-
公开(公告)号：CN102494684B
公开(公告)日：2014-06-04
申请号：CN201110356559.4
申请日：2011-11-11
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公布了一种基于WSN/MINS组合导航的导航信息无偏紧组合方法，属于复杂环境下组合定位技术领域。在本地相对坐标系中将MINS(微惯性导航系统)、WSN(无线传感器网络)进行集成，通过无迹卡尔曼滤波（UnscentedKalmanFilter，UKF）对得到的同步导航数据在导航计算机中进行数据融合，从而得到一种比上述任何单一导航方法精度更高，导航覆盖范围更大也更加稳定的新式组合导航方法。
-
公开(公告)号：CN103411621A
公开(公告)日：2013-11-27
申请号：CN201310369354.9
申请日：2013-08-09
Applicant: 东南大学
IPC: G01C21/28
Abstract: 一种面向室内移动机器人的光流场视觉导航/INS组合导航方法，其采用基于光流场的视觉导航和INS两种导航方式，移动机器人通过车载摄像头采集车辆的动态视频，在视频中获取视频光流特征，根据特征计算移动机器人在载体坐标系下的横向速度（Vx）、纵向速度（Vy），并与INS测量得到的航向角计算机器人的东向速度（VE）和北向速度（VN）。将计算得到的VE、VN和INS测量得到的航向角变化量ωZ共同输入到扩展卡尔曼滤波器中进行数据融合，得到比基于光流场导航和INS两种导航方式精度更高的移动机器人的东向和北向的速度和加速度的最优预估。通过本发明的方法可为移动机器人提供更加精确的导航信息，扩大了室内机器人定位的范围。
-
公开(公告)号：CN102494684A
公开(公告)日：2012-06-13
申请号：CN201110356559.4
申请日：2011-11-11
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公布了一种基于WSN/MINS组合导航的导航信息无偏紧组合方法，属于复杂环境下组合定位技术领域。在本地相对坐标系中将MINS(微惯性导航系统)、WSN(无线传感器网络)进行集成，通过无迹卡尔曼滤波（UnscentedKalmanFilter，UKF）对得到的同步导航数据在导航计算机中进行数据融合，从而得到一种比上述任何单一导航方法精度更高，导航覆盖范围更大也更加稳定的新式组合导航方法。
-
公开(公告)号：CN106845552A
公开(公告)日：2017-06-13
申请号：CN201710062178.2
申请日：2017-01-31
Applicant: 东南大学
Abstract: 本发明公开了一种在光强分布不均匀环境下的融合光流和SIFT特征点匹配的低动态载体速度计算方法，通过安装在移动载体上的车载摄像机采集载体的动态图像，采用金字塔Lucas‑Kanade光流和SIFT特征点匹配两种算法分别检测出当前帧和下一帧图像中的特征点并对其进行匹配，然后根据匹配成功的若干对特征点所对应的像素位移计算出在载体坐标系下的速度V光流、VSIFT，并将两者的差值ΔV以及加速度差值Δa输入到改进的自适应卡尔曼滤波器,对光流法计算得到的载体速度VSIFT进行直接校正。通过本发明求取速度精度高和求取速度快，显著提高了低动态载体速度的估计精度和实时性。
-
公开(公告)号：CN103148855B
公开(公告)日：2015-07-08
申请号：CN201310060409.8
申请日：2013-02-27
Applicant: 东南大学
Abstract: 本发明公开了一种INS辅助的室内移动机器人无线定位方法，属于机器人无线定位技术领域。该定位方法分为培训阶段和预估阶段两部分。培训阶段是在本地相对坐标系中将INS(惯性导航系统)、WSN(无线传感器网络)进行集成。通过扩展卡尔曼滤波对得到的同步导航数据进行数据融合，得到持续稳定的导航信息。预估阶段是将INS测量得到的位置和速度信息输入培训阶段通过神经网络培训的INS误差模型进行误差补偿，以得到最优的导航信息。本发明的方法提高了INS定位的精度，同时在减少WSN网络规模的基础上扩大了室内机器人定位的范围。
-
