CN113137967B - 一种机器人定位方法、装置、机器人和可读存储介质 - Google Patents
一种机器人定位方法、装置、机器人和可读存储介质 Download PDFInfo
- Publication number
- CN113137967B CN113137967B CN202110545895.7A CN202110545895A CN113137967B CN 113137967 B CN113137967 B CN 113137967B CN 202110545895 A CN202110545895 A CN 202110545895A CN 113137967 B CN113137967 B CN 113137967B
- Authority
- CN
- China
- Prior art keywords
- robot
- positioning
- angle
- relative
- distance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 40
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了一种机器人定位方法、装置、机器人和可读存储介质,所述机器人包括通信模块,所述通信模块用于接收各个定位标签发送的脉冲信号,该方法包括:基于机器人的惯性数据估计机器人当前时刻的估计位姿,通过机器人当前时刻的估计位姿对应的估计角度确定各个定位标签中的角度可靠标签,基于角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。本技术方案利用高频率的惯性测量单元具有高频率采集惯性数据的特点,利用惯性测量单元采集机器人移动时的惯性数据,将基于高频率的惯性测量单元的定位与基于通信模块‑标签的定位融合,以对快速移动的机器人实现准确定位。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种机器人定位方法、装置、机器人和可读存储介质。
背景技术
定位技术是移动机器人导航的一项关键技术。通过定位装置对机器人进行实时精准定位,以使导航***能够根据机器人的精确定位,规划路径,进而控制机器人完成工作。
目前常用的机器人定位方式有固定轨道定位、基于虚拟轨道的视觉定位、基于深度学习的移动机器人视觉定位等,这些定位方式均存在不足之处。例如,固定轨道定位,需要在地面上铺设金属导线或磁钉的导轨,机器人在导轨上行走,但是,导轨不仅安装不方便,而且维护成本高;基于虚拟轨道的视觉定位,需要在地面上画引导线、或者铺设色带、或者铺设二维码导航带,但是,虚拟轨道容易被灰尘或可移动的遮挡物遮盖,导致机器人无法准确定位;基于深度学习的移动机器人视觉定位方法,算法复杂、计算难度大,该方法过于理想,实用性较低。
发明内容
鉴于上述问题,本申请提出一种机器人定位方法、装置、机器人和可读存储介质。
本申请提出一种机器人定位方法,所述方法包括:
获取机器人和各个定位标签之间的相对距离和相对角度;
获取所述机器人的惯性数据;
根据惯性数据估计所述机器人在当前时刻的估计位姿;
根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签;
根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。
本申请所述的机器人定位方法,所述机器人的预定位置上安装有第一天线和第二天线,所述第一天线和所述第二天线用于接收所述各个定位标签发送的脉冲信号,所述获取机器人和各个定位标签之间的相对距离和相对角度,包括:
获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数;
获取第i个定位标签与所述第二天线之间的第二距离;
确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差;
根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
本申请所述的机器人定位方法,所述惯性数据包括所述机器人的线加速度和角速度,所述根据所述惯性数据估计所述机器人在当前时刻的估计位姿,包括:
根据所述惯性数据中上一时刻的线加速度估计上一时刻到当前时刻内所述机器人的位移变化量;
根据所述惯性数据中上一时刻所述角速度估计上一时刻到当前时刻内所述机器人的角度变化量;
根据所述位移变化量和角度变化量估计所述机器人在当前时刻的估计位姿。
本申请所述的机器人定位方法,所述根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签,包括:
计算第i个定位标签对应的相对角度与所述估计角度之差的绝对值,i≤I,I为所述定位标签的总数;
判断所述绝对值是否大于预设的角度阈值;
若小于等于所述角度阈值,则第i个定位标签可靠;
若大于所述角度阈值,则第i个定位标签不可靠。
本申请所述的机器人定位方法,所述根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿,包括:
根据所述预定第一数目个角度可靠标签对应的相对角度计算相对角度对应的均值和相对角度对应的方差;
根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签;
根据所述预定第二数目个距离可靠标签对应的相对距离度计算相对距离对应的均值和相对距离对应的方差;
将所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。
本申请所述的机器人定位方法,所述根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签,包括:
将所述预定第一数目个角度可靠标签分为K组,每组包括至少3个角度可靠标签;
根据每组的角度可靠标签确定所述机器人的位置;
计算K个位置对应的均值和K个位置对应的方差;
若K个位置对应的方差大于预设的方差阈值,则将K个位置中距离所述K个位置对应的均值最远的位置删除,并重新计算K-1个位置对应的均值和K-1个位置对应的方差,直至剩余位置对应的方差小于等于预设的方差阈值,剩余位置对应的定位标签为距离可靠标签;
若K个位置对应的方差小于等于预设的方差阈值,则K个位置对应的定位标签为距离可靠标签。
本申请提出一种机器人定位装置,所述机器人包括通信模块,所述通信模块用于接收各个定位标签发送的脉冲信号,所述装置包括:
获取单元,用于获取机器人和各个定位标签之间的相对距离和相对角度;还用于获取所述机器人的惯性数据;
估计单元,用于根据惯性数据估计所述机器人在当前时刻的估计位姿;
筛选单元,用于根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签;
定位单元,用于根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。
本申请所述的机器人定位装置,所述通信模块包括第一天线和第二天线,所述第一天线和所述第二天线用于接收所述各个定位标签发送的脉冲信号,所述获取机器人和各个定位标签之间的相对距离和相对角度,包括:
获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数;
获取第i个定位标签与所述第二天线之间的第二距离;
确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差;
根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
本申请提出一种机器人,包括存储器、处理器和通信模块,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行所述的机器人定位方法,所述通信模块用于接收各个定位标签发送的脉冲信号。
本申请提出一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行所述的机器人定位方法。
本申请公开的机器人定位方法,利用机器人的通信模块和各个定位标签之间的载波通信确定机器人和各个定位标签之间的位置关系,基于机器人的惯性数据估计机器人当前时刻的估计位姿,通过机器人当前时刻的估计位姿的估计角度确定各个定位标签中的角度可靠标签,基于角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。本申请利用高频率的惯性测量单元(Inertial measurement unit,IMU)具有高频率采集惯性数据的特点,使用惯性测量单元采集机器人移动时的惯性数据,将IMU定位与通信模块-标签定位融合,以对快速移动的机器人实现准确定位。本申请与现有的固定轨道定位和基于虚拟轨道的视觉定位相比实用性更强,无需安装导轨、无需专门人员对导轨和引导线进行维护;本申请与现有的基于深度学习的移动机器人视觉定位方法相比计算量更小,算法简单,便于计算。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请提出的一种机器人定位方法的流程示意图;
图2示出了本申请提出的一种确定机器人与定位标签之间的相对距离和相对角度的方法示意图;
图3示出了本申请提出的一种确定机器人与定位标签之间的相对距离和相对角度的原理示意图;
图4示出了本申请提出的一种确定机器人估计位姿的方法示意图;
图5示出了本申请提出的一种确定角度可靠标签的方法示意图;
图6示出了本申请提出的一种确定角度可靠标签的判断过程示意图;
图7示出了本申请提出的一种确定机器人实际位姿的方法示意图;
图8示出了本申请提出的一种确定距离可靠标签的方法示意图;
图9示出了本申请提出的一种机器人定位装置的结构示意图;
图10示出了本申请提出的一种机器人的结构示意图。
主要元件符号说明:
10-机器人定位装置;11-获取单元;12-估计单元;13-筛选单元;14-定位单元;100-机器人;110-存储器;120-处理器;130-通信模块;131-第一天线;132-第二天线。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
本申请公开的机器人定位方法基于超宽带(Ultra Wide Band,UWB)无线载波通信技术、到达相位差(phasedifferenceofarrival,PDOA)原理和高频率的惯性测量单元(Inertial measurement unit,IMU),以较低的计算量对在室内快速移动的机器人进行精准定位。
超宽带(Ultra Wide Band,UWB)技术是一种无线载波通信技术,它不采用正弦载波,而是利用纳秒级的非正弦波窄脉冲传输数据,因此其所占的频谱范围很宽。UWB技术具有***复杂度低,发射信号功率谱密度低,对信道衰落不敏感,截获能力低,定位精度高等优点,尤其适用于机器人的室内定位。在室内定位中,UWB能够实现较高的测距精度。
基于PDOA测距的UWB设备能够输出距离和角度值,基于PDOA-UWB的定位***能够完成机器人位置和朝向的估计。但由于时间带宽有限,PDOA-UWB只能以10Hz左右的频率进行测距,在室内机器人快速运动时,由飞行时间测量和相位测量估计的位置和朝向都会存在较大的误差。使用PDOA-UWB和IMU进行数据融合定位,结合高频率的IMU数据和低频率的UWB位姿测量,能够获得高频率的更准确的融合定位数据,有利于机器人在快速运动下的精准定位。
实施例1
本申请的一个实施例,如图1所示,提出一种机器人定位方法包括以下步骤:
S100:获取机器人和各个定位标签之间的相对距离和相对角度。
在机器人的活动区域预先布设多个定位标签,机器人的特定位置安装有通信模块,各个定位标签实时的向机器人的通信模块发送脉冲信息(无线载波)。机器人根据通信模块接收的脉冲信息可以确定自身和各个定位标签之间的相对距离和相对角度。
进一步的,考虑到UWB具有穿透力强、功耗低、抗多径效果好、安全性高、***复杂度低、能提供精确定位精度等优点,可以利用PDOA-UWB定位技术确定机器人和各个定位标签之间的相对距离和相对角度。PDOA-UWB通信模块放置于机器人上,需要定位的场景放置多个PDOA-UWB标签,机器人可以通过串口获取每对标签和通信模块的距离和角度数据。
可以理解,通信模块可以安装至机器人的中心位置,在利用通信模块和各个标签对机器人进行定位时,通信模块的位置即可代表机器人的位置。示范性的,可以将通信模块的一个通信天线的中心点作为坐标原点,在机器人静止时,以机器人朝向作为X轴的正方向建立坐标系(Y轴垂直与X轴,Y轴的朝向可不做限定),在该坐标系下确定机器人和各个定位标签之间的相对距离和相对角度。其中相对距离是机器人(即坐标原点)与定位标签坐标之间距离,可以根据脉冲的传播速度和传播时间确定,相对角度是机器人(即坐标原点)与定位标签坐标之间连线与X轴正方向坐标轴连线的夹角。
S200:获取所述机器人的惯性数据。
机器人的惯性数据包括所述机器人在某一时刻的线加速度和角速度。可以利用高频率的惯性测量单元获取机器人在某一时刻的线加速度和角速度。可以理解,高频率的惯性测量单元是测量物体三轴姿态角或角速率以及加速度的装置。一般情况下,高频率的惯性测量单元IMU内会装有三轴的陀螺仪和三个方向的加速度计,陀螺仪可以获取机器人在某一时刻的角速度,加速度计可以获取机器人在某一时刻的线加速度。机器人可以通过串口接收IMU获取的惯性数据。
S300:根据惯性数据估计所述机器人在当前时刻的估计位姿。
可以对相邻时刻获取的惯性数据中的线加速度进行积分,以估计相邻时刻机器人的速度和位移变化量,对相邻时刻获取的惯性数据中的角速度进行积分,以估计相邻时刻机器人的旋转变化量。进而将变化量和旋转变化量累加到上一时刻机器人的估计位姿位移,以估计所述机器人在当前时刻的估计位姿。
S400:根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签。
从各个定位标签中选择角度可靠标签,可以依次遍历各个定位标签对应的相对角度,将各个相对角度和估计位姿的估计角度进行比较,计算各个相对角度与估计位姿的估计角度之间的差值,将差值的绝对值按照从小到大的顺序排序,选取排序靠前的N个绝对值对应的相对角度,且排序靠前的N个绝对值应小于预设的角度阈值,N为预定第一数目。可以理解,排序靠前的N个绝对值对应的相对角度与机器人的朝向最为接近,因此,N个相对角度对应的定位标签可以作为角度可靠标签。
S500:根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。
进一步的,筛选N个角度可靠标签,根据角度可靠标签对应的相对距离和相对角度从N个角度可靠标签中选取M个距离可靠标签,可以理解,N≥M,然后,根据N个角度可靠标签和M个距离可靠标签确定所述机器人在当前时刻的实际位姿。
可以理解,上述步骤S100可以放在步骤S300后面执行,本申请对确定估计位姿和获取机器人和各个定位标签之间的相对距离和相对角度之间的顺序不做限定。
本实施例公开的机器人定位方法利用机器人的通信模块和各个定位标签之间的载波通信确定机器人和各个定位标签之间的位置关系,基于机器人的惯性数据估计机器人当前时刻的估计位姿,通过机器人当前时刻的估计位姿的估计角度确定各个定位标签中的角度可靠标签,基于角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。本技术方案利用高频率的惯性测量单元IMU具有高频率采集惯性数据的特点,使用惯性测量单元IMU采集机器人移动时的惯性数据,将IMU定位与通信模块-标签定位融合,以对快速移动的机器人实现准确定位。本技术方案与固定轨道定位和基于虚拟轨道的视觉定位相比实用性更强,无需安装导轨、无需专门人员对导轨和引导线进行维护;本技术方案与基于深度学习的移动机器人视觉定位方法相比计算量更小,算法简单,便于计算。
实施例2
进一步的,可以在机器人的预定位置上安装第一天线和第二天线,第一天线和第二天线可以接收各个定位标签发送的脉冲信号,可以通过图2所示的步骤确定机器人和各个定位标签之间的相对距离和相对角度:
S110:获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数。
S120:获取第i个定位标签与所述第二天线之间的第二距离。
S130:确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差。
S140:根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
示范性的,如图3所示,O1表示机器人的第一天线,O2表示机器人的第二天线,在机器人上安装第一天线和第二天线时,需要保证第一天线和第二天线连线的射线可以指向机器人的朝向,即在机器人静止时,图3中的X轴的方向代表机器人的朝向(可以理解,在机器人朝向发生变化时,X坐标轴的正方向也随之变化)。进一步的,D表示O1和O2之间的距离,D已知,A表示定位标签,O1到A距离为R,O2到A距离为R-P,P可以通过A发出的脉冲信号到达O1和O2的到达相位差进行计算。可以理解, 表示A发出的脉冲信号到达O1和O2的到达相位差,λ表示脉冲信号的波长。/>
进一步的,计算θ1,根据图3可知:O2到O1A的垂线段对应两个直角三角形,根据勾股定理可以推导:
由于,第一天线和第二天线安装在机器人的特定位置,在安装第一天线时可以将第一天线安装在机器人的中心位置,并保证第一天线和第二天线连线的射线可以指向机器人的朝向,以机器人的朝向作为X轴的正方向,以使机器人静止时,θ1可以作为机器人与定位标签A之间的相对角度,R可以作为机器人与定位标签A之间的相对距离。
进一步的,根据图3所示的原理,分别确定机器人和各个定位标签之间的相对距离和相对角度,并将确定的各个相对距离和各个相对角度反馈给机器人,以使机器人可以根据各个相对距离和各个相对角度确定自身的实际位姿。
实施例3
本申请的一个实施例,如图4所示,根据所述惯性数据估计所述机器人在当前时刻的估计位姿,包括以下步骤:
S310:根据所述惯性数据中上一时刻的线加速度估计上一时刻到当前时刻内所述机器人的位移变化量。
示范性的,上一时刻可以表示为t-1时刻,当前时刻可以表示为t时刻,由于用于采集机器人惯性数据的IMU具有高频采集能力,t-1时刻与t时刻之间的间隔很短,因此,在利用t-1时刻的惯性数据估计t时刻的估计位姿时,可以有效降低估计误差,进而可以有效提高机器人的定位精度。
S320:根据所述惯性数据中上一时刻所述角速度估计上一时刻到当前时刻内所述机器人的角度变化量。
S330:根据所述位移变化量和角度变化量估计所述机器人在当前时刻的估计位姿。
将位移变化量累加至上一时刻机器人的实际位姿对应的实际位置上,以估计当前时刻机器人的实际位姿对应的估计位置;将角度变化量累加至上一时刻机器人的实际位姿对应的实际角度上,以估计当前时刻机器人的实际位姿对应的估计角度,进而根据估计位置和估计角度估计机器人当前时刻的估计位姿。以使机器人可以根据IMU确定的当前时刻的估计位姿对机器人当前时刻的实际位姿进行定位。IMU的高频采集功能,可以对快速移动的机器人预先估计机器人当前时刻的估计位姿,并且保证估计位姿与实际位姿的偏差较小,进而保证对快速移动的机器人进行准确定位。
实施例4
本申请的一个实施例,如图5所示,确定角度可靠标签包括以下步骤:
S410:计算第i个定位标签对应的相对角度与所述估计角度之差的绝对值,i≤I,I为所述定位标签的总数。
S420:判断所述绝对值是否大于预设的角度阈值。
若小于等于所述角度阈值,则执行步骤S430;若大于所述角度阈值,则执行步骤S440。进而从I个定位标签中确定角度可靠标签,以利用角度可靠标签对机器人进行定位。
S430:确定第i个定位标签可靠。
S440:第i个定位标签不可靠。
示范性的,如图6所示,O1表示机器人的第一天线,O2表示机器人的第二天线,X坐标轴的正方向代表基于通信模块-标签定位时,机器人对应的实时估计朝向,但是,由于基于通信模块-标签定位的时间带宽有限,例如,PDOA-UWB只能以10Hz左右的频率进行测距,在室内机器人快速运动时,由飞行时间测量和相位测量估计的位置和朝向都会存在较大的误差,因此,本实施例利用高频率的惯性测量单元确定的当前时刻的估计位姿中的估计角度θ0,通过将θ0与定位标签A之间的相对角度θ1之差的绝对值与预设的角度阈值进行比较,以确定定位标签A是否是角度可靠标签。利用该判别方法分别判断各个定位标签,已从各个定位标签中确定角度可靠标签。通过角度阈值对各个定位标签进行筛选,过滤去除角度误差大的定位标签,基于剩下的角度可靠标签对机器人进行定位,不仅有效降低机器人定位过程的计算量,而且还可以保证对快速移动的机器人进行准确定位。
实施例5
本申请的一个实施例,如图7所示,确定机器人在当前时刻的实际位姿包括以下步骤:
S510:根据所述预定第一数目个角度可靠标签对应的相对角度计算相对角度对应的均值和相对角度对应的方差。
根据N个角度可靠标签对应的相对角度可以计算相对角度对应的均值和相对角度对应的方差。
S520:根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签。
S530:根据所述预定第二数目个距离可靠标签对应的相对距离度计算相对距离对应的均值和相对距离对应的方差。
S540:将所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。
其中输入的所述相对角度对应的均值和所述相对距离对应的均值作为机器人实际位姿的测量值,所述相对角度对应的方差是机器人实际位姿对应的测量值中角度的不确定度,所述相对距离对应的方差是机器人实际位姿对应的测量值中位置的不确定度。无迹卡尔曼滤波器可以根据输入的所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差判断机器人实际位姿对应的测量值是否可信,例如,若相对距离对应的方差较小,则说明相对距离对应的均值可信,相对角度对应的方差较小,则相对角度对应的均值可信,即相对距离对应的均值和相对角度对应的均值确定的机器人实际位姿的测量值可信,在无迹卡尔曼滤波器进行定位时,会将机器人在当前时刻的实际位姿偏向机器人实际位姿的测量值;反之,若相对距离对应的方差较大,则说明相对距离对应的均值不可信,相对角度对应的方差较大,则相对角度对应的均值不可信,即相对距离对应的均值和相对角度对应的均值确定的机器人实际位姿的测量值不可信,在无迹卡尔曼滤波器进行定位时,会将机器人在当前时刻的实际位姿远离机器人实际位姿的测量值。
可以理解,利用无迹卡尔曼滤波器确定机器人在当前时刻的实际位姿,不需要对***方程进行解析计算雅克比矩阵,在非线性的优化中具有更高的精度和计算更方便,进而使得机器人的定位更加准确,定位过程更加便捷。
进一步的,如图8所示,步骤S520中确定距离可靠标签包括以下步骤:
S521:将所述预定第一数目个角度可靠标签分为K组,每组包括至少3个角度可靠标签。
S522:根据每组的角度可靠标签确定所述机器人的位置。
可以利用三角形定位法基于每组的任意3个角度可靠标签确定所述机器人的位置,分别计算每一组对应的位置,则可以确定K个位置。三角形定位法为定位领域常用技术手段,在此,不在进一步解释说明。
S523:计算K个位置对应的均值和K个位置对应的方差。
S524:若K个位置对应的方差大于预设的方差阈值,则将K个位置中距离所述K个位置对应的均值最远的位置删除,并重新计算K-1个位置对应的均值和K-1个位置对应的方差,直至剩余位置对应的方差小于等于预设的方差阈值,剩余位置对应的定位标签为距离可靠标签。
S525:若K个位置对应的方差小于等于预设的方差阈值,则K个位置对应的定位标签为距离可靠标签。
本实施例公开了对角度可靠标签进行进一步筛选的方法,以从角度可靠标签中选择出距离可靠标签,然后,根据各个距离可靠标签的相对角度对应的均值、相对距离对应的均值、相对角度对应的方差、相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。可以理解,无迹卡尔曼滤波器的优势在于不需要对***方程进行解析计算雅克比矩阵,在非线性的优化中具有更高的精度,并且计算更方便简单,该优势有效降低机器人定位的复杂程度,使得定位过程更为高效快捷。
实施例6
本申请的一个实施例,如图9所示,一种机器人定位装置10包括:获取单元11、估计单元12、筛选单元13和定位单元14。
获取单元11,用于获取机器人和各个定位标签之间的相对距离和相对角度,所述机器人包括通信模块,所述通信模块用于接收所述各个定位标签发送的脉冲信号;获取单元11,还用于获取所述机器人的惯性数据;估计单元12,用于根据惯性数据估计所述机器人在当前时刻的估计位姿;筛选单元13,用于根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签;定位单元14,用于根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿。
进一步的,可以在机器人的预定位置上安装第一天线和第二天线,所述第一天线和所述第二天线用于接收所述各个定位标签发送的脉冲信号,所述获取机器人和各个定位标签之间的相对距离和相对角度,包括:获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数;获取第i个定位标签与所述第二天线之间的第二距离;确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差;根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
进一步的,所述惯性数据包括所述机器人的线加速度和角速度,所述根据所述惯性数据估计所述机器人在当前时刻的估计位姿,包括:根据所述惯性数据中上一时刻的线加速度估计上一时刻到当前时刻内所述机器人的位移变化量;根据所述惯性数据中上一时刻所述角速度估计上一时刻到当前时刻内所述机器人的角度变化量;根据所述位移变化量和角度变化量估计所述机器人在当前时刻的估计位姿。
进一步的,所述根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签,包括:计算第i个定位标签对应的相对角度与所述估计角度之差的绝对值,i≤I,I为所述定位标签的总数;判断所述绝对值是否大于预设的角度阈值;若小于等于所述角度阈值,则第i个定位标签可靠;若大于所述角度阈值,则第i个定位标签不可靠。
进一步的,所述根据所述预定第一数目个角度可靠标签对应的相对距离和相对角度确定所述机器人在当前时刻的实际位姿,包括:根据所述预定第一数目个角度可靠标签对应的相对角度计算相对角度对应的均值和相对角度对应的方差;根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签;根据所述预定第二数目个距离可靠标签对应的相对距离度计算相对距离对应的均值和相对距离对应的方差;将所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。
进一步的,所述根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签,包括:将所述预定第一数目个角度可靠标签分为K组,每组包括至少3个角度可靠标签;根据每组的角度可靠标签确定所述机器人的位置;计算K个位置对应的均值和K个位置对应的方差;若K个位置对应的方差大于预设的方差阈值,则将K个位置中距离所述K个位置对应的均值最远的位置删除,并重新计算K-1个位置对应的均值和K-1个位置对应的方差,直至剩余位置对应的方差小于等于预设的方差阈值,剩余位置对应的定位标签为距离可靠标签;若K个位置对应的方差小于等于预设的方差阈值,则K个位置对应的定位标签为距离可靠标签。
本申请公开的机器人定位装置10通过获取单元11、估计单元12、筛选单元13和定位单元14的配合使用,用于执行上述实施例所述的机器人定位方法,上述实施例所涉及的实施方案以及有益效果在本实施例中同样适用,在此不再赘述。
本申请的一个实施例,如图10所示,提出一种机器人100,包括存储器110、处理器120和通信模块130,所述存储器110存储有计算机程序,所述计算机程序在所述处理器120上运行时执行本申请所述的机器人定位方法,通信模块130用于接收各个定位标签发送的脉冲信号。
进一步的,通信模块130包括第一天线131和第二天线132,通信模块130利用第一天线131和第二天线132接收各个定位标签发送的脉冲信号。
本申请的一个实施例,提出一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行本申请所述的机器人定位方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种机器人定位方法,其特征在于,所述机器人包括通信模块,所述通信模块用于接收各个定位标签发送的脉冲信号,所述方法包括:
获取机器人和各个定位标签之间的相对距离和相对角度;
获取所述机器人的惯性数据;
根据惯性数据估计所述机器人在当前时刻的估计位姿;
根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签;
根据所述预定第一数目个角度可靠标签对应的相对角度计算相对角度对应的均值和相对角度对应的方差;
根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签;
根据所述预定第二数目个距离可靠标签对应的相对距离度计算相对距离对应的均值和相对距离对应的方差;
将所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。
2.根据权利要求1所述的机器人定位方法,其特征在于,所述机器人的预定位置上安装有第一天线和第二天线,所述第一天线和所述第二天线用于接收所述各个定位标签发送的脉冲信号,所述获取机器人和各个定位标签之间的相对距离和相对角度,包括:
获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数;
获取第i个定位标签与所述第二天线之间的第二距离;
确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差;
根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
3.根据权利要求1所述的机器人定位方法,其特征在于,所述惯性数据包括所述机器人的线加速度和角速度,所述根据所述惯性数据估计所述机器人在当前时刻的估计位姿,包括:
根据所述惯性数据中上一时刻的线加速度估计上一时刻到当前时刻内所述机器人的位移变化量;
根据所述惯性数据中上一时刻所述角速度估计上一时刻到当前时刻内所述机器人的角度变化量;
根据所述位移变化量和角度变化量估计所述机器人在当前时刻的估计位姿。
4.根据权利要求1所述的机器人定位方法,其特征在于,所述根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签,包括:
计算第i个定位标签对应的相对角度与所述估计角度之差的绝对值,i≤I,I为所述定位标签的总数;
判断所述绝对值是否大于预设的角度阈值;
若小于等于所述角度阈值,则第i个定位标签可靠;
若大于所述角度阈值,则第i个定位标签不可靠。
5.根据权利要求1所述的机器人定位方法,其特征在于,所述根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签,包括:
将所述预定第一数目个角度可靠标签分为K组,每组包括至少3个角度可靠标签;
根据每组的角度可靠标签确定所述机器人的位置;
计算K个位置对应的均值和K个位置对应的方差;
若K个位置对应的方差大于预设的方差阈值,则将K个位置中距离所述K个位置对应的均值最远的位置删除,并重新计算K-1个位置对应的均值和K-1个位置对应的方差,直至剩余位置对应的方差小于等于预设的方差阈值,剩余位置对应的定位标签为距离可靠标签;
若K个位置对应的方差小于等于预设的方差阈值,则K个位置对应的定位标签为距离可靠标签。
6.一种机器人定位装置,其特征在于,所述机器人包括通信模块,所述通信模块用于接收各个定位标签发送的脉冲信号,所述装置包括:
获取单元,用于获取机器人和各个定位标签之间的相对距离和相对角度;还用于获取所述机器人的惯性数据;
估计单元,用于根据惯性数据估计所述机器人在当前时刻的估计位姿;
筛选单元,用于根据所述估计位姿中的估计角度和各个所述相对角度的比较结果从所述各个定位标签中确定预定第一数目个角度可靠标签;
定位单元,用于根据所述预定第一数目个角度可靠标签对应的相对角度计算相对角度对应的均值和相对角度对应的方差;
根据所述预定第一数目个角度可靠标签对应的相对距离确定预定第二数目个距离可靠标签;
根据所述预定第二数目个距离可靠标签对应的相对距离度计算相对距离对应的均值和相对距离对应的方差;
将所述相对角度对应的均值、所述相对距离对应的均值、所述相对角度对应的方差、所述相对距离对应的方差输入至预设的无迹卡尔曼滤波器,以获取所述机器人在当前时刻的实际位姿。
7.根据权利要求6所述的机器人定位装置,其特征在于,所述通信模块包括第一天线和第二天线,所述第一天线和所述第二天线用于接收所述各个定位标签发送的脉冲信号,所述获取机器人和各个定位标签之间的相对距离和相对角度,包括:
获取第i个定位标签与所述第一天线之间的第一距离,i≤I,I为所述定位标签的总数;
获取第i个定位标签与所述第二天线之间的第二距离;
确定第i个定位标签发送的脉冲信号到达所述第一天线和所述第二天线的到达相位差;
根据所述第一距离、所述到达相位差和所述第二距离确定所述机器人与第i个定位标签之间的相对距离和相对角度。
8.一种机器人,其特征在于,包括存储器、处理器和通信模块,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行权利要求1至5任一项所述的机器人定位方法,所述通信模块用于接收各个定位标签发送的脉冲信号。
9.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至5任一项所述的机器人定位方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545895.7A CN113137967B (zh) | 2021-05-19 | 2021-05-19 | 一种机器人定位方法、装置、机器人和可读存储介质 |
PCT/CN2021/131678 WO2022242075A1 (zh) | 2021-05-19 | 2021-11-19 | 一种机器人定位方法、装置、机器人和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545895.7A CN113137967B (zh) | 2021-05-19 | 2021-05-19 | 一种机器人定位方法、装置、机器人和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113137967A CN113137967A (zh) | 2021-07-20 |
CN113137967B true CN113137967B (zh) | 2023-05-26 |
Family
ID=76817980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110545895.7A Active CN113137967B (zh) | 2021-05-19 | 2021-05-19 | 一种机器人定位方法、装置、机器人和可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113137967B (zh) |
WO (1) | WO2022242075A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115908476A (zh) * | 2021-09-30 | 2023-04-04 | 华为技术有限公司 | 轨迹估计模型训练方法、轨迹估计方法及设备 |
CN116019442B (zh) * | 2022-12-12 | 2024-05-14 | 天津大学 | 基于uwb/imu融合的运动姿势评估*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515384A (zh) * | 2017-09-07 | 2017-12-26 | 南京理工大学 | 基于uwb与多传感器的室内机器人的定位与环境建模方法 |
CN107976195A (zh) * | 2017-11-30 | 2018-05-01 | 达闼科技(北京)有限公司 | 机器人的定位导航***及方法、存储介质、机器人 |
CN109883420A (zh) * | 2019-01-21 | 2019-06-14 | 深圳市普渡科技有限公司 | 机器人位姿识别方法、***及机器人 |
CN111121768A (zh) * | 2019-12-23 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种机器人位姿估计方法、装置、可读存储介质及机器人 |
CN112699700A (zh) * | 2020-12-15 | 2021-04-23 | 福建汉特云智能科技有限公司 | 一种基于射频技术的智能机器人定位***及方法 |
CN112788743A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 一种基于超宽带技术的定位方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9816820B2 (en) * | 2016-01-07 | 2017-11-14 | Caterpillar Inc. | Positioning system having smoothed kalman filter update |
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 |
-
2021
- 2021-05-19 CN CN202110545895.7A patent/CN113137967B/zh active Active
- 2021-11-19 WO PCT/CN2021/131678 patent/WO2022242075A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515384A (zh) * | 2017-09-07 | 2017-12-26 | 南京理工大学 | 基于uwb与多传感器的室内机器人的定位与环境建模方法 |
CN107976195A (zh) * | 2017-11-30 | 2018-05-01 | 达闼科技(北京)有限公司 | 机器人的定位导航***及方法、存储介质、机器人 |
CN109883420A (zh) * | 2019-01-21 | 2019-06-14 | 深圳市普渡科技有限公司 | 机器人位姿识别方法、***及机器人 |
CN112788743A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 一种基于超宽带技术的定位方法和装置 |
CN111121768A (zh) * | 2019-12-23 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种机器人位姿估计方法、装置、可读存储介质及机器人 |
CN112699700A (zh) * | 2020-12-15 | 2021-04-23 | 福建汉特云智能科技有限公司 | 一种基于射频技术的智能机器人定位***及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022242075A1 (zh) | 2022-11-24 |
CN113137967A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113137967B (zh) | 一种机器人定位方法、装置、机器人和可读存储介质 | |
CN107315413B (zh) | 一种车车通信环境下考虑车辆间相对位置的多车协同定位算法 | |
CN106682572B (zh) | 目标跟踪方法、***和第一电子设备 | |
Gao et al. | Smartphone-based real time vehicle tracking in indoor parking structures | |
AU2010304861B2 (en) | Improvements in or relating to radio navigation | |
CN109855621A (zh) | 一种基于uwb与sins的组合室内行人导航***及方法 | |
US20130316310A1 (en) | Methods for determining orientation of a moving vehicle | |
CN105931275A (zh) | 基于移动端单目和imu融合的稳定运动跟踪方法和装置 | |
EP2597485B1 (en) | Rapid lidar image correlation for ground navigation | |
CN107274721B (zh) | 一种智能交通***中多车辆协作定位方法 | |
EP3384308B1 (en) | Method for calculating a position of an object of interest | |
Zhao et al. | Vetrack: Real time vehicle tracking in uninstrumented indoor environments | |
CN103630147B (zh) | 一种基于hmm的个人自主导航***零速检测方法 | |
Papaioannou et al. | Tracking people in highly dynamic industrial environments | |
CN111007455A (zh) | 定位***及方法、数据库、神经网络模型训练方法 | |
Fetzer et al. | On Monte Carlo smoothing in multi sensor indoor localisation | |
CN114323033A (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
EP3076128B1 (en) | Backtracking indoor trajectories using mobile sensors | |
CN113758488A (zh) | 一种基于uwb与vio的室内定位方法及设备 | |
CN114615740A (zh) | 一种基于蓝牙、pdr和地图匹配融合的室内人员定位方法 | |
CN103499354A (zh) | 一种基于内曼-皮尔逊准则的零速检测方法 | |
Dörterler et al. | Neural network based vehicular location prediction model for cooperative active safety systems | |
CN110793531B (zh) | 道路匹配的方法、装置以及可读存储介质 | |
CN108981729A (zh) | 车辆定位方法和装置 | |
CN115540854A (zh) | 一种基于uwb辅助的主动定位方法、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |