-
公开(公告)号:CN119780986A
公开(公告)日:2025-04-08
申请号:CN202411986313.9
申请日:2024-12-31
Applicant: 东南大学 , 中国电力科学研究院有限公司 , 国网陕西省电力有限公司电力科学研究院
IPC: G01S19/44
Abstract: 本发明公开了一种面向北斗弱观测的模糊度可靠解算方法,包括:通过观测方程法矩阵条件数及单位权方差,判断弱观测程度及观测量中的噪声水平,在弱观测严重且观测量中噪声较大时,在整数最小二乘(ILS)搜索过程引入正则化,反之不采用正则化。进一步基于ratio值、模糊度残差二次型及BIE估计最优解权重作为判定条件形成弹性定位方案。当ratio值较高,采用模糊度固定解;当ratio值偏低,模糊度最优解与次优解的残差二次型相近,且BIE估计模糊度最优解权重过高,采用基于Laplace分布的BIE解(LBIE),反之采用基于高斯分布的BIE解(GBIE)。本发明在ILS搜索中引入正则化,并综合GBIE、LBIE、ILS估计形成弹性定位方案,提升了面向单一北斗弱观测场景模糊度解算的准确性和可靠性。
-
公开(公告)号:CN119105058A
公开(公告)日:2024-12-10
申请号:CN202411233557.X
申请日:2024-09-04
Applicant: 东南大学
IPC: G01S19/42 , G01S19/37 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种基于多运动模型交互的车辆GNSS定位方法,包括根据载体直线行驶和转弯行驶两种姿态分别建立载体的PCV模型和PCSAV模型,以获得载体基于PCV模型和PCSAV模型的上一时刻状态估计向量及状态转移矩阵,引入交互式多模型建立基于交互式多模型的启发式位置‑速度滤波HPV‑IMM模型,实现PCV模型和PCSAV模型之间的信息滤波交互,获得当前时刻载体的状态估计向量及误差协方差矩阵,从而获得当前时刻载体的位置和速度。本发明解决了传统单一运动学模型在多运动姿态车辆定位中精度低的问题,适用于城市环境下多姿态车辆运动动态导航。
-
公开(公告)号:CN118836858A
公开(公告)日:2024-10-25
申请号:CN202410890789.6
申请日:2024-07-04
Applicant: 东南大学
Abstract: 本发明公开了一种顾及多模式切换的MAP‑LIDAR‑IMU融合定位方法,包括:首先,通过正态分布变换(NDT)算法进行激光雷达点云与先验地图的匹配,为定位框架提供精确的六自由度(6DoF)位姿。其中,采用激光里程计的帧间估计取代运动模型为NDT提供初始位姿,以解决在高速或快速旋转等挑战场景下的鲁棒性问题。其次,为提高全局定位的鲁棒性,设计了多模式切换算法,实现有选择的触发全局匹配和局部激光里程计航位推算;同时将激光雷达里程计的观测值、IMU局部观测、地图匹配绝对观测进行融合以减少累积误差,维护全局优化位姿与关键帧队列,持续输出高精度车辆定位结果。本发明能为长时间的鲁棒定位问题提供一种可靠的解决方案,与传统地图匹配定位方法比较,在定位鲁棒性和准确性上均有大幅度提高。
-
公开(公告)号:CN118426002A
公开(公告)日:2024-08-02
申请号:CN202410527651.X
申请日:2024-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于平台‑用户交互反馈的实时定位增强方法,包括:终端用户进行RTK定位,随后利用基于模糊度固定的观测值解算电离层延迟信息,并将电离层延迟信息回传到网络RTK平台,网络RTK平台将终端用户的电离层延迟恢复为终端与参考站间的电离层延迟,随后进行电离层延迟信息的一致性检验,将检验通过的电离层延迟信息联合参考站间的电离层延迟信息采用众包式建模方法进行电离层延迟建模,对流层延迟采用经验模型和参考站间电离层延迟信息联合建模,最后生成虚拟观测值并播发给终端用户进行RTK定位。本发明采用用户数据反馈结合多种大气拟合模型精细切换的方式提升长基线、大钝角、狭长网络、大气活跃网元的大气建模精度,从而增强用户的定位性能。
-
公开(公告)号:CN118311618A
公开(公告)日:2024-07-09
申请号:CN202410422456.0
申请日:2024-04-09
Applicant: 东南大学
IPC: G01S19/37 , G01S19/52 , G06F18/15 , G06F18/2433 , G06F18/25
Abstract: 本发明公开了一种基于因子图优化的复杂环境TDCP/Doppler融合测速方法,包括:利用TDCP测量平均速度的特性作为连接Doppler测量瞬时速度的媒介;将TDCP的精度与多普勒在复杂环境中的可用性相结合,获得了两种观测的优点;在因子图中引入滑动窗口和边缘化来平衡实时性能和信息利用率;使用动态协方差估计(DCE)的鲁棒函数来自适应地抵抗不同数据的粗误差,无须手动调节参数,有效提升模型的内部可靠性和复杂环境下的鲁棒性。
-
公开(公告)号:CN116434059A
公开(公告)日:2023-07-14
申请号:CN202310222621.3
申请日:2023-03-03
Applicant: 山东省交通规划设计院集团有限公司 , 东南大学 , 中公高科养护科技股份有限公司
IPC: G06V20/10 , G06V10/25 , G06V10/774 , G06V10/82
Abstract: 本发明属于路面检测领域,提供了一种基于深度学习与探地雷达的路面隐性病害检测方法及系统,包括获取路面探地雷达图像并进行预处理;基于预处理后的路面探地雷达图像,利用预先训练好的深度区域建议网络模型进行路面隐性病害检测;其中,所述深度区域建议网络模型包括依次连接的两层卷积池化层、两层卷积层、一层感兴趣层、一层ROI池化层以及两个输出层;所述卷积池化层由一层卷积层和一层池化层组成;所述感兴趣层用于从卷积层和卷积池化层生成的特征图中生成局部特征,再利用ROI池化层对这些局部特征进行归一化。
-
公开(公告)号:CN116381758A
公开(公告)日:2023-07-04
申请号:CN202310150773.7
申请日:2023-02-22
Applicant: 东南大学
Abstract: 本发明公开了一种BDS三频PPK定位方法,包括:综合波长、电离层延迟系数和噪声放大系数影响,选择适用于三频模糊度解算的最优线性组合;对接收机数据进行预处理,剔除伪距粗差和载波周跳;采用三频几何相关模糊度解算模型得到模糊度浮点解;采用LAMBDA方法对模糊度浮点解进行固定,得到坐标参数的固定解;采用部分模糊度固定的方法进一步固定未固定的模糊度;采用正反向滤波对定位结果进行平滑。相比于传统三频模糊度解算方法需要对超宽巷、宽巷和窄巷模糊度进行依次解算分步固定,本发明提出的方法仅需一步同时得到超宽巷、宽巷和窄巷的浮点解,若LAMBDA方法的模糊度固定结果未通过ratio检验,进一步采用部分模糊度固定方法,确保定位结果取得相当的精度。
-
公开(公告)号:CN116088010A
公开(公告)日:2023-05-09
申请号:CN202211562818.3
申请日:2022-12-07
Applicant: 东南大学
Abstract: 本发明公开了一种GNSS形变监测数据中的阶跃突变自适应检测方法。首先计算GNSS形变监测坐标序列的滑动窗口标准差,形成滑动窗口标准差序列;然后将滑动窗口标准差序列中幅值过大的区域视为可能存在阶跃突变的异常区域,坐标序列在异常区域内幅值变化最大的点视为异常点;再根据异常点的坐标值,及异常点之前、之后的序列均值判定异常点是否为阶跃突变;若为阶跃突变点,则对识别出的阶跃突变点进行插补,并对其之后的序列进行平移,并迭代进行滑动窗口标准差序列计算、异常区域判定及阶跃突变点判定,直到序列中不存在阶跃突变点。使用本发明提出的方法,能够有效识别GNSS形变监测序列中不同幅度的阶跃突变,提高定位序列的可靠性。
-
公开(公告)号:CN116051915A
公开(公告)日:2023-05-02
申请号:CN202310150767.1
申请日:2023-02-22
Applicant: 东南大学
IPC: G06V10/772 , G06T7/73
Abstract: 本发明公开了一种基于聚类与几何残差的动态场景RGB‑D SLAM方法。首先,结合颜色信息和深度信息对场景进行聚类,将图像划分为多个聚类块,用于对特征点进行粗过滤和细过滤;然后,通过每个聚类块上的特征点比例来对特征点进行粗过滤,计算里程计位姿信息和对应点的几何残差;最后,根据几何残差得到动态特征点,并将动态特征点占比大或几何残差超过一定阈值的聚类块定义为动态聚类块,从而实现对特征点的细过滤。应用本发明的方法求解的轨迹精度较ORB‑SLAM2算法的轨迹精度提升最高达96.68%。
-
公开(公告)号:CN116027376A
公开(公告)日:2023-04-28
申请号:CN202310046441.4
申请日:2023-01-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于抗差估计的RTK/INS嵌入式实时组合定位系统,该抗差估计方法首先在模糊度固定解回代后的最小二乘模型基础上,利用验后残差进行双因子抗差处理以消除部分异常观测值的影响。然后,将所得RTK定位结果与INS进行松组合并在卡尔曼滤波更新过程中执行基于Huber等价权函数的抗差处理,该系统在传统组合导航系统上增加了双重抗差估计,增加了定位导航系统动态环境下的稳定性与可靠性。具有重要的工程应用价值。
-
-
-
-
-
-
-
-
-