一种基于协方差交叉的无人战车同时定位与地图构建方法

    公开(公告)号:CN111089580A

    公开(公告)日:2020-05-01

    申请号:CN201811236388.X

    申请日:2018-10-23

    Abstract: 本发明属于无人战车导航技术,具体为一种基于协方差交叉的无人战车同时定位与地图构建方法。首先建立系统状态估计模型,之后计算环境特征坐标,计算量测矩阵,采用卡尔曼滤波进行系统状态误差估计,根据卡尔曼滤波最优估计结果,对惯导系统误差与特征点误差进行反馈校正,完成校正系统误差后在进行环境特征坐标计算和系统状态误差估计。本方法能够改善惯性系统精度,提高导航精度以及环境模型建模精度。在能获得无人战车上多种传感器信息的情况下,利用多种传感器对环境特征的观测信息,与惯性导航系统进行组合,得到无人战车在各时刻的最优位置估计以及环境特征表示的环境地图模型,实现对无人战车的高精度定位以及周边环境的地图建模功能。

    一种基于序贯检测的惯性/视觉里程计组合导航方法

    公开(公告)号:CN109387198A

    公开(公告)日:2019-02-26

    申请号:CN201710655918.3

    申请日:2017-08-03

    Abstract: 本发明属于视觉导航技术领域,具体公开了一种基于序贯检测的惯性/视觉里程计组合导航方法。首先引入外界参考信息,即惯导的姿态信息,减少视觉里程计计算量;之后结合序贯卡尔曼滤波方法,将多个特征点估计的视觉速度与惯性导航速度进行数据融合,并利用基于χ2检测方法来对视觉故障信息进行监测;最后实现对组合导航系统测量精度的提高。一方面通过多特征点匹配,增加视觉导航信息量,降低视觉误匹配对导航精度的影响,另一方面结合序贯卡尔曼滤波方法将外界惯导导航信息与视觉导航信息融合,提高系统运动测量的精度与鲁棒性,同时进一步降低运算量。

    一种基于惯性/里程计/RFID的高精度组合导航方法

    公开(公告)号:CN107402005A

    公开(公告)日:2017-11-28

    申请号:CN201610339762.3

    申请日:2016-05-20

    CPC classification number: G01C21/165

    Abstract: 本发明属于组合导航技术领域,具体涉及一种基于惯性/里程计/RFID的高精度组合导航方法。本发明的方法包括以下步骤:步骤1、使用码里程计测量获得载体车辆的北向速度Vn_D、天向速度Vu_D和东向速度Ve_D;步骤2、使用RFID定位系统获得载体车辆的纬度LR和经度λR;步骤3、使用卡尔曼滤波算法计算系统误差,实现组合导航;步骤4、根据卡尔曼滤波输出的各误差量,对里程计、FRID定位系统和惯导系统的相应数据进行修正。本发明解决了纯惯性导航系统的导航误差随时间而积累,因而不能完全满足实际应用需要的问题,提出的方法在里程计、RFID的辅助下完成高精度速度、位置测量,并实现对组合导航系统误差的估计,消除了误差的积累,满足了实际应用的需要。

    一种基于双轴转台的六位置标定方法

    公开(公告)号:CN117686000A

    公开(公告)日:2024-03-12

    申请号:CN202311265898.0

    申请日:2023-09-27

    Abstract: 本发明提供的一种基于双轴转台的六位置标定方法,采用双轴转台装配待测惯导系统;开展位置标定,惯导系统的X、Y、Z轴依次指向东地北、东天南、西南天、西北地、天南东、地南西六个位置,进行采样;开展速率标定,控制惯导系统的X轴与外环轴平行指向东或西,按照速率点转动外环轴采样,控制外环轴回零、惯导系统Y轴指天,按照速率点转动内环轴采样,控制内环轴回零、惯导系统的Z轴与外环轴平行指向东或西,按照速率点转动外环轴采样;根据采样数据,计算陀螺仪和加速度计的零位、标度因数、安装误差系数。该方法可以方便快捷地利用双轴转台标定惯导系统的各项参数。

    一种基于惯性数据时频域特征提取的行人步长建模方法

    公开(公告)号:CN113790722B

    公开(公告)日:2023-09-12

    申请号:CN202110960526.4

    申请日:2021-08-20

    Abstract: 本发明提供了一种基于惯性数据时频域特征提取的行人步长建模方法,首先采集非常规步态下的惯性数据,对不同步态的惯性数据进行分段;然后计算单步周期内的步频、加速度方差,构建时域线性步长模型;随后将单步周期内的三轴加速度矢量和信号进行分数阶傅里叶变换,计算变换后的加速度信号的标准差因子和四分位差因子,构建频域线性步长模型;最后利用加权方法融合时域线性步长模型和频域线性步长模型,得到融合步长模型。该方法通过对惯性数据时频域特征的提取、融合,提高多运动状态下基于惯性传感器的行人航位推算精度,解决现有步长建模方法无法直接应用于跑步、侧走、倒走等非常规步态的技术问题。

    一种惯导系统故障特性判定及测试性预计方法

    公开(公告)号:CN107957269B

    公开(公告)日:2021-03-16

    申请号:CN201610896282.7

    申请日:2016-10-14

    Abstract: 本发明属于测试性技术领域,具体公开了一种惯导系统故障特性判定及测试性预计方法,判定方法包括首先确定测试性多信号信息模型,然后进行搜索故障可达测试点,之后进行故障相关性分析,确定故障-测试相关矩阵,最后进行故障特性判定,预计方法包括在确定故障-测试相关矩阵之后确定故障检测率FDR和故障隔离率FIR,对系统故障特性进行较为全面和准确的测试性预计;利用故障-测试相关矩阵进行故障特性分析,分别分析单故障特性和多故障特性,利于较为准确的对惯导系统的故障特性进行判定和测试性预计,有利于进行惯导系统的故障分析,降低惯导系统的维护工作量。

    一种大机动情况下景象匹配的方法

    公开(公告)号:CN107966147B

    公开(公告)日:2021-02-05

    申请号:CN201610915460.6

    申请日:2016-10-20

    Abstract: 本发明属于视觉导航技术领域,具体公开了一种大机动情况下景象匹配的方法。基于景象匹配的基本原理,分析载体在进行大机动情况下对景象匹配定位误差的影响,并进行误差建模;利用相关信息进行图像畸变校正,以及定位误差的初步校正;再将惯导系统输出的位置信息、景象匹配输出的位置信息之差作为卡尔曼滤波器的输入量,卡尔曼滤波器对景象匹配的各项误差进行估计,输出景象匹配各项误差的估计量。在景象匹配的运算过程中利用估计出的各项误差进行修正,实现高精度的景象匹配定位。

Patent Agency Ranking