置，为光速。
步骤1.2：对接收到的卫星信号进行筛选，剔除定位信号强度较弱的。
步骤1.3：根据定位解算模型对农机的世界坐标进行解算，并将解算的世界坐标转换成经纬度坐标。
步骤1.4：对输出的经纬度坐标信息进行粒子滤波，得到一组相对稳定的定位坐标。
进一步的，步骤2的具体过程包括：
步骤2.1：开启5G接收机，调整信号接收强度，使其接收到三个或三个以上5G基站的信号。
步骤2.2：对接收到的5G基站信息按照信号强度构建搜索表。
步骤2.3：按照广度优先搜索算法筛选出可以用来定位的5G基站。
步骤2.4：将获取到的信息返回位置服务器得到位置信息，并对位置信息进行粒子滤波，得到稳定的定位坐标。
进一步的，步骤3的具体过程包括：
步骤3.1：根据水平仪调整惯性测量单元，使其与水平面保持水平，根据此时的零点漂移对系统参数进行校正。
步骤3.2：利用惯性测量单元输出的速度与角速度得到单位时间间隔内农机前进的角度、距离和速度。
步骤3.3：根据位置推算公式中，农机在世界坐标x方向偏y方向角度，单位时间内位移时，从到时间内农机在世界坐标上的速度分解量的积分和位移分解量的平均值推算得到农机从初始位置到
k时刻的位置。进一步的，可以从位置推断得到。实现对农机在世界坐标
x、y方向上单位时间内的位移量的推算：
步骤3.4：将农机在世界坐标位置上的变化量换算到对应的经纬度坐标信息上，初始化时采用北斗的经纬度信息，之后根据数据有效性分析的结果在北斗定位失效后选择5G的定位信息。
进一步的，步骤4的具体过程包括：
步骤4.1：将输入的北斗、5G和经过惯性测量单元修正的北斗或5G定位信息两两组合。
步骤4.2：对组合后的三组数据分别进行皮尔逊相关性检验，其中表示对北斗和修正的惯性导航的数据进行皮尔逊相关性分析。在
相关系数大于0.4的情况下表明两组数据相关。
步骤4.3：根据单组数据的局部方差是否在误差允许范围内判断出单组数据的有
效性，其中表示对单位时间范围内北斗返回的位置数据求解方差，当方差小于0.1时
表明单组数据稳定。
步骤4.4：根据六次判断的结果，可以通过对数据的布尔求或来区分出数据的有效性并设置对应的使能位，其逻辑判断过程如下：
进一步的，步骤5的具体过程包括：
步骤5.1：由数据有效性的输出结果，对卷积神经网络的结构做出相应调整，然后输出初步融合后的位置信息。
步骤5.2：利用网络自身输出结果与之后扩展卡尔曼滤波输出结果的差值进行误差反向传播，从而修正网络的权值与阈值。
进一步的，步骤6的具体过程包括：
步骤6.1：由数据有效性的输出参数，对扩展卡尔曼滤波的矩阵维数做出相应调整，对输入的北斗、5G、惯性测量单元以及经过卷积神经网络融合的位置信息再次进行融合输出进一步融合的位置信息。
步骤6.2：根据当前输出的位置与上一时刻输出的位置进行比较，对扩展卡尔曼滤
波的卡尔曼增益系数乘以权重，所述根据第k次输出的位置信息和第k-1次输
出的位置信息爱如余弦函数计算得出，其调整公式如下：
与现有技术相比，本发明的有益效果为：本发明通过惯性导航系统、5G来修正北斗导航系统在不稳定工作时候的误差，设计了深度融合的定位策略，使得传感器融合定位信息的精度得到进一步的提升，同时通过数据有效性判断实现了传感器数据的自主选择与切换，保证了参与位置融合定位信息的准确性，从源头保证了定位的高精度，从而为农机提供了实时的更高精度的位置信息。
附图说明
图1是本发明一种现代田间农机高精度实时定位方法应用场景的示意图。
图2是本发明一种现代田间农机高精度实时定位方法的实时深度融合定位流程示意图。
图3是本发明一种现代田间农机高精度实时定位方法的根据5G基站信号强度构建搜索表示意图。
具体实施方式
本发明通过惯性导航系统和5G基站定位信息来辅助北斗进行高精度定位，该方法可以实现现代农机在田间等复杂环境下的实时高精度定位。
结合图1所示，农机在农田中行走时，农机会获取北斗定位信号和5G基站信号，结合惯性导航系统在单位时间内位移量对当前空间坐标进行修正，得到最终的定位信号。
结合图2所示，一种现代田间农机高精度实时定位方法，包括以下步骤：
步骤1：北斗卫星定位，利用北斗卫星定位系统的定位信息，推算得到农机当前经纬度：
步骤1.1：开启卫星接收机，使其接收到三个或三个以上北斗卫星的信号，其中和表示第i个卫星到农机的时间和距离，，和分别表示各卫星的空间位
置，，和表示农机的空间位置，为光速；
步骤1.2：对接收到的卫星信号进行筛选，剔除定位信号强度较弱的；
步骤1.3：根据定位解算模型对农机的世界坐标进行解算，并将解算的世界坐标转换算成经纬度坐标：
步骤1.4：对输出的经纬度坐标信息进行粒子滤波，得到一组相对稳定的定位坐标。
步骤2：5G基站定位，利用5G基站和5G位置服务器的定位信息，推算得到农机当前经纬度：
步骤2.1：开启5G接收机，调整信号接收强度，使其接收到三个或三个以上5G基站的信号；
步骤2.2：对接收到的5G基站信息按照信号强度构建搜索表；
