-
公开(公告)号：CN114623817A
公开(公告)日：2022-06-14
申请号：CN202210158652.2
申请日：2022-02-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于关键帧滑窗滤波的含自标定的视觉惯性里程计方法，属于多传感器融合导航定位领域。传统的滤波方法会按时间推移不断的去除老旧的状态量，在退化运动的情况下，保留的状态量对应的帧束之间没有足够的视差，所以难以约束运动并导致漂移。本发明方法包括图像特征提取、基于关键帧的特征关联、滤波器初始化、基于IMU的状态推算、利用特征观测更新滤波器和基于关键帧的状态量管理这几个步骤，可以实时的对传感器的几何参数进行估计。本发明方法基于关键帧组织状态量，在退化运动时，这些关键帧束对应的状态量不会被去除，所以仍然可以保证良好的观测，避免了漂移，本发明是第一个支持自校准的基于关键帧的滑窗滤波方法。
-
公开(公告)号：CN113347559B
公开(公告)日：2022-04-29
申请号：CN202110526712.7
申请日：2021-05-14
Applicant: 武汉大学
Abstract: 本发明提出了一种基于深度学习的强鲁棒性无线定位方法。机器人采集多个时刻的轨迹位置和无线信号强度，并通过计算得到差分无线信号强度。将无线信号强度、差分无线信号强度依次根据一定时刻窗口分别划分为不同数据集，进一步构建批次训练样本；构建LSTM网络，将训练样本依次输入至LSTM网络得到预测位置，结合真实位置构建损失函数，并通过BPTT算法优化网络参数。本发明将无线信号强度和差分无线信号强度进行融合再定位，有效缓解传统无线定位方案中由于硬件差异性问题导致的测量偏差和信号强度随时间不稳定性导致的定位误差，此外由于LSTM网络内部使用了，其序列匹配提升了定位精度，且在一定程度上消除了定位指纹的空间歧义性。
-
公开(公告)号：CN113727273B
公开(公告)日：2022-04-26
申请号：CN202110952934.5
申请日：2021-08-19
Applicant: 武汉大学
Abstract: 本发明提供一种基于无线众包数据的人员室内语义轨迹重建方法，本发明方法的实现无需额外设备安装、无需额外实地量测工作、无需地图。首先通过众包数据建立POI与无线信号信息的关系数据库和无线指纹数据库，主要包括三个工作：通过模糊搜索从原始观测数据中提取有价值的无线信号信息，通过DBSCAN聚类算法对观测的无线信号和POI进行逐一配对，完成相对语义图构建。其次，在语义定位过程中，利用神经网络选择最相似的指纹点；采用一些新的相对特征和二分类方法来取代传统的特征和方法，极大地提高了分类模型的迁移能力，模型输出概率可以用来描述每个匹配结果的置信度。最后，利用语义地图对一些误匹配的结果进行修正，最终输出该场景中行人的语义轨迹。
-
公开(公告)号：CN113723240A
公开(公告)日：2021-11-30
申请号：CN202110952933.0
申请日：2021-08-19
Applicant: 武汉大学
Abstract: 本发明提供一种基于Boosting和样本差异的通用指纹定位方法及系统，在离线阶段，进行定位模型训练和定位场景下指纹库数据采集，定位模型训练包括在不限场景的多个已知点分别进行多次RSS信息采集，对所有样本进行配对，得到正样本对和负样本对；计算出相对特征来代表每个样本对中两个样本之间的差异；将提取的相对特征作为分类器的输入，采用Boosting方式对分类器进行训练，得到二分类模型；在定位阶段，当某一时刻需定位时，通过扫描得到一组无线数据的观测列表，然后利用AP筛选相应指纹信息，根据筛选结果和观测列表计算相对特征，将所得特征向量输入到离线阶段已经训练好的定位模型中；定位模型输出每个特征向量的相应概率，最后概率最高的点为最终定位结果。
-
公开(公告)号：CN113325435A
公开(公告)日：2021-08-31
申请号：CN202110582318.5
申请日：2021-05-25
Applicant: 武汉大学
Abstract: 本发明提供一种定位方法，该方法包括：持续获取激光雷达扫描装置对空间环境进行扫描得到的每帧scan；将获取的每帧scan插入第一submap，且每获取帧scan新增一个submap，将获取的每帧scan插入不完整的submap，其中，完整的submap包括N帧scan，不完整的submap包括的scan不足N帧，N为被2整除的正整数；每得到一个完整的submap，与空间环境的全局地图匹配一次，获取激光雷达扫描装置的定位。通过本发明，将每帧scan插入到submap中，所得到的完整的submap的累计误差比较小，用每个完整的submap与空间环境的全局地图相匹配，得到的定位精度比较高，漂移误差也比较小。
-
Patent Agency Ranking
公开(公告)号：CN118410455A
公开(公告)日：2024-07-30
申请号：CN202410455838.3
申请日：2024-04-16
Applicant: 武汉大学
IPC: G06F18/25 , G01C21/16 , G06N3/0464 , G06F18/213 , G06N3/08 , G06F17/10 , G06F18/22 , G06F18/2415
Abstract: 本发明提出了一种阵列式冗余IMU信息融合的方法和装置，旨在提升导航和分类任务的数据精度与可靠性。该方法核心在于高效的数据处理技术，首先通过数据预处理阶段对各IMU输出数据进行筛选和精准校正，包括数据清洗及安装误差的标定，以优化输入数据质量。随后，采用结合卷积神经网络(CNN)与“软加权”注意力机制的信息融合方法，对IMU阵列数据进行智能融合。此技术通过动态加权方式，实现从多个IMU数据中提取并合成单一虚拟IMU信息的高效过程。相较于传统方法，本发明在处理复杂环境下的IMU阵列数据方面展现出更高的准确性和鲁棒性，为导航和分类任务的精准实施提供了有效的技术支持。
-
公开(公告)号：CN117451043A
公开(公告)日：2024-01-26
申请号：CN202311793765.0
申请日：2023-12-25
Applicant: 武汉大学
Inventor： 庄园 , 李启鹏 , 槐建柱 , 陈怡文 , 纳什瓦·艾尔·班得瑞
Abstract: 一种数‑模混合估计的多源融合定位方法及系统，涉及多传感器融合定位技术领域，其利用IMU数据驱动模块回归传播调整因子、IMU不确定度因子和伪观测因子；利用LiDAR数据驱动模块计算场景特征退化率；根据IMU不确定度因子和场景特征退化率确定融合定位系统的不确定度；根据传播调整因子动态调整模型驱动传播预测时的噪声协方差，当场景特征退化率超过阈值时，仅使用伪观测因子进行观测更新，并结合不确定度进行位姿估计。本申请通过基于数据驱动的方法为基于模型驱动的滤波器系统提供自适应的参数调整，来适应不同场景和不同运动状态的变化。增强了系统在复杂场景和运动下的鲁棒性，综合考虑了传感器数据和系统模型的不确定度，能提供更可靠的结果置信度。
-
公开(公告)号：CN117213470A
公开(公告)日：2023-12-12
申请号：CN202311467332.6
申请日：2023-11-07
Applicant: 武汉大学
Inventor： 庄园 , 陈怡文 , 槐建柱 , 纳什瓦·艾尔·班得瑞
IPC: G01C21/00 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供一种多机碎片地图聚合更新方法及系统，属于智能建图技术领域，包括：多机碎片地图数据预处理；构建基于多机异构数据挖掘的分层重定位模型，提取具有鲁棒性的场景描述子并进行几何验证；构建基于局部‑全局联合优化的多机碎片地图聚合策略，融合优化全局地图，得到一致性全局地图，并对全局地图组织及存储；构建基于子地图的重叠度计算机制，并根据重叠度结果进行局部地图的更新或替换，最终实现全局地图的时效更新。本发明通过构建基于局部‑全局联合优化的多机碎片地图聚合策略，降低了多机多期数据优化复杂度。
-
公开(公告)号：CN117148271A
公开(公告)日：2023-12-01
申请号：CN202311018757.9
申请日：2023-08-14
Applicant: 武汉大学
Abstract: 本发明提供一种抗环境光干扰的可见光定位装置及方法，包括标定阶段和定位阶段，所述标定阶段中，提前测量LED灯的位置，在已知位置标定LED的比率参数；所述定位阶段中，使用提前标定的比率参数计算PD到不同LED灯之间距离的比值，根据距离比值确定PD的位置。本发明控制变量发分析在不同状态下，归一化RSS值与环境光强之间关系曲线，得出该关系曲线不随PD的倾角、LED灯、LDE灯所在频率、PD高度、PD与LED之间距离变化而变化，然后提出基于PD与不同LED灯距离比率的方式有效抑制环境光在时间域上分布不均对可见光定位的影响。此外还提出使用比率参数直接建模距离比率与RSS比率之间的关系以消除环境光在空间分布不均对可见光定位系统标定的影响。
-
公开(公告)号：CN113723240B
公开(公告)日：2023-08-22
申请号：CN202110952933.0
申请日：2021-08-19
Applicant: 武汉大学
IPC: G06V40/13 , G06V10/774 , G06N20/00
Abstract: 本发明提供一种基于Boosting和样本差异的通用指纹定位方法及系统，在离线阶段，进行定位模型训练和定位场景下指纹库数据采集，定位模型训练包括在不限场景的多个已知点分别进行多次RSS信息采集，对所有样本进行配对，得到正样本对和负样本对；计算出相对特征来代表每个样本对中两个样本之间的差异；将提取的相对特征作为分类器的输入，采用Boosting方式对分类器进行训练，得到二分类模型；在定位阶段，当某一时刻需定位时，通过扫描得到一组无线数据的观测列表，然后利用AP筛选相应指纹信息，根据筛选结果和观测列表计算相对特征，将所得特征向量输入到离线阶段已经训练好的定位模型中；定位模型输出每个特征向量的相应概率，最后概率最高的点为最终定位结果。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.053 seconds)
