CN114088095B - 一种基于光电二极管的三维室内定位方法 - Google Patents
一种基于光电二极管的三维室内定位方法 Download PDFInfo
- Publication number
- CN114088095B CN114088095B CN202111269921.4A CN202111269921A CN114088095B CN 114088095 B CN114088095 B CN 114088095B CN 202111269921 A CN202111269921 A CN 202111269921A CN 114088095 B CN114088095 B CN 114088095B
- Authority
- CN
- China
- Prior art keywords
- light intensity
- fingerprint
- layer space
- indoor
- candidate
- 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 46
- 239000002356 single layer Substances 0.000 claims abstract description 90
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于光电二极管的三维室内定位方法,方法包括:基于光电二极管,构建室内单层空间模块化的指纹库;获取目标物体的轨迹线,并根据指纹点、指纹点对应的光强序列和轨迹线,得到与轨迹线对应的候选光强序列集;获取与轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对光强数据和候选光强序列集进行定位计算,得到目标物体的目标位置。本发明基于光电二极管构建包含指纹点的光强序列的室内单层空间模块化指纹库,降低环境光强对指纹匹配的误差和计算复杂度,然后在指纹库中匹配出与输入轨迹线对应的候选光强序列集,最后利用动态时间规整算法和卡曼滤波算法进一步校准定位,避免单个指纹点的误差,使得定位更加精准。
Description
技术领域
本发明涉及控制技术领域,尤其涉及的是一种基于光电二极管的三维室内定位方法。
背景技术
随着无人机***智能化能力的不断提升,日益在工业场景巡检、城市反恐侦察、交通监控等领域崭露头角,应用前景日趋广阔。然而,目前无人机的主要用途还限定在室外场景,对于无法使用卫星导航***的室内场景,因其定位导航技术的限制尚未进入成熟应用阶段。无人机在实际室内场景的应用需求非常广泛,例如仓库巡检、工厂安全巡查、室内侦察等。由于没有卫星导航信号(如GPS)用于无人机精确定位,目前主流的研究学者使用激光雷达、视觉相机等机载传感器,利用即时建图与定位技术来实现室内定位,但是现有的室内定位方法存在定位精度不高的问题。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于光电二极管的三维室内定位方法,旨在解决现有技术中室内定位方法存在定位精度不高的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种基于光电二极管的三维室内定位方法,其中,所述方法包括:
基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;
获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
在一种实现方式中,其中,所述基于光电二极管,构建室内单层空间模块化的指纹库包括:
构建室内单层空间模块;
将所述室内单层空间模块进行均匀分割,得到若干室内单层空间子模块;
从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列;
根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库。
在一种实现方式中,其中,所述从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列包括:
从若干室内单层空间子模块中提取一个室内单层空间子模块;
基于所述室内单层空间子模块中的每个预设位置,光电二极管在接收到若干灯光后产生与所述预设位置对应的若干电流值;
通过光电二极管将若干电流值转化为与所述预设位置对应的若干光强数值;
将与所述预设位置对应的若干所述光强数值组成与所述预设位置对应的光强序列。
在一种实现方式中,其中,所述根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库包括:
将所述预设位置作为指纹点,将所述指纹点以及与所述指纹点对应的光强序列存储,得到与所述室内单层空间子模块对应的单元指纹库;
将若干所述单元指纹库组成室内单层空间模块化的指纹库。
在一种实现方式中,其中,所述获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集包括:
通过惯性测量单元获取目标物体的轨迹线;
根据所述指纹点和所述轨迹线,得到近似轨迹线;
根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集。
在一种实现方式中,其中,述根据所述指纹点和所述轨迹线,得到近似轨迹线包括:
提取所述指纹点形成的指纹点网格,其中,所述指纹点网格用于表征指纹点之间的间距;
基于所述指纹点网格,将所述轨迹线中的轨迹点做近似运算,得到近似轨迹线。
在一种实现方式中,其中,所述基于所述指纹点网格,将所述轨迹线中的轨迹点做近似运算,得到近似轨迹线包括:
将所述轨迹线中的轨迹点和指纹点网格中的指纹点做近似运算,得到近似轨迹线。
在一种实现方式中,其中,所述根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集包括:
在所述指纹库中遍历匹配所述近似轨迹线,得到若干包含指纹点的候选轨迹线;
对于每个包含指纹点的候选轨迹线,提取所述候选轨迹线中指纹点对应的光强序列,得到候选光强序列子集;
将若干候选光强序列子集组成候选光强序列集。
在一种实现方式中,其中,获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置包括:
通过光电二极管获取与所述轨迹线上的轨迹点对应的光强数据;
基于所述动态时间规整算法对所述光强数据和所述候选光强序列集进行定位计算,得到第一预测位置;
根据所述轨迹线,得到第二预测位置;
基于卡曼滤波算法对所述第一预测位置和所述第二预测位置进行数据处理,得到目标物体的目标位置。
在一种实现方式中,其中,所述基于所述动态时间规整算法对所述光强数据和所述候选光强序列集进行定位计算,得到第一预测位置包括:
采用动态时间规整算法将光强数据和所述候选光强序列集进行匹配,得到第一预测位置。
在一种实现方式中,其中,所述根据所述轨迹线,得到第二预测位置包括:
通过惯性测量单元对所述轨迹线进行位置计算,得到的第二预测位置。
在一种实现方式中,其中,所述基于卡曼滤波算法对所述第一预测位置和所述第二预测位置进行数据处理,得到目标物体的目标位置包括
基于卡曼滤波算法,将所述第一预测位置和所述第二预测位置进行融合,得到目标物体的目标位置。
第二方面,本发明实施例还提供一种基于光电二极管的三维室内定位装置,其中,所述装置包括:
指纹库构建模块,用于基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
候选光强序列集获取模块,用于获取目标物体的轨迹线,并根据所述指纹库和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;
目标物体的目标位置获取模块,用于获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
第三方面,本发明实施例还提供一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于光电二极管的三维室内定位方法。
第四方面,本发明实施例还提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述中任意一项所述的基于光电二极管的三维室内定位方法。
本发明的有益效果:本发明实施例首先基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;然后获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;最后获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置;可见,本发明基于光电二极管构建包含指纹点的光强序列的室内单层空间模块化指纹库,降低环境光强对指纹匹配的误差和计算复杂度,然后在所述指纹库中匹配出与输入轨迹线对应的候选光强序列集,最后利用动态时间规整算法和卡曼滤波算法进一步校准定位位置,避免单个指纹点的误差,使得定位更加精准。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于光电二极管的三维室内定位方法流程示意图。
图2为本发明实施例提供的基于光电二极管的三维室内定位***一种实现方式的流程示意图。
图3为本发明实施例提供的硬件设计。
图4为本发明实施例提供的楼层模块化建模的一种实现方式的示意图。
图5为本发明实施例提供的模块内定位实验设计的一种实现方式的示意图。
图6为本发明实施例提供的光强度指纹数据集的一种实现方式的示意图。
图7为本发明实施例提供的DTW数据匹配的一种实现方式的示意图.
图8为本发明实施例提供的采用DTW的两组数据对比示意图。
图9为本发明实施例提供的定位与导航实验设计的一种实现方式的示意图。
图10为本发明实施例提供的基于光电二极管的三维室内定位装置的原理框图。
图11为本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
本发明公开了基于光电二极管的三维室内定位方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
由于现有技术中,室外定位可以采用GPS,相对于室外环境,室内环境无法使用卫星导航信号用于无人机的定位,致使无人机在室内环境的应用更具有挑战性,无人机领域相关技术的快速发展则为此应用提供了新的发展机遇,开发精确的三维室内定位和导航***将对促进无人机在室内环境的广泛应用产生重要影响。传统的室内定位使用的是激光雷达、视觉相机等机载传感器,利用即时建图与定位技术来实现高精度的室内定位。然而,目前的激光雷达因其体积大、成本高的缺点无法真正搭载于无人机使用。视觉相机虽然成本低且体积小,其定位精度却有限,无法使用。同时,使用地磁线做室内定位的定位精度较差,无法实现高精度的无人机室内定位。仅仅使用惯性测量单元(IMU)虽然成本很低,但由于惯性累计误差造成位置估计快速漂移,无法使用。此外,传统的指纹法定位,是采集每个坐标点的光强数据,再与预测数据进行对比。该方法是基于指纹定位法的改进,传统的指纹定位通过依次对各个指纹点的特征,可以计算出最接近指纹点。而该方法存在较大的误差,尤其在利用可见光做指纹点的时候,由于环境的影响,会造成指纹匹配的误差。
为了解决现有技术的问题,本实施例提供了一种基于光电二极管的三维室内定位方法,通过上述方法,基于光电二极管构建包含指纹点的光强序列的室内单层空间模块化指纹库,降低环境光强对指纹匹配的误差和计算复杂度,然后在所述指纹库中匹配出与输入轨迹线对应的候选光强序列集,最后利用动态时间规整算法和卡曼滤波算法进一步校准定位位置,避免单个指纹点的误差,使得定位更加精准。具体实施时,先基于光电二极管,构建室内单层空间模块化的指纹库;然后获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;最后获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
示例性方法
本实施例提供一种基于光电二极管的三维室内定位方法,该方法可以应用于控制的智能终端。具体如图1和图2所示,所述方法包括:
步骤S100、基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
在本实施例中,如图3所示,使用可见光来实现无人机的3D定位和导航,可见光为LED灯产生的灯光。指纹法中指纹是信息或信号的一个特征或多个特征,通常为信号强度。指纹点用于表征光电二极管(PD)在测试光强时的位置。实际中,可以在预设位置放置光电二极管,通过光电二极管感应若干LED灯的光强度,这样,在一个指纹点对应多个光强数据,也就是说指纹点与光强序列(visible light intensity sequence,VLIS)对应。
为了得到指纹库,所述基于光电二极管,构建室内单层空间模块化的指纹库包括如下步骤:
S101、构建室内单层空间模块;
S102、将所述室内单层空间模块进行均匀分割,得到若干室内单层空间子模块;
S103、从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列;
S104、根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库。
具体地,为了降低指纹(光强序列)测量的工作量,如图4所示,由于建筑结构都是规则形状,故将楼层模块化,构建出一个室内单层空间模块,只生成一个模块的指纹库,这样就可以实现通过一个模块的指纹库去识别整个楼层的结构。此外,根据室内单层空间模块的对称性,将所述室内单层空间模块进行均匀分割,得到若干室内单层空间子模块;只需要对一个室内单层空间子模块中每个预设位置的光强进行测试,在本实施例中,在每个预设位置,会通过光电二极管测量四个LED灯的灯光的光强数值。相应的所述从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列包括如下步骤:从若干室内单层空间子模块中提取一个室内单层空间子模块;基于所述室内单层空间子模块中的每个预设位置,光电二极管在接收到若干灯光后产生与所述预设位置对应的若干电流值;通过光电二极管将若干电流值转化为与所述预设位置对应的若干光强数值;将与所述预设位置对应的若干所述光强数值组成与所述预设位置对应的光强序列。
实际中,从若干室内单层空间子模块中提取一个室内单层空间子模块,在其中一个室内单层空间子模块中,所述室内单层空间子模块包含多个预设位置;对于所述室内单层空间子模块中的每个预设位置,使用控制程序,让LED灯依次亮起,光电二极管在接收到若干灯光后产生与所述预设位置对应的若干电流值;通过光电二极管将若干电流值转化为与所述预设位置对应的若干光强数值,得到与所述预设位置对应的光强序列。在本实施例中为4个光强数值,四个光强数值组成一个序列。
得到预设位置和光强序列后,就可以根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库,相应的,所述根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库包括如下步骤:将所述预设位置作为指纹点,将所述指纹点以及与所述指纹点对应的光强序列存储,得到与所述室内单层空间子模块对应的单元指纹库;也即只需要测量如图5中阴影部分的指纹点对应的光强序列,然后将若干所述单元指纹库组成室内单层空间模块化的指纹库,也就是说,其余的指纹点以及指纹点对应的光强序列可以根据对称性推测出来,这样就可以减少计算量。
构建完指纹库后,就可以执行如图1所示的如下步骤:S200、获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;
具体地,在本实施例中,目标物体为无人机,无人机在室内运行时会形成轨迹,可以通过激光雷达或者视觉相机获取无人机的轨迹线,实际中,只截取一部分轨迹的一段轨迹线,可以将所述轨迹线匹配到指纹库中,也可以将所述轨迹线和所述指纹库中的指纹点进行匹配运算,从而得到与所述轨迹线对应的候选光强序列集。相应的,所述获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集包括如下步骤:
S201、通过惯性测量单元获取目标物体的轨迹线;其中,所述轨迹线是指不携带坐标信息和方向信息的线段;
S202、根据所述指纹点和所述轨迹线,得到近似轨迹线;
S203、根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集。
在本实施例中,通过惯性测量单元获取目标物体的轨迹线,其中,所述轨迹线为有限长度,并且是不携带坐标信息和方向信息的线段,因此,依然无法判断出目标物体所处的实际位置以及即将运行的方向。然后根据所述指纹点和所述轨迹线,得到近似轨迹线;相应的,所述根据所述指纹点和所述轨迹线,得到近似轨迹线包括如下步骤:提取所述指纹点形成的指纹点网格,其中,所述指纹点网格用于表征指纹点之间的间距;基于所述指纹点网格,将所述轨迹线中的轨迹点做近似运算,得到近似轨迹线。
在一种实现方式中,根据轨迹线的长度,提取所述指纹点形成的指纹点网格,如图6所示,指纹点网格用于表征指纹点之间的间距;这样,就可以将所述轨迹线中的轨迹点和指纹点网格中的指纹点做近似运算,得到近似轨迹线。假设轨迹点的采样个数为N,表达为X=[x0,…,xn,…,xN],指纹点网格的矩阵表达形式为:
则近似轨迹线可表达为:
其中,NW和NL分别表示指纹库的二维长度。
得到近似轨迹线后,就可以根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集。相应的,所述根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集包括如下步骤:在所述指纹库中遍历匹配所述近似轨迹线,得到若干包含指纹点的候选轨迹线;对于每个包含指纹点的候选轨迹线,提取所述候选轨迹线中指纹点对应的光强序列,得到候选光强序列子集;将若干候选光强序列子集组成候选光强序列集。
在本实施例中,如图6所示,在指纹库中遍历匹配所述近似轨迹线,寻找具有相同趋势的所有包含指纹点的候选轨迹线;候选轨迹线如图6中的[19,20,21,29,37]和图6中的[26,27,28,36,44],对于每个包含指纹点的候选轨迹线,提取所述候选轨迹线中指纹点对应的光强序列,得到候选光强序列子集;如,分别提取图6中指纹点19的光强序列、20的光强序列、21的光强序列、29的光强序列、37的光强序列组成一个候选光强序列子集,然后分别提取图6中指纹点26的光强序列、27的光强序列、28的光强序列、36的光强序列、44的光强序列组成另一个候选光强序列子集。然后所有这些候选光强序列子集组成候选光强序列集。
得到候选光强序列集后,就可以执行如图1所示的如下步骤:S300、获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。相应的,所述获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置包括如下步骤:
S301、通过光电二极管获取与所述轨迹线上的轨迹点对应的光强数据;
S302、基于所述动态时间规整算法对所述光强数据和所述候选光强序列集进行定位计算,得到第一预测位置;
S303、根据所述轨迹线,得到第二预测位置;
S304、基于卡曼滤波算法对所述第一预测位置和所述第二预测位置进行数据处理,得到目标物体的目标位置。
具体地,光强数据先通过光电二极管感应光强变化,从而得到与所述轨迹线上的轨迹点对应的光强数据,每个轨迹点对应一个光强序列,在本实施例中,一个轨迹点对应四个光强数值(由于LED灯的频率很高,一秒可以闪烁100次)。采用动态时间规整算法将光强数据和所述候选光强序列集进行匹配,得到第一预测位置。如图7所示,如将光强数据与所述候选光强序列集进行匹配,此时使用动态时间规整(DTW)算法,去找到匹配的最小值,由于空间是三维的,故对该空间进行了分层,以便更好的显示出结果,图7仅仅使用了两层(光强序列)VLIS进行展示,当光强数据与候选光强序列集中的某一个光强序列匹配上时,DTWscore的数值为最小,DTW score可以通过matlab和python里面相应的函数计算得到。DTW算法是对矢量数据进行动态规整,再对两组数据进行对比,如图8所示,这样就可以得到光强数据对应的第一运行轨迹,并将第一运行轨迹中的最后一个轨迹点作为第一预测位置。DTW方法对比不同指纹点之间的变化趋势来实现定位,从而避免了单个指纹点的误差。由于DTW计算时间比较慢,而在实际使用中,需要即时对无人机进行定位,故接着通过惯性测量单元(IMU)对所述轨迹线进行位置计算,得到的第二预测位置。在本实施例中,IMU通过一个采样频率高精度低的传感器来实现,本发明采样的是频率低,精度高的传感器来实现。最后基于卡曼滤波算法,将所述第一预测位置和所述第二预测位置进行融合,得到目标物体的目标位置。融合表达式如下:
∑t|t-1=A∑t-1|t-1AT+Q,
Et=C∑t|t-1CT+σ2IM,
∑t|t=∑t|t-1-KtC∑t|t-1,
其中,
I3表示三阶单位矩阵,上标T表示转置矩阵。而w是高斯噪声向量。σ2是高斯噪声的方差,/>是先验估计的状态向量,对应的协方差矩阵为∑t|t-1,测量残差用et表示,其协方差为Et。Kt是卡曼增益,/>是输出结果的后验估计方差为/>假设初始位置为p0=[x0,y0,z0]T,速度初始值为v0=[ux,0,vy,0,vz,0]T。初始状态向量表示为其协方差为∑0。
在一种实现方式中,如图9所示,本发明中测量光强的模块由一个光电二极管(PD)来感应光强的变化,一个放大器(Amplifier)来放大电路信号。IMU来测量加速度和速度,Arduino是控制端,将数字信号传输至电脑上。
示例性设备
如图10中所示,本发明实施例提供一种基于光电二极管的三维室内定位装置,该装置包括指纹库构建模块401,候选光强序列集获取模块402和目标物体的目标位置获取模块403,其中:
指纹库构建模块401,用于基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
候选光强序列集获取模块402,用于获取目标物体的轨迹线,并根据所述指纹库和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;
目标物体的目标位置获取模块403,用于获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图11所示。该智能终端包括通过***总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于光电二极管的三维室内定位方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图11中的原理图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;
获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了基于光电二极管的三维室内定位方法,所述方法包括:基于光电二极管,构建室内单层空间模块化的指纹库;获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与所述轨迹线对应的候选光强序列集;获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。本发明基于光电二极管构建包含指纹点的光强序列的室内单层空间模块化指纹库,降低环境光强对指纹匹配的误差和计算复杂度,然后在所述指纹库中匹配出与输入轨迹线对应的候选光强序列集,最后利用动态时间规整算法和卡曼滤波算法进一步校准定位位置,避免单个指纹点的误差,使得定位更加精准。
基于上述实施例,本发明公开了一种基于光电二极管的三维室内定位方法,应当理解的是,本发明的应用不限于上述的举例,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,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 (13)
1.一种基于光电二极管的三维室内定位方法,其特征在于,所述方法包括:
基于光电二极管,构建室内单层空间模块化的指纹库;其中,所述指纹库包括若干指纹
点和与所述指纹点对应的光强序列;
获取目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹
线,得到与所述轨迹线对应的候选光强序列集;
获取与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述
光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置;
所述基于光电二极管,构建室内单层空间模块化的指纹库包括:
构建室内单层空间模块;
将所述室内单层空间模块进行均匀分割,得到若干室内单层空间子模块;
从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间
子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并
根据若干所述光强数值得到与所述预设位置对应的光强序列;
根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库;
所述从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列包括:
从若干室内单层空间子模块中提取一个室内单层空间子模块;
基于所述室内单层空间子模块中的每个预设位置,光电二极管在接收到若干灯光后产
生与所述预设位置对应的若干电流值;
通过光电二极管将若干电流值转化为与所述预设位置对应的若干光强数值;
将与所述预设位置对应的若干所述光强数值组成与所述预设位置对应的光强序列。
2.根据权利要求1所述的基于光电二极管的三维室内定位方法,其特征在于,所述根据
所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库包括:
将所述预设位置作为指纹点,将所述指纹点以及与所述指纹点对应的光强序列存储,
得到与所述室内单层空间子模块对应的单元指纹库;
将若干所述单元指纹库组成室内单层空间模块化的指纹库。
3.根据权利要求1所述的基于光电二极管的三维室内定位方法,其特征在于,所述获取
目标物体的轨迹线,并根据所述指纹点、所述指纹点对应的光强序列和所述轨迹线,得到与
所述轨迹线对应的候选光强序列集包括:
通过惯性测量单元获取目标物体的轨迹线;
根据所述指纹点和所述轨迹线,得到近似轨迹线;
根据所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光
强序列集。
4.根据权利要求3所述的基于光电二极管的三维室内定位方法,其特征在于,所述根据
所述指纹点和所述轨迹线,得到近似轨迹线包括:
提取所述指纹点形成的指纹点网格,其中,所述指纹点网格用于表征指纹点之间的间距;
基于所述指纹点网格,将所述轨迹线中的轨迹点做近似运算,得到近似轨迹线。
5.根据权利要求4所述的基于光电二极管的三维室内定位方法,其特征在于,所述基于
所述指纹点网格,将所述轨迹线中的轨迹点做近似运算,得到近似轨迹线包括:
将所述轨迹线中的轨迹点和指纹点网格中的指纹点做近似运算,得到近似轨迹线。
6.根据权利要求3所述的基于光电二极管的三维室内定位方法,其特征在于,所述根据
所述近似轨迹线和所述指纹点对应的光强序列,得到与所述轨迹线对应的候选光强序列集
包括:
在所述指纹库中遍历匹配所述近似轨迹线,得到若干包含指纹点的候选轨迹线;
对于每个包含指纹点的候选轨迹线,提取所述候选轨迹线中指纹点对应的光强序列,
得到候选光强序列子集;
将若干候选光强序列子集组成候选光强序列集。
7.根据权利要求1所述的基于光电二极管的三维室内定位方法,其特征在于,所述获取
与所述轨迹线对应的光强数据,并基于动态时间规整算法和卡曼滤波算法对所述光强数据
和所述候选光强序列集进行定位计算,得到目标物体的目标位置包括:
通过光电二极管获取与所述轨迹线上的轨迹点对应的光强数据;
基于所述动态时间规整算法对所述光强数据和所述候选光强序列集进行定位计算,得
到第一预测位置;
根据所述轨迹线,得到第二预测位置;
基于卡曼滤波算法对所述第一预测位置和所述第二预测位置进行数据处理,得到目标
物体的目标位置。
8.根据权利要求7所述的基于光电二极管的三维室内定位方法,其特征在于,所述基
于所述动态时间规整算法对所述光强数据和所述候选光强序列集进行定位计算,得到第一
预测位置包括:
采用动态时间规整算法将光强数据和所述候选光强序列集进行匹配,得到第一预测位
置。
9.根据权利要求7所述的基于光电二极管的三维室内定位方法,其特征在于,所述根
据所述轨迹线,得到第二预测位置包括:
通过惯性测量单元对所述轨迹线进行位置计算,得到的第二预测位置。
10.根据权利要求7所述的基于光电二极管的三维室内定位方法,其特征在于,所述基
于卡曼滤波算法对所述第一预测位置和所述第二预测位置进行数据处理,得到目标物体的
目标位置包括:
基于卡曼滤波算法,将所述第一预测位置和所述第二预测位置进行融合,得到目标物体的目标位置。
11.一种基于光电二极管的三维室内定位装置,其特征在于,所述装置包括:
指纹库构建模块,用于基于光电二极管,构建室内单层空间模块化的指纹库;其中,所
述指纹库包括若干指纹点和与所述指纹点对应的光强序列;
所述基于光电二极管,构建室内单层空间模块化的指纹库的步骤包括:
构建室内单层空间模块;
将所述室内单层空间模块进行均匀分割,得到若干室内单层空间子模块;
从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间
子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并
根据若干所述光强数值得到与所述预设位置对应的光强序列;
根据所述预设位置和所述光强序列,得到室内单层空间模块化的指纹库;
所述从若干室内单层空间子模块中提取一个室内单层空间子模块,基于所述室内单层空间子模块中的每个预设位置,通过光电二极管测量与所述预设位置对应的若干光强数值,并根据若干所述光强数值得到与所述预设位置对应的光强序列的步骤包括:
从若干室内单层空间子模块中提取一个室内单层空间子模块;
基于所述室内单层空间子模块中的每个预设位置,光电二极管在接收到若干灯光后产
生与所述预设位置对应的若干电流值;
通过光电二极管将若干电流值转化为与所述预设位置对应的若干光强数值;
将与所述预设位置对应的若干所述光强数值组成与所述预设位置对应的光强序列;
候选光强序列集获取模块,用于获取目标物体的轨迹线,并根据所述指纹库和所述轨
迹线,得到与所述轨迹线对应的候选光强序列集;
目标物体的目标位置获取模块,用于获取与所述轨迹线对应的光强数据,并基于动态
时间规整算法和卡曼滤波算法对所述光强数据和所述候选光强序列集进行定位计算,得到目标物体的目标位置。
12.一种智能终端,其特征在于,包括有存储器,以及一个以上的程序,其中一个以上程序存储于存储器中,且经配置以由一个以上处理器执行所述一个以上程序包含用于执行如权利要求1-10中任意一项所述的方法。
13.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子
设备的处理器执行时,使得电子设备能够执行如权利要求1-10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111269921.4A CN114088095B (zh) | 2021-10-29 | 2021-10-29 | 一种基于光电二极管的三维室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111269921.4A CN114088095B (zh) | 2021-10-29 | 2021-10-29 | 一种基于光电二极管的三维室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114088095A CN114088095A (zh) | 2022-02-25 |
CN114088095B true CN114088095B (zh) | 2023-07-25 |
Family
ID=80298197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111269921.4A Active CN114088095B (zh) | 2021-10-29 | 2021-10-29 | 一种基于光电二极管的三维室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114088095B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399298A (zh) * | 2013-07-30 | 2013-11-20 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多传感器室内定位装置与方法 |
CN104270816A (zh) * | 2014-10-14 | 2015-01-07 | 西北工业大学 | Led可见光室内定位***的自适应动态指纹库构建方法 |
CN105044659A (zh) * | 2015-07-21 | 2015-11-11 | 深圳市西博泰科电子有限公司 | 基于环境光谱指纹的室内定位装置及方法 |
WO2016145880A1 (zh) * | 2015-09-30 | 2016-09-22 | 中兴通讯股份有限公司 | 终端的定位方法及装置 |
CN106610490A (zh) * | 2016-12-30 | 2017-05-03 | 北京大学 | 一种基于led和图像传感器的光定位方法、***和装置 |
CN106646366A (zh) * | 2016-12-05 | 2017-05-10 | 深圳市国华光电科技有限公司 | 基于粒子滤波算法和智能设备的可见光定位方法和*** |
CN109917404A (zh) * | 2019-02-01 | 2019-06-21 | 中山大学 | 一种室内定位环境特征点提取方法 |
CN109975757A (zh) * | 2019-03-29 | 2019-07-05 | 努比亚技术有限公司 | 室内定位导航方法、终端和计算机存储介质 |
CN110187308A (zh) * | 2019-06-20 | 2019-08-30 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN110726968A (zh) * | 2019-09-08 | 2020-01-24 | 天津大学 | 一种基于聚类指纹法的可见光传感的被动式室内定位方法 |
CN111356082A (zh) * | 2020-03-10 | 2020-06-30 | 西安电子科技大学 | 基于wifi及可见光通信的室内移动终端定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015362068A1 (en) * | 2014-12-10 | 2017-07-13 | University Of South Australia | Visible light based indoor positioning system |
-
2021
- 2021-10-29 CN CN202111269921.4A patent/CN114088095B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399298A (zh) * | 2013-07-30 | 2013-11-20 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多传感器室内定位装置与方法 |
CN104270816A (zh) * | 2014-10-14 | 2015-01-07 | 西北工业大学 | Led可见光室内定位***的自适应动态指纹库构建方法 |
CN105044659A (zh) * | 2015-07-21 | 2015-11-11 | 深圳市西博泰科电子有限公司 | 基于环境光谱指纹的室内定位装置及方法 |
WO2016145880A1 (zh) * | 2015-09-30 | 2016-09-22 | 中兴通讯股份有限公司 | 终端的定位方法及装置 |
CN106646366A (zh) * | 2016-12-05 | 2017-05-10 | 深圳市国华光电科技有限公司 | 基于粒子滤波算法和智能设备的可见光定位方法和*** |
CN106610490A (zh) * | 2016-12-30 | 2017-05-03 | 北京大学 | 一种基于led和图像传感器的光定位方法、***和装置 |
CN109917404A (zh) * | 2019-02-01 | 2019-06-21 | 中山大学 | 一种室内定位环境特征点提取方法 |
CN109975757A (zh) * | 2019-03-29 | 2019-07-05 | 努比亚技术有限公司 | 室内定位导航方法、终端和计算机存储介质 |
CN110187308A (zh) * | 2019-06-20 | 2019-08-30 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN110726968A (zh) * | 2019-09-08 | 2020-01-24 | 天津大学 | 一种基于聚类指纹法的可见光传感的被动式室内定位方法 |
CN111356082A (zh) * | 2020-03-10 | 2020-06-30 | 西安电子科技大学 | 基于wifi及可见光通信的室内移动终端定位方法 |
Non-Patent Citations (1)
Title |
---|
基于光强信息的室内平面图构建方法研究;束沁冬;戴欢;周泽仑;史文华;;苏州科技大学学报(自然科学版);第37卷(第01期);79-84 * |
Also Published As
Publication number | Publication date |
---|---|
CN114088095A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
Zhao et al. | Detection, tracking, and geolocation of moving vehicle from uav using monocular camera | |
CN109345596B (zh) | 多传感器标定方法、装置、计算机设备、介质和车辆 | |
JP7186607B2 (ja) | 電子地図を更新する方法、装置、およびコンピュータ読み取り可能な記憶媒体 | |
AU2018282302B2 (en) | Integrated sensor calibration in natural scenes | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN109901138B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
JP2021139898A (ja) | 測位方法、装置、計算装置、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN110146909A (zh) | 一种定位数据处理方法 | |
US10499038B2 (en) | Method and system for recalibrating sensing devices without familiar targets | |
US20170350956A1 (en) | System and method for multi-sensor multi-target 3d fusion using an unbiased measurement space | |
CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
CN108680160B (zh) | 室内定位、导航方法、装置、存储介质和计算机设备 | |
CN107607091A (zh) | 一种测量无人机飞行航迹的方法 | |
CN111080682A (zh) | 点云数据的配准方法及装置 | |
CN111524394A (zh) | 提升机坪综合航迹监视数据精度的方法、装置及*** | |
CN112325880A (zh) | 分布式平台相对定位方法、装置、计算机设备和存储介质 | |
CN114383605B (zh) | 基于mems传感器和稀疏地标点的室内定位及优化方法 | |
CN114820793A (zh) | 基于无人机的目标检测及目标点定位方法及*** | |
KR20190081334A (ko) | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 | |
US20230281942A1 (en) | Measurement processing device, method, and program | |
CN114661049A (zh) | 一种巡检方法、装置及计算机可读介质 | |
CN114088095B (zh) | 一种基于光电二极管的三维室内定位方法 | |
CN113554712A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及*** |
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 |