CN106969784A - 一种并发建图定位与惯性导航的组合误差融合*** - Google Patents
一种并发建图定位与惯性导航的组合误差融合*** Download PDFInfo
- Publication number
- CN106969784A CN106969784A CN201710186418.XA CN201710186418A CN106969784A CN 106969784 A CN106969784 A CN 106969784A CN 201710186418 A CN201710186418 A CN 201710186418A CN 106969784 A CN106969784 A CN 106969784A
- Authority
- CN
- China
- Prior art keywords
- error
- inertial navigation
- concurrently
- module
- omega
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种并发建图定位与惯性导航的组合误差融合***,属于智能导航装置领域,包括运载体、惯性导航器件、并发建图定位装置和误差融合装置;所述惯性导航器件包括加速度计、陀螺仪和惯性导航驱动装置,所述并发建图定位装置包括激光雷达和环境地图构建装置;所述误差融合装置包括线性离散并发建图定位误差模块、惯性导航误差模块和加权融合模块;使机器人定位与导航更精确可靠。
Description
技术领域
本发明属于智能导航装置领域,尤其涉及的是一种并发建图定位与惯性导航的组合误差融合***。
背景技术
近年来,在一些卫星导航等导航***无法探测的陆地领域,惯性导航(简称INS)充分发挥了自身的优势。现有技术中的捷联惯性导航***由加速度计和陀螺仪组成,安装在运载体上,分别计算运载体的加速度信息和角速度信息。但在实际应用中,由于捷联惯性导航模块的传感单一性,导航误差产生频繁并会累积放大。
并发建图与定位***(又称同时定位与地图构建,简称SLAM)被认为是实现真正全自助移动机器人的关键。其描述了由移动机器人从未知的地点出发,利用激光雷达对周围环境进行扫描,对扫描的信息进行处理得到自身的位置,并构建出周围环境的地图信息,完成自身定位和特征地图的构建的问题,以实现对信息不可用,完全未知的环境的探测。然而激光雷达受扫描时间及范围限制,随着机器人移动速度加快,反馈延迟提高,建图与方位识别误差渐增,直至无法有效建模,严重影响对机器人的定位导航作用。
发明内容
本发明为了解决现有技术中,机器人导航***传感器单一产生的误差积累,本发明将同时定位与地图构建(SLAM)与惯性导航(INS)进行误差融合,并反馈校正,提供一种并发建图定位与惯性导航的组合误差融合***,使机器人定位与导航更精确可靠。
本发明的技术方案如下:
一种并发建图定位与惯性导航的组合误差融合***,其中,包括运载体、惯性导航(简称INS)器件、并发建图定位(简称SLAM)装置和误差融合装置;所述惯性导航器件包括加速度计、陀螺仪和惯性导航驱动装置,所述并发建图定位装置包括激光雷达和环境地图构建装置;所述误差融合装置包括线性离散并发建图定位误差模块、惯性导航误差模块和加权融合模块;
在所述惯性导航器件中,所述加速度计获得运载体加速度,所述陀螺仪获得运载体角速度,并将加速度与角速度信号通过通讯连接传送至惯性导航误差模块和惯性导航驱动装置;所述惯性导航误差模块进行误差分析;所述惯性导航驱动装置处理得到位置、速度和角度控制参数,调整运载体姿态;
在所述并发建图定位装置中,所述激光雷达获得运载体与环境间距离和方位角,并将距离和方位角通过通讯连接,传送至线性离散并发建图定位误差模块和环境地图构件装置,分别进行误差分析和地图构建;
在所述误差融合装置中,所述线性离散并发建图定位误差模块和所述惯性导航误差模块分别将误差通过通讯连接传送至所述加权融合模块,所述加权融合模块分析获得姿态误差和地图误差,姿态误差通过通讯连接反馈至惯性导航驱动装置校正位置、速度和角度控制参数,地图误差通过通讯连接传送至环境地图构建装置校正环境地图。
进一步,在线性离散并发建图定位误差模块中,其采用的状态方程:
δx(k+1)=F(k)δx(k)+G(k)w(k),
δx(k)表示误差状态向量,运载体与地图误差状态表示为:
δx(k)=[δxv(k),δxm(k)]T,
运载体误差状态δxv(k)在导航坐标系中表示为:
δxv(k)=[δpn(k),δvn(k),δψn(k)]T,
地图误差状态δxm(k)在导航坐标系中表示为:
F(k)表示***转移矩阵,G(k)表示***噪声输入矩阵,w(k)表示***误差向量,代表器件本身误差,误差强度为Q(k)。
进一步,所述惯性导航误差模块中,所述惯性导航和静态环境模型为:
δpn为位置误差,δVn为速度误差,δψn为姿态误差,fb和ωb分别为惯性导航器件测量所得的加速度和角速度,δfb和δωb表示惯性导航器件的测量误差,
表示由四元数组成的方向余弦矩阵,表示为:
σδf和σδω分别表示加速度和角速度的噪声强度。
进一步,所述惯性导航误差模块中,所述线性观测模型为:
δz(k)=H(k)δx(k)+v(k)
其中,H(k)是线性观测雅克比矩阵,v(k)是观测噪声,噪声强度矩阵为R(k),误差噪声输入为测量值与观测值之差:
在导航坐标系中初始路标位置为:
其中,Pn(k)为k时刻路标在导航坐标系中的位置,为传感器在以运载体为中心的传感器坐标系相对于导航坐标器的的偏移量,为由传感器坐标系转换到导航坐标器的方向余弦矩阵,为在传感器坐标系中路标的相对位置,表示为:
ρ,和θ分别是航向角、俯仰角和偏航角,由激光雷达可得:
其中,
通过计算方程的雅克比矩阵,线性离散模型可得:
所有的噪声为零均值高斯噪声,在预测过程中没有误差传递:
δx(k|k-1)=F(k)δx(k-1|k-1)=0
δx(k|k)=δx(k|k-1)+W(k)ν(k)=W(k)ν(k)
v(k)=z(k)-H(k)δx(k|k-1)=z(k)。
优选的,在惯性导航器件和惯性导航误差模块中,导航坐标使用东-北-天坐标系,误差状态为9维状态变量,分别为3维姿态误差,3维速度误差和3维位置误差:
导航坐标状态方程为:
X(k+1)=AX(k)+W(k)
其中,A为系数矩阵W(k)为***噪声,
Ω为姿态矩阵,ωbx,ωby,ωbz载体坐标系中的角速度,L表示纬度,VE,VN,VD表示东北天三个方向的速度,R表示地球半径;
其观测方程:在观测方程中,观测误差为测量值与预测值之差:
导航坐标观测模型表示为:
Z(k)=BX(k)+V(k),
其中,B为系数矩阵B=[B1 B2 B3]T,B1=[diag[1 1 1]03×3 03×3],B2=[03×3 diag[1 1 1]03×3],B3=[03×3 03×3 diag[RcosL R 1]]。
优选的,所述加权融合模块包括标量加权融合装置,
所述标量加权融合装置对线性离散并发建图定位误差模块和惯性导航误差模块传送的误差进行融合的状态方程为:
两个加权系数由以下方程计算获得:
其中,tr表示矩阵的迹,P1和P2分别表示X和δx的协方差,P12表示X和δx的互协方差,取最优估计误差协方差矩阵可得:
且,trP0≤trPi,i=1,2。
本发明所采用标量加权融合装置,相较于现有技术矩阵加权相比,本发明装置模块仅需要处理标量加权系数,减少了计算量。尤其,在本发明中惯性导航维数较高,更有效地减少了处理量,显著提高了融合反馈效率。更重要的是,其使本发明误差融合校正机器人姿态及环境地图的反馈延迟大大缩短。该效果正反馈作用于SLAM和INS装置,使姿态调整和绘图校正流程缩短,形成良性循环,进一步从源头上减少了误差积累。
本发明综合技术方案及综合效果包括:
本发明利用SLAM装置和INS器件对周围环境进行扫描。SLAM将激光雷达作主传感器,扫描周围环境内障碍物,得到运载体与障碍物之间的距离以及方位角。INS利用惯性导航器件,加速度计测量得到运载体的线性加速度,陀螺仪测量得到运载体的角速度,通过INS驱动装置处理得到运载***置、速度和角度信息。然后利用各相应SLAM误差模块和INS误差模块分别对误差数据分析处理,并建立误差状态方程和观测方程,将SLAM装置得到的环境信息与INS装置得到的环境信息利用融合装置,采用加权平均的方法进行误差融合,再利用融合装置得到的误差修正运载体的位置预测,使运载体移动机器人的定位与构图更加精确。
附图说明
图1为本发明装置运转流程框图。
具体实施方式
以下结合附图和具体实施例,对本发明进行详细说明。
实施例1
本发明主要针对机器人智能运载导航,发明了一种并发建图定位与惯性导航的组合误差融合***,该装置及运转流程图如图1所示,
一种并发建图定位与惯性导航的组合误差融合***,其中,包括运载体、惯性导航器件、并发建图定位装置和误差融合装置;所述惯性导航器件包括加速度计、陀螺仪和惯性导航驱动装置,所述并发建图定位装置包括激光雷达和环境地图构建装置;所述误差融合装置包括线性离散并发建图定位误差模块、惯性导航误差模块和加权融合模块;
在所述惯性导航器件中,所述加速度计获得运载体加速度,所述陀螺仪获得运载体角速度,并将加速度与角速度信号通过通讯连接传送至惯性导航误差模块和惯性导航驱动装置;所述惯性导航误差模块进行误差分析;所述惯性导航驱动装置处理得到位置、速度和角度控制参数,调整运载体姿态;
在所述并发建图定位装置中,所述激光雷达获得运载体与环境间距离和方位角,并将距离和方位角通过通讯连接,传送至线性离散并发建图定位误差模块和环境地图构件装置,分别进行误差分析和地图构建;
在所述误差融合装置中,所述线性离散并发建图定位误差模块和所述惯性导航误差模块分别将误差通过通讯连接传送至所述加权融合模块,所述加权融合模块分析获得姿态误差和地图误差,姿态误差通过通讯连接反馈至惯性导航驱动装置校正位置、速度和角度控制参数,地图误差通过通讯连接传送至环境地图构建装置校正环境地图。
在线性离散并发建图定位误差模块中,其采用的状态方程:δx(k+1)=F(k)δx(k)+G(k)w(k)
δx(k)表示误差状态向量,运载体与地图误差状态表示为:
