CN109579830A - 智能机器人的导航方法和导航*** - Google Patents
智能机器人的导航方法和导航*** Download PDFInfo
- Publication number
- CN109579830A CN109579830A CN201710908778.6A CN201710908778A CN109579830A CN 109579830 A CN109579830 A CN 109579830A CN 201710908778 A CN201710908778 A CN 201710908778A CN 109579830 A CN109579830 A CN 109579830A
- Authority
- CN
- China
- Prior art keywords
- data
- navigation
- source data
- configuration information
- intelligent robot
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种智能机器人的导航方法,包括:获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关;读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种;利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息;根据所述修正后的位置信息对所述智能机器人导航。本发明提供的导航***和导航方法,基于智能机器人的操作***,可以通过配置信息确认参与融合计算的数据,进而提高定位的准确度,并使其适应于多种环境。本申请同时公开了一种智能机器人的导航***。
Description
技术领域
本发明涉及显示技术领域,更具体地,涉及一种用于LED显示屏的视频数据的传输方法、传输装置和驱动装置。
背景技术
导航***是移动机器人的重要组成部分之一,它能够提供给机器人正确的位置和姿态信息,从而使得机器人能在一定的环境中进行工作,完成指定的任务。机器人的导航***也是实现移动机器人路径规划,避障避碰,智能自主控制的基础。
目前最广泛应用的是卫星导航***(GPS导航***),采用全球24 颗人造卫星进行定位,获取到的定位信息包括经纬度,时间、航向、速度等。还有就是采用各种非视觉的传感器进行导航的方法,即在机器人实体上安装各种非视觉的传感器实现对机器人的定位与导航,非视觉的传感器例如,如里程计,磁惯传感器,超声传感器、红外传感器、接触传感器等。另外,在机器人本体上安装摄像头,摄像头定时拍摄图像,通过图像分析也能够进行定位导航。
但以上几种进行导航定位的方式各种其局限性。GPS导航***在高楼大厦密布的室内环境中,其导航信号可能被阻塞,从而使导航失效。传感器导航方法需要采用多个传感器进行计算,成本较高。图像定位方法对于景物变化较小的环境,例如沙漠,而且由于实时性不佳,其导航效果一般。
因此,应用于机器人的导航方法有待于继续改进,使其能够尽可能地兼具多种导航方式的优点,同时,具有很大的适用性。
发明内容
有鉴于此,本发明实施例提供一种应用于机器人的导航方法和导航***,能够兼具上述导航方式的优点,同时适应性也较佳。
根据本发明的第一方面,提供一种智能机器人的导航方法,包括:
获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关;
读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种;
利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息;
根据所述修正后的位置信息对所述智能机器人导航。
优选地,所述获取多源数据包括以下一种或几种方式:
获取GPS导航数据;
通过安装在智能机器人本体上的惯性导航单元获取传感器数据;
通过安装在智能机器人本体上的摄像头拍摄图像,采用图像匹配算法计算获得相关数据。
优选地,所述配置信息用于描述多源数据格式。
优选地,所述导航方法还包括:确定GPS***、惯性导航单元和摄像头是否异常。
优选地,所述导航方法还包括;当GPS***、惯性导航单元或摄像头异常时,修改所述配置信息中相关的配置项。
根据本发明的第二方面,提供一种智能机器人的导航***,包括:
数据获取模块,用于获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关;
融合数据确定模块,用于读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种;
配置模块,用于定义和存储配置信息;
卡尔曼计算单元,用于利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息输出。
优选地,所述数据获取模块包括:
GPS单元,用于获取GPS导航数据;
传感器单元,用于通过安装在智能机器人本体上的惯性导航单元获取传感器数据;
图像匹配单元,用于通过安装在智能机器人本体上的摄像头拍摄图像,采用图像匹配算法计算获得相关数据。
优选地,所述配置信息用于描述多源数据格式和是否采用。
优选地,所述导航***还包括:异常检测单元,用于确定GPS***、惯性导航单元和摄像头是否异常。
优选地,所述导航***还包括;当所述异常检测单元发现有异常状况时,通过所述配置模块修改配置信息中相关的配置项。
本发明提供的导航***和导航方法,基于智能机器人的操作***,可以通过配置信息确认参与融合计算的数据,进而提高定位的准确度,并使其适应于多种环境。例如,在没有GPS的条件下,使用惯性导航单元、雷达定位和图像识别,以优化定位效果。再例如,在比较粗犷的环境下,采用较少的传感器参与定位,在要求精度比较高的情况下,采用更多的传感器参与定位。
进一步地,可以在导航***中设置异常检测单元,当发现某种检测方式有异常时,修改配置信息,使异常检测方式获得的数据不参与扩展卡尔曼数据融合,从而节省时间,提高效率。
附图说明
通过参照以下附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例的应用于机器人的导航方法的流程图;
图2是本发明实施例的应用于机器人的导航***的示意性框图。
具体实施方式
以下将参照附图更详细地描述本发明。在各个附图中,相同的元件采用类似的附图标记来表示。为了清楚起见,附图中的各个部分没有按比例绘制。此外,可能未示出某些公知的部分。
在本申请中,
图1是本发明实施例的应用于机器人的导航方法的流程图。
如图1所示,该导航方法包括以下步骤。
在步骤101中,获取多源数据。
本申请中的多源数据为和智能机器人当前位置相关的信息,例如,经纬度、地址、机器人的姿态信息、环境信息等等。这些多源数据可用多种方式获取,例如,通过前文提及的GPS***以及安装在机器人本体上个各种传感器获取相关信息。还可以通过摄像头拍摄图像进行定位以及通过激光雷达进行定位。摄像头拍摄图像进行定位,通过分别提取两个或多个图像的特征(点、线、面等特征),对特征进行参数描述,然后根据参数获取物体的运动信息。激光雷达能够感知移动平台周围的环境,获取周围环境的带有距离、角度等信息的激光扫描点,构建实时电子地图,即环境信息。
在步骤102中,根据配置信息确定采用多源数据中的一种或几种。
配置信息用于配置多源数据的格式以及数据可用性。因此可以根据配置信息实现对多源数据的格式检查。另外,由于配置信息是可以配置的,因此增加数据可用性的配置项指明对应的数据是否可用于之后的卡尔曼滤波算法。
在步骤103中,利用扩展卡尔曼滤波算法对确定采用的多源数据中的一种或几种进行数据融合,获得修正后的位置信息。
卡尔曼滤波(Kalman filtering)一种利用线性***状态方程,通过***输入输出观测数据,对***状态进行最优估计的算法。数据滤波是去除噪声还原真实数据的一种数据处理技术,Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中,估计动态***的状态.由于,它便于计算机编程实现,并能够对现场采集的数据进行实时的更新和处理.卡尔曼最初提出的滤波理论只适用于线性***,Bucy, Sunahara等人提出并研究了扩展卡尔曼滤波(Extended Kalman Filter,简称EKF),将卡尔曼滤波理论进一步应用到非线性领域。EKF的基本思想是将非线性***线性化,然后进行卡尔曼滤波,因此EKF是一种次优滤波。在本步骤中,基于扩展卡尔曼滤波算法能够得到更精确的位置信息。
在步骤104中,根据修正后的位置信息对智能机器人导航。
在步骤中,通过修正后的位置信息能更好地指导机器人进行导航和定位。
通过本发明,能够进一步提升智能机器人的导航和定位的能力,但是本发明必须在现有的机器人操作***(ROS:The Robot Operating System)上实现。对现有的机器人操作***在此不再赘述。
在本实施例中,通过传感器获得多源数据,其中,传感器优选为惯性导航单元,惯性导航单元包括加速度计和陀螺仪,能够测量运载体本身的加速度,经过积分和运算得到速度和位置,其工作时不依赖外界信息,也不向外界辐射能量,不易受到干扰。
基于上述实施例,智能机器人以根据实际场景确定采用那种数据进行定位导航,从而提高定位准确性。例如,在室内,采用惯性导航单元导航,在沙漠环境,采用GPS和传感器导航。而且,传感器的数量可以任意增减,当需要精细化定位时,使用较多数量的传感器用于定位,当场地比较空旷,定位较为粗犷时,可以使用较少数量的传感器用于定位。
另外,基于上述实施例,可以在实验室环境中确定智能机器人各种场合下各使用何种数据。而到实际场景时,手工修改配置信息。或者,在智能机器人上安装一个检测部件,用于检测GPS***、惯性传感单元、雷达***等当前的状态是否正常,如果不正常,则发出告警信息,并自动修改配置信息,以使对应的数据不参与扩展卡尔曼算法的计算。
下面简单介绍下使用卡尔曼滤波理论进行数据融合的过程。
xk=f(xk-1)+wk-1 (1-3-1)
zk=h(xk)+vk (1-3-2)
其中xk是机器人在时间k时刻的***状态向量,如位姿,速度等(如下面表格所示),f是非线性状态的转换函数,wk-1是过程噪声。zk是在 k时刻的测量,h是非线性转换函数,vk是测量噪声,xk是15维的状态向量
第一步:预测,如下面公式(1-3-3)和(1-3-4)所示,对当前状态估计和误差协方差进行预测。
f是由牛顿力学推导出的标准三维运动学模型,F是f的雅可比矩阵,估计误差P矩阵是通过F映射然后再加上过程误差矩阵Q而得来的。
第二步,修正,如下面(1-3-5)到(1-3-7)公式所示:
利用测量协方差矩阵R和计算出卡尔曼增益K,然后利用K可以更新状态向量和协方差矩阵。标准的EKF公式中,H是来源于观测模型函数h的雅可比矩阵,但是在这里,为了支持一系列传感器数据的输入,假设H是每个传感器数据中需要估计的变量,例如,下表格中的GPS数据,如果15个量都需要用于状态估计,则H是一个简单的单位矩阵。但是在实际的状态估计时,每个传感器的输出数据都是有限的并不是这15个量都有,所以在ROS(机器人操作***)中的topic(数据包)包含的数据只是x状态向量中的某一部分,从而只能允许对状态向量进行部分更新。下面是配置信息的示例,1表示使用,0表示不使用。
表格1 配置信息
图2是本发明实施例的应用于机器人的导航***的示意性框图。
一种智能机器人的导航***,包括:数据获取模块(未示出),融合数据确定模块220、配置模块214、卡尔曼计算单元230和机器人操作***240。
数据获取模块用于获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关。
融合数据确定模块220用于读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种。
配置模块214用于定义和存储配置信息。
卡尔曼计算单元230用于利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息输出。
机器人操作***240用于机器人的操作管理。
进一步地,数据获取模块包括GPS单元211、传感器单元212和图像匹配单元213。GPS单元211用于获取GPS导航数据。传感器单元212 用于通过安装在智能机器人本体上的惯性导航单元获取传感器数据。图像匹配单元213用于通过安装在智能机器人本体上的摄像头拍摄图像,采用图像匹配算法计算获得相关数据。
进一步地,所述配置信息用于描述多源数据格式。在配置信息中包含一个配置项说明对应的数据是否参与扩展卡尔曼算法融合。
进一步地,所述导航***还包括:异常检测单元,用于确定GPS***、惯性导航单元和摄像头是否异常。
进一步地,所述导航***还包括;当所述异常检测单元发现有异常状况时,通过所述配置模块修改配置信息中的相关配置项。
综上所述,本发明提供的导航***和导航方法,基于智能机器人的操作***,可以通过配置信息确认参与融合计算的数据,进而提高定位的准确度,并使其适应于多种环境。例如,在没有GPS的条件下,使用惯性导航单元、雷达定位和图像识别,以优化定位效果。再例如,在比较粗犷的环境下,采用较少的传感器参与定位,在要求精度比较高的情况下,采用更多的传感器参与定位。
本发明实施例虽然以较佳实施例公开如上,但其并不是用来限定权利要求,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本发明的保护范围应当以本发明权利要求所界定的范围为准。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能机器人的导航方法,其特征在于,包括:
获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关;
读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种;
利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息;
根据所述修正后的位置信息对所述智能机器人导航。
2.根据权利要求1所述的导航方法,其特征在于,所述获取多源数据包括以下一种或几种方式:
获取GPS导航数据;
通过安装在智能机器人本体上的惯性导航单元获取传感器数据;
通过安装在智能机器人本体上的摄像头拍摄图像,采用图像匹配算法计算获得相关数据。
3.根据权利要求2所述的导航方法,其特征在于,所述配置信息用于描述多源数据格式。
4.根据权利要求3所述的导航方法,其特征在于,还包括:确定GPS***、惯性导航单元和摄像头是否异常。
5.根据权利要求4所述的导航方法,其特征在于,还包括;当确定GPS***、惯性导航单元或摄像头异常时,修改所述配置信息中的相关配置项。
6.一种智能机器人的导航***,其特征在于,包括:
数据获取模块,用于获取多源数据,所述多源数据和所述智能机器人的当前位置信息相关;
融合数据确定模块,用于读取配置信息,根据所述配置信息确定采用所述多源数据中的一种或几种;
配置模块,用于定义和存储配置信息;
卡尔曼计算单元,用于利用扩展卡尔曼滤波算法对确定采用的所述多源数据中的一种或几种进行数据融合,获得修正后的位置信息输出。
7.根据权利要求6所述的导航***,其特征在于,所述数据获取模块包括:
GPS单元,用于获取GPS导航数据;
传感器单元,用于通过安装在智能机器人本体上的惯性导航单元获取传感器数据;
图像匹配单元,用于通过安装在智能机器人本体上的摄像头拍摄图像,采用图像匹配算法计算获得相关数据。
8.根据权利要求7所述的导航***,其特征在于,所述配置信息用于描述多源数据格式。
9.根据权利要求8所述的导航***,其特征在于,还包括:异常检测单元,用于确定GPS***、惯性导航单元和摄像头是否异常。
10.根据权利要求9所述的导航***,其特征在于,还包括;当所述异常检测单元发现有异常状况时,通过所述配置模块修改配置信息中的相关配置项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908778.6A CN109579830A (zh) | 2017-09-29 | 2017-09-29 | 智能机器人的导航方法和导航*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908778.6A CN109579830A (zh) | 2017-09-29 | 2017-09-29 | 智能机器人的导航方法和导航*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109579830A true CN109579830A (zh) | 2019-04-05 |
Family
ID=65914250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710908778.6A Pending CN109579830A (zh) | 2017-09-29 | 2017-09-29 | 智能机器人的导航方法和导航*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109579830A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047373A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于通用应用处理器的高精度地图生成*** |
CN110047372A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于可重构计算的高精度地图生成*** |
CN110587610A (zh) * | 2019-09-23 | 2019-12-20 | 芜湖安普机器人产业技术研究院有限公司 | 基于5g云调度***的农场用独立悬架移动机器人控制*** |
CN114815795A (zh) * | 2021-01-28 | 2022-07-29 | 广州视源电子科技股份有限公司 | 机器人的控制方法及装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6002936A (en) * | 1998-03-09 | 1999-12-14 | Ericsson Inc. | System and method for informing network of terminal-based positioning method capabilities |
CN1449500A (zh) * | 2000-06-30 | 2003-10-15 | 诺基亚有限公司 | 定位方法及设备 |
CN1940590A (zh) * | 2005-09-30 | 2007-04-04 | 英业达股份有限公司 | 定位方法以及*** |
US20070142063A1 (en) * | 2005-12-19 | 2007-06-21 | Inventec Corporation | Positioning method and system |
CN101046385A (zh) * | 2007-04-20 | 2007-10-03 | 北京航空航天大学 | 一种航空用组合导航***体系结构实现方法 |
CN101782654A (zh) * | 2009-12-24 | 2010-07-21 | 中国测绘科学研究院 | 一种结合多种定位方法的定位终端设备 |
CN102036165A (zh) * | 2010-12-16 | 2011-04-27 | 中兴通讯股份有限公司 | 支持多种定位方式的定位方法及用户终端 |
CN102279404A (zh) * | 2010-06-13 | 2011-12-14 | 上海伽利略导航有限公司 | 一种无缝定位方法及装置 |
CN103048671A (zh) * | 2011-11-16 | 2013-04-17 | 郭杭 | 全球导航卫星***RTD、MEMS-IMU、ZigBee组合高精度无缝导航新方法 |
CN103414825A (zh) * | 2013-08-15 | 2013-11-27 | 惠州Tcl移动通信有限公司 | 基于传感器组的情景模式切换方法及其移动终端 |
CN103644905A (zh) * | 2013-12-18 | 2014-03-19 | 上海交通大学 | 一种情境相关的室内定位方法及*** |
CN103733084A (zh) * | 2011-05-26 | 2014-04-16 | 克朗设备有限公司 | 用于对工业车辆提供准确定位的方法和设备 |
CN104359484A (zh) * | 2014-11-13 | 2015-02-18 | 广东好帮手电子科技股份有限公司 | 一种具有泛定位功能的北斗导航车载终端及*** |
CN104677351A (zh) * | 2015-01-26 | 2015-06-03 | 泰科智慧科技(北京)有限公司 | 一种基于多种信号融合的人员定位***及方法 |
CN105628024A (zh) * | 2015-12-29 | 2016-06-01 | 中国电子科技集团公司第二十六研究所 | 基于多传感器融合的单人定位导航器和定位导航方法 |
CN106291635A (zh) * | 2016-07-25 | 2017-01-04 | 无锡知谷网络科技有限公司 | 用于室内定位的方法及*** |
CN106341793A (zh) * | 2016-11-04 | 2017-01-18 | 广东小天才科技有限公司 | 一种定位的方法及装置 |
CN106358154A (zh) * | 2016-09-07 | 2017-01-25 | 中国人民解放军国防科学技术大学 | 一种模块化的可扩展室内外无缝定位方法 |
US20170023659A1 (en) * | 2015-05-08 | 2017-01-26 | 5D Robotics, Inc. | Adaptive positioning system |
CN206132067U (zh) * | 2016-06-29 | 2017-04-26 | 陕西国际商贸学院 | 一种融合导航处理*** |
WO2017088154A1 (zh) * | 2015-11-26 | 2017-06-01 | 华为技术有限公司 | 一种情景模式切换的方法 |
CN106980131A (zh) * | 2016-01-19 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种定位方法、装置和智能终端 |
CN107124699A (zh) * | 2017-05-05 | 2017-09-01 | 广东小天才科技有限公司 | 终端设备定位方法及装置 |
-
2017
- 2017-09-29 CN CN201710908778.6A patent/CN109579830A/zh active Pending
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6002936A (en) * | 1998-03-09 | 1999-12-14 | Ericsson Inc. | System and method for informing network of terminal-based positioning method capabilities |
CN1449500A (zh) * | 2000-06-30 | 2003-10-15 | 诺基亚有限公司 | 定位方法及设备 |
CN1940590A (zh) * | 2005-09-30 | 2007-04-04 | 英业达股份有限公司 | 定位方法以及*** |
US20070142063A1 (en) * | 2005-12-19 | 2007-06-21 | Inventec Corporation | Positioning method and system |
CN101046385A (zh) * | 2007-04-20 | 2007-10-03 | 北京航空航天大学 | 一种航空用组合导航***体系结构实现方法 |
CN101782654A (zh) * | 2009-12-24 | 2010-07-21 | 中国测绘科学研究院 | 一种结合多种定位方法的定位终端设备 |
CN102279404A (zh) * | 2010-06-13 | 2011-12-14 | 上海伽利略导航有限公司 | 一种无缝定位方法及装置 |
CN102036165A (zh) * | 2010-12-16 | 2011-04-27 | 中兴通讯股份有限公司 | 支持多种定位方式的定位方法及用户终端 |
CN103733084A (zh) * | 2011-05-26 | 2014-04-16 | 克朗设备有限公司 | 用于对工业车辆提供准确定位的方法和设备 |
CN103048671A (zh) * | 2011-11-16 | 2013-04-17 | 郭杭 | 全球导航卫星***RTD、MEMS-IMU、ZigBee组合高精度无缝导航新方法 |
CN103414825A (zh) * | 2013-08-15 | 2013-11-27 | 惠州Tcl移动通信有限公司 | 基于传感器组的情景模式切换方法及其移动终端 |
CN103644905A (zh) * | 2013-12-18 | 2014-03-19 | 上海交通大学 | 一种情境相关的室内定位方法及*** |
CN104359484A (zh) * | 2014-11-13 | 2015-02-18 | 广东好帮手电子科技股份有限公司 | 一种具有泛定位功能的北斗导航车载终端及*** |
CN104677351A (zh) * | 2015-01-26 | 2015-06-03 | 泰科智慧科技(北京)有限公司 | 一种基于多种信号融合的人员定位***及方法 |
US20170023659A1 (en) * | 2015-05-08 | 2017-01-26 | 5D Robotics, Inc. | Adaptive positioning system |
WO2017088154A1 (zh) * | 2015-11-26 | 2017-06-01 | 华为技术有限公司 | 一种情景模式切换的方法 |
CN105628024A (zh) * | 2015-12-29 | 2016-06-01 | 中国电子科技集团公司第二十六研究所 | 基于多传感器融合的单人定位导航器和定位导航方法 |
CN106980131A (zh) * | 2016-01-19 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种定位方法、装置和智能终端 |
CN206132067U (zh) * | 2016-06-29 | 2017-04-26 | 陕西国际商贸学院 | 一种融合导航处理*** |
CN106291635A (zh) * | 2016-07-25 | 2017-01-04 | 无锡知谷网络科技有限公司 | 用于室内定位的方法及*** |
CN106358154A (zh) * | 2016-09-07 | 2017-01-25 | 中国人民解放军国防科学技术大学 | 一种模块化的可扩展室内外无缝定位方法 |
CN106341793A (zh) * | 2016-11-04 | 2017-01-18 | 广东小天才科技有限公司 | 一种定位的方法及装置 |
CN107124699A (zh) * | 2017-05-05 | 2017-09-01 | 广东小天才科技有限公司 | 终端设备定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
孔凡天等: "基于多传感器信息融合的移动机器人导航***", 《计算机工程与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047373A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于通用应用处理器的高精度地图生成*** |
CN110047372A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于可重构计算的高精度地图生成*** |
CN110587610A (zh) * | 2019-09-23 | 2019-12-20 | 芜湖安普机器人产业技术研究院有限公司 | 基于5g云调度***的农场用独立悬架移动机器人控制*** |
CN114815795A (zh) * | 2021-01-28 | 2022-07-29 | 广州视源电子科技股份有限公司 | 机器人的控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102463176B1 (ko) | 위치 추정 장치 및 방법 | |
Costanzi et al. | An attitude estimation algorithm for mobile robots under unknown magnetic disturbances | |
US20200124421A1 (en) | Method and apparatus for estimating position | |
CN104729506B (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
Brossard et al. | Unscented Kalman filter on Lie groups for visual inertial odometry | |
Maier et al. | Improved GPS sensor model for mobile robots in urban terrain | |
Panahandeh et al. | Vision-aided inertial navigation based on ground plane feature detection | |
EP2133662B1 (en) | Methods and system of navigation using terrain features | |
EP2434256B1 (en) | Camera and inertial measurement unit integration with navigation data feedback for feature tracking | |
CN111338383B (zh) | 基于gaas的自主飞行方法及***、存储介质 | |
CN109579830A (zh) | 智能机器人的导航方法和导航*** | |
KR102627453B1 (ko) | 위치 추정 장치 및 방법 | |
US20130162785A1 (en) | Method and system for fusing data arising from image sensors and from motion or position sensors | |
EP2226246A2 (en) | System and methods for displaying video with improved spatial awareness | |
CN109668553A (zh) | 基于惯性的导航设备和基于相对预积分的惯性导航方法 | |
Wahdan et al. | Three-dimensional magnetometer calibration with small space coverage for pedestrians | |
CN111025366B (zh) | 基于ins及gnss的网格slam的导航***及方法 | |
KR102219843B1 (ko) | 자율주행을 위한 위치 추정 장치 및 방법 | |
US20100265327A1 (en) | System for recording Surroundings | |
Kachurka et al. | WeCo-SLAM: Wearable cooperative SLAM system for real-time indoor localization under challenging conditions | |
CN108613675B (zh) | 低成本无人飞行器移动测量方法及*** | |
CN105184268A (zh) | 手势识别设备、手势识别方法及虚拟现实*** | |
Song et al. | HAUD: A high-accuracy underwater dataset for visual-inertial odometry | |
Xian et al. | Fusing stereo camera and low-cost inertial measurement unit for autonomous navigation in a tightly-coupled approach | |
Qian et al. | Optical flow based step length estimation for indoor pedestrian navigation on a smartphone |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |