CN115523920B - 一种基于视觉惯性gnss紧耦合的无缝定位方法 - Google Patents
一种基于视觉惯性gnss紧耦合的无缝定位方法 Download PDFInfo
- Publication number
- CN115523920B CN115523920B CN202211512861.9A CN202211512861A CN115523920B CN 115523920 B CN115523920 B CN 115523920B CN 202211512861 A CN202211512861 A CN 202211512861A CN 115523920 B CN115523920 B CN 115523920B
- Authority
- CN
- China
- Prior art keywords
- gnss
- information
- residual
- carrier
- visual
- 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
-
- 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
- G01C21/10—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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于视觉惯性GNSS紧耦合的无缝定位方法,使用SPP算法计算载体初始绝对位置,使用多普勒频移与视觉惯性***解算出的载体速度对齐,获得载体在ENU坐标系下的初始位置、姿态和速度。分别计算IMU残差、视觉重投影误差、伪距残差、多普勒频移残差和接收机时钟残差,将其作为因子加入到优化项中,优化求解获得载体的绝对位姿。提出一种针对GNSS拒止环境的状态切换策略,在无可用的GNSS信息时,锁定与GNSS相关的状态量并在因子图中隔离伪距残差因子、多普勒频移残差因子和接收机时钟残差因子,***退化为视觉惯性融合的定位方法。此方法在GNSS信号弱的拒止环境下能够获得可靠精确的绝对位姿,并能在进出拒止环境时进行状态的无缝切换。
Description
技术领域
本发明属于制导技术领域,涉及一种视觉惯导GNSS融合定位方法,具体涉及一种基于视觉惯性GNSS紧耦合的无缝定位方法。
背景技术
同时定位与建图(Simultaneous Localization and Mapping, SLAM)是智能自主机器人独立完成任务目标的核心技术,在近年来被广泛研究并已被广泛应用于微型无人机、智能驾驶、虚拟现实以及增强现实等多个领域。
随着近年来各方的研究与开源,SLAM技术从最初的仅视觉、仅激光雷达的定位方法发展至能克服单一传感器缺点的多传感器方法。其中视觉惯性的融合方法因其重量轻、成本低的优点,成为最主流的方法。但视觉惯性融合***因为其传感器的局限性,只能通过获取周遭环境与载体自身的信息,解算得到载体自身的相对位姿,无法得到精确的绝对位置,并且定位***会随着时间的推移误差逐渐增大。因此引入GNSS卫星导航信息进行多传感器融合,获取载体的绝对位姿信息。但在实际应用环境中,GNSS信号容易受到遮挡、屏蔽或干扰,并不能保证接收机随时都能接收到稳定的GNSS信息,导致定位中断停滞或产生很大的漂移。
发明内容
要解决的技术问题
为了解决GNSS信号丢失而导致定位中断停滞或产生很大的漂移的问题,本发明提供一种基于视觉惯性GNSS紧耦合的实现在GNSS拒止环境与非拒止环境下无缝衔接的定位方法。
技术方案
一种基于视觉惯性GNSS紧耦合的无缝定位方法,其特征在于:实现视觉惯性GNSS紧耦合并在进入GNSS拒止环境仍能进行无缝的绝对位置的获取;步骤如下:
步骤1:对IMU信息进行预积分处理,对视觉图像信息进行特征点的提取与跟踪,使用星历信息对GNSS信息进行可靠性筛选,得到可用的传感器信息;
步骤2:进行初始化,使用仅视觉的三维运动重建获得载体的相对于初始位置的初始相对位姿,进行视觉IMU联合初始化得到IMU加速度计与陀螺仪的偏置以及重力矢量的对齐;利用SPP算法通过至少四颗以上的卫星的伪距信息计算出载体粗略的绝对位置,利用多普勒频移与视觉惯性***得到的相对速度对齐,进行视觉惯性***与GNSS信息的联合初始化得到载体在ENU坐标系下的绝对位姿;
步骤3:计算视觉重投影误差、IMU预积分残差和GNSS信息的伪距残差、多普勒频移残差、接收机时钟残差并分别作为因子构建因子图,构建滑动窗口对其中所有的状态量进行优化求解,其中n为滑动窗口中的帧数,m为滑动窗口中所有特征点的数量,分别为载体的位置、速度和姿态,为加速度计和陀螺仪的偏置,为接收机时钟钟差,为接收机时钟钟差变化率,为相机外参,为特征点的逆深度,为载体坐标系和ENU坐标系之间的偏航角;通过星历信息对卫星GNSS信息进行筛选,当无可用的GNSS信息时,锁定与GNSS相关的状态量并在因子图中隔离GNSS信息的伪距残差因子、多普勒频移残差因子和接收机时钟残差因子,切换到视觉惯性定位***解算载体相对位姿并根据有可用GNSS信息时的先验信息推算ENU坐标系下的绝对位姿,待重新接收到可用得GNSS信息时,再对GNSS相关的状态量进行解锁,并加入伪距残差因子、多普勒频移残差因子和接收机时钟残差因子进行联合优化,令偏航角、接收机时钟钟差、接收机时钟钟差变化率继续被各优化项优化更新。
本发明进一步的技术方案:步骤3所述的伪距残差因子:
其中为地球自转角速度,为卫星信号传输时间,为地球在卫星信号传输过程中的旋转,为接收机接收到卫星信号时卫星在ECEF坐标系下的实际位置,表示接收机的位置,c代表光速,为接收机时钟钟差,为卫星时钟误差,和分别代表对流层和电流层带来的延迟误差,为伪距的量测值。
本发明进一步的技术方案:步骤3所述的多普勒频移残差因子:
本发明进一步的技术方案:步骤3所述的接收机时钟残差因子:
本发明进一步的技术方案:步骤3所述的联合优化具体如下:
将残差项因子加入到优化项中,建立优化模型:
一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
有益效果
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1基于视觉惯性GNSS紧耦合的无缝定位方法流程图;
图2 ECEF坐标系、ENU坐标系和Local坐标系关系图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。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。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1阐述了本发明的思路:首先对相机、IMU和GNSS获得的信息进行预处理,对相机图像进行特征提取与追踪,对惯性IMU数据进行预积分,对GNSS信息进行可靠性筛选;然后使用图像信息进行仅视觉的三维运动重建,后与IMU信息进行联合初始化;使用SPP方法计算初始绝对位置并使用多普勒频移与视觉惯性***获得的速度信息对齐,完成三传感器联合初始化;在有可靠的GNSS信息时,进行三传感器联合优化求解载***姿,在无可靠的GNSS信息时,***退化为视觉惯性定位进行解算。
具体过程:
1、对惯性测量单元IMU信息进行预积分处理,对视觉图像信息进行特征点的提取与跟踪,使用星历信息对GNSS信息进行可靠性筛选,得到可用的传感器信息;
从GNSS接收机获取GNSS量测信息后,会对其进行筛选,首先会剔除还未收到其对应星历信息的量测信息,之后通过伪距标准差和多普勒频移标准差对不可靠的GNSS信息剔除(标准差超过设定阈值则剔除),最后利用接收机与卫星的仰角大小,去掉受到地球电离层和对流层影响较大的量测信息(仰角小于30度则剔除),剩余的可靠的量测信息用于初始化和优化。
2、进行初始化,使用仅视觉的三维运动重建获得载体的相对于初始位置的初始相对位姿,进行视觉IMU联合初始化得到IMU加速度计与陀螺仪的偏置以及重力矢量的对齐。
使用SPP(单点定位)算法,利用伪距和三角测距原理,计算获得接收机的粗略坐标,由于存在时钟钟差且不同GNSS***的时钟钟差不同,因此需要至少N+3颗卫星的伪距信息才能计算出载体的绝对位置和时钟偏差,其中N为GNSS***(GPS、北斗、GLONASS、Gialleo等)的数量,利用多普勒频移与视觉惯性***得到的相对速度对齐,计算获得ENU坐标系与Local(局部导航坐标系)系的偏航角;利用计算获得的绝对坐标和偏航角获得ECEF坐标系(地心地固坐标系)、ENU坐标系(东北天坐标系)以及Local坐标系的转换关系,如图2所示,ENU系到ECEF系的转换为:
3、通过跟踪到的特征点计算视觉重投影误差、IMU预积分残差和GNSS信息的伪距残差、多普勒频移残差、接收机时钟残差并分别作为五个因子构建因子图,构建滑动窗口对其中所有的状态量进行优化求解,其中n为滑动窗口中的帧数,m为滑动窗口中所有特征点的数量,分别为载体的位置、速度和姿态,为加速度计和陀螺仪的偏置,为接收机时钟钟差,为接收机时钟钟差变化率,为相机外参,为特征点的逆深度,为载体坐标系和ENU坐标系之间的偏航角。
建立伪距残差因子:
其中为地球自转角速度,为卫星信号传输时间,为地球在卫星信号传输过程中的旋转,为接收机接收到卫星信号时卫星在ECEF坐标系下的实际位置,表示接收机的位置,c代表光速,为接收机时钟钟差,为卫星时钟误差,和分别代表对流层和电流层带来的延迟误差,为伪距的量测值。
建立多普勒频移残差因子:
建立接收机时钟残差因子:
将这五个因子加入到优化项中,建立优化模型:
当无可用的GNSS信息时,锁定受GNSS量测信息影响的状态量偏航角、接收机时钟钟差和接收机时钟钟差变化率并在因子图中隔离GNSS信息的伪距残差因子、多普勒频移残差因子和接收机时钟残差因子,***退化为视觉惯性融合的定位方法并利用GNSS丢失前的偏航角推算载体的绝对位置,待重新接收到可用的GNSS信息时,再对GNSS相关的状态量进行解锁并加入伪距残差因子、多普勒频移残差因子和接收机时钟残差因子进行联合优化,实现了载体进出拒止环境绝对定位的无缝解算输出。
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公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于视觉惯性GNSS紧耦合的无缝定位方法,其特征在于:实现视觉惯性GNSS紧耦合并在进入GNSS拒止环境仍能进行无缝的绝对位置的获取;步骤如下:
步骤1:对IMU信息进行预积分处理,对视觉图像信息进行特征点的提取与跟踪,使用星历信息对GNSS信息进行可靠性筛选,得到可用的传感器信息;
步骤2:进行初始化,使用仅视觉的三维运动重建获得载体的相对于初始位置的初始相对位姿,进行视觉IMU联合初始化得到IMU加速度计与陀螺仪的偏置以及重力矢量的对齐;利用单点定位SPP算法通过至少四颗以上的卫星的伪距信息计算出载体粗略的绝对位置,利用多普勒频移与视觉惯性***得到的相对速度对齐,进行视觉惯性***与GNSS信息的联合初始化得到载体在ENU坐标系下的绝对位姿;
步骤3:计算视觉重投影误差、IMU预积分残差和GNSS信息的伪距残差、多普勒频移残差、接收机时钟残差并分别作为因子构建因子图,构建滑动窗口对其中所有的状态量进行优化求解,其中n为滑动窗口中的帧数,m为滑动窗口中所有特征点的数量 分别为载体的位置、速度和姿态,ba、bω为加速度计和陀螺仪的偏置,δt为接收机时钟钟差,为接收机时钟钟差变化率,为相机外参,ρm为特征点的逆深度,ψ为载体坐标系和ENU坐标系之间的偏航角;通过星历信息对卫星GNSS信息进行筛选,当无可用的GNSS信息时,锁定与GNSS相关的状态量并在因子图中隔离GNSS信息的伪距残差因子、多普勒频移残差因子和接收机时钟残差因子,切换到视觉惯性定位***解算载体相对位姿并根据有可用GNSS信息时的先验信息推算ENU坐标系下的绝对位姿,待重新接收到可用得GNSS信息时,再对GNSS相关的状态量进行解锁,并加入伪距残差因子、多普勒频移残差因子和接收机时钟残差因子进行联合优化,令偏航角ψ、接收机时钟钟差δt、接收机时钟钟差变化率继续被各优化项优化更新;
所述的接收机时钟残差因子:
5.一种计算机***,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
6.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512861.9A CN115523920B (zh) | 2022-11-30 | 2022-11-30 | 一种基于视觉惯性gnss紧耦合的无缝定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512861.9A CN115523920B (zh) | 2022-11-30 | 2022-11-30 | 一种基于视觉惯性gnss紧耦合的无缝定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115523920A CN115523920A (zh) | 2022-12-27 |
CN115523920B true CN115523920B (zh) | 2023-03-10 |
Family
ID=84704965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211512861.9A Active CN115523920B (zh) | 2022-11-30 | 2022-11-30 | 一种基于视觉惯性gnss紧耦合的无缝定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115523920B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117760428B (zh) * | 2024-02-22 | 2024-04-30 | 西北工业大学 | 一种基于多立体视觉惯性紧耦合的自主定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179338A (zh) * | 2020-09-07 | 2021-01-05 | 西北工业大学 | 一种基于视觉和惯导融合的低空无人机自身定位方法 |
CN114719843A (zh) * | 2022-06-09 | 2022-07-08 | 长沙金维信息技术有限公司 | 复杂环境下的高精度定位方法 |
CN115388884A (zh) * | 2022-08-17 | 2022-11-25 | 南京航空航天大学 | 一种智能***姿估计器联合初始化方法 |
CN115406447A (zh) * | 2022-10-31 | 2022-11-29 | 南京理工大学 | 拒止环境下基于视觉惯性的四旋翼无人机自主定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8589072B2 (en) * | 2011-04-13 | 2013-11-19 | Honeywell International, Inc. | Optimal combination of satellite navigation system data and inertial data |
EP3236209B1 (en) * | 2016-04-19 | 2021-06-09 | Honda Research Institute Europe GmbH | Navigation system and method for error correction |
CN109376785B (zh) * | 2018-10-31 | 2021-09-24 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
-
2022
- 2022-11-30 CN CN202211512861.9A patent/CN115523920B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179338A (zh) * | 2020-09-07 | 2021-01-05 | 西北工业大学 | 一种基于视觉和惯导融合的低空无人机自身定位方法 |
CN114719843A (zh) * | 2022-06-09 | 2022-07-08 | 长沙金维信息技术有限公司 | 复杂环境下的高精度定位方法 |
CN115388884A (zh) * | 2022-08-17 | 2022-11-25 | 南京航空航天大学 | 一种智能***姿估计器联合初始化方法 |
CN115406447A (zh) * | 2022-10-31 | 2022-11-29 | 南京理工大学 | 拒止环境下基于视觉惯性的四旋翼无人机自主定位方法 |
Non-Patent Citations (2)
Title |
---|
"Three-dimensional coverage-based cooperative guidance law with overload constraints to intercept a hypersonic vehicle";Shuangxi Liu et al.;《Aerospace Science and Technology》;20220928;第130卷;全文 * |
基于单目视觉与惯导融合的无人机位姿估计;熊敏君等;《计算机应用》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115523920A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | GVINS: Tightly coupled GNSS–visual–inertial fusion for smooth and consistent state estimation | |
Wen et al. | Towards robust GNSS positioning and real-time kinematic using factor graph optimization | |
Noureldin et al. | Fundamentals of inertial navigation, satellite-based positioning and their integration | |
CN113203418B (zh) | 基于序贯卡尔曼滤波的gnssins视觉融合定位方法及*** | |
CA2848217C (en) | Method and apparatus for navigation with nonlinear models | |
CN108594283B (zh) | Gnss/mems惯性组合导航***的自由安装方法 | |
CN106405592B (zh) | 车载北斗载波相位周跳检测与修复方法及*** | |
Lee et al. | Tightly-coupled GNSS-aided visual-inertial localization | |
WO2020124624A1 (zh) | 一种紧耦合的自动驾驶感知方法及*** | |
El-Sheimy | Georeferencing component of LiDAR systems | |
CN115388884A (zh) | 一种智能***姿估计器联合初始化方法 | |
CN106199668A (zh) | 一种级联式gnss/sins深组合导航方法 | |
CN115523920B (zh) | 一种基于视觉惯性gnss紧耦合的无缝定位方法 | |
CN115435779A (zh) | 一种基于gnss/imu/光流信息融合的智能***姿估计方法 | |
Beuchert et al. | Factor graph fusion of raw GNSS sensing with IMU and lidar for precise robot localization without a base station | |
Wen et al. | 3D LiDAR aided GNSS real-time kinematic positioning | |
Afia et al. | A low-cost gnss/imu/visual monoslam/wss integration based on federated kalman filtering for navigation in urban environments | |
Ćwian et al. | GNSS-augmented lidar slam for accurate vehicle localization in large scale urban environments | |
Maklouf et al. | Performance evaluation of GPS\INS main integration approach | |
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 | |
CN116576849A (zh) | 一种基于gmm辅助的车辆融合定位方法及*** | |
CN116482735A (zh) | 一种受限空间内外高精度定位方法 | |
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 | Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments | |
Afia et al. | A GNSS/IMU/WSS/VSLAM hybridization using an extended kalman filter |
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 |