CN107515384A - 基于uwb与多传感器的室内机器人的定位与环境建模方法 - Google Patents
基于uwb与多传感器的室内机器人的定位与环境建模方法 Download PDFInfo
- Publication number
- CN107515384A CN107515384A CN201710801558.3A CN201710801558A CN107515384A CN 107515384 A CN107515384 A CN 107515384A CN 201710801558 A CN201710801558 A CN 201710801558A CN 107515384 A CN107515384 A CN 107515384A
- Authority
- CN
- China
- Prior art keywords
- uwb
- mrow
- msub
- robot
- positioning
- 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
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
- 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
- G01S5/0257—Hybrid positioning
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于UWB与多传感器的室内机器人的定位与环境建模方法,机器人移动过程中,UWB标签发送由超宽频脉冲组成的脉冲数据包给UWB接收机,UWB接收机通过交换机将脉冲数据包到达各个接收机的时间差发送给中央处理器,中央处理器根据三边加权质心算法初步确定UWB标签的位置;电子罗盘采集机器人的当前航向角信息,超声波传感器采集当前返回的超声波信号,中央处理器根据超声波传感器采集信号和卡尔曼滤波算法得到障碍物的位置信息,并对环境地图进行更新;中央处理器根据双层卡尔曼滤波算法融合初步确定的UWB标签的位置、当前航向角信息和障碍物的位置信息,得到机器人当前精确位姿信息。本发明提高了定位的精度、实时性和稳定性。
Description
技术领域
本发明涉及机器人定位技术领域,具体是涉及一种基于UWB与多传感器的室内机器人的定位与环境建模方法。
背景技术
在开阔的室外环境中,依靠GPS定位***可以得到较精准的定位,但是在室内环境中,GPS信号衰减严重,且室内环境复杂,存在多种干扰、噪声,无法进行精确定位。目前常见的室内定位技术解决方案主要有超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术等。超宽带技术UWB具有功耗低、抗多径效果好、安全性高、***复杂度低、具有很好的时间分辨率、定位精度能达到厘米级等优点,适合于未来无线定位技术的需要,可用于静止或者移动物体精确定位和跟踪。
《室内移动机器人超声波网络定位方法研究》采用单一传感器感知周围环境信息,对定位信息进行优化,但存在较大角度误差,且在半结构复杂环境下易受非视距等影响,其定位***稳定性不够。《多传感器融合技术在移动机器人定位中的应用研究》融合了多种传感器信息,采用扩展卡尔曼滤波算法融合定位信息,但由于机器人运动非线性度较高,得到的定位结果存在较大误差,且多传感器融合存在计算量大、数据实时性不够高的问题,***抗干扰性及稳定性也有待提高。
发明内容
本发明的目的在于提供一种基于UWB与多传感器的室内机器人的定位与环境建模方法,一方面降低了数据计算复杂度,提高了定位实时性,另一方面UWB定位与多传感器辅助定位相互补充,提高了定位的稳定性。
解决本发明目的的技术解决方案为:基于UWB与多传感器的室内机器人的定位与环境建模方法,包括如下步骤:
步骤1、搭建***,该***包括交换机、UWB接收机、UWB标签、电子罗盘、若干个超声波传感器和中央处理器,其中UWB接收机布设在天花板上,UWB标签、电子罗盘和超声波传感器固定在机器人平台上,交换机通过屏蔽网线连接UWB接收机和中央处理器;
步骤2、提取环境固定特征,初始化环境地图;
步骤3、机器人移动过程中,UWB标签发送由超宽频脉冲组成的脉冲数据包给UWB接收机,UWB接收机通过交换机将脉冲数据包到达各个接收机的时间差发送给中央处理器,中央处理器根据三边加权质心算法初步确定UWB标签的位置;
步骤4、电子罗盘采集机器人的当前航向角信息,超声波传感器采集当前返回的超声波信号,中央处理器根据超声波传感器采集信号和卡尔曼滤波算法得到障碍物的位置信息,并对环境地图进行更新;
步骤5、中央处理器根据双层卡尔曼滤波算法融合初步确定的UWB标签的位置、当前航向角信息和障碍物的位置信息,得到机器人当前精确位姿信息,再返回步骤3继续机器人的定位和环境建模。
该方法还包括将地图上传至云端的步骤。
步骤1每隔30-100米设置一个UWB接收机,每个UWB接收机通过菊花链首尾相连或星型连接的方式与交换机连接。
