-
公开(公告)号：CN115876222A
公开(公告)日：2023-03-31
申请号：CN202211582531.7
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于图优化的IMU/相机/激光雷达联合标定方法，具体步骤包括：首先，根据IMU信息拟合旋转B样条曲线，并采用NDT算法估计雷达旋转，初始化IMU/雷达旋转外参；接着，采用特征点算法估计相机旋转，初始化IMU/相机旋转外参、重力、尺度因子、陀螺仪零偏；然后，采用棋盘格标定板，根据视觉特征点和激光雷达面距离最小构建目标函数，初始化雷达/相机外参；最后，根据IMU约束、相机约束、激光雷达约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化方程，求解得IMU/相机/激光雷达外参。与现有标定方法相比，本发明能实现IMU/相机/激光雷达两两同时标定，有效提高标定收敛速度、精度及鲁棒性。
-
公开(公告)号：CN111156984B
公开(公告)日：2022-12-09
申请号：CN201911313842.1
申请日：2019-12-18
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态场景的单目视觉惯性SLAM方法，首先视觉前端提取ORB特征点，并使用YOLO‑v3神经网络进行目标识别，进而提取出潜在的静态特征点集合，再结合本质矩阵的RANSAC外点剔除，筛选出最终的静态特征点并进行跟踪；同时，为了提高数据的处理效率，对IMU测量值进行预积分；然后进行初始化，计算包括：姿态、速度、重力向量、陀螺仪偏置的初值；随后进行视觉惯性紧耦合的非线性优化，并建立地图；同时进行回环检测和重定位，最后进行全局的位姿图优化。本发明将深度学习，和视觉惯性SLAM相融合，能够一定程度上消除动态物体对于SLAM定位和建图的影响，提升了系统的长时间工作的稳定性。
-
公开(公告)号：CN111323012B
公开(公告)日：2022-08-09
申请号：CN202010334588.X
申请日：2020-04-24
Applicant: 东南大学
Abstract: 本发明公开了一种载体高动态情况下的INS辅助DVL测速误差补偿方法，包括：首先更新INS的姿态、速度和位置信息；其次在DVL发射时刻，记录INS姿态、速度信息；在DVL接收时刻，利用DVL发射时刻与DVL接收时刻INS分别输出的姿态、速度信息补偿校正DVL测速信息；最后对校正后的DVL测速信息与INS输出信息进行卡尔曼滤波融合，输出组合导航结果，同时对INS进行反馈校正，重复上述步骤，直到导航任务结束。本发明能有效地提高载体高动态情况下的DVL测速精度，从而提高INS/DVL组合导航精度。
-
Patent Agency Ranking
公开(公告)号：CN111578936B
公开(公告)日：2022-08-02
申请号：CN202010385732.2
申请日：2020-05-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于IMM‑UKF的惯性/超短基线多参数标定方法，具体步骤包括：以空间任意点为原点建立投影坐标系，在此基础上建立惯性、超短基线、卫星定位、深度计各传感器位置、姿态间的矢量关系及方位表达，选定9维待估计参数为状态量，构建系统与观测模型；设置IMM中各模型初始概率并计算各滤波器初始状态及协方差矩阵；根据系统及观测模型采用三个UKF分别进行滤波，并用贝叶斯假设检验方法模型更新；根据权重输出交互，输出最终滤波结果。与现有惯性/超短基线标定方法相比，本发明能实现应答器位置、惯性/超短基线杆臂和安装误差角9维参数的同时标定，有效提高复杂环境下惯性/超短基线标定参数的收敛速度、精度及鲁棒性。
-
公开(公告)号：CN110514209B
公开(公告)日：2021-05-11
申请号：CN201910800501.0
申请日：2019-08-27
Applicant: 东南大学
Abstract: 本发明公开了一种交互式多模型组合导航方法，首先根据组合导航系统误差模型建立状态方程，其次采用上一个状态估计输出的联合量测噪声方差阵自适应建立三个模型并根据上一个状态估计输出的各模型状态及估计误差方差阵计算本次估计的初始状态及估计误差方差阵；再对建立的三个模型分别进行Sage‑Husa自适应滤波并采用贝叶斯假设检验方法进行模型更新；最后根据权重进行输出交互过程，输出最终滤波结果。本发明能实时估计量测噪声方差阵并有效地提高组合导航定位精度及效率。
-
公开(公告)号：CN110275139B
公开(公告)日：2021-01-05
申请号：CN201910468306.2
申请日：2019-05-31
Applicant: 东南大学
IPC: G01S5/22
Abstract: 本发明公开了一种基于旋转式基元复用的超短基线(Ultra‑short baseline，USBL)定位系统及方法，特别适用于被动式合作目标多接收基元的USBL定位解算，也适用于多阵元的雷达目标解算。本发明采用深度信息与相位差比的方法对水下目标进行定位解算，该方法无需对声源与目标应答器进行测距，可消除长距离测距误差对USBL定位的影响。该方法免去了对接收基阵的各基元间距误差的校正工作，可以完全消去基元间距误差Δd、水声信号波长误差Δλ对USBL定位精度的影响。该定位方法适用于目标深度已知的情况，在远距离情况下具有精度高的特点。
-
公开(公告)号：CN111156984A
公开(公告)日：2020-05-15
申请号：CN201911313842.1
申请日：2019-12-18
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态场景的单目视觉惯性SLAM方法，首先视觉前端提取ORB特征点，并使用YOLO-v3神经网络进行目标识别，进而提取出潜在的静态特征点集合，再结合本质矩阵的RANSAC外点剔除，筛选出最终的静态特征点并进行跟踪；同时，为了提高数据的处理效率，对IMU测量值进行预积分；然后进行初始化，计算包括：姿态、速度、重力向量、陀螺仪偏置的初值；随后进行视觉惯性紧耦合的非线性优化，并建立地图；同时进行回环检测和重定位，最后进行全局的位姿图优化。本发明将深度学习，和视觉惯性SLAM相融合，能够一定程度上消除动态物体对于SLAM定位和建图的影响，提升了系统的长时间工作的稳定性。
-
公开(公告)号：CN110514209A
公开(公告)日：2019-11-29
申请号：CN201910800501.0
申请日：2019-08-27
Applicant: 东南大学
Abstract: 本发明公开了一种交互式多模型组合导航方法，首先根据组合导航系统误差模型建立状态方程，其次采用上一个状态估计输出的联合量测噪声方差阵 自适应建立三个模型并根据上一个状态估计输出的各模型状态及估计误差方差阵计算本次估计的初始状态及估计误差方差阵；再对建立的三个模型分别进行Sage-Husa自适应滤波并采用贝叶斯假设检验方法进行模型更新；最后根据权重进行输出交互过程，输出最终滤波结果。本发明能实时估计量测噪声方差阵并有效地提高组合导航定位精度及效率。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
