CN114877892A - 一种用于光伏机器人的融合定位方法 - Google Patents

一种用于光伏机器人的融合定位方法 Download PDF

Info

Publication number
CN114877892A
CN114877892A CN202210810871.4A CN202210810871A CN114877892A CN 114877892 A CN114877892 A CN 114877892A CN 202210810871 A CN202210810871 A CN 202210810871A CN 114877892 A CN114877892 A CN 114877892A
Authority
CN
China
Prior art keywords
photovoltaic robot
data
coordinate system
robot
photovoltaic
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
Application number
CN202210810871.4A
Other languages
English (en)
Inventor
梁培栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Quanzhou Tongwei Technology Co ltd
Original Assignee
Quanzhou Tongwei Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Quanzhou Tongwei Technology Co ltd filed Critical Quanzhou Tongwei Technology Co ltd
Priority to CN202210810871.4A priority Critical patent/CN114877892A/zh
Publication of CN114877892A publication Critical patent/CN114877892A/zh
Pending legal-status Critical Current

Links

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
    • G01C21/165—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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01S19/38—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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种用于光伏机器人的融合定位方法，属于机器人视觉技术领域，包括：通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源；对获取的相关数据源中的部分数据进行处理以获取新的数据；建立基于扩展卡尔曼滤波器的观测模型；将光伏机器人移动过程中的部分相关数据源和对获取的相关数据源中的部分数据进行处理获取的新的数据输入至观测模型中，得到多个观测量；对扩展卡尔曼滤波器的相关参数进行调整；获取光伏机器人的最终融合定位数据，本发明将处理后的GPS数据和INS数据输入至观测模型进行融合，可避免由于机器人震动而导致INS数据饱和并短时缺失以及由遮挡等原因导致的GPS定位失效的情况。