步骤2提取的环境固定特征包括墙、桌子、UWB基站。
步骤3的三边加权质心算法具体为:首先从所有接收到脉冲数据包的UWB接收机中任选三个组成一组,以每个UWB接收机坐标为圆心,以UWB接收机到UWB标签的距离为半径画圆;然后根据交点组成的三角形,求其质心坐标(xk,yk),k=1,2,…l,l为组合得到的质心总数;接着根据距离越大定位误差越大的原则,对每个组合的质心坐标赋以权值,其中权值由UWB标签到对应质心距离的倒数确定;最后对每个组合的质心加权得到最终的UWB标签定位结果,具体计算公式如下:
式中,(xi,yi)为质心坐标,Li为与UWB标签到对应质心的距离。
步骤5双层卡尔曼滤波算法由两部分组成:底层卡尔曼滤波和顶层卡尔曼滤波,其中底层采用扩展卡尔曼滤波模型,以初步确定UWB标签的位置作为基本状态,以当前航向角信息作为观测值,对先验估计修正得到后验估计,以提取实际到达时间所需的相对位置信息;顶层采用卡尔曼滤波模型,以每个超声波观测周期内的机器人位移变化量作为基本状态更新的输入,通过ATOA方法计算得到的当前坐标作为观测更新,以得到机器人当前精确位姿信息。
本发明与现有技术相比,其显著优点为:1)本发明采用UWB定位技术,不易受室内灯光等环境因素、非视距传播和多径效应的影响,抗干扰性、稳定性强,定位精度更高,定位精度能达到厘米级;2)本发明融合多传感器辅助定位,提高了定位精度,实现了对机器人下一位姿的预测;3)本发明采用三边加权质心定位算法,减小了计算误差,提高了定位精度;4)本发明采用绝对坐标系固定UWB接收机,避免了相对坐标系定位带来的累积误差;5)本发明采用双层卡尔曼滤波算法处理UWB标签初步位置信息、当前航向角信息和障碍物位置信息,较单层卡尔曼滤波算法和扩展卡尔曼滤算法,提高了结果的精度;6)本发明将机器人位姿及实时地图信息存入云端,提高了资源利用率,同时还可以实现机器人的多机互联、资源共享以及远程控制。
附图说明
图1为本发明的方法流程图。
图2为本发明双层卡尔曼滤波算法的过程图。
图3为本发明中央处理器、交换机与UWB接收机的连接方式图。
图4为本发明UWB与基站以菊花链首尾相连的连接方式图。
图5为本发明UWB与基站以星型相连的连接方式图。
具体实施方式
下面结合附图和具体实施例,进一步阐述本发明方案。
实施例1:
本发明实施例中,首先配置交换机网络参数,按照每隔30-100米左右的原则在天花板上布置UWB接收机,将每个UWB接收机通过菊花链首尾相连或星型连接的方式用屏蔽网线与交换机连接,一方面可实现定位区域信号全覆盖,另一方面可减少UWB接收机的部署数量。室内环境的改变势必会影响信号衰减程度,故UWB接收机放置间距需要根据实际情况有所调整。当室内面积较小时,UWB接收机相互间距设置在30米左右,该距离不宜过小,否则易造成干扰,影响定位精度;当室内面积较大时,则可以将接收机间距放大,最大可达到100左右。
然后,将超声波传感器、电子罗盘、UWB定位标签固定在机器人上,其中超声波传感器均匀固定在机器人平台周围距地面20cm处,且与水平面以5°角度向下倾斜。当机器人平台较小,则将至少4个超声波传感器以不小于e(e的具体参数要根据相应超声波传感器的检测曲线来确定)的间距均匀放置在机器人平台上,而机器人平台较大时,则可将若干传感器以10cm左右间距放置。
再将交换机数据传输端口、超声波传感器和电子罗盘与中央处理器连接,UWB标签与UWB接收机建立连接。
如图一所示,硬件连接完成后,将室内环境按比例缩小至地图上,并提取环境固定特征,如墙、桌子、UWB接收机等,并将其上传至云端。本实例采用栅格法以ARCGIS软件创建初始地图(接收机、参考标签位置要以点标注在地图上),具体为以白色表示无障碍物、黑色表示障碍物的方式标注出室内物体,并将UWB接收机位置以一格标注出来。当栅格划分过小的时候,处理数据量过大,划分过大又会影响定位及路径规划精度,因此考虑将栅格大小定在1cm左右。
接着,在机器人移动过程中,UWB标签反复发送由超宽频脉冲组成的脉冲数据包,UWB接收机接收这些脉冲数据包并上传至交换机,交换机通过屏蔽网线给接收机供电,同时给接收机发送时钟源和串行通讯数据,并将脉冲数据包到达各个接收机的时间差(即TDOA检测方法)等数据信息通过交换机的通讯串口上传至中央处理器,中央处理器根据三边加权质心算法初步确定定位标签的位置,具体的,三边加权质心定位算法,是在确定距离后,从所有接收到脉冲信号的接收机中任选三个组成一组,以每个接收机坐标为圆心,测得的接收机到定位终端距离为半径画圆,然后根据交点组成的三角形,求其质心。然后,根据距离越大定位误差越大的原则,对每个组合的质心坐标赋以权值,该权值由UWB标签到对应质心距离(Lk)的倒数确定。最后,将每个组合得到的结果加权得到最终的UWB标签定位结果(x,y),具体计算公式如下:其中(xi,yi)为质心坐标,li为与UWB标签到对应质心的距离。
由电子罗盘可得到机器人的当前航向角信息,将超声波传感器采集的返回信号上传至中央处理器,中央处理器经卡尔曼滤波算法可得到障碍物的位置信息,并根据该位置信息实时更新云端地图信息,即利用超声波接收器接收到的超声波回波,根据发射与接收之间的时间差可计算出超声波传感器到障碍物的距离,结合该测距结果和机器人位姿信息可在地图上标示出障碍物位置,若该障碍物与初始地图中的标示重合,则地图不变,反之则在地图上添加该障碍物信息,即用黑色表示出来,以实现同时定位与环境建模。
最后,采用双层卡尔曼滤波算法DLKF处理初步确定的UWB标签的位置信息、当前航向角及由超声波传感器所得的障碍物位置信息,以得到机器人当前精确位姿信息。其中双层卡尔曼滤波算法包括底层卡尔曼滤波和顶层卡尔曼滤波。底层采用扩展卡尔曼滤波模型,以UWB定位信息作为基本状态,以电子罗盘获得的当前航向角信息作为观测值对先验估计修正得到后验估计,底层用作提取实际到达时间(ATOA)所需的相对位置信息;顶层采用卡尔曼滤波模型,以底层中每个超声波观测周期内机器人的位移变化量作为基本状态输入,以当前时刻通过ATOA方法计算得到的当前坐标作为观测更新,从而得到精确的UWB标签位姿信息。
Claims (6)
1.基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于,包括如下步骤:
步骤1、搭建***,该***包括交换机、UWB接收机、UWB标签、电子罗盘、若干个超声波传感器和中央处理器,其中UWB接收机布设在天花板上,UWB标签、电子罗盘和超声波传感器固定在机器人平台上,交换机通过屏蔽网线连接UWB接收机和中央处理器;
步骤2、提取环境固定特征,初始化环境地图;
步骤3、机器人移动过程中,UWB标签发送由超宽频脉冲组成的脉冲数据包给UWB接收机,UWB接收机通过交换机将脉冲数据包到达各个接收机的时间差发送给中央处理器,中央处理器根据三边加权质心算法初步确定UWB标签的位置;
步骤4、电子罗盘采集机器人的当前航向角信息,超声波传感器采集当前返回的超声波信号,中央处理器根据超声波传感器采集信号和卡尔曼滤波算法得到障碍物的位置信息,并对环境地图进行更新;
步骤5、中央处理器根据双层卡尔曼滤波算法融合初步确定的UWB标签的位置、当前航向角信息和障碍物的位置信息,得到机器人当前精确位姿信息,再返回步骤3继续机器人的定位和环境建模。
2.根据权利要求1所述的基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于,该方法还包括将地图上传至云端的步骤。
3.根据权利要求1所述的基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于,步骤1每隔30-100米设置一个UWB接收机,每个UWB接收机通过菊花链首尾相连或星型连接的方式与交换机连接。
4.根据权利要求1所述的基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于,步骤2提取的环境固定特征包括墙、桌子、UWB基站。
5.根据权利要求1所述的基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于,步骤3的三边加权质心算法具体为:首先从所有接收到脉冲数据包的UWB接收机中任选三个组成一组,以每个UWB接收机坐标为圆心,以UWB接收机到UWB标签的距离为半径画圆;然后根据交点组成的三角形,求其质心坐标(xk,yk),k=1,2,…l,l为组合得到的质心总数;接着根据距离越大定位误差越大的原则,对每个组合的质心坐标赋以权值,其中权值由UWB标签到对应质心距离的倒数确定;最后对每个组合的质心加权得到最终的UWB标签定位结果,具体计算公式如下:
<mrow>
<mi>x</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>L</mi>
<mn>1</mn>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>L</mi>
<mn>2</mn>
</mrow>
</mfrac>
<mo>+</mo>
<mo>...</mo>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mo>...</mo>
</mrow>
</mfrac>
</mrow>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>L</mi>
<mn>1</mn>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>L</mi>
<mn>2</mn>
</mrow>
</mfrac>
<mo>+</mo>
<mo>...</mo>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mo>...</mo>
</mrow>
</mfrac>
</mrow>
式中,(xi,yi)为质心坐标,Li为与UWB标签到对应质心的距离。
6.根据权利要求1所述的基于UWB与多传感器的室内机器人的定位与环境建模方法,其特征在于:步骤5双层卡尔曼滤波算法由两部分组成:底层卡尔曼滤波和顶层卡尔曼滤波,其中底层采用扩展卡尔曼滤波模型,以初步确定UWB标签的位置作为基本状态,以当前航向角信息作为观测值,对先验估计修正得到后验估计,以提取实际到达时间所需的相对位置信息;顶层采用卡尔曼滤波模型,以每个超声波观测周期内的机器人位移变化量作为基本状态更新的输入,通过ATOA方法计算得到的当前坐标作为观测更新,以得到机器人当前精确位姿信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801558.3A CN107515384A (zh) | 2017-09-07 | 2017-09-07 | 基于uwb与多传感器的室内机器人的定位与环境建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801558.3A CN107515384A (zh) | 2017-09-07 | 2017-09-07 | 基于uwb与多传感器的室内机器人的定位与环境建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107515384A true CN107515384A (zh) | 2017-12-26 |
Family
ID=60723909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710801558.3A Pending CN107515384A (zh) | 2017-09-07 | 2017-09-07 | 基于uwb与多传感器的室内机器人的定位与环境建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107515384A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152792A (zh) * | 2017-12-29 | 2018-06-12 | 同方威视技术股份有限公司 | 定位移动设备的方法、移动设备和定位*** |
CN108572647A (zh) * | 2018-07-24 | 2018-09-25 | 南京阿凡达机器人科技有限公司 | 一种基于移动机器人的智能家居管理方法和管理平台 |
CN108680176A (zh) * | 2018-05-16 | 2018-10-19 | 电子科技大学 | 一种盲人导航避障地图的生成方法 |
CN108803620A (zh) * | 2018-07-25 | 2018-11-13 | 梁步阁 | 一种用于机器人的uwb定位*** |
CN108827316A (zh) * | 2018-08-20 | 2018-11-16 | 南京理工大学 | 基于改进的Apriltag标签的移动机器人视觉定位方法 |
CN109116851A (zh) * | 2018-09-05 | 2019-01-01 | 南京理工大学 | 一种基于地图切换的巡检机器人进出库算法 |
CN109283490A (zh) * | 2018-11-14 | 2019-01-29 | 东南大学 | 基于混合最小二乘法的泰勒级数展开的uwb定位方法 |
CN109348409A (zh) * | 2018-11-07 | 2019-02-15 | 北京京东金融科技控股有限公司 | 定位处理方法、装置、智能硬件设备以及存储介质 |
CN109375158A (zh) * | 2018-09-25 | 2019-02-22 | 北京工业大学 | 基于UGO Fusion的移动机器人定位方法 |
CN109491395A (zh) * | 2018-12-24 | 2019-03-19 | 山东农业大学 | 温室自主作业导航控制装置、方法及控制器 |
CN109541535A (zh) * | 2019-01-11 | 2019-03-29 | 浙江智澜科技有限公司 | 一种基于uwb和视觉slam的agv室内定位及导航的方法 |
CN109633537A (zh) * | 2018-12-27 | 2019-04-16 | 浙江绿晶环境服务有限公司 | 一种基于uwb测距的员工定位*** |
CN110244715A (zh) * | 2019-05-23 | 2019-09-17 | 西安理工大学 | 一种基于超宽带技术的多移动机器人高精度协同跟踪方法 |
CN111240341A (zh) * | 2020-02-14 | 2020-06-05 | 南京理工大学 | 一种基于uwb和激光雷达传感器的车辆全方位跟随方法 |
CN113132894A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 定位方法及装置、wlan设备、计算设备及存储介质 |
CN113137967A (zh) * | 2021-05-19 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种机器人定位方法、装置、机器人和可读存储介质 |
CN113352300A (zh) * | 2021-06-28 | 2021-09-07 | 广东工业大学 | 一种喷涂机器人示教器及方法 |
CN117368844A (zh) * | 2023-09-28 | 2024-01-09 | 河北振创电子科技有限公司 | 爬壁机器人定位方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110101393A (ko) * | 2010-03-08 | 2011-09-16 | 인하대학교 산학협력단 | Uwb 기반 실시간 위치 인식 방법 및 시스템 |
CN104780506A (zh) * | 2015-04-22 | 2015-07-15 | 北京理工大学 | 一种基于置信水平的加权三边定位方法 |
CN105657668A (zh) * | 2016-03-16 | 2016-06-08 | 南通大学 | 一种基于uwb的室内移动机器人定位与导航控制方法 |
CN107024934A (zh) * | 2017-04-21 | 2017-08-08 | 山东大学 | 一种基于云平台的医院服务机器人及方法 |
-
2017
- 2017-09-07 CN CN201710801558.3A patent/CN107515384A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110101393A (ko) * | 2010-03-08 | 2011-09-16 | 인하대학교 산학협력단 | Uwb 기반 실시간 위치 인식 방법 및 시스템 |
CN104780506A (zh) * | 2015-04-22 | 2015-07-15 | 北京理工大学 | 一种基于置信水平的加权三边定位方法 |
CN105657668A (zh) * | 2016-03-16 | 2016-06-08 | 南通大学 | 一种基于uwb的室内移动机器人定位与导航控制方法 |
CN107024934A (zh) * | 2017-04-21 | 2017-08-08 | 山东大学 | 一种基于云平台的医院服务机器人及方法 |
Non-Patent Citations (2)
Title |
---|
吴文健: "一种改进的加权三边定位算法", 《郑州轻工业学院学报( 自然科学版)》 * |
周伦: "室内移动机器人超声波网络定位方法研究", 《万方数据库》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152792A (zh) * | 2017-12-29 | 2018-06-12 | 同方威视技术股份有限公司 | 定位移动设备的方法、移动设备和定位*** |
CN108680176A (zh) * | 2018-05-16 | 2018-10-19 | 电子科技大学 | 一种盲人导航避障地图的生成方法 |
CN108572647A (zh) * | 2018-07-24 | 2018-09-25 | 南京阿凡达机器人科技有限公司 | 一种基于移动机器人的智能家居管理方法和管理平台 |
CN108803620A (zh) * | 2018-07-25 | 2018-11-13 | 梁步阁 | 一种用于机器人的uwb定位*** |
CN108827316A (zh) * | 2018-08-20 | 2018-11-16 | 南京理工大学 | 基于改进的Apriltag标签的移动机器人视觉定位方法 |
CN109116851A (zh) * | 2018-09-05 | 2019-01-01 | 南京理工大学 | 一种基于地图切换的巡检机器人进出库算法 |
CN109375158A (zh) * | 2018-09-25 | 2019-02-22 | 北京工业大学 | 基于UGO Fusion的移动机器人定位方法 |
CN109348409A (zh) * | 2018-11-07 | 2019-02-15 | 北京京东金融科技控股有限公司 | 定位处理方法、装置、智能硬件设备以及存储介质 |
CN109283490A (zh) * | 2018-11-14 | 2019-01-29 | 东南大学 | 基于混合最小二乘法的泰勒级数展开的uwb定位方法 |
CN109491395A (zh) * | 2018-12-24 | 2019-03-19 | 山东农业大学 | 温室自主作业导航控制装置、方法及控制器 |
CN109633537A (zh) * | 2018-12-27 | 2019-04-16 | 浙江绿晶环境服务有限公司 | 一种基于uwb测距的员工定位*** |
CN109541535A (zh) * | 2019-01-11 | 2019-03-29 | 浙江智澜科技有限公司 | 一种基于uwb和视觉slam的agv室内定位及导航的方法 |
CN110244715A (zh) * | 2019-05-23 | 2019-09-17 | 西安理工大学 | 一种基于超宽带技术的多移动机器人高精度协同跟踪方法 |
CN110244715B (zh) * | 2019-05-23 | 2022-09-30 | 西安理工大学 | 一种基于超宽带技术的多移动机器人高精度协同跟踪方法 |
CN113132894A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 定位方法及装置、wlan设备、计算设备及存储介质 |
CN111240341A (zh) * | 2020-02-14 | 2020-06-05 | 南京理工大学 | 一种基于uwb和激光雷达传感器的车辆全方位跟随方法 |
CN113137967A (zh) * | 2021-05-19 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种机器人定位方法、装置、机器人和可读存储介质 |
WO2022242075A1 (zh) * | 2021-05-19 | 2022-11-24 | 深圳市优必选科技股份有限公司 | 一种机器人定位方法、装置、机器人和可读存储介质 |
CN113137967B (zh) * | 2021-05-19 | 2023-05-26 | 深圳市优必选科技股份有限公司 | 一种机器人定位方法、装置、机器人和可读存储介质 |
CN113352300A (zh) * | 2021-06-28 | 2021-09-07 | 广东工业大学 | 一种喷涂机器人示教器及方法 |
CN113352300B (zh) * | 2021-06-28 | 2024-06-18 | 广东工业大学 | 一种喷涂机器人示教器及方法 |
CN117368844A (zh) * | 2023-09-28 | 2024-01-09 | 河北振创电子科技有限公司 | 爬壁机器人定位方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515384A (zh) | 基于uwb与多传感器的室内机器人的定位与环境建模方法 | |
CN104284419B (zh) | 一种基于iBeacon的室内定位及辅助导航方法、装置和*** | |
CN104849740B (zh) | 集成卫星导航与蓝牙技术的室内外无缝定位***及其方法 | |
CN105547301B (zh) | 基于地磁的室内地图构建方法与装置 | |
CN109633537A (zh) | 一种基于uwb测距的员工定位*** | |
CN102927980B (zh) | 一种基于三维多点无线与微惯导的室内定位***、方法 | |
CN104655137B (zh) | 行人航迹推测辅助的Wi‑Fi信号指纹定位算法 | |
CN103476109B (zh) | 一种室内ap定位方法 | |
CN110446159A (zh) | 一种室内无人机精确定位与自主导航的***及方法 | |
CN103905992B (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
CN109195099A (zh) | 一种基于iBeacon和PDR融合的室内定位方法 | |
CN107544501A (zh) | 一种智能机器人智慧行走控制***及其方法 | |
CN103561462A (zh) | 一种完全基于智能移动终端平台的室内定位***和方法 | |
CN105588566A (zh) | 一种基于蓝牙与mems融合的室内定位***及方法 | |
CN109541535A (zh) | 一种基于uwb和视觉slam的agv室内定位及导航的方法 | |
CN105578417A (zh) | 一种移动中的人员的室内定位方法 | |
CN108716918A (zh) | 一种基于网格聚类的rssi室内定位算法 | |
CN104703118A (zh) | 一种室内机器人基于蓝牙技术定位移动终端的*** | |
CN103338516A (zh) | 一种基于总体最小二乘的无线传感器网络两步定位方法 | |
CN106646366A (zh) | 基于粒子滤波算法和智能设备的可见光定位方法和*** | |
CN105509716B (zh) | 一种基于增强现实技术的地理信息采集方法及装置 | |
CN105510870B (zh) | 一种智能设备室内定位***和方法 | |
CN109298436A (zh) | 一种多信息融合的室内定位与导航方法 | |
CN103068043A (zh) | 一种基于wifi和加速度传感器的室内精确定位方法 | |
CN106525044A (zh) | 基于船体结构图的大型舰艇的人员定位导航***及其方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171226 |