Patent Agency Ranking
公开(公告)号：CN102636166B
公开(公告)日：2014-10-08
申请号：CN201210131071.6
申请日：2012-05-02
Applicant: 东南大学
IPC: G01C21/00
Abstract: 一种基于航向角的WSN/INS组合导航系统及方法，属于多传感器数据融合领域。该组合导航系统包括参考节点部分和未知节点部分，参考节点部分包括参考节点无线网络接收模块、超声测距模块和时间同步模块；未知节点部分包括未知节点无线网络接收模块、INS导航模块和中央数据处理模块。利用扩展卡尔曼滤波得到系统中INS测量的位置误差和速度误差最优预估值，将INS本身测出的导航信息与最优预估值作差，得出最优的导航信息。本方法通过运用WSN/INS组合导航的方法，克服了在地下巷道、狭长隧道等GPS信号长期失锁的环境下INS导航的误差随时间漂移的问题。能满足地面城市交通、狭长隧道、小型智能机器人等中低精度的定位和定向的要求。
-
公开(公告)号：CN103983263A
公开(公告)日：2014-08-13
申请号：CN201410240678.7
申请日：2014-05-30
Applicant: 东南大学
CPC classification number: G01C21/20 , G01C21/165
Abstract: 本发明涉及一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法，属于复杂环境下的组合导航技术领域。在视觉信号有效时，利用移动机器人搭载的摄像头采集动态视频，通过图像特征提取和最近邻匹配法来确定摄像头的速度；使用迭代扩展卡尔曼滤波最优估计移动机器人的速度、加速度；并利用神经网络建立惯性导航系统的导航速度误差模型；在视觉信号失锁时，依靠之前训练获得的神经网络误差模型对导航系统速度误差进行补偿。该方法克服了在视觉信号失锁时，惯性/视觉组合导航系统无法提供持久的高精度导航问题，可应用于移动机器人在弱光或是无光等复杂环境下的长航时远距离高精度导航定位。
-
公开(公告)号：CN103018758A
公开(公告)日：2013-04-03
申请号：CN201210504195.4
申请日：2012-12-03
Applicant: 东南大学
IPC: G01S19/45
Abstract: 本发明涉及一种基于GPS/INS/AGPS的移动差分基站方法，属于车辆导航定位技术领域。包括以下步骤：首先在部分车辆上安装GPS/INS/AGPS组合导航系统，利用组合导航系统得到车辆位置信息，再将此位置信息与通过AGPS得到的卫星位置信息进行计算，得到车辆与观测到的每颗卫星之间的真实距离，将此真实距离与GPS接收机测量得到的卫星伪距做比较，得到观测到的每颗卫星的伪距改正数，最后将卫星伪距改正数广播给其它只载有普通GPS接收机的车辆，并在普通GPS接收机计算的卫星伪距信息的基础上减去接收到的卫星伪距改正数，再利用改正后的卫星信息进行位置解算，得到高精度的车辆定位结果。该方法能有效地提高车辆导航定位精度。
-
公开(公告)号：CN102636166A
公开(公告)日：2012-08-15
申请号：CN201210131071.6
申请日：2012-05-02
Applicant: 东南大学
IPC: G01C21/00
Abstract: 一种基于航向角的WSN/INS组合导航系统及方法，属于多传感器数据融合领域。该组合导航系统包括参考节点部分和未知节点部分，参考节点部分包括参考节点无线网络接收模块、超声测距模块和时间同步模块；未知节点部分包括未知节点无线网络接收模块、INS导航模块和中央数据处理模块。利用扩展卡尔曼滤波得到系统中INS测量的位置误差和速度误差最优预估值，将INS本身测出的导航信息与最优预估值作差，得出最优的导航信息。本方法通过运用WSN/INS组合导航的方法，克服了在地下巷道、狭长隧道等GPS信号长期失锁的环境下INS导航的误差随时间漂移的问题。能满足地面城市交通、狭长隧道、小型智能机器人等中低精度的定位和定向的要求。
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.025 seconds)