Description

一种用于光伏机器人的融合定位方法
技术领域
本发明属于机器人视觉技术领域，尤其涉及一种用于光伏机器人的融合定位方法。
背景技术
现有的是机器人定位方法通常以采用GPS技术为主，然而GPS是误差范围限定的，存在的一些误差无法完全消除，同时，通常GPS的数据输出频率低于10赫兹，即每秒输出GPS数据少于10次，不利于GPS数据的获取，此外，GPS会有信号缺失的现象。
相比于GPS技术，INS技术靠加速度两次积分来获得位移的原理可使得误差进行累积，INS的数据频率要高得多，甚至可以达到100赫兹以上，并且，INS不容易受外界干扰，可以稳定地输出数据，然而，有时会由于机器人震动而导致INS数据饱和并短时缺失的情况。
因此，提供一种新的技术方案改善上述问题，是本领域技术人员急需解决的问题。
发明内容
有鉴于此，本发明提供一种用于光伏机器人的融合定位方法，以解决上述技术问题。
为实现上述目的，本发明提供如下技术方案：
一种用于光伏机器人的融合定位方法，包括：
通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源；
对获取的相关数据源中的部分数据进行处理以获取新的数据；
建立基于扩展卡尔曼滤波器的观测模型；
将光伏机器人移动过程中的部分相关数据源和对获取的相关数据源中的部分数据进行处理获取的新的数据输入至观测模型中，得到多个观测量；
对扩展卡尔曼滤波器的相关参数进行调整；
获取光伏机器人的最终融合定位数据。
在上述的方案中，所述通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源包括：
通过安装在光伏机器人上的数字罗盘获取光伏机器人开始新的航迹之前的初始航向角；
通过安装在光伏机器人上的GPS设备获取光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据；
通过安装在光伏机器人上的INS设备获取光伏机器人在INS坐标系下的航向角、航向角速度、俯仰角、俯仰角速度、倾斜角、倾斜角速度、在X轴上的加速度数据、在Y轴上的加速度数据和在Z轴上的加速度数据。
在上述的方案中，所述对获取的相关数据源中的部分数据进行处理以获取新的数据包括：
将机器人坐标系变换为导航坐标系；
根据光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据获取光伏机器人在导航坐标系下正北方向的位置数据、正北方向的速度数据、正东方向的位置数据、正东方向的速度数据、高度方向的位置数据和高度方向的速度数据。
在上述的方案中，所述建立基于扩展卡尔曼滤波器的观测模型包括：建立一系列的离散时间观测方程；
建立多个状态方程。
在上述的方案中，所述建立一系列的离散时间观测方程包括：
建立光伏机器人在导航坐标系下的观测方程，光伏机器人在导航坐标系下的观测方程包括：
Figure 522401DEST_PATH_IMAGE001
其中，
Figure 326409DEST_PATH_IMAGE002
为时刻参数，
Figure DEST_PATH_IMAGE003
为对应状态量的观测值，
Figure 242281DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
和
Figure 524358DEST_PATH_IMAGE006
分别为光伏机器人在正东方向的位置、正北方向的位置和高度方向的位置，
Figure DEST_PATH_IMAGE007
、
Figure 209286DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
分别为光伏机器人在正东方向的速度、正北方向的速度和高度方向的速度，
Figure 184195DEST_PATH_IMAGE010
为正东方向的零均值高斯白噪声、
Figure 603675DEST_PATH_IMAGE008
为正北方向的零均值高斯白噪声、
Figure DEST_PATH_IMAGE011
为高度方向的零均值高斯白噪声；
建立光伏机器人在INS坐标系下的观测方程，光伏机器人在INS坐标系下的观测方程包括：
Figure 673131DEST_PATH_IMAGE012
其中，
Figure 760036DEST_PATH_IMAGE002
为时刻参数，
Figure DEST_PATH_IMAGE013
为对应状态量的观测值，
Figure 640267DEST_PATH_IMAGE014
为光伏机器人上的INS坐标系下的航向角、
Figure DEST_PATH_IMAGE015
为光伏机器人上的INS坐标系下的俯仰角、
Figure 530732DEST_PATH_IMAGE016
为光伏机器人上的INS坐标系下的倾斜角，
Figure DEST_PATH_IMAGE017
为光伏机器人上的INS坐标系下航向角速度、
Figure 889032DEST_PATH_IMAGE018
为光伏机器人上的INS坐标系下俯仰角速度、
Figure DEST_PATH_IMAGE019
为光伏机器人上的INS坐标系下倾斜角速度。
在上述的方案中，所述建立一系列的离散时间观测方程还包括：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下和INS坐标系下的联系方程，光伏机器人在导航坐标系下和INS坐标系下的联系方程包括：
Figure 814132DEST_PATH_IMAGE020
其中，
Figure 396423DEST_PATH_IMAGE021
为光伏机器人在导航坐标系下正东方向的加速度、
Figure DEST_PATH_IMAGE022
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 259337DEST_PATH_IMAGE023
为光伏机器人在导航坐标系下高度方向的加速度，
Figure DEST_PATH_IMAGE024
为光伏机器人在INS坐标系下X轴方向上的加速度数据、
Figure 936174DEST_PATH_IMAGE025
光伏机器人在INS坐标系下Y轴方向上的加速度数据、
Figure DEST_PATH_IMAGE026
光伏机器人在INS坐标系下Z轴方向上的加速度数据，
Figure 200934DEST_PATH_IMAGE027
为与X轴方向上的加速度相关的零偏、
Figure DEST_PATH_IMAGE028
为与Y轴方向上的加速度相关的零偏、
Figure 672235DEST_PATH_IMAGE029
为与Z轴方向上的加速度相关的零偏，所述
Figure DEST_PATH_IMAGE030
为X轴方向上的零均值高斯白噪声、所述
Figure 22445DEST_PATH_IMAGE031
为Y轴方向上的零均值高斯白噪声、所述
Figure DEST_PATH_IMAGE032
为Z轴方向上的零均值高斯白噪声。
在上述的方案中，，所述建立多个状态方程包括：
建立光伏机器人航向角和航向角速度的连续状态方程，光伏机器人航向角和航向角速度的连续状态方程为：
Figure 502974DEST_PATH_IMAGE033
，
其中，
Figure DEST_PATH_IMAGE034
Figure 622240DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
为光伏机器人航向角速度的零偏差；
将光伏机器人航向角和航向角速度的连续状态方程进行离散化获取光伏机器人航向角和航向角速度的离散状态方程，光伏机器人航向角和航向角速度的离散状态方程为：
Figure 15175DEST_PATH_IMAGE037
，
其中，
Figure DEST_PATH_IMAGE038
，
Figure 367528DEST_PATH_IMAGE039
是采样间隔，
Figure DEST_PATH_IMAGE040
Figure 871321DEST_PATH_IMAGE041
；
建立光伏机器人俯仰角和俯仰角速度的连续状态方程，光伏机器人俯仰角和俯仰角速度的连续状态方程为：
Figure DEST_PATH_IMAGE042
，
其中
Figure 625519DEST_PATH_IMAGE043
Figure DEST_PATH_IMAGE044
，
Figure 189356DEST_PATH_IMAGE045
为光伏机器人俯仰角速度的零偏差；
将光伏机器人俯仰角和俯仰角速度的连续状态方程进行离散化获取光伏机器人俯仰角和俯仰角速度的离散状态方程，光伏机器人俯仰角和俯仰角速度的离散状态方程为：
Figure DEST_PATH_IMAGE046
，
其中，
Figure 763426DEST_PATH_IMAGE047
，
Figure DEST_PATH_IMAGE048
是采样间隔，
Figure 70910DEST_PATH_IMAGE049
Figure DEST_PATH_IMAGE050
；
建立光伏机器人倾斜角和倾斜角速度的连续状态方程，光伏机器人倾斜角和倾斜角速度的连续状态方程为：
Figure 164768DEST_PATH_IMAGE051
，
其中，
Figure DEST_PATH_IMAGE052
Figure 414353DEST_PATH_IMAGE053
，
Figure DEST_PATH_IMAGE054
为光伏机器人倾斜角速度的零偏差；
将光伏机器人倾斜角和倾斜角速度的连续状态方程进行离散化获取光伏机器人倾斜角和倾斜角速度的离散状态方程，光伏机器人倾斜角和倾斜角速度的离散状态方程为：
Figure 960872DEST_PATH_IMAGE055
，
其中，
Figure DEST_PATH_IMAGE056
，
Figure 586894DEST_PATH_IMAGE057
是采样间隔，
Figure DEST_PATH_IMAGE058
Figure 535258DEST_PATH_IMAGE059
。
在上述的方案中，所述建立多个状态方程还包括：
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程为：
Figure DEST_PATH_IMAGE060
，其中，
Figure 955744DEST_PATH_IMAGE061
为光伏机器人在正东方向的位置、
Figure DEST_PATH_IMAGE062
为光伏机器人在正东方向的速度、
Figure 989559DEST_PATH_IMAGE063
为光伏机器人在导航坐标系下正东方向的加速度、
Figure DEST_PATH_IMAGE064
为与X轴方向上的加速度相关的零偏；
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程为：
Figure 904426DEST_PATH_IMAGE065
，其中，
Figure DEST_PATH_IMAGE066
为光伏机器人在正北方向的位置、
Figure 956564DEST_PATH_IMAGE067
为光伏机器人在正北方向的速度、
Figure DEST_PATH_IMAGE068
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 298684DEST_PATH_IMAGE069
为与Y轴方向上的加速度相关的零偏；
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程为：
Figure DEST_PATH_IMAGE070
，其中，
Figure 69063DEST_PATH_IMAGE071
为光伏机器人在高度方向的位置、
Figure DEST_PATH_IMAGE072
为光伏机器人在高度方向的速度、
Figure 522041DEST_PATH_IMAGE073
为光伏机器人在导航坐标系下高度方向的加速度、
Figure DEST_PATH_IMAGE074
为与Z轴方向上的加速度相关的零偏。
在上述的方案中，所述建立多个状态方程还包括：把建立的所有联系离散状态方程写在一个方程中，并用块矩阵表示，块矩阵为：
Figure 694265DEST_PATH_IMAGE075
，
其中，
Figure DEST_PATH_IMAGE076
，
Figure 207286DEST_PATH_IMAGE077
为过程噪声方差矩阵，
Figure DEST_PATH_IMAGE078
,
Figure 464961DEST_PATH_IMAGE079
，
Figure DEST_PATH_IMAGE080
，
Figure 456051DEST_PATH_IMAGE081
为正东方向上加
速度的过程噪声，
Figure DEST_PATH_IMAGE082
为X轴方向上加速度的零偏差，
Figure 499093DEST_PATH_IMAGE083
，
Figure DEST_PATH_IMAGE084
为正北方向上
加速度的过程噪声，
Figure 166704DEST_PATH_IMAGE085
为Y轴方向上加速度的零偏差，
Figure DEST_PATH_IMAGE086
，
Figure 662407DEST_PATH_IMAGE087
为高度方向上
加速度的过程噪声，
Figure DEST_PATH_IMAGE088
为Z轴方向上加速度的零偏差。
在上述的方案中，所述对扩展卡尔曼滤波器的相关参数进行调整包括：
通过渐变因子对观测模型中X轴方向上的加速度相关的零偏、Y轴方向上的加速度相关的零偏、Z方向上的加速度相关的零偏和过程噪声方差矩阵中的元素进行调整；
根据通过渐变因子获取的调整结果改变扩展卡尔曼滤波器的卡尔曼增益；
根据扩展卡尔曼滤波器的卡尔曼增益对导航坐标系下的数据和INS坐标系下数据的融合结果进行调整。
综上所述，本发明的有益效果是：通过建立基于扩展卡尔曼滤波器的观测模型，并将经过处理的GPS数据和INS数据输入至观测模型进行融合，可避免由于机器人震动而导致INS数据饱和并短时缺失以及由遮挡等原因导致的GPS定位失效的情况。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明中光伏机器人的融合定位方法的步骤图。
图2为本发明中采集相关数据源的步骤图。
图3为本发明中部分数据处理的步骤图。
图4为本发明中建立观测模型的步骤图。
图5为本发明中建立一系列的离散时间观测方程的步骤图。
图6和图7为本发明中建立多个状态方程的步骤图。
图8为本发明中对扩展卡尔曼滤波器的相关参数进行调整的步骤图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
如图1所示，本发明的一种用于光伏机器人的融合定位方法，包括：
步骤S1：通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源；
步骤S2：对获取的相关数据源中的部分数据进行处理以获取新的数据；
步骤S3：建立基于扩展卡尔曼滤波器的观测模型；
步骤S4：将光伏机器人移动过程中的部分相关数据源和对获取的相关数据源中的部分数据进行处理获取的新的数据输入至观测模型中，得到多个观测量；
步骤S5：对扩展卡尔曼滤波器的相关参数进行调整；
步骤S6：获取光伏机器人的最终融合定位数据。
如图2所示，所述通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源包括：
步骤S11：通过安装在光伏机器人上的数字罗盘获取光伏机器人开始新的航迹之前的初始航向角；
步骤S12：通过安装在光伏机器人上的GPS设备获取光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据；
步骤S13：通过安装在光伏机器人上的INS设备获取光伏机器人在INS坐标系下的航向角、航向角速度、俯仰角、俯仰角速度、倾斜角、倾斜角速度、在X轴上的加速度数据、在Y轴上的加速度数据和在Z轴上的加速度数据。
在本实施例中，所述机器人坐标系固定于光伏机器人机体之上，以重心为原点，以机体中心轴线指向前方为X轴，垂直向下为Z轴。
在本实施例中，所述INS坐标系定义为X-Y平面平行于大地，Z轴垂直于大地向下，并以机器人前进方向为X轴。
在本实施例中，所述导航坐标系以固定位置为原点，以平行于大地的正北、正东为水平坐标轴，Z轴的方向竖直向上。
如图3所示，所述对获取的相关数据源中的部分数据进行处理以获取新的数据包括：
步骤S21：将机器人坐标系变换为导航坐标系；
步骤S22：根据光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据获取光伏机器人在导航坐标系下正北方向的位置数据、正北方向的速度数据、正东方向的位置数据、正东方向的速度数据、高度方向的位置数据和高度方向的速度数据。
如图4所示，所述建立基于扩展卡尔曼滤波器的观测模型包括：
步骤S31：建立一系列的离散时间观测方程；
步骤S32：建立多个状态方程。
如图5所示，所述建立一系列的离散时间观测方程包括：
步骤S311：建立光伏机器人在导航坐标系下的观测方程，光伏机器人在导航坐标系下的观测方程包括：
Figure 972034DEST_PATH_IMAGE001
其中，
Figure 135163DEST_PATH_IMAGE002
为时刻参数，
Figure 255565DEST_PATH_IMAGE013
为对应状态量的观测值，
Figure 769723DEST_PATH_IMAGE089
、
Figure 883042DEST_PATH_IMAGE005
和
Figure DEST_PATH_IMAGE090
分别为光伏机器人在正东方向的位置、正北方向的位置和高度方向的位置，
Figure 635097DEST_PATH_IMAGE007
、
Figure 191980DEST_PATH_IMAGE008
和
Figure 177123DEST_PATH_IMAGE009
分别为光伏机器人在正东方向的速度、正北方向的速度和高度方向的速度，
Figure 844864DEST_PATH_IMAGE091
为正东方向的零均值高斯白噪声、
Figure DEST_PATH_IMAGE092
为正北方向的零均值高斯白噪声、
Figure 451426DEST_PATH_IMAGE093
为高度方向的零均值高斯白噪声；
步骤S312：建立光伏机器人在INS坐标系下的观测方程，光伏机器人在INS坐标系下的观测方程包括：
Figure 179211DEST_PATH_IMAGE012
其中，
Figure 651649DEST_PATH_IMAGE002
为时刻参数，
Figure 857503DEST_PATH_IMAGE003
为对应状态量的观测值，
Figure 115309DEST_PATH_IMAGE094
为光伏机器人上的INS坐标系下的航向角、
Figure 13995DEST_PATH_IMAGE015
为光伏机器人上的INS坐标系下的俯仰角、
Figure 708150DEST_PATH_IMAGE095
为光伏机器人上的INS坐标系下的倾斜角，
Figure 717694DEST_PATH_IMAGE017
为光伏机器人上的INS坐标系下航向角速度、
Figure 830007DEST_PATH_IMAGE096
为光伏机器人上的INS坐标系下俯仰角速度、
Figure 899594DEST_PATH_IMAGE097
为光伏机器人上的INS坐标系下倾斜角速度。
步骤S313：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下和INS坐标系下的联系方程，光伏机器人在导航坐标系下和INS坐标系下的联系方程包括：
Figure 97357DEST_PATH_IMAGE020
其中，
Figure 894281DEST_PATH_IMAGE021
为光伏机器人在导航坐标系下正东方向的加速度、
Figure 126679DEST_PATH_IMAGE022
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 101588DEST_PATH_IMAGE023
为光伏机器人在导航坐标系下高度方向的加速度，
Figure 786647DEST_PATH_IMAGE024
为光伏机器人在INS坐标系下X轴方向上的加速度数据、
Figure 387262DEST_PATH_IMAGE025
光伏机器人在INS坐标系下Y轴方向上的加速度数据、
Figure 474167DEST_PATH_IMAGE026
光伏机器人在INS坐标系下Z轴方向上的加速度数据，
Figure 885556DEST_PATH_IMAGE027
为与X轴方向上的加速度相关的零偏、
Figure 792332DEST_PATH_IMAGE028
为与Y轴方向上的加速度相关的零偏、
Figure 681791DEST_PATH_IMAGE029
为与Z轴方向上的加速度相关的零偏，所述
Figure 872470DEST_PATH_IMAGE030
为X轴方向上的零均值高斯白噪声、所述
Figure 454761DEST_PATH_IMAGE031
为Y轴方向上的零均值高斯白噪声、所述
Figure 848833DEST_PATH_IMAGE098
为Z轴方向上的零均值高斯白噪声。
如图6和图7所示，所述建立多个状态方程包括：
步骤S321：建立光伏机器人航向角和航向角速度的连续状态方程，光伏机器人航向角和航向角速度的连续状态方程为：
Figure 807562DEST_PATH_IMAGE099
，
其中，
Figure 603480DEST_PATH_IMAGE034
Figure 605940DEST_PATH_IMAGE035
，
Figure 487308DEST_PATH_IMAGE100
为光伏机器人航向角速度的零偏差；
步骤S322：将光伏机器人航向角和航向角速度的连续状态方程进行离散化获取光伏机器人航向角和航向角速度的离散状态方程，光伏机器人航向角和航向角速度的离散状态方程为：
Figure 984148DEST_PATH_IMAGE037
，
其中，
Figure 634572DEST_PATH_IMAGE038
，
Figure 807934DEST_PATH_IMAGE039
是采样间隔，
Figure 176598DEST_PATH_IMAGE040
Figure 477129DEST_PATH_IMAGE041
；
步骤S323：建立光伏机器人俯仰角和俯仰角速度的连续状态方程，光伏机器人俯仰角和俯仰角速度的连续状态方程为：
Figure 982060DEST_PATH_IMAGE042
，
其中，
Figure 77055DEST_PATH_IMAGE043
Figure 447862DEST_PATH_IMAGE044
，
Figure 20926DEST_PATH_IMAGE045
为光伏机器人俯仰角速度的零偏差；
步骤S324：将光伏机器人俯仰角和俯仰角速度的连续状态方程进行离散化获取光伏机器人俯仰角和俯仰角速度的离散状态方程，光伏机器人俯仰角和俯仰角速度的离散状态方程为：
Figure 645943DEST_PATH_IMAGE101
，
其中，
Figure 911839DEST_PATH_IMAGE047
，
Figure 74721DEST_PATH_IMAGE048
是采样间隔，
Figure 717055DEST_PATH_IMAGE049
Figure 196578DEST_PATH_IMAGE050
；
步骤S325：建立光伏机器人倾斜角和倾斜角速度的连续状态方程，光伏机器人倾斜角和倾斜角速度的连续状态方程为：
Figure 633376DEST_PATH_IMAGE102
，
其中，
Figure 447617DEST_PATH_IMAGE052
Figure 628062DEST_PATH_IMAGE053
，
Figure 227671DEST_PATH_IMAGE054
为光伏机器人倾斜角速度的零偏差；
步骤S326：将光伏机器人倾斜角和倾斜角速度的连续状态方程进行离散化获取光伏机器人倾斜角和倾斜角速度的离散状态方程，光伏机器人倾斜角和倾斜角速度的离散状态方程为：
Figure 835370DEST_PATH_IMAGE055
，
其中，
Figure 887640DEST_PATH_IMAGE056
，
Figure 121044DEST_PATH_IMAGE057
是采样间隔，
Figure 575159DEST_PATH_IMAGE058
Figure 353759DEST_PATH_IMAGE059
。
步骤S327：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程为：
Figure 893325DEST_PATH_IMAGE060
，其中，
Figure 681152DEST_PATH_IMAGE061
为光伏机器人在正东方向的位置、
Figure 239041DEST_PATH_IMAGE062
为光伏机器人在正东方向的速度、
Figure 188543DEST_PATH_IMAGE063
为光伏机器人在导航坐标系下正东方向的加速度、
Figure 949825DEST_PATH_IMAGE064
为与X轴方向上的加速度相关的零偏；
步骤S328：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程为：
Figure 541344DEST_PATH_IMAGE065
，其中，
Figure 953739DEST_PATH_IMAGE066
为光伏机器人在正北方向的位置、
Figure 74142DEST_PATH_IMAGE067
为光伏机器人在正北方向的速度、
Figure 588300DEST_PATH_IMAGE068
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 717930DEST_PATH_IMAGE069
为与Y轴方向上的加速度相关的零偏；
步骤S329：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程为：
Figure 735565DEST_PATH_IMAGE070
，其中，
Figure 541716DEST_PATH_IMAGE071
为光伏机器人在高度方向的位置、
Figure 277590DEST_PATH_IMAGE072
为光伏机器人在高度方向的速度、
Figure 945332DEST_PATH_IMAGE073
为光伏机器人在导航坐标系下高度方向的加速度、
Figure 83052DEST_PATH_IMAGE074
为与Z轴方向上的加速度相关的零偏。
步骤S3210：把建立的所有联系离散状态方程写在一个方程中，并用块矩阵表示，块矩阵为：
Figure 60104DEST_PATH_IMAGE075
，
其中，
Figure 17696DEST_PATH_IMAGE076
，
Figure 754708DEST_PATH_IMAGE077
为过程噪声方差矩阵，
Figure 746935DEST_PATH_IMAGE078
,
Figure 380041DEST_PATH_IMAGE079
，
Figure 339776DEST_PATH_IMAGE080
，
Figure 349320DEST_PATH_IMAGE081
为正东方向上加
速度的过程噪声，
Figure 461633DEST_PATH_IMAGE082
为X轴方向上加速度的零偏差，
Figure 531220DEST_PATH_IMAGE083
，
Figure 712672DEST_PATH_IMAGE084
为正北方向上
加速度的过程噪声，
Figure 525907DEST_PATH_IMAGE085
为Y轴方向上加速度的零偏差，
Figure 492726DEST_PATH_IMAGE086
，
Figure 733214DEST_PATH_IMAGE087
为高度方向上
加速度的过程噪声，
Figure 418274DEST_PATH_IMAGE088
为Z轴方向上加速度的零偏差。
如图8所示，所述对扩展卡尔曼滤波器的相关参数进行调整包括：
步骤S51：通过渐变因子对观测模型中X轴方向上的加速度相关的零偏、Y轴方向上的加速度相关的零偏、Z方向上的加速度相关的零偏和过程噪声方差矩阵中的元素进行调整；
步骤S52：根据通过渐变因子获取的调整结果改变扩展卡尔曼滤波器的卡尔曼增益；
步骤S53：根据扩展卡尔曼滤波器的卡尔曼增益对导航坐标系下的数据和INS坐标系下数据的融合结果进行调整。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，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 (8)

1.一种用于光伏机器人的融合定位方法，其特征在于，包括：
通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源；
对获取的相关数据源中的部分数据进行处理以获取新的数据；
建立基于扩展卡尔曼滤波器的观测模型；
将光伏机器人移动过程中的部分相关数据源和对获取的相关数据源中的部分数据进行处理获取的新的数据输入至观测模型中，得到多个观测量；
对扩展卡尔曼滤波器的相关参数进行调整；
获取光伏机器人的最终融合定位数据；
其中，所述建立基于扩展卡尔曼滤波器的观测模型包括：
建立一系列的离散时间观测方程；
建立多个状态方程；
所述建立多个状态方程包括：
建立光伏机器人航向角和航向角速度的连续状态方程，光伏机器人航向角和航向角速度的连续状态方程为：
Figure 905335DEST_PATH_IMAGE001
，
其中，
Figure 692026DEST_PATH_IMAGE002
Figure 676162DEST_PATH_IMAGE003
，
Figure 379545DEST_PATH_IMAGE004
为光伏机器人航向角速度的零偏差；
将光伏机器人航向角和航向角速度的连续状态方程进行离散化获取光伏机器人航向角和航向角速度的离散状态方程，光伏机器人航向角和航向角速度的离散状态方程为：
Figure 158145DEST_PATH_IMAGE005
，
其中，
Figure 432132DEST_PATH_IMAGE006
，
Figure 954380DEST_PATH_IMAGE007
是采样间隔，
Figure 777848DEST_PATH_IMAGE008
Figure 727350DEST_PATH_IMAGE009
；
建立光伏机器人俯仰角和俯仰角速度的连续状态方程，光伏机器人俯仰角和俯仰角速度的连续状态方程为：
Figure 754211DEST_PATH_IMAGE010
，
其中，
Figure 80151DEST_PATH_IMAGE011
Figure 508858DEST_PATH_IMAGE012
，
Figure 878528DEST_PATH_IMAGE013
为光伏机器人俯仰角速度的零偏差；
将光伏机器人俯仰角和俯仰角速度的连续状态方程进行离散化获取光伏机器人俯仰角和俯仰角速度的离散状态方程，光伏机器人俯仰角和俯仰角速度的离散状态方程为：
Figure 127107DEST_PATH_IMAGE014
，
其中，
Figure 256737DEST_PATH_IMAGE015
，
Figure 539951DEST_PATH_IMAGE016
是采样间隔，
Figure 80522DEST_PATH_IMAGE017
Figure 816397DEST_PATH_IMAGE018
；
建立光伏机器人倾斜角和倾斜角速度的连续状态方程，光伏机器人倾斜角和倾斜角速度的连续状态方程为：
Figure 749718DEST_PATH_IMAGE019
，
其中，
Figure 887438DEST_PATH_IMAGE020
Figure 349644DEST_PATH_IMAGE021
，
Figure 822082DEST_PATH_IMAGE022
为光伏机器人倾斜角速度的零偏差；
将光伏机器人倾斜角和倾斜角速度的连续状态方程进行离散化获取光伏机器人倾斜角和倾斜角速度的离散状态方程，光伏机器人倾斜角和倾斜角速度的离散状态方程为：
Figure 559094DEST_PATH_IMAGE023
，
其中，
Figure 551321DEST_PATH_IMAGE024
，
Figure 184428DEST_PATH_IMAGE025
是采样间隔，
Figure 160474DEST_PATH_IMAGE026
Figure 419286DEST_PATH_IMAGE027
。
2.根据权利要求1所述的用于光伏机器人的融合定位方法，其特征在于，所述通过安装在光伏机器人上的多个数据源采集设备获取光伏机器人移动过程中的相关数据源包括：
通过安装在光伏机器人上的数字罗盘获取光伏机器人开始新的航迹之前的初始航向角；
通过安装在光伏机器人上的GPS设备获取光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据；
通过安装在光伏机器人上的INS设备获取光伏机器人在INS坐标系下的航向角、航向角速度、俯仰角、俯仰角速度、倾斜角、倾斜角速度、在X轴上的加速度数据、在Y轴上的加速度数据和在Z轴上的加速度数据。
3.根据权利要求1所述的用于光伏机器人的融合定位方法，其特征在于，所述对获取的相关数据源中的部分数据进行处理以获取新的数据包括：
将机器人坐标系变换为导航坐标系；
根据光伏机器人在机器人坐标系下的经度数据、纬度数据、高度数据、水平速度数据、垂直速度数据以及光伏机器人相对正北方向的航向角数据获取光伏机器人在导航坐标系下正北方向的位置数据、正北方向的速度数据、正东方向的位置数据、正东方向的速度数据、高度方向的位置数据和高度方向的速度数据。
4.根据权利要求1所述的用于光伏机器人的融合定位方法，其特征在于，所述建立一系列的离散时间观测方程包括：
建立光伏机器人在导航坐标系下的观测方程，光伏机器人在导航坐标系下的观测方程包括：
Figure 266019DEST_PATH_IMAGE028
其中，
Figure 335606DEST_PATH_IMAGE029
为时刻参数，
Figure 533369DEST_PATH_IMAGE030
为对应状态量的观测值，
Figure 595872DEST_PATH_IMAGE031
、
Figure 297112DEST_PATH_IMAGE032
和
Figure 537600DEST_PATH_IMAGE033
分别为光伏机器人在正东方向的位置、正北方向的位置和高度方向的位置，
Figure 222660DEST_PATH_IMAGE034
、
Figure 574007DEST_PATH_IMAGE035
和
Figure 644600DEST_PATH_IMAGE036
分别为光伏机器人在正东方向的速度、正北方向的速度和高度方向的速度，
Figure 55989DEST_PATH_IMAGE037
为正东方向的零均值高斯白噪声、
Figure 228345DEST_PATH_IMAGE038
为正北方向的零均值高斯白噪声、
Figure 383383DEST_PATH_IMAGE039
为高度方向的零均值高斯白噪声；
建立光伏机器人在INS坐标系下的观测方程，光伏机器人在INS坐标系下的观测方程包括：
Figure 331920DEST_PATH_IMAGE040
其中，
Figure 914211DEST_PATH_IMAGE029
为时刻参数，
Figure 308283DEST_PATH_IMAGE041
为对应状态量的观测值，
Figure 267012DEST_PATH_IMAGE042
为光伏机器人上的INS坐标系下的航向角、
Figure 62929DEST_PATH_IMAGE043
为光伏机器人上的INS坐标系下的俯仰角、
Figure 799810DEST_PATH_IMAGE044
为光伏机器人上的INS坐标系下的倾斜角，
Figure 681178DEST_PATH_IMAGE045
为光伏机器人上的INS坐标系下航向角速度、
Figure 443598DEST_PATH_IMAGE046
为光伏机器人上的INS坐标系下俯仰角速度、
Figure 94022DEST_PATH_IMAGE047
为光伏机器人上的INS坐标系下倾斜角速度。
5.根据权利要求4所述的用于光伏机器人的融合定位方法，其特征在于，所述建立一系列的离散时间观测方程还包括：通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下和INS坐标系下的联系方程，光伏机器人在导航坐标系下和INS坐标系下的联系方程包括：
Figure 267383DEST_PATH_IMAGE048
其中，
Figure 370469DEST_PATH_IMAGE041
为对应状态量的观测值，
Figure 405421DEST_PATH_IMAGE049
为光伏机器人在导航坐标系下正东方向的加速度、
Figure 441510DEST_PATH_IMAGE050
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 536505DEST_PATH_IMAGE051
为光伏机器人在导航坐标系下高度方向的加速度，
Figure 376154DEST_PATH_IMAGE052
为光伏机器人在INS坐标系下X轴方向上的加速度数据、
Figure 480376DEST_PATH_IMAGE053
光伏机器人在INS坐标系下Y轴方向上的加速度数据、
Figure 105392DEST_PATH_IMAGE054
光伏机器人在INS坐标系下Z轴方向上的加速度数据，
Figure 371289DEST_PATH_IMAGE055
为与X轴方向上的加速度相关的零偏、
Figure 698234DEST_PATH_IMAGE056
为与Y轴方向上的加速度相关的零偏、
Figure 74988DEST_PATH_IMAGE057
为与Z轴方向上的加速度相关的零偏，所述
Figure 554511DEST_PATH_IMAGE058
为X轴方向上的零均值高斯白噪声、所述
Figure 256888DEST_PATH_IMAGE059
为Y轴方向上的零均值高斯白噪声、所述
Figure 821862DEST_PATH_IMAGE060
为Z轴方向上的零均值高斯白噪声。
6.根据权利要求1所述的用于光伏机器人的融合定位方法，其特征在于，所述建立多个状态方程还包括：
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正东方向和在INS坐标系下X轴方向上的加速度数据的联系离散状态方程为：
Figure 251575DEST_PATH_IMAGE061
，其中，
Figure 585604DEST_PATH_IMAGE062
为光伏机器人在正东方向的位置、
Figure 458882DEST_PATH_IMAGE063
为光伏机器人在正东方向的速度、
Figure 511152DEST_PATH_IMAGE064
为光伏机器人在导航坐标系下正东方向的加速度、
Figure 744556DEST_PATH_IMAGE065
为与X轴方向上的加速度相关的零偏；
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下正北方向和在INS坐标系下Y轴方向上的加速度数据的联系离散状态方程为：
Figure 933092DEST_PATH_IMAGE066
，其中，
Figure 977271DEST_PATH_IMAGE067
为光伏机器人在正北方向的位置、
Figure 251258DEST_PATH_IMAGE068
为光伏机器人在正北方向的速度、
Figure 22774DEST_PATH_IMAGE069
为光伏机器人在导航坐标系下正北方向的加速度、
Figure 596974DEST_PATH_IMAGE070
为与Y轴方向上的加速度相关的零偏；
通过扩展卡尔曼滤波器建立光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程，光伏机器人在导航坐标系下高度方向和在INS坐标系下Z轴方向上的加速度数据的联系离散状态方程为：
Figure 812055DEST_PATH_IMAGE071
，其中，
Figure 838917DEST_PATH_IMAGE072
为光伏机器人在高度方向的位置、
Figure 899277DEST_PATH_IMAGE073
为光伏机器人在高度方向的速度、
Figure 311672DEST_PATH_IMAGE074
为光伏机器人在导航坐标系下高度方向的加速度、
Figure 697654DEST_PATH_IMAGE075
为与Z轴方向上的加速度相关的零偏。
7.根据权利要求6所述的用于光伏机器人的融合定位方法，其特征在于，所述建立多个状态方程还包括：把建立的所有联系离散状态方程写在一个方程中，并用块矩阵表示，块矩阵为：
Figure 211812DEST_PATH_IMAGE076
，
其中，
Figure 75863DEST_PATH_IMAGE077
，
Figure 359077DEST_PATH_IMAGE078
为过程噪声方差矩阵，
Figure 165228DEST_PATH_IMAGE079
,
Figure 901103DEST_PATH_IMAGE080
，
Figure 303265DEST_PATH_IMAGE081
，
Figure 706565DEST_PATH_IMAGE082
为正东方向上加速度的过程噪声，
Figure 418038DEST_PATH_IMAGE083
为X轴方向上加速度的零偏差，
Figure 906788DEST_PATH_IMAGE084
，
Figure 112641DEST_PATH_IMAGE085
为正北方向上加速度的过程噪声，
Figure 104868DEST_PATH_IMAGE086
为Y轴方向上加速度的零偏差，
Figure 3554DEST_PATH_IMAGE087
，
Figure 963288DEST_PATH_IMAGE088
为高度方向上加速度的过程噪声，
Figure 707253DEST_PATH_IMAGE089
为Z轴方向上加速度的零偏差。
8.根据权利要求1所述的用于光伏机器人的融合定位方法，其特征在于，所述对扩展卡尔曼滤波器的相关参数进行调整包括：
通过渐变因子对观测模型中X轴方向上的加速度相关的零偏、Y轴方向上的加速度相关的零偏、Z方向上的加速度相关的零偏和过程噪声方差矩阵中的元素进行调整；
根据通过渐变因子获取的调整结果改变扩展卡尔曼滤波器的卡尔曼增益；
根据扩展卡尔曼滤波器的卡尔曼增益对导航坐标系下的数据和INS坐标系下数据的融合结果进行调整。
CN202210810871.4A 2022-07-11 2022-07-11 一种用于光伏机器人的融合定位方法 Pending CN114877892A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210810871.4A CN114877892A (zh) 2022-07-11 2022-07-11 一种用于光伏机器人的融合定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210810871.4A CN114877892A (zh) 2022-07-11 2022-07-11 一种用于光伏机器人的融合定位方法

Publications (1)

Publication Number Publication Date
CN114877892A true CN114877892A (zh) 2022-08-09

Family

ID=82683077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210810871.4A Pending CN114877892A (zh) 2022-07-11 2022-07-11 一种用于光伏机器人的融合定位方法

Country Status (1)

Country Link
CN (1) CN114877892A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969784A (zh) * 2017-03-24 2017-07-21 中国石油大学(华东) 一种并发建图定位与惯性导航的组合误差融合***
CN107289933A (zh) * 2017-06-28 2017-10-24 东南大学 基于mems传感器和vlc定位融合的双卡尔曼滤波导航装置和方法
CN109324330A (zh) * 2018-09-18 2019-02-12 东南大学 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法
US20200033131A1 (en) * 2017-03-31 2020-01-30 Commonwealth Scientific And Industrial Research Organisation Low cost ins
CN110988951A (zh) * 2019-12-06 2020-04-10 中国地质大学（北京） 多源数据融合实时导航定位方法及***
CN112476433A (zh) * 2020-11-23 2021-03-12 深圳怪虫机器人有限公司 一种基于识别阵列边界的移动机器人定位方法
CN112729307A (zh) * 2020-12-23 2021-04-30 南京市晨枭软件技术有限公司 一种用于路径规划机器人的多传感信息融合***及其控制方法
US20210206390A1 (en) * 2020-07-09 2021-07-08 Beijing Baidu Netcom Science Technology Co., Ltd. Positioning method and apparatus, vehicle device, and autonomous vehicle
CN114485641A (zh) * 2022-01-24 2022-05-13 武汉梦芯科技有限公司 一种基于惯导卫导方位融合的姿态解算方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969784A (zh) * 2017-03-24 2017-07-21 中国石油大学(华东) 一种并发建图定位与惯性导航的组合误差融合***
US20200033131A1 (en) * 2017-03-31 2020-01-30 Commonwealth Scientific And Industrial Research Organisation Low cost ins
CN107289933A (zh) * 2017-06-28 2017-10-24 东南大学 基于mems传感器和vlc定位融合的双卡尔曼滤波导航装置和方法
CN109324330A (zh) * 2018-09-18 2019-02-12 东南大学 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法
CN110988951A (zh) * 2019-12-06 2020-04-10 中国地质大学（北京） 多源数据融合实时导航定位方法及***
US20210206390A1 (en) * 2020-07-09 2021-07-08 Beijing Baidu Netcom Science Technology Co., Ltd. Positioning method and apparatus, vehicle device, and autonomous vehicle
CN112476433A (zh) * 2020-11-23 2021-03-12 深圳怪虫机器人有限公司 一种基于识别阵列边界的移动机器人定位方法
CN112729307A (zh) * 2020-12-23 2021-04-30 南京市晨枭软件技术有限公司 一种用于路径规划机器人的多传感信息融合***及其控制方法
CN114485641A (zh) * 2022-01-24 2022-05-13 武汉梦芯科技有限公司 一种基于惯导卫导方位融合的姿态解算方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LUJUAN DANG 等: ""Cubature Kalman Filter Under Minimum Error Entropy With Fiducial Points for INS/GPS Integration"", 《IEEE/CAA JOURNAL OF AUTOMATICA SINICA》 *
徐萌 等: ""基于UKF数据融合的勘测机器人定位方法"", 《机械工程师》 *
项志宇: "面向越野自主导航的鲁棒GPS/INS融合定位***", 《电路与***学报》 *

Similar Documents

Publication Publication Date Title
CN107270893B (zh) 面向不动产测量的杆臂、时间不同步误差估计与补偿方法
CN111024064B (zh) 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法
CN110361010B (zh) 一种基于占据栅格地图且结合imu的移动机器人定位方法
CN104635251B (zh) 一种ins/gps组合定位定姿新方法
CN112505737B (zh) 一种gnss/ins组合导航方法
CN105674984B (zh) 一种无约束使用移动终端获取行人前进方向的方法
CN114413887B (zh) 一种传感器外部参数标定方法、设备及介质
CN110440827B (zh) 一种参数误差的标定方法、装置及存储介质
CN113220013A (zh) 一种多旋翼无人机隧洞悬停方法及***
CN108759815B (zh) 一种用于全局视觉定位方法中的信息融合组合导航方法
CN110017837A (zh) 一种姿态抗磁干扰的组合导航方法
CN114216456B (zh) 一种基于imu与机器人本体参数融合的姿态测量方法
CN105910606A (zh) 一种基于角速度差值的方向修正方法
WO2023226155A1 (zh) 多源数据融合定位方法、装置、设备及计算机存储介质
CN113820735A (zh) 位置信息的确定方法、位置测量设备、终端及存储介质
CN111637888A (zh) 基于惯导和激光雷达单点测距的掘进机定位方法及***
CN108444468B (zh) 一种融合下视视觉与惯导信息的定向罗盘
CN111207773B (zh) 一种用于仿生偏振光导航的姿态无约束优化求解方法
CN204788411U (zh) 基于声源定位、ins的爬壁机器人导航定位***
CN114877892A (zh) 一种用于光伏机器人的融合定位方法
CN112292578B (zh) 大地水准面测量方法、测量装置、估计装置、计算用数据采集装置
CN112649001B (zh) 一种小型无人机姿态与位置解算方法
CN112595330B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN104792336B (zh) 一种飞行状态测量方法及装置
CN113551688A (zh) 车载定位定向导航设备无依托快速免拆卸标定方法及装置

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: 20220809