步骤2.3：按照广度优先搜索算法筛选出可以用来定位的5G基站；
步骤2.4：将获取到的信息返回位置服务器得到位置信息，并对位置信息进行粒子滤波，得到稳定的定位坐标。
步骤3：惯性导航系统对位置信息进行修正，利用惯性导航系统在单位时间内位移的角度与角速度计算出农机在单位时间内位移方向和距离，将其用于修正输入的北斗或5G定位信息：
步骤3.1：根据水平仪调整惯性测量单元，使其与水平面保持水平，根据此时的零点漂移对系统参数进行校正；
步骤3.2：利用惯性测量单元输出的速度与角速度得到单位时间间隔内农机前进的角度、距离和速度；
步骤3.3：根据位置推算公式中，农机在世界坐标x方向偏y方向角度，单位时间内位移时，从到时间内农机在世界坐标上的速度分解量的积分和位移分解量的平均值推算得到农机从初始位置到
k时刻的位置。进一步的，可以从位置推断得到。实现对农机在世界坐标
x、y方向上单位时间内的位移量的推算
步骤3.4：将农机在世界坐标位置上的变化量换算到对应的经纬度坐标信息上，初始化时采用北斗的经纬度信息，之后根据数据有效性分析的结果在北斗定位失效后选择5G的定位信息。
步骤4：数据有效性判断，对输入的三组位置信息进行皮尔逊相关性分析和方差判断，得到三组数据有效性使能位：
步骤4.1：将输入的北斗、5G和经过惯性测量单元修正的北斗或5G定位信息两两组合；
步骤4.2：对组合后的三组数据分别进行皮尔逊相关性检验，其中表示对北斗和修正的惯性导航的数据进行皮尔逊相关性分析。在
相关系数大于0.4的情况下表明两组数据相关；
步骤4.3：根据单组数据的局部方差是否在误差允许范围内判断出单组数据的有
效性，其中表示对单位时间范围内北斗返回的位置数据求解方差，当方差小于0.1时
表明单组数据稳定；
步骤4.4：根据六次判断的结果，可以通过对数据的布尔求或来区分出数据的有效性并设置对应的使能位，其逻辑判断过程如下：
步骤5：卷积神经网络融合位置信息，根据数据有效性结果和当前定位信息调整网络的权值和阈值，使网络输出初步的融合位置信息：
步骤5.1：由数据有效性的输出结果，对卷积神经网络的结构做出相应调整，然后输出融合后的位置信息；
步骤5.2：利用网络自身输出结果与之后扩展卡尔曼滤波输出结果的差值进行误差反向传播，从而修正网络的权值与阈值；
步骤6：扩展卡尔曼滤波融合位置信息，根据输入的数据有效性结果和位置信息输出进一步融合的位置信息：
步骤6.1：由数据有效性的输出参数，对扩展卡尔曼滤波的矩阵维数做出相应调整，对输入的北斗、5G、惯性测量单元以及经过卷积神经网络融合的位置信息再次进行融合输出最终的位置信息；
步骤6.2：根据当前输出的位置与上一时刻输出的位置进行比较，对扩展卡尔曼滤
波的卡尔曼增益系数乘以权重，所述根据第k次输出的位置信息和第k-1次输
出的位置信息爱如余弦函数计算得出，其调整公式如下：
结合图3所示，一种现代田间农机高精度实时定位方法，①展示的是基站定位的示意图，对于基站信号强度高的J1、J2、J3、J4和J5基站参与定位；对于信号强度差的J6基站进行排除。②是根据之前基站信号强度建立的搜索表，采用广度优先算法对最终的定位基站进行选择。
出于说明的目的，上述的具体实施方式只是示例性的，是为了更好的使本领域技术人员能够理解本专利，不能理解为是对本专利包括范围的限制；凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。
Claims (9)
1.一种现代田间农机高精度实时定位方法，其特征在于，包括：
通过多种方式确定机器人的多个定位与姿态信息；
通过融合算法将多个定位与姿态信息进行融合，得到深度融合的定位信息；
通过北斗和5G获取农机的位置信息，之后使用惯性导航系统的信息对获取到的初步定位信息进行修正；
将三组定位信息经过数据有效性判断后的结果，与三组定位信息同时输入卷积神经网络，卷积神经网络根据数据有效性判断的输出调节网络结构，从而输出初步融合的定位信息；
之后将初步融合的定位信息与之前获取得到的三组定位信息以及数据有效性判断的结果输入改进的扩展卡尔曼滤波中得到进一步融合的定位信息；
之后卷积神经网络使用深度融合的定位信息进行训练，实现对网络参数的修正。改进的卡尔曼滤波使用本次的位置信息与上一时刻位置信息的差值实现对参数的修正，从而实现深度融合的高精度定位。
2.根据权利要求1所述的现代田间农机高精度实时定位方法，其特征在于，所述的进一步融合具体包括：
步骤5.1：首先根据输入的数据有效性分析结果调整卡尔曼滤波过程中的矩阵维数；
步骤5.2：将输入的四组位置信息进行融合，输出融合的定位信息；
步骤5.3：重复步骤5.1和步骤5.2，不断通过改进的卡尔曼增益来调整输出的位置信息，从而得到农机的高精度融合定位信息。
3.根据权利要求1所述的现代田间农机高精度实时定位方法，其特征在于，所述通过多种方式确定农机的多个定位与姿态信息包括：通过三个或三个以上北斗导航卫星、三个或三个以上5G基站和惯性测量单元分别获取农机对应的基站定位信息和三轴角度与 位移信息，并进行深度融合。
4.根据权利要求3所述的现代田间农机高精度实时定位方法，其特征在于，所述通过北斗获取位置信息具体包括：
步骤1.1：开启卫星接收机，使其接收到三个或三个以上北斗卫星的信号，其中和/>表示第i个卫星到农机的时间和距离，/>，/>和/>分别表示各卫星的空间位置，/>，和/>表示农机的空间位置，/>为光速；
步骤1.2：对接收到的卫星信号进行筛选，剔除定位信号强度较弱的；
步骤1.3：根据定位解算模型对农机的世界坐标进行解算，并将解算的世界坐标换算成经纬度坐标信息，世界坐标解算模型为:
步骤1.4：对输出的经纬度坐标信息进行粒子滤波，得到一组相对稳定的定位坐标。
5.根据权利要求3所述的现代田间农机高精度实时定位方法，其特征在于，所述通过5G获取基站信息具体包括：
步骤2.1：开启5G接收机，调整信号接收强度，使其接收到三个或三个以上5G基站的信号；
步骤2.2：对接收到的5G基站信息按照信号强度构建搜索表；
步骤2.3：按照广度优先搜索算法筛选出可以用来定位的5G基站；
步骤2.4：将获取到的信息返回位置服务器得到位置信息，并对位置信息进行粒子滤波，得到稳定的位置坐标。
6.根据权利要求3所述的现代田间农机高精度实时定位方法，其特征在于，所述通过惯性测量单元获取三轴角度与位移信息具体包括：
步骤3.1：根据水平仪调整惯性测量单元，使其与水平面保持水平，根据此时的零点漂移对系统参数进行校正；
步骤3.2：利用惯性测量单元输出的速度与角速度得到单位时间间隔内农机的前进角度、距离和速度；
步骤3.3：根据位置推算公式中，农机在世界坐标x方向偏y方向角度，单位时间/>内位移/>时，从/>到/>时间内农机在世界坐标上的速度分解量的积分和位移分解量的平均值推算得到农机从初始位置/>到k时刻的位置/>。进一步的，可以从/>位置推断得到/>。实现对农机在世界坐标x、y方向上单位时间内的位移量的推算:
；
步骤3.4：将农机在世界坐标位置上的变化量换算到对应的经纬度坐标信息上，初始化时采用北斗经纬度信息，之后根据数据有效性分析的结果在北斗定位失效后选择5G定位信息。
7.根据权利要求3所述的现代田间农机高精度实时定位方法，其特征在于，所述通过深度融合算法将多个定位信息进行融合，得到融合定位信息具体包括：
步骤7.1：针对北斗、5G和惯性测量单元输出的位姿信息，首先进行数据有效性判断；
步骤7.2：由数据有效性判断的输出结果，对卷积神经网络的结构做出相应调整，然后输出融合后的位置信息；
步骤7.3：由数据有效性判断的输出结果，对扩展卡尔曼滤波的矩阵维数做出相应调整，对输入的北斗、5G、惯性测量单元以及经过卷积神经网络融合的位置信息再次进行融合输出最终的位置信息；
步骤7.4：根据输出的位置与上一时刻的位置进行比较，根据其误差对卡尔曼增益做出调整，并将误差返回卷积神经网络供其进行误差反向传播。
8.根据权利要求7所述的现代田间农机高精度实时定位方法，其特征在于，所述对数据有效性判断包括：
步骤4.1：将输入的北斗、5G和经过惯性测量单元修正的北斗或5G定位信息两两组合；
步骤4.2：对组合后的三组数据分别进行皮尔逊相关性检验，其中表示对北斗和修正的惯性导航数据进行皮尔逊相关性分析,在相关系数大于0.4的情况下两组数据相关；
步骤4.3：根据单组数据的局部方差是否在误差允许范围内判断出单组数据的有效性，其中表示对单位时间范围内北斗返回的位置数据求解方差，当方差小于0.1时表明单组数据稳定；
步骤4.4：根据六次判断的结果，可以通过对数据的布尔求或来区分出数据的有效性并设置对应的使能位，其逻辑判断过程如下:
9.根据权利要求2所述的现代田间农机高精度实时定位方法，其特征在于，所述对卡尔曼增益参数做出调整为：原始的卡尔曼增益乘以权重/>，所述/>根据第k次输出的位置信息/>和第k-1次输出的位置信息/>带入余弦公式计算得出，其调整公式如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310959745.XA CN116973962A (zh) | 2023-08-01 | 2023-08-01 | 一种现代田间农机高精度实时定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310959745.XA CN116973962A (zh) | 2023-08-01 | 2023-08-01 | 一种现代田间农机高精度实时定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116973962A true CN116973962A (zh) | 2023-10-31 |
Family
ID=88479259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310959745.XA Pending CN116973962A (zh) | 2023-08-01 | 2023-08-01 | 一种现代田间农机高精度实时定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116973962A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117406258A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市智慧城市通信有限公司 | 一种基于高精北斗定位的电动自行车车道级管理装置 |
-
2023
- 2023-08-01 CN CN202310959745.XA patent/CN116973962A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117406258A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市智慧城市通信有限公司 | 一种基于高精北斗定位的电动自行车车道级管理装置 |
| CN117406258B (zh) * | 2023-12-15 | 2024-03-05 | 深圳市智慧城市通信有限公司 | 一种基于北斗定位的电动自行车车道级管理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104714244B (zh) | 一种基于抗差自适应Kalman滤波的多系统动态PPP解算方法 | |
| CN109917333B (zh) | 融合aoa观测量与tdoa观测量的无源定位方法 | |
| CN110045407A (zh) | 一种分布式伪卫星/gnss优化定位方法 | |
| Williamson et al. | Sensor fusion applied to autonomous aerial refueling | |
| Gong et al. | Tightly coupled integration of GNSS and vision SLAM using 10-DoF optimization on manifold | |
| CN108061889A (zh) | Ais与雷达角度系统偏差的关联方法 | |
| CN108254773A (zh) | 一种多gnss的实时钟差解算方法 | |
| CN116973962A (zh) | 一种现代田间农机高精度实时定位方法 | |
| CN109752002B (zh) | 一种多平台无源目标跟踪方法 | |
| CN110779519B (zh) | 一种具有全局收敛性的水下航行器单信标定位方法 | |
| CN112285745B (zh) | 基于北斗三号卫星导航系统的三频模糊度固定方法及系统 | |
| CN109633703B (zh) | 一种应对遮挡场景的北斗导航无源定位方法 | |
| CN111158034A (zh) | 一种基于低轨卫星多重覆盖场景下的快速定位方法 | |
| CN106643613A (zh) | 一种非球面在位检测中的位置误差标定方法 | |
| CN107942356B (zh) | 一种多频多模gnss广义绝对码偏差估计方法 | |
| CN111123304A (zh) | 一种视觉导航完好性监测计算方法 | |
| CN110598184B (zh) | 一种编队复合跟踪系统数据注册误差校准方法 | |
| Liu et al. | A SINS aided correct method for USBL range based on maximum correntropy criterion adaptive filter | |
| Chi et al. | Enabling robust and accurate navigation for UAVs using real-time GNSS precise point positioning and IMU integration | |
| CN109470251A (zh) | 一种用于组合导航系统中的部分反馈滤波方法 | |
| CN112859053B (zh) | 一种标定激光雷达时变参数的方法及系统 | |
| CN115112115A (zh) | 一种机器人果园高精度实时定位方法 | |
| CN114325666A (zh) | 高速运动下的相干外差测风雷达修正方法 | |
| CN114563019B (zh) | 单波束时延检校方法 | |
| CN116592880B (zh) | 一种uwb_ins组合定位系统自主完好性检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |