CN200979501Y - 完备汽车运动状态测量系统 - Google Patents
完备汽车运动状态测量系统 Download PDFInfo
- Publication number
- CN200979501Y CN200979501Y CN 200620028627 CN200620028627U CN200979501Y CN 200979501 Y CN200979501 Y CN 200979501Y CN 200620028627 CN200620028627 CN 200620028627 CN 200620028627 U CN200620028627 U CN 200620028627U CN 200979501 Y CN200979501 Y CN 200979501Y
- Authority
- CN
- China
- Prior art keywords
- precision
- gps
- gps receiver
- state
- measurement unit
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本实用新型涉及一种用于汽车运动安全性能评价场地试验的汽车运动状态测量系统。其目的在于提供一种基于RTKDGPS和高精度IMU的汽车性能场地试验测试的完备汽车运动状态测量系统。该系统由高精度GPS接收机、高精度惯性测量单元IMU、嵌入式专用处理系统以及相应接口组成,高精度GPS接收机和高精度惯性测量单元IMU采集的原始数据经各自接口一起送入嵌入式专用处理系统,在其上运行全球定位系统GPS数据坐标变换、预处理模块、惯性导航系统INS算法模块、改进卡尔曼滤波融合算法软件,实时记录显示及通过接口向上位计算机提供加速度、角速率、车体速度、位移、姿态高精度的汽车运动状态。
Description
技术领域
本实用新型涉及一种用于汽车运动安全性能评价场地试验的汽车运动状态测量系统。
背景技术
汽车试验是帮助我们深入了解汽车在实际使用中各种现象的本质及其规律,探讨解决存在的问题以及验证解决问题的效果和程度,推动其技术进步的一种极为重要的方法,是保证产品性能、提高产品质量和市场竞争力的重要手段。
汽车场地道路试验集中浓缩了汽车实际使用中各种各样道路条件的典型道路工况,它与汽车室内试验以及今年来流行的驾驶模拟器等虚拟试验手段相互验证、相互依存、相互补充,是全面检验和评价汽车运动安全性能和可靠性的一种最重要的手段。
汽车操纵稳定性,指的是汽车在高速行驶下,接受驾驶员的控制能力及行驶方向的稳定性。由于操纵稳定性关系到车辆行驶的安全问题,所以倍受人们的关注。随着车辆的行驶速度大幅提高,操纵稳定性显得更加重要,成为评价汽车运动安全性能的重要技术指标之一。
我国汽车操纵稳定性、制动性能的评价标准在20世纪80年代中期起草的,是当时我国汽车专家多年研究的结晶,对我国汽车产品开发做出了重要的贡献。但是,限于当时的测试技术水平和当时汽车工业主要以低速度的商用车为主的状况,这些评价方法和指标体系已经远远落后于中国汽车工业的现状,不能满足于当前重点开发高速度的乘用车的开发要求。比如,当前我国汽车操纵稳定性驾驶员—汽车—环境闭环评价由于无法直接进行车身侧倾角、质心侧偏角等车辆状态参数的客观精确测量,故通常只能由驾驶员通过很好、较好、中等、较差和很差来主观评价,迄今为止国内还没有一种公认的客观定量评价汽车操纵稳定性的好方法。
在技术上,汽车运动安全性能评价的难点是汽车运动轨迹、速度、加速度、角速率等汽车运动状态的实时动态测量。传统上,国外一直沿用采用价格昂贵的铺装类似数字化仪的磁感应导线网的专用运动安全性试验场地。国内上世纪五六十年代的实车场地试验中,通常采用残迹法测量汽车运动轨迹,但其存在着残迹测量时间长、多重试验轨迹的场合难以判断,以及潮湿路面上不能使用等缺点。后采用测试汽车重心运动轨迹的方法,即利用陀螺仪和五轮仪测量出汽车的角位移(或角速率)和速度或加速度在汽车坐标系的分量,经过积分获得汽车的速度和重心轨迹,该方法存在由于采用积分算法使得零漂等误差被积累导致测量误差大、试验重复性差等缺点。由于上述缺陷,当前国内汽车操纵稳定性评价标准避开了车辆侧向速度及精确轨迹等因素。目前,国外学者开始重点探索开展了采用精密全球定位系统GPS加上精密惯性测量单元(IMU)等先进测试技术,准确实时解算汽车位移、速度、加速度的算法研究,可以成功应用于汽车侧向速度、侧偏角的精确测量,本实用新型对该方法的核心技术进行深入研究,研制了汽车运动状态测量系统,用于进一步提出一种新的评价汽车运动安全性能的客观系统,希望从根本上解决汽车操纵稳定性等运动安全性能评价的试验问题,并在汽车行业推广。
发明内容:
本实用新型的目的在于提供一种基于RTKDGPS和高精度IMU的汽车性能场地试验测试的完备汽车运动状态测量系统。它用于在汽车操纵稳定性等性能场地试验时实时测量、记录、显示汽车运动前向、侧向、垂直三个方向的速度、运动轨迹、加速度、绕三个方向的旋转角速率以及汽车的俯仰角、侧倾角、横摆角等汽车运动状态信息,并可由汽车运动前向、侧向速度比值进一步得到汽车质心的侧偏角,可为建立高精度的汽车操纵稳定性等性能评价标准提供一种新的测量系统。
本实用新型研究的汽车运动状态测量系统实现依据是INS/GPS组合导航原理,下面对其进行简要介绍。
惯性导航系统INS(Inertial Navigation System)是一种完全自主的确定载体运动状态的新型系统。它通常由线加速度计测得运载体的线加速度,然后积分得到速度,位移,同时与使用陀螺仪测量得到的刚体角速度信息一起得到完整的运载体状态信息,通常应用于飞机、航天飞船、导弹、轮船等定位导航领域。惯性导航系统有着采用率高、不受外界环境干扰影响、无信号丢失、低成本,短时间内具有稳定状态等优点,但它也有其自身的缺点,如定位的状态、偏差的方差由于传感器噪声和传感器校准误差而增加等。故其单独使用时通常只适用于短时导航应用。
全球定位系统(Global Navigation System)是一种全天候24小时提供物体在地球坐标系下三维坐标、速度等信息的导航定位系统。近年来随着差分RTK等技术的不断发展,GPS定位精度越来越高,使得用其来获取高精度汽车状态信息成为可能;但其同时存在更新频率低、卫星信息易被障碍物阻挡、易产生多路径效应等各种不足,使其单独使用无法满足汽车导航等高可靠性应用的要求。RTK GPS(real time kinematics differential GPS)是一种基于载波相位观测值的实时动态定位技术。在RTK作业模式下,参考站通过数据链—电台,将其观测值及站点的坐标信息用电磁信号发送给移动站。移动站不仅接收来自参考站的数据,自身也要采集GPS卫星信号观测数据,并在系统内组成差分观测值进行实时处理,瞬时地给出精度为厘米级的点定位坐标。
INS/GPS组合导航系统由于综合惯性导航系统(Inertial Navigation System)和全球定位系统(Global Navigation System)两类系统的优点,并且克服了各自的缺点,因而构成了一种性能优良的组合导航方式,在航空、航海、导弹制导等方面有着广泛的应用。INS/GPS组合通常采用卡尔曼滤波方法。滤波是指把污染信号里的噪声尽可能地消除掉,从中分离出所需要的信号,由带有噪声的状态方程和观测方程去推断系统的状态。卡尔曼滤波是在时域内实现最优的递推滤波方法,它的特点是不要求保存过去的测量数据。当新的数据测得之后,根据新的数据和前一时刻的各个量估计值,借助系统本身的状态转移方程,按照一套递推公式,即可算出新的各个量估计值。卡尔曼滤波方法可以根据初始状态的误差估计和有限的观测数据,逐步计算出汽车的实时状态的最优估计。
随着近年来在微机电系统Micro-Electro-Mechanical System(MEMS)技术方面的突破性进展,体积小,价格低,高性能的MEMS加速度计得到了大批量生产,特别适合应用于像车辆导航测试这样的低成本,中等性能的车载应用领域。本系统采用的高精度惯性测量单元(IMU)即由MEMS加速度计与光纤陀螺构成。
实现本实用新型的具体技术方案是:
一种完备汽车运动状态测量系统,它由高精度GPS接收机、高精度惯性测量单元IMU、嵌入式专用处理系统以及相应接口组成, 高精度GPS接收机和高精度惯性测量单元IMU采集的原始数据经各自接口一起送入嵌入式专用处理系统,在其上运行全球定位系统GPS数据坐标变换、预处理模块、惯性导航系统INS算法模块、改进卡尔曼滤波融合算法软件,实时记录显示及通过接口向上位计算机提供加速度、角速率、车体速度、位移、姿态高精度的汽车运动状态。
所述的高精度GPS接收机采用基于实时动态差分载波相位技术的高精度GPS接收机。
的高精度惯性测量单元IMU由MEMS加速度计与光纤陀螺构成。
所述的预处理模块主要包括惯性传感器标定与误差建模、系统初始状态的确定和原始信号预滤波。
所述的INS算法模块,根据地面车辆系统低机动性的实际运行工况,采用计算效率较高的基于欧拉角法的INS算法。
所述的卡尔曼滤波融合算法,根据GPS接收机受短暂遮挡时定位精度降低的系统实际运行工况特点,采用改进的Sage-Husa自适应KALMAN滤波算法来提高系统的可靠性和鲁棒性。
本系统集成了车辆运动状态实时监控程序。
采用的时间同步、空间同步的提高系统精度的方法。
参阅图1:本系统由基于RTK差分GPS技术的高精度GPS接收机、由光纤陀螺和MEMS加速度计组成的高精度IMU、嵌入式专用处理系统以及相应接口等组成,。
高精度GPS基准站和移动站接收机用来采集GPS原始三维导航定位数据,并通过专用接口提供给嵌入式专用处理系统;
高精度惯性测量单元(IMU)由光纤陀螺和微型MEMS加速度计以及相应处理电路和接口组成,可以提供高精度的与其固联的车体运动的线加速度和角速率。
嵌入式专用处理系统作为系统的主处理计算机,在用于其上运行GPS数据坐标变换、预处理、INS算法、改进卡尔曼滤波融合算法等核心软件方法,并可以实时记录、显示或通过接口向上位计算机提供加速度、角速率、车体速度、位移、姿态等高精度的汽车运动状态。
本系统具有以下有益效果:
1、本实用新型提供了一套能精确完备的测量运动轨迹等汽车运动状态的装置和方法,用于对大量汽车性能场地试验进行测量和记录,并为建立高精度的汽车操纵稳定性等性能评价标准提供新设备和新方法。
2、根据汽车实际运行工况的特点,采用基于欧拉角法的INS算法,降低了解算的复杂性。
3、采用改进Sage-Husa自适应Kalman滤波的融合算法,避免测量噪声统计不稳定带来的滤波整体发散影响,同时又对难以精确给定的系统噪声具有较好的容错性能,从而提高了整个系统的可靠性和鲁棒性。
4、系统集成了车辆运动状态实时监控及后处理程序,对提高场地试验的效率很有益处。
附图说明:
图1系统结构示意图;
图2GPS相关坐标系示意图;
图3GPS处理模块流程图;
图4INS算法流程图;
图5改进Sage-Husa自适应KALMAN滤波流程图;
图6反馈式KALMAN融合算法示意图;
图7系统运行流程图;
具体实施方式
下面结合附图进一步说明本实用新型的具体内容及实施方式。
本实用新型提出的完备汽车运动状态测量系统是按以下步骤实现的:
1、GPS原始数据坐标系变换:
参阅图2:在全球定位系统测量中主要涉及两个坐标系:地心地固坐标系(e系)和当地水平坐标系(n系)等,它们之间的关系见图2(λ、为n系坐标原点的经纬度)。GPS采集的原始数据是采用WGS-84坐标系这一地心地固坐标系下的空间直角坐标,即GPS天线的相位中心的X,Y,Z坐标。坐标变换就是通过地心地固坐标系e到当地水平坐标系n(如图2中地球表面切平面坐标系,用北向N、东向E和向下方向D表示)的变换矩阵把e系下GPS原始数据变换到导航坐标系(即水平坐标系n)下,GPS处理模块参阅图3所示。
2、IMU原始数据预处理:
主要包括惯性传感器标定与误差建模、系统初始状态的确定和原始信号预滤波。系统使用的IMU内部由三轴MEMS加速度计和三轴光纤陀螺组成,内部集成了误差补偿模块,测量的偏差较小,但为了精确测量车体运动状态,必须对其测量值中包含的误差项进行建模。其中陀螺用来测量车体相对于惯性系的旋转角速度,INS中对其进行积分求得车体的姿态角,其测量值中包含偏差和噪声,积分包含两部分额外误差,一个是由噪声v积分得到的随机漂移,对其处理可以在Kalman滤波融合算法中对其进行建模加以补偿。另一部分为陀螺的偏差产生的与时间成比例的漂移角,陀螺的偏差b受周围环境温度、湿度等多因素影响且每次启动后都有微小的不同,但随时间变化较为缓慢,处理方法是在每一次试验前,采集一段时间的零文件,取平均值加以去除。加速度计用来测量车体质心的线加速度。测量值中同样包含偏差和噪声,也需要用与陀螺类似的方法加以处理。系统运行初始时刻状态由GPS处理模块实时得到的初始位置和速度来确定。原始信号预滤波采用Elliptic方法IIR滤波器,为截至频率为3HZ的低通滤波器。
3、基于欧拉角法的INS算法:
参阅图4:算法的关键是SAE中定义的车体坐标系到导航坐标系的坐标变换矩阵的精确求解问题。在捷联惯导系统求解载体运动姿态时,根据地面车辆系统低机动性的实际运行工况(车辆运动时俯仰角θ通常不超过90度,可避免三角函数计算产生奇点的问题)采用欧拉角法求解车体坐标系到导航坐标系的坐标变换矩阵,这样做到好处是降低了姿态矩阵的维数,提高了计算效率。具体算法流程。
4、基于改进Sage-Husa自适应Kalman滤波的融合算法:
参阅图6:系统采用的Kalman滤波融合算法采用反馈式松耦合方式,系统的状态方程中状态变量为15维,分别为3维位置、速度、姿态偏差,3个加速度偏差,以及3个陀螺仪漂移误差。系统的观测方程采用GPS处理模块得到的导航坐标系下的位置和速度与INS计算得到的导航系下位置、速度之差作为观测,在通过Kalman滤波器实时估计出位置、速度等偏差后对INS的状态进行补偿,从而达到实时修正提高测量精度的目的。
为了提高整个系统的可靠性、鲁棒性和完整性,针对系统运行工况的实际情况(GPS接收机受短暂遮挡,定位精度降低,表现为误差方差阵R的突变),考虑使用一种改进Sage-Husa自适应KALMAN滤波算法。标准卡尔曼滤波由于给出的系统及测量噪声与实际值之间存在差异,滤波容易发散。Sage-Husa等提出了一种在线实时估计系统及测量噪声的算法,该算法已经在许多领域得到应用。算法关键在于实时调整KALMAN滤波中的Q和R。本系统根据陀螺和GPS两者信号的特点(一种是低频误差、慢变信号,一种是高频误差、快变信号),采用的改进Sage-Husa自适应KALMAN滤波只自适应在线估计系统噪声Q,而对于GPS系统的R噪声阵则采用下面的方法进行处理:不超过门槛值时按照实时采集的R参数值进行计算,发生突变超过门槛值时,则不信任GPS值,即R无穷大,不运行KALMAN滤波修正环节,仍单独由INS提高导航数据,直到GPS恢复,GPS接收机RTK FIX状态被获得,具体流程图参阅图5。
具体工作过程是:实车试验时,把GPS移动站接收机固定安装在试验车上(如Novatel公司的RT2接收机),与固定在空旷高处的基准站接收机构成差分RTK高精度模式,在RTKFIX状态下定位精度可以达到0.01m,速度精度0.03m/s,测量数据更新率20HZ。高精度IMU(如美国crossbow公司生产的VG700AA型),采样率为100HZ。
参阅图7:试验时,首先进行GPS的初始化,当GPS接收机跟踪可见卫星数达到4颗以上时,运行GPS数据处理模块,并记录解算的位置、速度数据,然后进行INS算法模块的初始化,当初始化结束后,运行INS算法模块,测量并记录每一时刻解算的车辆状态。当GPS采样时刻到来时,运行改进Sage-Husa自适应KALMAN滤波算法模块,进行车辆状态误差的反馈校正,从而得到高精度的车辆状态信息,。
在实车试验时,为了方便系统运行、提高系统的精度,考虑下面的改进。
1、由于受空间布置的限制,IMU与GPS接收机在试验车上的安装必然偏离汽车的重心,由刚体动力学理论可知当汽车在高速转弯等工况时将产生较大的额外误差,就要考虑把两者测量数据向汽车重心转化,即空间同步问题。可以通过测量两者在车辆坐标系下的坐标根据刚体动力学理论来进行转换校正。
2、由于GPS系统与INS系统分别采用自己的时钟标签进行记录数据,而两者的融合必然涉及到两者的时钟的一致问题,即时间同步问题,否则汽车高速运动时同样会产生较大的额外误差。由于GPS采用的UTC时间是非常准确的,故以其为基准,通过GPS接收机每秒向嵌入式专用处理系统发出的1PPS秒脉冲来校正同步两者的时钟标签。
3、我们知道,汽车场地试验可以进行数据后处理以达到更高的测量精度,但必须实时观测一些关键状态以监控系统运行的正确,为此系统集成了车辆运动状态实时监控及后处理程序,可以实时画出了决定试验成败的变量变化曲线,如发现问题立刻停止,重新试验,从而大大提高了工作效率,节约了试验的人力物力,同时也可以用于试验数据的后处理,程序界面参阅图8。
Claims (3)
1.一种完备汽车运动状态测量系统,其特征在于系统由高精度GPS接收机、高精度惯性测量单元IMU、嵌入式专用处理系统以及相应接口组成,接收高精度GPS接收机和高精度惯性测量单元IMU采集的原始数据的嵌入式专用处理系统,包括在其上运行的全球定位系统GPS数据坐标变换、预处理模块、惯性导航系统INS算法模块、改进卡尔曼滤波融合算法软件,该系统上设有向上位计算机提供加速度、角速率、车体速度、位移、姿态高精度的汽车运动状态的实时记录、显示及接口。
2、根据权利要求1所述的完备汽车运动状态测量系统,其特征在于所述的高精度GPS接收机采用基于实时动态差分载波相位技术的高精度GPS接收机。
3、根据权利要求1所述的完备汽车运动状态测量系统,其特征在于所述的高精度惯性测量单元IMU由MEMS加速度计与光纤陀螺构成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200620028627 CN200979501Y (zh) | 2006-04-19 | 2006-04-19 | 完备汽车运动状态测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200620028627 CN200979501Y (zh) | 2006-04-19 | 2006-04-19 | 完备汽车运动状态测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN200979501Y true CN200979501Y (zh) | 2007-11-21 |
Family
ID=38979882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200620028627 Expired - Fee Related CN200979501Y (zh) | 2006-04-19 | 2006-04-19 | 完备汽车运动状态测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN200979501Y (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101939203A (zh) * | 2007-12-10 | 2011-01-05 | 西门子运输系统有限公司 | 用于测量自动引导车辆的位移的装置 |
CN102621570A (zh) * | 2012-04-11 | 2012-08-01 | 清华大学 | 基于双全球定位和惯性测量的汽车动力学参数测量方法 |
CN103134494A (zh) * | 2012-12-05 | 2013-06-05 | 中国科学院深圳先进技术研究院 | 室内环境中的车辆导航方法和装置 |
CN107697066A (zh) * | 2017-09-26 | 2018-02-16 | 安徽省现代农业装备产业技术研究院有限公司 | 履带式拖拉机辅助驾驶系统 |
CN108762165A (zh) * | 2018-06-28 | 2018-11-06 | 辽宁工业大学 | 一种汽车状态测控方法 |
JP2022502722A (ja) * | 2019-11-07 | 2022-01-11 | 広東工業大学Guangdong University Of Technology | 自律運転車両の屋外運転システム |
US11656081B2 (en) * | 2019-10-18 | 2023-05-23 | Anello Photonics, Inc. | Integrated photonics optical gyroscopes optimized for autonomous terrestrial and aerial vehicles |
-
2006
- 2006-04-19 CN CN 200620028627 patent/CN200979501Y/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101939203A (zh) * | 2007-12-10 | 2011-01-05 | 西门子运输系统有限公司 | 用于测量自动引导车辆的位移的装置 |
CN101939203B (zh) * | 2007-12-10 | 2013-06-26 | 西门子有限公司 | 用于测量自动引导车辆的位移的装置 |
CN102621570A (zh) * | 2012-04-11 | 2012-08-01 | 清华大学 | 基于双全球定位和惯性测量的汽车动力学参数测量方法 |
CN103134494A (zh) * | 2012-12-05 | 2013-06-05 | 中国科学院深圳先进技术研究院 | 室内环境中的车辆导航方法和装置 |
CN103134494B (zh) * | 2012-12-05 | 2015-07-29 | 中国科学院深圳先进技术研究院 | 室内环境中的车辆导航方法和装置 |
CN107697066A (zh) * | 2017-09-26 | 2018-02-16 | 安徽省现代农业装备产业技术研究院有限公司 | 履带式拖拉机辅助驾驶系统 |
CN108762165A (zh) * | 2018-06-28 | 2018-11-06 | 辽宁工业大学 | 一种汽车状态测控方法 |
US11656081B2 (en) * | 2019-10-18 | 2023-05-23 | Anello Photonics, Inc. | Integrated photonics optical gyroscopes optimized for autonomous terrestrial and aerial vehicles |
JP2022502722A (ja) * | 2019-11-07 | 2022-01-11 | 広東工業大学Guangdong University Of Technology | 自律運転車両の屋外運転システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1869630A (zh) | 完备汽车运动状态测量系统 | |
CN200979501Y (zh) | 完备汽车运动状态测量系统 | |
CN1090314C (zh) | 移动检测装置 | |
CN110208842A (zh) | 一种车联网环境下车辆高精度定位方法 | |
CN101907714B (zh) | 基于多传感器数据融合的gps辅助定位方法 | |
CN106595652B (zh) | 车辆运动学约束辅助的回溯式行进间对准方法 | |
CN108731670A (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
CN110553644B (zh) | 一种矿用电铲精准定位系统和方法 | |
CN106226780A (zh) | 基于激光扫描雷达的多旋翼室内定位系统及实现方法 | |
CN113219507B (zh) | 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 | |
CN105865450A (zh) | 一种基于步态的零速更新方法及系统 | |
CN102621570B (zh) | 基于双全球定位和惯性测量的汽车动力学参数测量方法 | |
CN105698822A (zh) | 基于反向姿态跟踪的自主式惯性导航行进间初始对准方法 | |
CN113218407B (zh) | 一种基于vio和卫星导航系统融合的地图生成方法及装置 | |
CN103162689A (zh) | 辅助车载定位系统及车辆的辅助定位方法 | |
CN102087110A (zh) | 微型水下运动体自主姿态检测装置及方法 | |
CN111024074A (zh) | 一种基于递推最小二乘参数辨识的惯导速度误差确定方法 | |
CN1687709A (zh) | 汽车运动状态测量系统 | |
Gupta et al. | Road grade estimation using crowd-sourced smartphone data | |
CN109781096A (zh) | 一种用于智能农机的组合导航定位系统和方法 | |
CN111857176A (zh) | 一种gps无人机控制方法 | |
CN114216459A (zh) | Elm辅助的gnss/ins组合导航无人靶车定位方法 | |
CN110489807B (zh) | 一种摇臂悬架结构巡视器的局部精确定位方法 | |
CN108773377A (zh) | 一种基于移动终端的汽车油耗实时估计方法及装置 | |
CN116576849A (zh) | 一种基于gmm辅助的车辆融合定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071121 |