CN117082617A - 一种不依赖高精度位置基准的相对定位方法 - Google Patents
一种不依赖高精度位置基准的相对定位方法 Download PDFInfo
- Publication number
- CN117082617A CN117082617A CN202311038902.XA CN202311038902A CN117082617A CN 117082617 A CN117082617 A CN 117082617A CN 202311038902 A CN202311038902 A CN 202311038902A CN 117082617 A CN117082617 A CN 117082617A
- Authority
- CN
- China
- Prior art keywords
- position reference
- ppli
- state
- matrix
- auxiliary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 48
- 230000007704 transition Effects 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- 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
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/18—Information format or content conversion, e.g. adaptation by the network of the transmitted or received information for the purpose of wireless delivery to users or terminals
- H04W4/185—Information format or content conversion, e.g. adaptation by the network of the transmitted or received information for the purpose of wireless delivery to users or terminals by embedding added-value information into content, e.g. geo-tagging
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种不依赖高精度位置基准的相对定位方法,包括:按网络责任的不同将目标区域的网络成员分为位置基准、辅助位置基准和普通网络成员;以所述位置基准为原点、以所述辅助位置基准到所述位置基准在XOY平面的距离为约束建立相对坐标系;采用扩展卡尔曼滤波算法,分别为所述位置基准、所述辅助位置基准以及所述普通网络成员设计精确定位与识别消息接收处理流程,并根据所述精确定位与识别消息接收处理流程实现在无高精度位置基准、无惯导系统条件下的高精度相对定位。本发明以位置基准为原点、利用辅助位置基准到位置基准的TOA测距建立相对坐标系,解决了位置基准定位误差对网络用户定位误差的影响。
Description
技术领域
本发明涉及定位技术领域,特别是涉及一种不依赖高精度位置基准的相对定位方法。
背景技术
相对定位是一种网络成员通过对位置基准进行测距确定自身相对坐标的定位技术。现有相对定位技术通常建立东北天坐标系,即以导航控制器为原点,以导航控制器东向为X轴、北向为Y轴、天向为Z轴的相对坐标系。位置基准周期发送PPLI消息;普通网络成员通过接收PPLI消息同时对PPLI消息的信源进行到达时间(Time OfArrival,TOA)测距实现相对定位。
《无地面基准的相对导航系统设计与仿真》中提供了一种基于惯导系统(InertialNavigation System,INS)和TOA测距的组合导航方法。该方法假设网络中存在高精度位置基准,普通网络成员通过接收该位置基准的PPLI消息并测距,对INS输出的经纬度累积误差进行校正,从而实现相对定位。该方法适用于具备高精度位置基准且网络成员装备INS的场景。
现有的相对定位方法需要普通网络用户通过接收位置基准播发的PPLI消息并TOA测距实现相对定位。该方法依赖高精度位置基准,其定位精度受位置基准定位精度的影响。在卫星拒止且系统无手动标定精确位置的位置基准的场景下,网络中将不存在高精度位置基准;位置基准播发的PPLI消息中的自身位置将存在定位误差。普通网络用户接收到PPLI消息后会使用PPLI消息中的信源位置实现相对定位。位置基准的定位误差会随着其播发的PPLI消息传导至整个网络中,使普通网络用户的定位精度下降。
发明内容
为了克服现有技术的不足,本发明的目的是提供一种不依赖高精度位置基准的相对定位方法。
为实现上述目的,本发明提供了如下方案:
一种不依赖高精度位置基准的相对定位方法,包括:
按网络责任的不同将目标区域的网络成员分为位置基准、辅助位置基准和普通网络成员;
以所述位置基准为原点、以所述辅助位置基准到所述位置基准在XOY平面的距离为约束建立相对坐标系;
采用扩展卡尔曼滤波算法,分别为所述位置基准、所述辅助位置基准以及所述普通网络成员设计精确定位与识别消息接收处理流程,并根据所述精确定位与识别消息接收处理流程实现在无高精度位置基准、无惯导系统条件下的高精度相对定位。
优选地,所述网络成员均装备有高度表,以实时获得自身海拔高度信息。
优选地,所述位置基准不进行PPLI消息处理;所述辅助位置基准用于处理位置基准播发的PPLI消息;所述普通网络成员用于处理其他网络成员播发的PPLI消息。
优选地,所述精确定位与识别消息接收处理流程包括:
位置基准接收PPLI消息后,只进行高度滤波,不处理接收到的PPLI消息;当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,并将X和Y轴坐标设置为0;
辅助位置基准接收到PPLI消息后,先进行高度滤波,然后判断PPLI消息的信源是否是位置基准:如果是,则进行一维位置滤波;如果不是,则不进行滤波;当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,根据一维位置滤波器状态估计自身X轴坐标,Y轴坐标始终为0;
普通网络成员接收到PPLI消息后,先进行高度滤波,然后根据信源的位置质量进行源节点选择:如果信源位置质量高于自身位置质量,则进行二维位置滤波;如果信源位置质量低于自身位置质量,则不进行滤波。
优选地,高度滤波器的状态量Xh为高度表输出的高度h和速度vh;状态方程为:其中/>为状态转移矩阵/>Γh为驱动噪声矩阵,Wh为状态噪声矩阵;观测量为高度表输出的高度hB,即Zh=hB,观测矩阵为Hh=[1 0]。
优选地,一维位置滤波器的状态量为辅助位置基准的X轴坐标、速度和加速度,即状态方程为:/>其中/>为状态转移矩阵,Γ1D为驱动噪声矩阵,W1D为状态噪声矩阵;采用一维Singer运动模型,在状态转移阵和协方差阵中引入机动因子α;令A=[-1+αΔt+exp(-αΔt)]/α2,B=[1-exp(-αΔt)]/α,C=exp(-αΔt),则状态转移矩阵表示为/>预测的协方差阵状态噪声矩阵/>其中/>为状态噪声,观测量为辅助位置基准对位置基准的TOA测距Z1D在XOY平面上的投影长度,观测矩阵为H1D=[1 0 0]。
优选地,二维位置滤波器的状态量为X轴和Y轴的坐标、速度和加速度,即状态方程为:/>其中/>为状态转移矩阵,Γ2D为驱动噪声矩阵,W2D为状态噪声矩阵;采用二维Singer运动模型,状态转移矩阵表示为/>观测量为TOA测距Z2D在XOY平面上的投影长度,线性化观测矩阵为/>其中Rc是PPLI消息接收节点估计的距离源节点的距离,即/>[x y z]和[xt yt zt]分别是接收节点和源节点的相对坐标。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种不依赖高精度位置基准的相对定位方法,包括:按网络责任的不同将目标区域的网络成员分为位置基准、辅助位置基准和普通网络成员;以所述位置基准为原点、以所述辅助位置基准到所述位置基准在XOY平面的距离为约束建立相对坐标系;采用扩展卡尔曼滤波算法,分别为所述位置基准、所述辅助位置基准以及所述普通网络成员设计精确定位与识别消息接收处理流程,并根据所述精确定位与识别消息接收处理流程实现在无高精度位置基准、无惯导系统条件下的高精度相对定位。本发明以位置基准为原点、利用辅助位置基准到位置基准的TOA测距建立相对坐标系,解决了位置基准定位误差对网络用户定位误差的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图;
图2为本发明实施例提供的相对坐标系示意图;
图3为本发明实施例提供的位置基准的处理流程示意图;
图4为本发明实施例提供的辅助位置基准的处理流程示意图;
图5为本发明实施例提供的普通网络成员的处理流程示意图。
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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤,而是可选地还包括没有列出的步骤,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
本发明的目的是提供一种不依赖高精度位置基准的相对定位方法,以位置基准为原点、利用辅助位置基准到位置基准的TOA测距建立相对坐标系,解决了位置基准定位误差对网络用户定位误差的影响。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图,如图1所示,本发明提供了一种不依赖高精度位置基准的相对定位方法,包括:
步骤100:按网络责任的不同将目标区域的网络成员分为位置基准、辅助位置基准和普通网络成员;
步骤200:以所述位置基准为原点、以所述辅助位置基准到所述位置基准在XOY平面的距离为约束建立相对坐标系;
步骤300:采用扩展卡尔曼滤波算法,分别为所述位置基准、所述辅助位置基准以及所述普通网络成员设计精确定位与识别消息接收处理流程,并根据所述精确定位与识别消息接收处理流程实现在无高精度位置基准、无惯导系统条件下的高精度相对定位。
具体的,本发明按网络责任不同将网络成员分为三类,分别为位置基准、辅助位置基准和普通网络成员。位置基准作为相对坐标系原点,其XOY平面的相对坐标始终为(0,0),因此无需进行PPLI消息处理;辅助位置基准仅处理位置基准播发的PPLI消息,其Y轴相对坐标始终为0,辅助建立相对坐标系;普通网络成员处理其他网络成员播发的PPLI消息,估计其X轴和Y轴坐标。网络成员均装备高度表,可以实时获得自身海拔高度信息,从而避免Z轴坐标发散的问题。
进一步地,本发明建立的相对坐标系与现有相对定位技术使用的东北天坐标系不同。该相对坐标系建立方法如图2所示:以位置基准为原点O,以位置基准的天向为Z轴,XOY平面垂直于Z轴,X轴为原点O到辅助位置基准A在XOY平面投影点A’的连线,Y轴方向满足左手定则。若位置基准到辅助位置基准连线OA与XOY平面的夹角用α表示,|OA'|表示点O到A’的距离,|OA|表示点O到A的距离,则|OA'|=|OA|cosα。
如图3至图5所示,网络成员在接收到PPLI消息或者需要播发PPLI消息时,按照网络责任的不同进行差异化消息处理。具体如下:(1)位置基准接收PPLI消息后,只进行高度滤波,不处理接收到的PPLI消息。当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,并将X和Y轴坐标设置为0。(2)辅助位置基准接收到PPLI消息后,先进行高度滤波,然后判断PPLI消息的信源是否是位置基准:如果是,则进行一维位置滤波;如果不是,则不进行滤波。当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,根据一维位置滤波器状态估计自身X轴坐标,Y轴坐标始终为0。(3)普通网络成员接收到PPLI消息后,先进行高度滤波,然后根据信源的位置质量进行源节点选择:如果信源位置质量高于自身位置质量,则进行二维位置滤波;如果信源位置质量低于自身位置质量,则不进行滤波。当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,根据二维位置滤波器状态估计自身的X和Y轴坐标。
本发明需要使用高度滤波器、一维位置滤波器和二维位置滤波器共三种扩展卡尔曼滤波器。三种扩展卡尔曼滤波器的详细设计如下所述。
(1)高度滤波器
高度滤波器的状态量Xh为高度表输出的高度h和速度vh。状态方程为:其中/>为状态转移矩阵/>Γh为驱动噪声矩阵,Wh为状态噪声矩阵。
观测量为高度表输出的高度hB,即Zh=hB,观测矩阵为Hh=[1 0]。
(2)一维位置滤波器
辅助位置基准使用一维位置滤波器估计其X轴坐标,因此滤波器的状态量为辅助位置基准的X轴坐标、速度和加速度,即状态方程为:其中/>为状态转移矩阵,Γ1D为驱动噪声矩阵,W1D为状态噪声矩阵。采用一维Singer运动模型,在状态转移阵和协方差阵中引入机动因子α。令A=[-1+αΔt+exp(-αΔt)]/α2,B=[1-exp(-αΔt)]/α,C=exp(-αΔt),则状态转移矩阵可以表示为
预测的协方差阵状态噪声矩阵/>其中/>为状态噪声,/>
观测量为辅助位置基准对位置基准的TOA测距Z1D在XOY平面上的投影长度,观测矩阵为H1D=[1 0 0]。
(3)二维位置滤波器:
普通网络成员使用二维位置滤波器估计其X轴和Y轴坐标。为了避免相对定位的不确定性,普通网络成员需要根据自身初始地理位置以及位置基准和辅助位置基准的初始地理位置确定自身的初始X轴和Y轴坐标。滤波器的状态量为X轴和Y轴的坐标、速度和加速度,即状态方程为:/>其中为状态转移矩阵,Γ2D为驱动噪声矩阵,W2D为状态噪声矩阵。采用二维Singer运动模型,状态转移矩阵可以表示为
观测量为TOA测距Z2D在XOY平面上的投影长度,线性化观测矩阵为其中Rc是PPLI消息接收节点估计的距离源节点的距离,即/>[x y z]和[xt yt zt]分别是接收节点和源节点的相对坐标。
更进一步地,本发明中高度滤波器使用匀速运动模型,一维和二维位置滤波器使用Singer运动模型,但是也可以使用其他运动模型实现,如匀速运动模型、匀加速运动模型、“当前”运动模型等。
本发明的有益效果如下:
(1)本发明以位置基准为原点、利用辅助位置基准到位置基准的TOA测距建立相对坐标系,解决了位置基准定位误差对网络用户定位误差的影响。
(2)本发明为位置基准、辅助位置基准和普通网络用户分别设计扩展卡尔曼滤波器,一维和二维位置滤波器直接将相对位置作为状态量,不需要使用估计经纬度累积误差的间接滤波,可在不需要装备INS的场景中实现相对定位。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种不依赖高精度位置基准的相对定位方法,其特征在于,包括:
按网络责任的不同将目标区域的网络成员分为位置基准、辅助位置基准和普通网络成员;
以所述位置基准为原点、以所述辅助位置基准到所述位置基准在XOY平面的距离为约束建立相对坐标系;
采用扩展卡尔曼滤波算法,分别为所述位置基准、所述辅助位置基准以及所述普通网络成员设计精确定位与识别消息接收处理流程,并根据所述精确定位与识别消息接收处理流程实现在无高精度位置基准、无惯导系统条件下的高精度相对定位。
2.根据权利要求1所述的不依赖高精度位置基准的相对定位方法,其特征在于,所述网络成员均装备有高度表,以实时获得自身海拔高度信息。
3.根据权利要求1所述的不依赖高精度位置基准的相对定位方法,其特征在于,所述位置基准不进行PPLI消息处理;所述辅助位置基准用于处理位置基准播发的PPLI消息;所述普通网络成员用于处理其他网络成员播发的PPLI消息。
4.根据权利要求1所述的不依赖高精度位置基准的相对定位方法,其特征在于,所述精确定位与识别消息接收处理流程包括:
位置基准接收PPLI消息后,只进行高度滤波,不处理接收到的PPLI消息;当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,并将X和Y轴坐标设置为0;
辅助位置基准接收到PPLI消息后,先进行高度滤波,然后判断PPLI消息的信源是否是位置基准:如果是,则进行一维位置滤波;如果不是,则不进行滤波;当需要播发PPLI消息时,根据高度滤波器状态估计自身海拔高,根据一维位置滤波器状态估计自身X轴坐标,Y轴坐标始终为0;
普通网络成员接收到PPLI消息后,先进行高度滤波,然后根据信源的位置质量进行源节点选择:如果信源位置质量高于自身位置质量,则进行二维位置滤波;如果信源位置质量低于自身位置质量,则不进行滤波。
5.根据权利要求4所述的不依赖高精度位置基准的相对定位方法,其特征在于,高度滤波器的状态量Xh为高度表输出的高度h和速度vh;状态方程为:其中/>为状态转移矩阵/>Γh为驱动噪声矩阵,Wh为状态噪声矩阵;观测量为高度表输出的高度hB,即Zh=hB,观测矩阵为Hh=[1 0]。
6.根据权利要求4所述的不依赖高精度位置基准的相对定位方法,其特征在于,一维位置滤波器的状态量为辅助位置基准的X轴坐标、速度和加速度,即状态方程为:/>其中/>为状态转移矩阵,Γ1D为驱动噪声矩阵,W1D为状态噪声矩阵;采用一维Singer运动模型,在状态转移阵和协方差阵中引入机动因子α;令A=[-1+αΔt+exp(-αΔt)]/α2,B=[1-exp(-αΔt)]/α,C=exp(-αΔt),则状态转移矩阵表示为/>预测的协方差阵/>状态噪声矩阵其中/>为状态噪声,/>观测量为辅助位置基准对位置基准的TOA测距Z1D在XOY平面上的投影长度,观测矩阵为H1D=[1 0 0]。
7.根据权利要求4所述的不依赖高精度位置基准的相对定位方法,其特征在于,二维位置滤波器的状态量为X轴和Y轴的坐标、速度和加速度,即状态方程为:/>其中/>为状态转移矩阵,Γ2D为驱动噪声矩阵,W2D为状态噪声矩阵;采用二维Singer运动模型,状态转移矩阵表示为观测量为TOA测距Z2D在XOY平面上的投影长度,线性化观测矩阵为其中Rc是PPLI消息接收节点估计的距离源节点的距离,即/>[x y z]和[xt yt zt]分别是接收节点和源节点的相对坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311038902.XA CN117082617B (zh) | 2023-08-17 | 2023-08-17 | 一种不依赖高精度位置基准的相对定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311038902.XA CN117082617B (zh) | 2023-08-17 | 2023-08-17 | 一种不依赖高精度位置基准的相对定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117082617A true CN117082617A (zh) | 2023-11-17 |
CN117082617B CN117082617B (zh) | 2024-06-07 |
Family
ID=88707386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311038902.XA Active CN117082617B (zh) | 2023-08-17 | 2023-08-17 | 一种不依赖高精度位置基准的相对定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117082617B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302690A (zh) * | 2018-09-30 | 2019-02-01 | 桂林电子科技大学 | 一种基于优化卡尔曼滤波的非视距室内定位方法 |
CN109343096A (zh) * | 2018-07-18 | 2019-02-15 | 兰州交通大学 | 基于gsm-r通信系统的gnss辅助相对导航方法及系统 |
WO2019220413A1 (en) * | 2018-05-18 | 2019-11-21 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods for handling gnss reference system information of reference stations |
CN111413720A (zh) * | 2020-03-21 | 2020-07-14 | 哈尔滨工程大学 | 一种多频北斗载波相位差分/ins组合定位方法 |
CN114485574A (zh) * | 2021-12-21 | 2022-05-13 | 武汉大学 | 基于卡尔曼滤波模型的三线阵影像pos辅助对地定位方法 |
CN116206490A (zh) * | 2022-07-08 | 2023-06-02 | 南京航空航天大学 | 一种用于跨域协同导航的导航信息源群优化交互方法 |
-
2023
- 2023-08-17 CN CN202311038902.XA patent/CN117082617B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019220413A1 (en) * | 2018-05-18 | 2019-11-21 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods for handling gnss reference system information of reference stations |
CN109343096A (zh) * | 2018-07-18 | 2019-02-15 | 兰州交通大学 | 基于gsm-r通信系统的gnss辅助相对导航方法及系统 |
CN109302690A (zh) * | 2018-09-30 | 2019-02-01 | 桂林电子科技大学 | 一种基于优化卡尔曼滤波的非视距室内定位方法 |
CN111413720A (zh) * | 2020-03-21 | 2020-07-14 | 哈尔滨工程大学 | 一种多频北斗载波相位差分/ins组合定位方法 |
CN114485574A (zh) * | 2021-12-21 | 2022-05-13 | 武汉大学 | 基于卡尔曼滤波模型的三线阵影像pos辅助对地定位方法 |
CN116206490A (zh) * | 2022-07-08 | 2023-06-02 | 南京航空航天大学 | 一种用于跨域协同导航的导航信息源群优化交互方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117082617B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud | |
CN107389064B (zh) | 一种基于惯性导航的无人车变道控制方法 | |
EP2133662B1 (en) | Methods and system of navigation using terrain features | |
CN109937341B (zh) | 用于估计自己的位置的方法和设备 | |
JP2009041932A (ja) | 移動体用測位装置 | |
JP6950832B2 (ja) | 位置座標推定装置、位置座標推定方法およびプログラム | |
EP3907720B1 (en) | Own position estimating device, automatic driving system comprising same, and own generated map sharing device | |
CN113740871B (zh) | 一种在高动态环境下的激光slam方法、系统设备及存储介质 | |
CN110751123B (zh) | 一种单目视觉惯性里程计系统及方法 | |
CN112965063A (zh) | 一种机器人建图定位方法 | |
CN111380557A (zh) | 一种无人车全局路径规划方法及装置 | |
WO2023226155A1 (zh) | 多源数据融合定位方法、装置、设备及计算机存储介质 | |
CN111025366A (zh) | 基于ins及gnss的网格slam的导航系统及方法 | |
CN112946713A (zh) | 一种室内定位方法、设备及系统 | |
CN112964291A (zh) | 一种传感器标定的方法、装置、计算机存储介质及终端 | |
CN114459471A (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN110271553A (zh) | 用于稳健地定位车辆的方法和设备 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
CN108827326A (zh) | 一种基于大数据的导航地图的采集方法及其采集装置 | |
CN117082617B (zh) | 一种不依赖高精度位置基准的相对定位方法 | |
CN112462402A (zh) | 一种移动端定位纠偏方法及装置 | |
CN115683170B (zh) | 基于雷达点云数据融合误差的校准方法 | |
CN114897942B (zh) | 点云地图的生成方法、设备及相关存储介质 | |
CN112229401B (zh) | 适用于ins-gps伪距融合的量测信息同步外推方法及系统 | |
CN112595330B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |