CN114554392B - 一种基于uwb与imu融合的多机器人协同定位方法 - Google Patents
一种基于uwb与imu融合的多机器人协同定位方法 Download PDFInfo
- Publication number
- CN114554392B CN114554392B CN202210177993.4A CN202210177993A CN114554392B CN 114554392 B CN114554392 B CN 114554392B CN 202210177993 A CN202210177993 A CN 202210177993A CN 114554392 B CN114554392 B CN 114554392B
- Authority
- CN
- China
- Prior art keywords
- distance
- target
- robot
- uwb
- target 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
- G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
-
- 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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于UWB与IMU融合的多机器人协同定位方法,涉及室内定位技术领域。通过目标机器人和其它机器人的IMU模块,获取目标机器人和其它机器人的预测坐标,计算目标机器人与其它机器人之间的距离,作为第一距离;将目标机器人的UWB模块作为定位标签,将其它各个机器人的UWB模块作为定位基站,测量目标机器人与其它机器人之间的距离,作为第二距离;针对第二距离和该第二距离对应的第一距离,确定目标距离;根据多个目标距离和预设定位算法确定目标机器人的位置信息。通过将机器人的UWB模块作为定位基站,定位范围可以随着机器人运动而灵活变化,并使用实际测量距离和估计距离进行定位减少NLOS对定位的影响。
Description
技术领域
本发明涉及室内定位技术领域,具体涉及一种基于UWB与IMU融合的多机器人协同定位方法。
背景技术
随着传感器与机器人技术的发展,人们对室内自主移动机器人定位的方案需求越来越高。近年来,在室内定位中应用比较广泛的传感器有激光雷达、摄像头、IMU(InertialMeasurement Unit,惯性测量单元)、编码器、UWB(Ultra Wide Band,超宽带技术)、超声波等。UWB集无线通信与实时感知定位于一体,与其他室内定位技术相比,其具有传输速率高、带宽极宽、功耗低、辐射小、抗干扰能力强、定位精度高等优点,而且其具有较高的性价比。
基于UWB的定位***,通过安装固定的UWB基站测量UWB基站与机器人上的UWB标签之间的实时距离,进而对该机器人进行定位。而现有技术中,基于UWB的定位***由于安装固定的UWB基站导致可定位范围非常局限,且由于NLOS(Non Line of Sight,非视距)误差,UWB标签会在受到遮挡的时候造成数据丢失而无法定位。
发明内容
本发明的目的就在于解决上述背景技术的问题,而提出一种基于UWB与IMU融合的多机器人协同定位方法,通过将机器人的UWB模块作为定位基站,使定位范围可以随着机器人运动而灵活变化,并使用实际测量距离和估计距离进行定位减少NLOS对定位的影响。
本发明的目的可以通过以下技术方案实现:
本发明实施例提供了一种基于UWB与IMU融合的多机器人协同定位方法,应用于多机器人协同定位***的多个机器人中的目标机器人,所述目标机器人为多个机器人中任意一个机器人,所述目标机器人包括UWB模块和IMU模块,所述方法包括:
通过所述目标机器人的IMU模块和其它各个机器人的IMU模块,获取所述目标机器人的预测坐标和其它各个机器人的预测坐标,根据预测坐标计算所述目标机器人与其它各个机器人之间的距离,作为第一距离;
将目标机器人的UWB模块作为定位标签,将其它各个机器人的UWB模块作为定位基站,测量所述目标机器人与其它各个机器人之间的距离,作为第二距离;
针对每一第二距离和该第二距离对应的第一距离,确定该第二距离对应的目标距离;
根据多个目标距离和预设定位算法确定所述目标机器人的当前的位置信息。
可选地,在通过所述目标机器人的IMU模块和其它各个机器人的IMU模块,获取所述目标机器人的预测坐标和其它各个机器人的预测坐标,根据预测坐标计算所述目标机器人与其它各个机器人之间的距离,作为第一距离之前,所述方法还包括:
通过所述目标机器人的IMU模块持续获取所述目标机器人当前的运动动态信息;所述运动动态信息包括所述目标机器人的线速度和角速度;
通过预设航位推演算法、所述运动动态信息和所述目标机器人的初始位置,获得所述目标机器人当前的估计位置;所述估计位置包括所述目标机器人当前的预测坐标和运动航向。
可选地,所述方法还包括:
根据所述目标机器人当前的位置信息,对所述目标机器人的IMU模块进行累积误差矫正。
可选地,针对每一第二距离和该第二距离对应的第一距离,确定该第二距离对应的目标距离,包括:
针对每一第二距离,计算该第二距离与该第二距离对应的第一距离之间的误差距离;
若所述误差距离大于预设阈值,则将该第一距离作为该第二距离对应的目标距离;
若所述误差距离不大于预设阈值,则将该第二距离作为该第二距离对应的目标距离。
可选地,所述目标机器人包括多个UWB模块;
根据多个目标距离和预设定位算法确定所述目标机器人的当前的位置信息,包括:
针对每一UWB模块,根据该UWB模块对应的多个目标距离和预设定位算法,确定该UWB模块的当前的目的坐标;
根据多个UWB模块的目的坐标,确定所述目标机器人的坐标和目标航向,作为当前的位置信息。
基于本发明实施例提供的一种基于UWB与IMU融合的多机器人协同定位方法,应用于多机器人协同定位***的多个机器人中的目标机器人,目标机器人为多个机器人中任意一个机器人,目标机器人包括UWB模块和IMU模块,通过目标机器人和其它各个机器人的IMU模块,获取目标机器人和其它各个机器人的预测坐标,根据预测坐标计算目标机器人与其它各个机器人之间的距离,作为第一距离;将目标机器人的UWB模块作为定位标签,将其它各个机器人的UWB模块作为定位基站,测量目标机器人与其它各个机器人之间的距离,作为第二距离;针对每一第二距离和该第二距离对应的第一距离,确定该第二距离对应的目标距离;根据多个目标距离和预设定位算法确定目标机器人的当前的位置信息。通过将机器人的UWB模块作为定位基站,使定位范围可以随着机器人运动而灵活变化,并使用实际测量距离和估计距离进行定位减少NLOS对定位的影响。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种基于UWB与IMU融合的多机器人协同定位方法的流程图;
图2为本发明实施例提供的另一种基于UWB与IMU融合的多机器人协同定位方法的流程图;
图3为本发明实施例提供的另一种基于UWB与IMU融合的多机器人协同定位方法的流程图;
图4为本发明实施例提供的多机器人协同定位流程图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于UWB与IMU融合的多机器人协同定位方法。参见图1,图1为本发明实施例提供的一种基于UWB与IMU融合的多机器人协同定位方法的流程图。该方法应用于多机器人协同定位***的多个机器人中的目标机器人,目标机器人为多个机器人中任意一个机器人,目标机器人包括UWB模块和IMU模块,该方法包括:
S101,通过目标机器人的IMU模块和其它各个机器人的IMU模块,获取目标机器人和其它各个机器人的预测坐标,根据预测坐标计算目标机器人与其它各个机器人之间的距离,作为第一距离。
S102,将目标机器人的UWB模块作为定位标签,将其它各个机器人的UWB模块作为定位基站,测量目标机器人与其它各个机器人之间的距离,作为第二距离。
S103,针对每一第二距离和该第二距离对应的第一距离,确定该第二距离对应的目标距离。
S104,根据多个目标距离和预设定位算法确定目标机器人的当前的位置信息。
基于本发明实施例提供的多机器人协同定位方法,通过将机器人的UWB模块作为定位基站,使定位范围可以随着机器人运动而灵活变化,并使用实际测量距离和估计距离进行定位减少NLOS对定位的影响。
一种实现方式中,目标机器人可以是足式机器人,例如,十二自由度的四足机器人,或者目标机器人可以是轮式移动机器人。IMU模块可以为IMU传感器,部署与目标机器人的体内。UWB模块可以为UWB收发器,可以部署于目标机器人的上表面便于UWB信号的发送接收。当目标机器人对自身进行定位时,目标机器人的UWB模块作为定位标签,其它各个机器人的UWB模块作为定位基站;当其他机器人对自身进行定位时,该其他机器人的UWB模块作为定位标签,目标机器人的UWB模块作为定位基站。
一种实现方式中,本发明实施例中的方法是应用于多机器人协同定位***,其中可以包括多个机器人,每一机器人可以包括一个IMU模块和多个UWB模块。当目标机器人进行定位时,以自身的一个UWB模块(标签UWB)作为标签,且至少需要以三个UWB模块(基站UWB)作为定位基站。第一距离是标签UWB与各个基站UWB的预测距离,第二距离是标签UWB与各个基站UWB的实际测量距离,第一距离与第二距离一一对应。通过第一距离可以判断该第一距离对应的第二距离是否为NLOS距离。
在一个实施例中,参见图2,在图1的基础上,步骤S101之前该方法还包括以下步骤:
步骤S105,通过目标机器人的IMU模块持续获取目标机器人当前的运动动态信息。
步骤S106,通过预设航位推演算法、运动动态信息和目标机器人的初始位置,获得目标机器人当前的估计位置。
运动动态信息包括目标机器人的线速度和角速度;估计位置包括目标机器人当前的预测坐标和运动航向。
一种实现方式中,目标机器人的体内安装有IMU模块,从目标机器人从初始位置开始运动,IMU模块可以持续获取目标机器人当前的运动动态信息,即目标机器人的线速度和角速度。通过预设航位推演算法和运动动态信息可以预测目标机器人相对于初始位置的估计位置。
在一个实施例中,该方法还包括,根据目标机器人当前的位置信息,对目标机器人的IMU模块进行累积误差矫正。
一种实现方式中,IMU模块进行长时间的位置估计时,可能由于累积误差导致位置估计不准,目标机器人可以根据当前的位置信息,对IMU模块进行累积误差矫正,以保证IMU模块位置估计的准确度。
在一个实施例中,参见图3,在图2的基础上,步骤S103包括以下步骤:
S1031,针对每一第二距离,计算该第二距离与该第二距离对应的第一距离之间的误差距离。
S1032,若误差距离大于预设阈值,则将该第一距离作为该第二距离对应的目标距离。
S1033,若误差距离不大于预设阈值,则将该第二距离作为该第二距离对应的目标距离。
一种实现方式中,误差距离e=|Zk-Xk|,其中,Zk为实际测量距离(第二距离),Xk为估计距离(第一距离)。针对每一第二距离,若该第一距离对应的误差距离大于预设阈值,则表明当前该第二距离为NLOS距离,为避免NLOS误差,则不使用该第二距离作为目标距离,而将该第二距离对应的第一距离作为目标距离。针对每一第二距离,若该第一距离对应的误差距离不大于预设阈值,则表明当前该第二距离不为NLOS距离,将该第二距离作为目标距离。
一种实现方式中,若标签UWB向基站UWB发送的测距消息超过预设时间未收到回复,则确定标签UWB与基站UWB之间为NLOS距离,将标签UWB与基站UWB的第一距离作为目标距离。
在一个实施例中,目标机器人包括多个UWB模块;
步骤S104,可以包括以下步骤:
步骤一,针对每一UWB模块,根据该UWB模块对应的多个目标距离和预设定位算法,确定该UWB模块的当前的目的坐标。
步骤二,根据多个UWB模块的目的坐标,确定目标机器人的坐标和目标航向,作为当前的位置信息。
参见图4,图4为本发明实施例提供的多机器人协同定位流程图。
图4中以目标机器人包括两个UWB模块(A0和A1)为例进行说明,实际情况并不限于此。下面以UWB节点A0的定位过程进行说明,A0可以测得与至少3个UWB基站之间的距离(测量距离)。测量距离进行NLOS误差鉴别,若测量距离为NLOS距离,则由IMU的测量值(线速度和角速度)和航迹推演算法预测A0的预测坐标和预测航向,通过预测坐标和预测航向对测量距离进行测距值处理。若测量距离不为NLOS距离,则直接使用测量距离,不需要通过预测坐标和预测航向对测量距离进行测距值处理。将测量距离或处理过的测量距离使用卡尔曼滤波算法和最小二乘定位算法求得的A0的坐标。基于相同的步骤可以求得A1的坐标。通过A0的坐标和A1的坐标可以得到目标机器人当前的机器人坐标和航向,得到定位结果。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.一种基于UWB与IMU融合的多机器人协同定位方法,其特征在于,应用于多机器人协同定位***的多个机器人中的目标机器人,所述目标机器人为多个机器人中任意一个机器人,所述目标机器人包括超宽带技术UWB模块和惯性测量单元IMU模块,所述方法包括:
通过所述目标机器人的IMU模块和其它各个机器人的IMU模块,获取所述目标机器人的预测坐标和其它各个机器人的预测坐标,根据预测坐标计算所述目标机器人与其它各个机器人之间的距离,作为第一距离;
将所述目标机器人的UWB模块作为定位标签,将其它各个机器人的UWB模块作为定位基站,测量所述目标机器人与其它各个机器人之间的距离,作为第二距离;
针对每一第二距离,计算该第二距离与该第二距离对应的第一距离之间的误差距离;
若所述误差距离大于预设阈值,则将该第一距离作为该第二距离对应的目标距离;
若所述误差距离不大于预设阈值,则将该第二距离作为该第二距离对应的目标距离;
根据多个目标距离和预设定位算法确定所述目标机器人的当前的位置信息。
2.根据权利要求1所述的一种基于UWB与IMU融合的多机器人协同定位方法,其特征在于,在通过所述目标机器人的IMU模块和其它各个机器人的IMU模块,获取所述目标机器人的预测坐标和其它各个机器人的预测坐标,根据预测坐标计算所述目标机器人与其它各个机器人之间的距离,作为第一距离之前,所述方法还包括:
通过所述目标机器人的IMU模块持续获取所述目标机器人当前的运动动态信息;所述运动动态信息包括所述目标机器人的线速度和角速度;
通过预设航位推演算法、所述运动动态信息和所述目标机器人的初始位置,获得所述目标机器人当前的估计位置;所述估计位置包括所述目标机器人当前的预测坐标和运动航向。
3.根据权利要求2所述的一种基于UWB与IMU融合的多机器人协同定位方法,其特征在于,所述方法还包括:
根据所述目标机器人当前的位置信息,对所述目标机器人的IMU模块进行累积误差矫正。
4.根据权利要求3所述的一种基于UWB与IMU融合的多机器人协同定位方法,其特征在于,所述目标机器人包括多个UWB模块;
根据多个目标距离和预设定位算法确定所述目标机器人的当前的位置信息,包括:
针对每一UWB模块,根据该UWB模块对应的多个目标距离和预设定位算法,确定该UWB模块的当前的目的坐标;
根据多个UWB模块的目的坐标,确定所述目标机器人的坐标和目标航向,作为当前的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210177993.4A CN114554392B (zh) | 2022-02-25 | 2022-02-25 | 一种基于uwb与imu融合的多机器人协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210177993.4A CN114554392B (zh) | 2022-02-25 | 2022-02-25 | 一种基于uwb与imu融合的多机器人协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114554392A CN114554392A (zh) | 2022-05-27 |
CN114554392B true CN114554392B (zh) | 2023-05-16 |
Family
ID=81679437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210177993.4A Active CN114554392B (zh) | 2022-02-25 | 2022-02-25 | 一种基于uwb与imu融合的多机器人协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114554392B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115406439A (zh) * | 2022-08-16 | 2022-11-29 | 中国第一汽车股份有限公司 | 车辆定位方法、***、装置及非易失性存储介质 |
CN117213481B (zh) * | 2023-11-09 | 2024-01-16 | 深圳易行机器人有限公司 | 一种用于agv的全局定位方法和*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112747747A (zh) * | 2021-01-20 | 2021-05-04 | 重庆邮电大学 | 一种改进的uwb/imu融合室内行人定位方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102100941B1 (ko) * | 2018-05-04 | 2020-04-14 | 엘지전자 주식회사 | 복수의 자율주행 이동 로봇 |
KR102100477B1 (ko) * | 2018-05-04 | 2020-04-13 | 엘지전자 주식회사 | 복수의 자율주행 이동 로봇 |
CN109141413B (zh) * | 2018-08-06 | 2020-07-07 | 济南大学 | 具有数据缺失uwb行人定位的efir滤波算法及*** |
CN108759825B (zh) * | 2018-08-06 | 2020-05-05 | 济南大学 | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及*** |
CN113324544B (zh) * | 2021-04-19 | 2023-02-28 | 北京化工大学 | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
-
2022
- 2022-02-25 CN CN202210177993.4A patent/CN114554392B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112747747A (zh) * | 2021-01-20 | 2021-05-04 | 重庆邮电大学 | 一种改进的uwb/imu融合室内行人定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114554392A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114554392B (zh) | 一种基于uwb与imu融合的多机器人协同定位方法 | |
CN101191832B (zh) | 一种基于测距的无线传感器网络节点定位方法 | |
CN113108791B (zh) | 一种导航定位方法及导航定位设备 | |
CN110026993B (zh) | 一种基于uwb及热释电红外传感器的人体跟随机器人 | |
KR20180087814A (ko) | 위치 측정 방법 및 시스템 | |
US20100156660A1 (en) | Apparatus and method for estimating position of mobile unit | |
EP3884353A2 (en) | Detecting a location of an autonomous device | |
US7298323B2 (en) | Apparatus and method for locating user equipment using global positioning system and dead reckoning | |
JP2011047915A (ja) | 無線測位システムおよび測位方法 | |
CN109781120B (zh) | 一种基于同步定位构图的车辆组合定位方法 | |
CN111007455A (zh) | 定位***及方法、数据库、神经网络模型训练方法 | |
KR100882590B1 (ko) | 위치 판단 장치 및 방법 | |
CN113900061A (zh) | 基于uwb无线定位与imu融合的导航定位***及方法 | |
CN114166221A (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及*** | |
CN113324544A (zh) | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 | |
WO2009085403A1 (en) | Determining position of a node based on aged position data | |
KR101155500B1 (ko) | 복수 개의 이동체를 제어하는 장치 및 방법 | |
KR101135201B1 (ko) | 무선 네트워크에서 가속도 위치 정보를 이용한 수신신호강도 기반 위치 측정 방법 및 위치측정 시스템 | |
CN114610032A (zh) | 目标对象跟随方法、装置、电子设备和可读存储介质 | |
CN107356902B (zh) | 一种WiFi定位指纹数据自动采集方法 | |
CN111970631B (zh) | 一种超宽带与惯导组合的地下列车定位测速***及方法 | |
CN113063441A (zh) | 里程计累计推算误差的数据源纠正方法及装置 | |
CN115900687B (zh) | 液压支架机器人轨道定位方法及装置 | |
CN116772860A (zh) | 基于无线定位技术与视觉人工智能融合的新型室内定位*** | |
KR100958412B1 (ko) | 이동 로봇의 자기 위치 인식 시스템 및 그 방법 |
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 |