CN114646993A - 一种基于gnss、视觉以及imu进行精确定位的数据融合算法 - Google Patents
一种基于gnss、视觉以及imu进行精确定位的数据融合算法 Download PDFInfo
- Publication number
- CN114646993A CN114646993A CN202210256763.7A CN202210256763A CN114646993A CN 114646993 A CN114646993 A CN 114646993A CN 202210256763 A CN202210256763 A CN 202210256763A CN 114646993 A CN114646993 A CN 114646993A
- Authority
- CN
- China
- Prior art keywords
- gnss
- data
- imu
- positioning
- local
- 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
Images
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
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
-
- 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
- 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
- G01C21/1656—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 passive imaging devices, e.g. cameras
-
- 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
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于GNSS、视觉以及IMU进行精确定位的数据融合算法。GNSS定位技术易受外界观测条件的限制,在高架桥、城市峡谷等遮挡区域,卫星信号接收能力急剧减弱,无法满足定位导航的需求。纯视觉的位置估计不能解决尺度问题,且在弱纹理场景及快速运动场景下无法建立匹配关系,容易跟踪丢失;IMU可以在短时间内(毫秒级)反映动态变化,但长时间运行下(秒级)其累积误差会不断增加。本发明依据不同传感器数据源之间的互补性,利用本地数据源(视觉及IMU)提高GNSS的全局定位精度,利用GNSS全局数据源消除本地的累积误差,在卫星信号被遮挡时依赖本地视觉、IMU数据保持短期的高精度全局定位,整体上提高了定位导航***的性能及鲁棒性。
Description
技术领域
本发明涉及导航定位领域,尤其涉及基于GNSS、视觉以及IMU的导航定位***。
背景技术
高精度、高鲁棒性的定位技术对于国家安全、人工智能以及物联网等高新产业领域至关重要。经过行业不断的研究发展,相应地产生了多种不同的定位***,包括GNSS全球导航卫星***、INS惯性导航***、VO视觉里程计、CNS天文导航***等。
近年来,随着位置服务行业的快速发展,单一定位***已经无法满足用户对于可靠定位结果的需求。GNSS全球导航卫星***,可以获取真实世界下的定位轨迹,但其易受外界观测条件的限制,在高架桥、城市峡谷、地下车库以及隧道等遮挡区域,卫星信号接收能力急剧减弱,导致定位精度显著下降或无法解算定位信息。视觉里程计利用相机的每帧图像进行纯视觉的位置估计,但其解算的定位轨迹与真实世界相比存在一个不确定的尺度缩放比例,且在弱纹理场景及快速运动场景下无法建立匹配关系,容易跟踪丢失。视觉惯性里程计使用相机以及IMU进行位置估计,具有较高的精度,但在长期运行中会受到累计误差的影响而导致精度不断下降,且其定位轨迹与真实世界中的轨迹存在一个航向角的偏差。由于单传感器定位方法的局限性以及多传感器之间数据源的互补性,高精度、高鲁棒性的多源融合定位技术已经成为亟需解决的科学问题。
发明内容
本发明的目的是提升GNSS导航定位***的定位性能以及解决复杂场景下GNSS卫星信号丢失的问题。
本发明提出一种基于GNSS、视觉以及IMU进行精确定位的数据融合算法,实现过程包括:
步骤S1:移动设备上挂载GNSS卫星接收装置、单目相机以及IMU模块,在移动过程中采集GNSS信号、图像数据以及IMU数据,作为整个定位算法的输入;
步骤S2:对本地的视觉、IMU数据进行初始化对齐;对图像数据进行前端视觉跟踪以及SFM视觉位姿求解,对IMU数据进行预积分,然后将两者的数据对齐从而粗略解算初始时刻的视觉尺度、重力加速度、***初始速度;
步骤S3:对本地数据进行非线性优化:对设定滑动窗口中的关键帧,构建视觉代价函数以及IMU代价函数,通过最小化总体代价函数,得到本地数据的定位结果;
步骤S4:进行本地与全局数据源的松耦合联合初始化:基于非线性优化技术,将本地的定位结果与GNSS基于SPP算法下的全局定位结果进行融合,粗略解算初始时刻的***全局位置以及本地坐标系与全局坐标系之间的航向角偏差;
步骤S5:构建GNSS的紧耦合全局代价函数约束定位估计:若此刻接收的卫星数量为0颗,则直接将本地定位结果全局化;若此刻接收的卫星数量大于0颗,则利用GNSS卫星信号的原始数据构建GNSS代价函数对定位估计进行约束;
步骤S6:根据***当前运动速度调节多普勒频移代价函数的协方差矩阵,改变定位估计对多普勒频移信息的置信程度;
步骤S7:进行本地与全局的紧耦合联合非线性优化:通过最小化由视觉约束、IMU约束以及GNSS原始数据约束构成的总体代价函数,解算***的最终全局定位估计。
本发明的有益效果:
(1)本发明通过融合GNSS的全局数据源与高精度的视觉、IMU本地数据源,提升了导航定位***的定位性能。在GNSS信号接收的室外场景下,基于SPP算法解算接收机在全球坐标系下唯一坐标的定位方法精度不足,无法满足许多场景下定位导航的需求。
(2)本发明所提出的基于GNSS、视觉以及IMU进行精确定位的数据融合算法,使得***在GNSS卫星信号完全丢失的各种场景下,亦能无缝地提供短期高精度的全局定位估计。当卫星信号重新捕获时,无缝切换***定位方式,利用GNSS全局信息消除本地的累积误差,持续获取高精度全局定位。
(3)本发明提出的基于GNSS原始数据(包括伪距、多普勒频移、时钟等)构建代价函数约束定位估计的方法,在接收卫星的数量小于4颗大于0颗的情况下,依旧可以利用GNSS全局信息消除本地累积误差,使定位估计收益。
附图说明
图1为基于GNSS、视觉以及IMU进行精确定位的数据融合算法的流程图。
图2为本发明中***速度与多普勒置信的关系示意图。
具体实施方式
下面将结合说明书附图,对本发明做进一步的说明。
本发明公开了一种基于GNSS、视觉以及IMU进行精确定位的数据融合算法。本发明的具体实施方式流程图如图1所示:
步骤S1:移动设备上挂载GNSS卫星信号接收机、单目相机以及IMU模块,在移动过程中采集频率为10Hz的GNSS信号、帧率为30fps的图像数据以及频率为200Hz的IMU数据,作为整个定位算法的输入。其中GNSS的原始数据包括星历、伪距多普勒频移时钟等信息,相机的输入数据是连续序列的图像帧,IMU的输入数据是一连串物体的线性加速度α以及旋转角速度ω信息。
步骤S2:对本地的视觉、IMU数据进行初始化对齐:经过前端特征点跟踪算法把图像总结为一系列稀疏的特征点,并基于SFM进行一个纯视觉的位姿估计。由于IMU的采样频率高于相机,将IMU的输入数据进行预积分,与相机的每帧图像在时间上对齐。接着将视觉、IMU的数据联合校准,大致解算***的初始速度、重力加速度(标志着初始姿态)以及视觉尺度。
步骤S3:对本地数据进行非线性优化:对设定滑动窗口中的关键帧,构建视觉代价函数以及IMU代价函数。对于视觉代价函数,通过两帧之间由光束平差法得到的重投影误差构建,对于IMU代价函数,通过物体在两帧之间的加速度、角速度以及IMU的零偏构建。
步骤S4:进行本地与全局数据源的松耦合联合初始化:基于非线性优化技术,以松耦合的方式,将本地的定位结果与GNSS基于SPP算法下的全局定位结果进行融合,粗略解算初始时刻的***全局位置以及本地坐标系与全局坐标系之间的航向角偏差,如式(1)所示。
其中,rL为本地数据的代价函数:
rG为松耦合的全局数据代价函数:
其中,下标k表示第k帧,δx表示x方向上的代价,δy表示y方向上的代价,x与y即需要优化的定位坐标。右上角标的local与global分别表示本地数据源与全局数据源各自的定位结果,θ为本地坐标系与全局坐标系的航向角偏差,可通过本地定位轨迹与全局定位轨迹的角度偏差获取。
步骤S5:构建GNSS全局代价函数约束定位估计:若此刻接收的卫星数量为0颗,则通过弥补本地与全局坐标系之间的航向角偏差,将本地定位结果全局化。若此刻接收的卫星数量大于0颗,则利用GNSS卫星信号的原始数据,包括伪距、多普勒频移以及时钟信息,构建GNSS代价函数对定位估计进行约束。其中:伪距表示了接收机与卫星的距离,其代价函数如式(4)。
其中,Rz(θ)表示围绕ECI坐标系的z轴旋转了θ角度的旋转矩阵,ωE表示地球自转的角速度,tf是GNSS卫星信号的飞行时间,p表示位置坐标,s表示卫星,r表示接收机,E表示接收机收到信号时刻的ECEF坐标系,e′表示卫星发出信号时刻的ECEF坐标系,是一个四维向量,其中三个值为0,一个值为1,表示GNSS中特定的卫星导航***,δt代表时钟偏置,代表卫星的时钟误差,c代表光速,T与I分别表示对流层和电离层延迟,表示伪距。多普勒频移反映了卫星在信号传播路径上相对于接收机的运动,其代价函数如式(5)。
其中,v表示速度,λ表示载波信号波长,κ表示接收机到卫星的单位矢量,为卫星时钟误差漂移率,为多普勒频移,代表时钟漂移率。接收机解算卫星信号的过程与接收机的时钟偏置以及时钟漂移率相关,其构建的两个代价函数如式(6)。
步骤S6:根据***当前运动速度调节多普勒频移代价函数的协方差矩阵,改变定位估计对多普勒频移信息的置信程度。当接收机处于低速运动状态下时,多普勒频移的信噪比会下降,导致其约束精度降低。如图2所示,展示了本算法中***速度与多普勒置信的关系。当速度小于vmin时,对多普勒信息的置信程度为0,即完全不考虑卫星提供的多普勒频移信息。速度在vmin到vmax之间时,两者呈线性关系,当速度增大到vmax以上时,置信程度不再改变。vmin与vmax可根据具体的传感器套件特性以及测试情况进行调整。
步骤S7:进行本地与全局的紧耦合联合非线性优化:使用最小二乘法,通过最小化由视觉约束、IMU约束以及GNSS原始数据约束构成的总体代价函数,解算***的最终全局定位估计,如式(7)所示。
总之,依据上述7个步骤,通过融合GNSS、视觉以及IMU的信息,可以实现不同传感器间的优势互补,最终使得定位导航***在开阔室外场景下达到精准的定位效果,在卫星信号丢失的场景下保证短期高精度的全局定位估计,整体上提升了定位导航***的性能以及鲁棒性。
Claims (7)
1.基于GNSS、视觉以及IMU进行精确定位的数据融合算法,其特征在于,包括如下步骤:
步骤S1:移动设备上挂载GNSS卫星接收装置、单目相机以及IMU模块,在移动过程中采集GNSS信号、图像数据以及IMU数据,作为整个定位算法的输入;
步骤S2:对本地的视觉、IMU数据进行初始化对齐;对图像数据进行前端视觉跟踪以及SFM视觉位姿求解,对IMU数据进行预积分,然后将两者的数据对齐从而粗略解算初始时刻的视觉尺度、重力加速度、***初始速度;
步骤S3:对本地数据进行非线性优化:对设定滑动窗口中的关键帧,构建视觉代价函数以及IMU代价函数,通过最小化总体代价函数,得到本地数据的定位结果;
步骤S4:进行本地与全局数据源的松耦合联合初始化:基于非线性优化技术,将本地的定位结果与GNSS基于SPP算法下的全局定位结果进行融合,粗略解算初始时刻的***全局位置以及本地坐标系与全局坐标系之间的航向角偏差;
步骤S5:构建GNSS的紧耦合全局代价函数约束定位估计:若此刻接收的卫星数量为0颗,则直接将本地定位结果全局化;若此刻接收的卫星数量大于0颗,则利用GNSS卫星信号的原始数据构建GNSS代价函数对定位估计进行约束;
步骤S6:根据***当前运动速度调节多普勒频移代价函数的协方差矩阵,改变定位估计对多普勒频移信息的置信程度;
步骤S7:进行本地与全局的紧耦合联合非线性优化:通过最小化由视觉约束、IMU约束以及GNSS原始数据约束构成的总体代价函数,解算***的最终全局定位估计。
3.如权利要求1所述的基于GNSS、视觉以及IMU进行精确定位的数据融合算法,其特征在于,所述步骤S1,采集频率为10Hz的GNSS信号、帧率为30fps的图像数据以及频率为200Hz的IMU数据,作为整个定位算法的输入。
5.如权利要求1所述的基于GNSS、视觉以及IMU进行精确定位的数据融合算法,其特征在于,所述步骤S5,若此刻接收的卫星数量为0颗,则通过弥补本地与全局坐标系之间的航向角偏差,将本地定位结果全局化;若此刻接收的卫星数量大于0颗,则利用GNSS卫星信号的原始数据,包括伪距、多普勒频移以及时钟信息,构建GNSS代价函数对定位估计进行约束。
6.如权利要求1所述的基于GNSS、视觉以及IMU进行精确定位的数据融合算法,其特征在于,所述步骤S6,当接收机处于低速运动状态下时,多普勒频移的信噪比会下降,导致其约束精度降低;当速度小于vmin时,对多普勒信息的置信程度为0,即完全不考虑卫星提供的多普勒频移信息;速度在vmin到vmax之间时,两者呈线性关系,当速度增大到vmax以上时,置信程度不再改变;vmin与vmax根据具体的传感器套件特性以及测试情况进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256763.7A CN114646993A (zh) | 2022-03-16 | 2022-03-16 | 一种基于gnss、视觉以及imu进行精确定位的数据融合算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256763.7A CN114646993A (zh) | 2022-03-16 | 2022-03-16 | 一种基于gnss、视觉以及imu进行精确定位的数据融合算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114646993A true CN114646993A (zh) | 2022-06-21 |
Family
ID=81994295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256763.7A Pending CN114646993A (zh) | 2022-03-16 | 2022-03-16 | 一种基于gnss、视觉以及imu进行精确定位的数据融合算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114646993A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116381760A (zh) * | 2023-06-05 | 2023-07-04 | 之江实验室 | Gnss rtk/ins紧耦合定位方法、装置及介质 |
-
2022
- 2022-03-16 CN CN202210256763.7A patent/CN114646993A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116381760A (zh) * | 2023-06-05 | 2023-07-04 | 之江实验室 | Gnss rtk/ins紧耦合定位方法、装置及介质 |
CN116381760B (zh) * | 2023-06-05 | 2023-08-15 | 之江实验室 | Gnss rtk/ins紧耦合定位方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110243358B (zh) | 多源融合的无人车室内外定位方法及*** | |
CN114199259B (zh) | 一种基于运动状态与环境感知的多源融合导航定位方法 | |
CN113203418B (zh) | 基于序贯卡尔曼滤波的gnssins视觉融合定位方法及*** | |
Sun et al. | An adaptive weighting strategy for multisensor integrated navigation in urban areas | |
CN114019552A (zh) | 一种基于贝叶斯多传感器误差约束的定位置信度优化方法 | |
Li et al. | Multi-GNSS PPP/INS/Vision/LiDAR tightly integrated system for precise navigation in urban environments | |
CN115435779A (zh) | 一种基于gnss/imu/光流信息融合的智能***姿估计方法 | |
CN113376669A (zh) | 一种基于点线特征的单目vio-gnss融合定位算法 | |
CN115388884A (zh) | 一种智能***姿估计器联合初始化方法 | |
CN114690229A (zh) | 一种融合gps的移动机器人视觉惯性导航方法 | |
CN108445519A (zh) | 一种移动终端gps精确定位的实现方法 | |
CN113503872B (zh) | 一种基于相机与消费级imu融合的低速无人车定位方法 | |
CN114646993A (zh) | 一种基于gnss、视觉以及imu进行精确定位的数据融合算法 | |
Afia et al. | A low-cost gnss/imu/visual monoslam/wss integration based on federated kalman filtering for navigation in urban environments | |
CN115523920B (zh) | 一种基于视觉惯性gnss紧耦合的无缝定位方法 | |
CN116753948A (zh) | 一种基于视觉惯性gnss ppp耦合的定位方法 | |
CN116105729A (zh) | 一种针对野外洞穴森林环境侦察的多传感器融合定位方法 | |
Henkel et al. | Precise RTK positioning with GNSS, INS, barometer and vision | |
Afia et al. | A GNSS/IMU/WSS/VSLAM hybridization using an extended kalman filter | |
Luo et al. | An imu/visual odometry integrated navigation method based on measurement model optimization | |
Qian | Generic multisensor integration strategy and innovative error analysis for integrated navigation | |
Wu et al. | A Failure-Resistant, Lightweight, and Tightly Coupled GNSS/INS/Vision Vehicle Integration for Complex Urban Environments | |
Vana | Continuous urban navigation with next-generation, mass market navigation sensors and adaptive filtering | |
Priot et al. | Performance assessment of an ultra-tightly coupled vision-aided INS/GNSS navigation system | |
CN118149854A (zh) | 一种基于多传感器融合的里程计方法 |
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 |