δx(k)=[δxv(k),δxm(k)]T
运载体误差状态δxv(k)在导航坐标系中表示为:
δxv(k)=[δpn(k),δvn(k),δψn(k)]T
地图误差状态δxm(k)在导航坐标系中表示为:
F(k)表示***转移矩阵,G(k)表示***噪声输入矩阵,w(k)表示***误差向量,代表器件本身误差,误差强度为Q(k)。
所述惯性导航误差模块中,所述惯性导航和静态环境模型为:
δpn为位置误差,δVn为速度误差,δψn为姿态误差,fb和ωb分别为惯性导航器件测量所得的加速度和角速度,δfb和δωb表示惯性导航器件的测量误差,
表示由四元数组成的方向余弦矩阵,表示为:
σδf和σδω分别表示加速度和角速度的噪声强度。
所述惯性导航误差模块中,所述线性观测模型为:
δz(k)=H(k)δx(k)+v(k)
其中,H(k)是线性观测雅克比矩阵,v(k)是观测噪声,噪声强度矩阵为R(k),误差噪声输入为测量值与观测值之差:
在导航坐标系中初始路标位置为:
其中,Pn(k)为k时刻路标在导航坐标系中的位置,为传感器在以运载体为中心的传感器坐标系相对于导航坐标器的的偏移量,为由传感器坐标系转换到导航坐标器的方向余弦矩阵,为在传感器坐标系中路标的相对位置,表示为:
ρ,和θ分别是航向角、俯仰角和偏航角,由激光雷达可得:
其中,
通过计算方程的雅克比矩阵,线性离散模型可得:
所有的噪声为零均值高斯噪声,在预测过程中没有误差传递:
δx(k|k-1)=F(k)δx(k-1|k-1)=0
δx(k|k)=δx(k|k-1)+W(k)ν(k)=W(k)ν(k)
v(k)=z(k)-H(k)δx(k|k-1)=z(k)。
在惯性导航器件和惯性导航误差模块中,导航坐标使用东-北-天坐标系,误差状态为9维状态变量,分别为3维姿态误差,3维速度误差和3维位置误差:
导航坐标状态方程为:
X(k+1)=AX(k)+W(k)
其中,A为系数矩阵W(k)为***噪声,
Ω为姿态矩阵,ωbx,ωby,ωbz载体坐标系中的角速度,L表示纬度,VE,VN,VD表示东北天三个方向的速度,R表示地球半径;
其观测方程:在观测方程中,观测误差为测量值与预测值之差:
导航坐标观测模型表示为:
Z(k)=BX(k)+V(k),
其中,B为系数矩阵B=[B1 B2 B3]T,B1=[diag[1 1 1]03×3 03×3],B2=[03×3 diag[1 1 1]03×3],B3=[03×3 03×3 diag[RcosL R 1]]。
所述加权融合模块包括标量加权融合装置,
所述标量加权融合装置对线性离散并发建图定位误差模块和惯性导航误差模块传送的误差进行融合的状态方程为:
两个加权系数由以下方程计算获得:
其中,tr表示矩阵的迹,P1和P2分别表示X和δx的协方差,P12表示X和δx的互协方差,取最优估计误差协方差矩阵可得:
且,trP0≤trPi,i=1,2。
本实施例所采用标量加权融合装置,相较于现有技术矩阵加权相比,本实施例装置模块仅需要处理标量加权系数,减少了计算量。尤其,在本实施例中惯性导航维数较高,更有效地减少了处理量,显著提高了融合反馈效率。更重要的是,其使本实施例误差融合校正机器人姿态及环境地图的反馈延迟大大缩短。该效果正反馈作用于SLAM和INS装置,使姿态调整和绘图校正流程缩短,形成良性循环,进一步从源头上减少了误差积累。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种并发建图定位与惯性导航的组合误差融合***,其特征在于,包括运载体、惯性导航器件、并发建图定位装置和误差融合装置;所述惯性导航器件包括加速度计、陀螺仪和惯性导航驱动装置,所述并发建图定位装置包括激光雷达和环境地图构建装置;所述误差融合装置包括线性离散并发建图定位误差模块、惯性导航误差模块和加权融合模块;
在所述惯性导航器件中,所述加速度计获得运载体加速度,所述陀螺仪获得运载体角速度,并将加速度与角速度信号通过通讯连接传送至惯性导航误差模块和惯性导航驱动装置;所述惯性导航误差模块进行误差分析;所述惯性导航驱动装置处理得到位置、速度和角度控制参数,调整运载体姿态;
在所述并发建图定位装置中,所述激光雷达获得运载体与环境间距离和方位角,并将距离和方位角通过通讯连接,传送至线性离散并发建图定位误差模块和环境地图构件装置,分别进行误差分析和地图构建;
在所述误差融合装置中,所述线性离散并发建图定位误差模块和所述惯性导航误差模块分别将误差通过通讯连接传送至所述加权融合模块,所述加权融合模块分析获得姿态误差和地图误差,姿态误差通过通讯连接反馈至惯性导航驱动装置校正位置、速度和角度控制参数,地图误差通过通讯连接传送至环境地图构建装置校正环境地图。
2.根据权利要求1所述的并发建图定位与惯性导航的组合误差融合***,其特征在于,在线性离散并发建图定位误差模块中,其采用的状态方程:
δx(k+1)=F(k)δx(k)+G(k)w(k),
δx(k)表示误差状态向量,运载体与地图误差状态表示为:
δx(k)=[δxv(k),δxm(k)]T,
运载体误差状态δxv(k)在导航坐标系中表示为:
δxv(k)=[δpn(k),δvn(k),δψn(k)]T,
地图误差状态δxm(k)在导航坐标系中表示为:
F(k)表示***转移矩阵,G(k)表示***噪声输入矩阵,w(k)表示***误差向量,代表器件本身误差,误差强度为Q(k)。
3.根据权利要求1所述的并发建图定位与惯性导航的组合误差融合***,其特征在于,所述惯性导航误差模块中,所述惯性导航和静态环境模型为:
δpn为位置误差,δVn为速度误差,δψn为姿态误差,fb和ωb分别为惯性导航器件测量所得的加速度和角速度,δfb和δωb表示惯性导航器件的测量误差,表示由四元数组成的方向余弦矩阵,表示为:
σδf和σδω分别表示加速度和角速度的噪声强度。
4.根据权利要求1所述的并发建图定位与惯性导航的组合误差融合***,其特征在于,所述惯性导航误差模块中,所述线性观测模型为:
δz(k)=H(k)δx(k)+v(k),
其中,H(k)是线性观测雅克比矩阵,v(k)是观测噪声,噪声强度矩阵为R(k),误差噪声输入为测量值与观测值之差:
在导航坐标系中初始路标位置为:
其中,Pn(k)为k时刻路标在导航坐标系中的位置,为传感器在以运载体为中心的传感器坐标系相对于导航坐标器的偏移量,为由传感器坐标系转换到导航坐标器的方向余弦矩阵,为在传感器坐标系中路标的相对位置,表示为:
ρ,和θ分别是航向角、俯仰角和偏航角,由激光雷达可得:
其中,
通过计算方程的雅克比矩阵,线性离散模型可得:
所有的噪声为零均值高斯噪声,在预测过程中没有误差传递:
δx(k|k-1)=F(k)δx(k-1|k-1)=0
δx(k|k)=δx(k|k-1)+W(k)ν(k)=W(k)ν(k)
v(k)=z(k)-H(k)δx(k|k-1)=z(k)。
5.根据权利要求1-4中任一项所述的并发建图定位与惯性导航的组合误差融合***,其特征在于,在惯性导航器件和惯性导航误差模块中,导航坐标使用东-北-天坐标系,误差状态为9维状态变量,分别为3维姿态误差,3维速度误差和3维位置误差:
导航坐标状态方程为:
X(k+1)=AX(k)+W(k)
其中,A为系数矩阵W(k)为***噪声,
Ω为姿态矩阵,ωbx,ωby,ωbz载体坐标系中的角速度,L表示纬度,VE,VN,VD表示东北天三个方向的速度,R表示地球半径;
其观测方程:在观测方程中,观测误差为测量值与预测值之差:
导航坐标观测模型表示为:
Z(k)=BX(k)+V(k),
其中,B为系数矩阵B=[B1 B2 B3]T,B1=[diag[1 1 1] 03×3 03×3],B2=[03×3 diag[1 11] 03×3],B3=[03×3 03×3 diag[RcosL R 1]]。
6.根据权利要求5所述的并发建图定位与惯性导航的组合误差融合***,其特征在于,所述加权融合模块包括标量加权融合装置,
所述标量加权融合装置对线性离散并发建图定位误差模块和惯性导航误差模块传送的误差进行融合的状态方程为:
两个加权系数由以下方程计算获得:
其中,tr表示矩阵的迹,P1和P2分别表示X和δx的协方差,P12表示X和δx的互协方差,取最优估计误差协方差矩阵可得:
且,trP0≤trPi,i=1,2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710186418.XA CN106969784B (zh) | 2017-03-24 | 2017-03-24 | 一种并发建图定位与惯性导航的组合误差融合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710186418.XA CN106969784B (zh) | 2017-03-24 | 2017-03-24 | 一种并发建图定位与惯性导航的组合误差融合*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106969784A true CN106969784A (zh) | 2017-07-21 |
CN106969784B CN106969784B (zh) | 2019-08-13 |
Family
ID=59329906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710186418.XA Expired - Fee Related CN106969784B (zh) | 2017-03-24 | 2017-03-24 | 一种并发建图定位与惯性导航的组合误差融合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106969784B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
CN108345005A (zh) * | 2018-02-22 | 2018-07-31 | 重庆大学 | 巷道掘进机的实时连续自主定位定向***及导航定位方法 |
CN108759846A (zh) * | 2018-05-29 | 2018-11-06 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN109471103A (zh) * | 2018-10-23 | 2019-03-15 | 湖北航天技术研究院总体设计所 | 一种弹载双基sar数据融合定位误差修正方法 |
CN110017850A (zh) * | 2019-04-19 | 2019-07-16 | 小狗电器互联网科技(北京)股份有限公司 | 一种陀螺仪漂移估计方法、装置及定位*** |
CN111221337A (zh) * | 2020-01-19 | 2020-06-02 | 弗徕威智能机器人科技(上海)有限公司 | 机器人栅格地图的构建方法及*** |
CN113126602A (zh) * | 2019-12-30 | 2021-07-16 | 南京璟一机器人工程技术有限公司 | 一种移动机器人的定位方法 |
CN114877892A (zh) * | 2022-07-11 | 2022-08-09 | 泉州通维科技有限责任公司 | 一种用于光伏机器人的融合定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299635A1 (en) * | 2005-10-13 | 2009-12-03 | Tom Meredydd Brookes | Terrain mapping |
CN104535061A (zh) * | 2015-01-06 | 2015-04-22 | 常州先进制造技术研究所 | 一种基于多传感器数据融合的导航*** |
CN105783913A (zh) * | 2016-03-08 | 2016-07-20 | 中山大学 | 一种融合车载多传感器的slam装置及其控制方法 |
CN106052691A (zh) * | 2016-05-17 | 2016-10-26 | 武汉大学 | 激光测距移动制图中闭合环误差纠正方法 |
-
2017
- 2017-03-24 CN CN201710186418.XA patent/CN106969784B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299635A1 (en) * | 2005-10-13 | 2009-12-03 | Tom Meredydd Brookes | Terrain mapping |
CN104535061A (zh) * | 2015-01-06 | 2015-04-22 | 常州先进制造技术研究所 | 一种基于多传感器数据融合的导航*** |
CN105783913A (zh) * | 2016-03-08 | 2016-07-20 | 中山大学 | 一种融合车载多传感器的slam装置及其控制方法 |
CN106052691A (zh) * | 2016-05-17 | 2016-10-26 | 武汉大学 | 激光测距移动制图中闭合环误差纠正方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655473A (zh) * | 2017-09-20 | 2018-02-02 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
CN107655473B (zh) * | 2017-09-20 | 2020-07-28 | 南京航空航天大学 | 基于slam技术的航天器相对自主导航*** |
CN108345005A (zh) * | 2018-02-22 | 2018-07-31 | 重庆大学 | 巷道掘进机的实时连续自主定位定向***及导航定位方法 |
CN108345005B (zh) * | 2018-02-22 | 2020-02-07 | 重庆大学 | 巷道掘进机的实时连续自主定位定向***及导航定位方法 |
CN108759846A (zh) * | 2018-05-29 | 2018-11-06 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN108759846B (zh) * | 2018-05-29 | 2021-10-29 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN109471103A (zh) * | 2018-10-23 | 2019-03-15 | 湖北航天技术研究院总体设计所 | 一种弹载双基sar数据融合定位误差修正方法 |
CN110017850A (zh) * | 2019-04-19 | 2019-07-16 | 小狗电器互联网科技(北京)股份有限公司 | 一种陀螺仪漂移估计方法、装置及定位*** |
CN113126602A (zh) * | 2019-12-30 | 2021-07-16 | 南京璟一机器人工程技术有限公司 | 一种移动机器人的定位方法 |
CN111221337A (zh) * | 2020-01-19 | 2020-06-02 | 弗徕威智能机器人科技(上海)有限公司 | 机器人栅格地图的构建方法及*** |
CN114877892A (zh) * | 2022-07-11 | 2022-08-09 | 泉州通维科技有限责任公司 | 一种用于光伏机器人的融合定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106969784B (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106969784A (zh) | 一种并发建图定位与惯性导航的组合误差融合*** | |
US6459990B1 (en) | Self-contained positioning method and system thereof for water and land vehicles | |
CN103076017B (zh) | 基于可观测度分析的火星进入段自主导航方案设计方法 | |
CN103913181B (zh) | 一种基于参数辨识的机载分布式pos传递对准方法 | |
Han et al. | A novel initial alignment scheme for low-cost INS aided by GPS for land vehicle applications | |
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 | |
CN104374388B (zh) | 一种基于偏振光传感器的航姿测定方法 | |
CN102116628B (zh) | 一种着陆或附着深空天体探测器的高精度导航方法 | |
US20130138264A1 (en) | Automotive navigation system and method to utilize internal geometry of sensor position with respect to rear wheel axis | |
CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
CN105823481A (zh) | 一种基于单天线的gnss-ins车辆定姿方法 | |
CN104567930A (zh) | 一种能够估计和补偿机翼挠曲变形的传递对准方法 | |
CN104697526A (zh) | 用于农业机械的捷联惯导***以及控制方法 | |
CN101694389B (zh) | 无陀螺捷联惯导***的初始姿态快速测量方法 | |
CN104748761B (zh) | 基于最优姿态匹配的动基座传递对准时延补偿方法 | |
CN105424036A (zh) | 一种低成本水下潜器地形辅助惯性组合导航定位方法 | |
CN103900576A (zh) | 一种深空探测自主导航的信息融合方法 | |
CN102519470A (zh) | 多级嵌入式组合导航***及导航方法 | |
CN106979780A (zh) | 一种无人车实时姿态测量方法 | |
CN107132542A (zh) | 一种基于光学和多普勒雷达的小天体软着陆自主导航方法 | |
CN102116634A (zh) | 一种着陆深空天体探测器的降维自主导航方法 | |
CN104655135A (zh) | 一种基于地标识别的飞行器视觉导航方法 | |
CN107576327A (zh) | 基于可观测度分析的可变结构综合导航***设计方法 | |
CN105333869A (zh) | 一种基于自适应ekf的无人侦察机同步定位与构图方法 | |
JPH095104A (ja) | 移動物体の三次元姿勢角測定法および三次元姿勢角計測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190716 Address after: 250000 No. 27 South Grand Road, Shandong, Ji'nan Applicant after: Shandong University Address before: 266000 Qingdao economic and Technological Development Zone, Changjiang Road, No. 66, Shandong Applicant before: China Petroleum University (East China) |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190813 Termination date: 20200324 |
|
CF01 | Termination of patent right due to non-payment of annual fee |