CN209247030U - 一种基于神经网络的蓝牙/光电/ins组合导航装置 - Google Patents
一种基于神经网络的蓝牙/光电/ins组合导航装置 Download PDFInfo
- Publication number
- CN209247030U CN209247030U CN201822221703.3U CN201822221703U CN209247030U CN 209247030 U CN209247030 U CN 209247030U CN 201822221703 U CN201822221703 U CN 201822221703U CN 209247030 U CN209247030 U CN 209247030U
- Authority
- CN
- China
- Prior art keywords
- module
- bluetooth
- navigation
- sensor
- data
- 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
Links
Landscapes
- Navigation (AREA)
Abstract
本实用新型公开了一种基于神经网络的蓝牙/光电/INS组合导航装置,包括组合导航解算模块、传感器模块、地图存储及显示终端和电源模块,通过传感器模块采集巷道内车辆运动信息和蓝牙标签的数据,并将数据传输至组合导航信号解算模块;将采集的巷道内车辆运动信息和蓝牙标签的数据进行解算、数据融合,并传输至外部终端显示车辆位置;将组合导航解算模块解算的导航数据进行数据显示。本实用新型采用卡尔曼滤波器将MEMS惯导、蓝牙传感器、光电传感器、里程计数据进行融合,有效减小庞大的蓝牙标签布站数量,便于标签维护和更换,可连续输出车辆航向、位置、速度、运行状态等信息,提高车辆运行监控的可靠性和实时性,提高整体定位精度。
Description
技术领域
本实用新型属于导航定位技术领域,涉及一种使用蓝牙标签、光电探测、惯性导航系统进行组合导航装置。
背景技术
在我国煤矿安全生产过程中,井下人员和车辆的精确定位始终是核心内容之一,优秀的定位方案可以有效提高煤矿管理水平和煤矿运作效率。
基于蓝牙4.0的车辆定位技术是基于最新的近场无线通信协议蓝牙4.0协议,应用于煤矿井下具有低成本、易于部署、功耗极低、实时性高等优点。但是目前蓝牙定位实际上是一种区域定位,只能实现5~10m的定位精度,在信号区域内距离不可分辨,且两站之间距离太远,中间无标签信号区域,不能进行定位。
目前,已经出现的蓝牙和惯性器件的组合,一般用在行人导航上,采用MEMS惯性传感器是为了采集行人的步态和步长,根据步长累计推算行人走过的位置,这种方式不能用在矿井车辆上,因车辆运动特征并非行人,不具有步态和步长特征。井下车辆种类较多,各种车辆的发动机振动和运动特征也有区别,常规的解算方式难以适应所有车辆的振动情况。
MEMS惯导能够提供短时间一定精度的载体位姿信息,但随着时间增长,其位姿快速发散;蓝牙标签的位置固定,但是发射信号不稳定,单点探测随机噪声较大,且在无蓝牙信号或蓝牙信号弱的区域不能进行定位;里程计由于车辆轮胎压力的变化,导致其车轮半径变化,会产生累计误差。为了减小蓝牙标签的探测不确定性,在标签表面粘贴了反光胶贴,通过激光束的反射确定标签切换的具体位置。
实用新型内容
针对井下车辆目前大多采用单一传感器定位模式,本实用新型的目的在于提供一种适用于井下巷道的组合导航装置,采用蓝牙/光电/INS组合导航技术,一方面,通过多种惯性传感器融合算法抑制传感器漂移,提高车载情况下INS纯惯在一段时间内的导航精度,另一方面通过不同种类传感器之间的数据融合,可以弥补各传感器定位特点的不足,实现优势互补。可实现在蓝牙信号覆盖区域内距离可分辨,在蓝牙信号弱或者蓝牙信号不可用的短距离条件下,由惯导/里程计提供持续导航。
本实用新型是通过下述技术方案来实现的。
一种基于神经网络的蓝牙/光电/INS组合导航装置,包括:
组合导航解算模块,用于对传感器模块采集的巷道内车辆运动信息和蓝牙标签的数据,通过双数字信号处理器DSP进行解算、数据融合,将解算后的导航数据传输至外部终端显示车辆位置;
传感器模块,用于采集巷道内车辆运动信息和通过主蓝牙探测器采集巷道内蓝牙标签的数据,并将采集的数据传输至组合导航信号解算模块;
地图存储及显示终端,用于将组合导航解算模块解算的导航数据进行数据显示;
电源模块,用于为组合导航信号解算模块和传感器模块提供电源;
所述传感器模块通过串口与组合导航解算模块连接,组合导航解算模块通过串口连接地图存储及显示终端;电源模块分别连接传感器模块和组合导航解算模块。
进一步,所述传感器模块包括主蓝牙探测器、MEMS惯性传感器、里程计和光电传感器;所述主蓝牙探测器和MEMS惯性传感器分别通过串口连接双数字信号处理器DSP;所述里程计通过扩展串口连接双数字信号处理器DSP;所述光电传感器通过Cap捕捉连接双数字信号处理器DSP。
进一步,所述MEMS惯性传感器包括3轴MEMS陀螺、3轴MEMS加速度计和3轴MEMS磁强计。
进一步,所述光电传感器包括扇面激光发生器、探测器及整形电路,扇面激光发生器与巷道墙体上蓝牙标签表面贴有的反光胶贴相对应。
进一步,所述电源模块包括5V转3.3V模块、5V转1.8V模块和5V转1.2V模块;所述5V转3.3V模块与传感器模块连接;所述5V转3.3V模块、5V转1.8V模块和5V转1.2V模块与组合导航解算模块连接。
本实用新型由于采取以上技术方案,其具有以下有益效果:
本实用新型采用改进的卡尔曼滤波器将MEMS惯导、蓝牙传感器、光电传感器、里程计数据进行融合,使得各传感器优势互补,能够获得远优于单个传感器的定位及导航精度。在标签数据有效区域,进行组合导航,对比蓝牙标签位置和MEMS惯导位置对MEMS惯导数据进行修正;在无标签信号或标签信号弱区域,短时间内可由MEMS惯导或者MEMS惯导/里程计组合持续提供导航信息,该装置有效了减小庞大的蓝牙标签布站数量,便于标签维护和更换,可连续输出车辆航向、位置、速度、运行状态等信息。提高车辆运行监控的可靠性和实时性。
采用改进的卡尔曼滤波器增加了神经网络模式识别模块,能够通过传感器数据分析车辆类型、振动情况、传感器噪声等情况,并调整零速校正参数和主卡尔曼滤波器参数,使得组合导航滤波器对不同车辆和传感器场景具有自适应能力。
因为发动机振动情况不同,所对应的滤波参数也不相同。因此本实用新型所设计的改进型组合导航滤波器可以使导航模块适应不同类型发动机车辆,整个过程模块自动完成,无需人工调整参数。
由于蓝牙标签的探测不确定性较大,为了减小组合导航观测噪声,在蓝牙标签表面粘贴了反光胶贴,通过激光束的反射确定蓝牙标签切换的具体位置,从而可以提高整体定位精度。
附图说明
此处所说明的附图用来提供对本实用新型的进一步理解,构成本申请的一部分,并不构成对本实用新型的不当限定,在附图中:
图1为组合导航模块基本硬件组成框图;
图2为光电传感器模块工作示意图;
图3为蓝牙/INS组合导航系统工作流程图;
图4为导航系统主要工作阶段图示;
图5为双DSP其中一个DSP进行基本组合导航解算过程框图;
图6为双DSP其中另一个DSP进行模式识别卡尔曼滤波器参数估计示意图;
图7-1为蓝牙/INS组合测量仿真结果;
图7-2为蓝牙/INS组合测量误差;
图7-3为蓝牙对MEMS惯导速度误差的估计。
具体实施方式
下面将结合附图以及具体实施例来详细说明本实用新型,在此本实用新型的示意性实施例以及说明用来解释本实用新型,但并不作为对本实用新型的限定。
如图1所示,本实用新型基于神经网络的蓝牙/光电/INS组合导航装置,包括组合导航解算模块、传感器模块、地图存储及显示终端和和电源模块,其中:
组合导航解算模块,用于对传感器模块采集的巷道内车辆运动信息和蓝牙标签的数据,通过双数字信号处理器DSP进行解算、数据融合,将解算后的导航数据传输至外部终端显示车辆位置。传感器模块,用于通过MEMS惯性传感器、里程计和光电传感器采集巷道内车辆运动信息和通过主蓝牙探测器采集巷道内蓝牙标签的数据,并将采集的数据传输至组合导航信号解算模块。地图存储及显示终端,用于将组合导航解算模块解算的导航数据进行数据显示。电源模块,用于为组合导航信号解算模块和传感器模块提供电源。
其中,组合导航信号解算模块包括双数字信号处理器DSP,双数字信号处理器DSP通过串口与地图存储及显示终端连接。传感器模块包括主蓝牙探测器、MEMS惯性传感器、里程计和光电传感器;主蓝牙探测器和MEMS惯性传感器分别通过串口连接双数字信号处理器DSP;里程计通过扩展串口连接双数字信号处理器DSP;光电传感器通过Cap捕捉连接双数字信号处理器DSP。
其中,MEMS惯性传感器包括3轴MEMS陀螺、3轴MEMS加速度计和3轴MEMS磁强计。
电源模块包括5V转3.3V模块、5V转1.8V模块和5V转1.2V模块;5V转3.3V模块为传感器模块供电,5V转3.3V模块、5V转1.8V模块和5V转1.2V模块为组合导航解算模块供电。
主蓝牙探测器可提供导航模块距离蓝牙标签基站的信号强度信息,经DSP处理后可转化成距离信息(噪声波动较大);MEMS惯性传感器包括三轴MEMS陀螺、三轴MEMS加计、磁强计等,可获得导航模块的三轴角速率、加速度、磁航向等信息,传感器信息经过232接口送入DSP,经导航解算可得到载体位置、速度、姿态信息;里程计在车轮旋转一周情况下输出一个脉冲,可获得车辆速度和总里程信息,由于目前新到车辆都已安装里程计,因此导航模块只需要从车载终端的CAN接口获取里程计测速信息即可,无需额外单独安装里程计。
光电传感器组成及工作原理如图2所示,如图2所示,它是由扇面激光发生器、探测器及整形电路组成,扇面激光发生器向巷道墙体发射一束竖直平面的扇面激光,墙体上安装的蓝牙标签表面贴有反光胶贴,当激光束达到反光胶贴上时被反射,反射激光被探测器接收,经整形形成中断脉冲信号,送给DSP。由于蓝牙发射信号的波动,当收到某一蓝牙信号时,只能判断在标签一定范围内,位置不确定性较大,光电传感器可以较为准确的定位某一时刻的蓝牙标签的位置,减小位置观测误差。
组合导航解算模块主要由DSP核心电路及外围通信电路组成,用于对传感器数据进行解算,数据融合。解算后的导航数据通过RS232口送给地图存储及显示终端,地图存储及显示终端内部存储有矿井地图,可配合导航数据显示车辆位置。
如图3所示,蓝牙/INS组合导航模块按以下流程进行工作:
1)检查导航装置与地图存储及显示终端通信接口,导航装置与巷道内车辆车载终端CAN接口是否连接正常,若未连接则进行手动连接;
2)巷道内车辆发动机启动,电源开始供电,地图存储及显示终端自动开机,导航装置开机;
3)导航装置其中一个数字信号处理器DSP进行基本组合导航解算过程;另一个数字信号处理器DSP根据采集巷道内车辆发动机开机情况下的MEMS传感器中陀螺加速度计数据,并提取信号特征,通过数据特征分析车辆类型、振动情况,并通过设定相应的零速校正阈值及设定主卡尔曼滤波器相关参数;
如图5所示,双数字信号处理器DSP进行基本组合导航解算过程如下:
3a)3轴MEMS陀螺、3轴MEMS加速度计和3轴MEMS磁强计将采集的信息通过子卡尔曼滤波器进行姿态融合估计,并通过比力测量值分解后,经过纯惯性导航计算,将计算结果传输至主卡尔曼滤波器进行融合估计;
3b)主卡尔曼滤波器将估计出的零偏补偿给子卡尔曼滤波器的比力测量值;主卡尔曼滤波器根据地图标签和巷道方向约束估计出的方位零偏补偿给姿态初始计算值;子卡尔曼滤波器姿态融合估计出的零偏补偿给姿态初始估计值;
3c)主卡尔曼滤波器将经导航计算的巷道车辆的位置、速度和姿态信息和里程计采集的巷道车辆速度信息、主蓝牙探测器和光电传感器采集的巷道车辆位置信息进行融合估计,并将该数据传输至地图存储及显示终端。
其中如图6所示,主卡尔曼滤波器解算过程如下:
经子卡尔曼滤波器将传感器模块中3轴陀螺和3轴MEMS加速度计采集的信息进行信号处理,处理后的信号分别经信号特征提取和惯导解算,经信号特征提取的信号经神经网络信号识别及自适应参数配置后,得到零速校正参数和主卡尔曼滤波器参数,传输至主卡尔曼滤波器;经惯导解算的巷道车辆的位姿、速度信号,与主蓝牙探测器、里程计和光电传感器采集的位置、速度信息传输至主卡尔曼滤波器,主卡尔曼滤波器进行融合估计,并将最终融合后的导航数据传输至地图存储及显示终端。
4)导航装置搜索附近蓝牙标签,若没有发现标签,持续搜索;若发现标签,结合地图存储及显示终端地图信息确定起始及目的标签,开始导航;
5)组合导航:导航装置在蓝牙标签数据有效且具有参考价值的区域实现蓝牙/INS数据融合,修正位置信息,同时向地图存储及显示终端输出起始标签ID、坐标、航向、速度及总里程信息;光电传感器每扫过一个蓝牙标签,就会向双数字信号处理器DSP发出一个中断脉冲,这样两两蓝牙标签的起止观测时刻可以较为准确的确定,可以减小组合导航的位置观测误差;
6)组合导航:在蓝牙标签数据无效区域,由INS/里程计组合维持位置递推,并由里程计较为准确的速度信息修正MEMS惯性传感器产生的漂移;
7)再次进入标签数据有效且具有参考价值的区域,发现新标签,若满足切换条件,进行标签切换;切换条件为,双数字信号处理器DSP中预设蓝牙信号标签信号阈值M,新标签信号N若大于等于阈值M,则切换;若小于则不切换,维持惯性导航;
8)重复步骤5)-步骤7),直至导航结束。
主要工作阶段示意图如图4所示。
在10m间隔布站的情况下,由于蓝牙信号的覆盖范围为±5m,而可以有效为INS提供修正信息的距离只有±3m,因此中间大概有4m的距离是由INS/里程计组合得到。由于INS在短时间内可以维持一定精度,因此布站间隔可以增加到几十米甚至上百米。
图5为基本信号流动及解算过程,导航解算的基本步骤是进行姿态解算,获得转换矩阵,将固连于载体坐标系的加计数据通过转换矩阵投影到导航坐标系中。首先,载体的3轴MEMS陀螺仪提供3轴角速率信息,通过四元素算法获得基本的姿态信息,由于MEMS陀螺漂移较大,而3轴MEMS加速度计在静止情况下测得的姿态相对稳定,因此将3轴MEMS陀螺解算出的基本姿态和3轴MEMS加速度计解算姿态进行卡尔曼滤波融合估计,融合结果既保留了3轴MEMS陀螺仪测量姿态较好的动态特性,又抑制了陀螺漂移影响。姿态中的方位信息由3轴MEMS磁强计、陀螺数据、巷道地图的约束关系计算得到,卡尔曼滤波综合磁强计、陀螺数据和巷道方向信息可以提高方位测量的抗干扰能力。
获得最终的姿态矩阵后,将由加速度计得到的比力测量值fb分解到导航坐标系中,在导航坐标系中通过MEMS惯性传感器和组合导航解算模块进行INS速度和位置计算,由于地球重力影响,还要补偿地球重力加速度。由INS输出的载体位置、速度信息在短时间内较为准确,随着时间增长会快速发散。因此,采用主蓝牙探测器获得的带噪声的绝对位置信息和里程计测量的速度信息作为观测量,通过置信度卡尔曼滤波器进行融合估计,数据融合后会抑制主蓝牙探测器噪声,同时估计出MEMS惯性传感器的漂移,并对MEMS惯性传感器数据进行修正。
获得修正后的INS可在短时间内维持满足要求的导航精度。在蓝牙信号弱或者蓝牙信号不可用的情况下,可由INS或者INS/里程计组合导航(MEMS惯性传感器和里程计与组合导航解算模块的组合)提供持续的导航数据。这里INS是惯性导航系统的简称,这里的INS和MEMS惯导是指同一装置。
由MEMS惯导平滑蓝牙定位噪声,由多站蓝牙定位信息与MEMS惯导数据进行比较以估计MEMS惯性传感器漂移,里程计测速提供速度观测量。
融合思想为:利用已经标定好的两两蓝牙基站之间的距离和惯导测量得到的两蓝牙标签之间距离差作为位置误差观测量,利用里程计测速和惯导速度差为速度误差观测量,利用巷道地图信息对航向信息进行约束,采用最优估计理论对惯导传感器漂移进行估计并修正。
本实用新型的数据融合策略为,由于矿井车辆种类较多,每种车辆的发动机振动频率和车况不同,固定的零速校正阈值和滤波参数不能适应所有车辆的情况。本实用新型采用神经网络模块对车辆停止且发动机开机情况下的传感器数据进行分析,提取信号特征,分析出目前的车辆状态及最优的滤波参数,并自适应调整零速校正阈值。车辆运动起来后,神经网络模块可以分析其他传感器数据的噪声波动,并对观测噪声方差进行调整。如图6所示,Qk为过程噪声方差矩阵,Rk为观测噪声方差矩阵,L1为零速校正阈值,是发动机开机情况下车辆运动和静止两种状态的判断阈值,可由神经网络模块分析得到。
对以上模型进行相关仿真如下。
蓝牙标签按照接近10m沿水平方向等间隔布站,模拟小车初始位置为(5m,10m),速度(3m/s,0m/s),若不采用光电传感器,蓝牙标签观每10m段的观测噪声幅值±3m,设定惯导速度误差为0.3m/s,进行仿真分析,数据组合结果如图7-1所示,融合后蓝牙观测噪声被平滑掉,滤波后的定位误差在1m以内。
图7-2显示了滤波前后的误差情况,滤波后蓝牙观测噪声被降低,综合位置估计精度得到提高。图7-3显示了利用蓝牙和INS位置观测误差对INS速度误差的估计,估计正确收敛到设定的误差值。
在速度观测中加入里程计测速,作为共同的速度观测量,里程计观测前需要在线对其进行标定,消除胎压引起的测速误差,量化噪声部分作为观测噪声的一部分。
由以上建模分析可以看出,利用蓝牙标签已标定位置信息就可以对MEMS惯导参数变化进行估计修正,而数据融合后,蓝牙噪声也得到了减小和平滑。仿真定位精度1.5m,满足使用要求。
采用光电探测器后,蓝牙位置观测不确定性降低,观测噪声降低至±0.5m以内,整体估计和修正精度会提高。
蓝牙/光电/MEMS惯性组合导航方法将各单一传感器进行数据融合,取长补短,能够获得较单一传感器更好的导航精度和稳定性。该方法通过光电探测模块来减小蓝牙位置探测噪声,结合巷道地图信息来约束航向姿态的发散,从而保证航向估计误差维持在一定范围内。
Claims (5)
1.一种基于神经网络的蓝牙/光电/INS组合导航装置,其特征在于,包括:
组合导航解算模块,用于对传感器模块采集的巷道内车辆运动信息和蓝牙标签的数据,通过双数字信号处理器DSP进行解算、数据融合,将解算后的导航数据传输至外部终端显示车辆位置;
传感器模块,用于采集巷道内车辆运动信息和通过主蓝牙探测器采集巷道内蓝牙标签的数据,并将采集的数据传输至组合导航信号解算模块;
地图存储及显示终端,用于将组合导航解算模块解算的导航数据进行数据显示;
电源模块,用于为组合导航信号解算模块和传感器模块提供电源;
所述传感器模块通过串口与组合导航解算模块连接,组合导航解算模块通过串口连接地图存储及显示终端;电源模块分别连接传感器模块和组合导航解算模块。
2.根据权利要求1所述的一种基于神经网络的蓝牙/光电/INS组合导航装置,其特征在于,所述传感器模块包括主蓝牙探测器、MEMS惯性传感器、里程计和光电传感器;所述主蓝牙探测器和MEMS惯性传感器分别通过串口连接双数字信号处理器DSP;所述里程计通过扩展串口连接双数字信号处理器DSP;所述光电传感器通过Cap捕捉连接双数字信号处理器DSP。
3.根据权利要求2所述的一种基于神经网络的蓝牙/光电/INS组合导航装置,其特征在于,所述MEMS惯性传感器包括3轴MEMS陀螺、3轴MEMS加速度计和3轴MEMS磁强计。
4.根据权利要求2所述的一种基于神经网络的蓝牙/光电/INS组合导航装置,其特征在于,所述光电传感器包括扇面激光发生器、探测器及整形电路,扇面激光发生器与巷道墙体上蓝牙标签表面贴有的反光胶贴相对应。
5.根据权利要求1所述的一种基于神经网络的蓝牙/光电/INS组合导航装置,其特征在于,所述电源模块包括5V转3.3V模块、5V转1.8V模块和5V转1.2V模块;所述5V转3.3V模块与传感器模块连接;所述5V转3.3V模块、5V转1.8V模块和5V转1.2V模块与组合导航解算模块连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201822221703.3U CN209247030U (zh) | 2018-12-27 | 2018-12-27 | 一种基于神经网络的蓝牙/光电/ins组合导航装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201822221703.3U CN209247030U (zh) | 2018-12-27 | 2018-12-27 | 一种基于神经网络的蓝牙/光电/ins组合导航装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209247030U true CN209247030U (zh) | 2019-08-13 |
Family
ID=67535087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201822221703.3U Active CN209247030U (zh) | 2018-12-27 | 2018-12-27 | 一种基于神经网络的蓝牙/光电/ins组合导航装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN209247030U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109443350A (zh) * | 2018-12-27 | 2019-03-08 | 西安中科光电精密工程有限公司 | 基于神经网络的蓝牙/光电/ins组合导航装置及方法 |
-
2018
- 2018-12-27 CN CN201822221703.3U patent/CN209247030U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109443350A (zh) * | 2018-12-27 | 2019-03-08 | 西安中科光电精密工程有限公司 | 基于神经网络的蓝牙/光电/ins组合导航装置及方法 |
CN109443350B (zh) * | 2018-12-27 | 2023-09-01 | 仝人智能科技(江苏)有限公司 | 基于神经网络的蓝牙/光电/ins组合导航装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443350A (zh) | 基于神经网络的蓝牙/光电/ins组合导航装置及方法 | |
CN104236566B (zh) | 基于智能手机的地图匹配方法 | |
CN105509738B (zh) | 基于惯导/多普勒雷达组合的车载定位定向方法 | |
CN103149580A (zh) | 一种基于stkf和wnn的gps/ins组合导航方法 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
CN105865461B (zh) | 一种基于多传感器融合算法的汽车定位系统及方法 | |
CN103162689B (zh) | 辅助车载定位系统及车辆的辅助定位方法 | |
CN101201255A (zh) | 基于智能导航算法的车辆组合导航系统 | |
CN104567931A (zh) | 一种室内惯性导航定位的航向漂移误差消除方法 | |
CN103776446A (zh) | 一种基于双mems-imu的行人自主导航解算算法 | |
CN109470245B (zh) | 主动查询式蓝牙/复合式mems惯导组合导航装置及方法 | |
CN104864874B (zh) | 一种低成本单陀螺航位推算导航方法及系统 | |
CN104634345B (zh) | 一种自适应步长的室内轨迹追踪方法 | |
CN111044042B (zh) | 基于陀螺全站仪和惯导设备的掘进机定位导航系统及方法 | |
CN102645665A (zh) | 基于bd、gps和dr的定位信息处理方法及装置 | |
CN105403219B (zh) | 一种基于mems的自行车导航系统 | |
CN110631579A (zh) | 一种用于农业机械导航的组合定位方法 | |
Gao et al. | Development of precise GPS/INS/wheel speed sensor/yaw rate sensor integrated vehicular positioning system | |
CN106093992A (zh) | 一种基于cors的亚米级组合定位导航系统及导航方法 | |
CN110057356A (zh) | 一种隧道内车辆定位方法及装置 | |
CN107990901A (zh) | 一种基于传感器的用户方向定位方法 | |
CN114415224A (zh) | 一种复杂受限环境中车辆融合定位系统及方法 | |
Guo et al. | Navigation and positioning system applied in underground driverless vehicle based on IMU | |
CN209247030U (zh) | 一种基于神经网络的蓝牙/光电/ins组合导航装置 | |
CN107783163A (zh) | 一种智能轮式机器人行进航向角融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230524 Address after: Building 2, No. 76 Xinyuan Road, Yannan High tech Zone, Yancheng City, Jiangsu Province, 224007 (CNX) Patentee after: Tongren Intelligent Technology (Jiangsu) Co.,Ltd. Address before: Room 10302, 3rd floor, building 3, East Industrial Building, modern enterprise center, No.2 zhangbawu Road, high tech Zone, Xi'an City, Shaanxi Province, 710077 Patentee before: XI'AN ZHONGKE PHOTOELECTRIC PRECISION ENGINEERING Co.,Ltd. |
|
TR01 | Transfer of patent right |