-
公开(公告)号：CN113504558B
公开(公告)日：2024-02-27
申请号：CN202110797145.9
申请日：2021-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种考虑道路几何约束的地面无人车辆定位方法，包括以下步骤：首先对道路几何约束进行离线建模，利用搭载高精度传感器的采集车对道路信息进行采集，融合多个传感器的观测信息，利用拓展卡尔曼平滑算法进行平滑处理，对平滑处理后的数据进行重采样并利用三次B样条曲线进行拟合，将其作为道路几何约束；在线定位时，利用自适应卡尔曼滤波算法获得初步定位结果，借助牛顿法求解初步定位结果距离道路约束曲线最近的投影点，将其作为修正后的定位结果。本发明可以提高GNSS信号不佳时的地面无人车辆定位精度。
-
Patent Agency Ranking
公开(公告)号：CN113504558A
公开(公告)日：2021-10-15
申请号：CN202110797145.9
申请日：2021-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种考虑道路几何约束的地面无人车辆定位方法，包括以下步骤：首先对道路几何约束进行离线建模，利用搭载高精度传感器的采集车对道路信息进行采集，融合多个传感器的观测信息，利用拓展卡尔曼平滑算法进行平滑处理，对平滑处理后的数据进行重采样并利用三次B样条曲线进行拟合，将其作为道路几何约束；在线定位时，利用自适应卡尔曼滤波算法获得初步定位结果，借助牛顿法求解初步定位结果距离道路约束曲线最近的投影点，将其作为修正后的定位结果。本发明可以提高GNSS信号不佳时的地面无人车辆定位精度。
-
公开(公告)号：CN113516714B
公开(公告)日：2024-08-13
申请号：CN202110798869.5
申请日：2021-07-15
Applicant: 北京理工大学
Abstract: 本发明提供一种基于IMU预积分信息加速特征匹配的视觉SLAM方法，为实现快速并且准确的两帧图像之间特征匹配，利用图像帧与帧之间惯性传感器预积分出的位姿变化，估计出上一帧特征点对应的空间点投影到当前帧中图像的位置，同时考虑观测误差以及IMU预积分出的位姿变化量误差的存在，在理论投影点周围的一定范围内搜索，利用特征点的特征描述的汉明距离进行匹配。同时，由于在特征点理想区域进行特征匹配，减少了误匹配，可信度高，同时能够实现加速特征匹配的效果。
-
公开(公告)号：CN113447021B
公开(公告)日：2023-04-25
申请号：CN202110798898.1
申请日：2021-07-15
Applicant: 北京理工大学
IPC: G01C21/18 , G01S19/47 , G06N3/0442 , G06N3/084
Abstract: 本发明提供基于LSTM神经网络模型的MEMS惯性导航系统定位增强方法，包括以下步骤：面向MEMS‑INS定位增强的LSTM神经网络模型包含两个模块，即去噪模块和计算模块；S2、数据集获取及预处理，以供神经网络的训练与测试；使用陆地车辆作为MEMS‑INS的载体用于数据集获取；采集足量数据后，需按照时间窗序列长度L对数据集进行分割预处理；将预处理后的数据集依照8：2的比例分为训练集和测试集，以对神经网络模型进行训练和测试。本发明提出的神经网络模型能够有效降低环境噪声、机械噪声、制造误差等多种干扰源对MEMS‑INS的影响，能够提高MEMS‑INS相对定位的准确性和鲁棒性。
-
公开(公告)号：CN113516714A
公开(公告)日：2021-10-19
申请号：CN202110798869.5
申请日：2021-07-15
Applicant: 北京理工大学
Abstract: 本发明提供一种基于IMU预积分信息加速特征匹配的视觉SLAM方法，为实现快速并且准确的两帧图像之间特征匹配，利用图像帧与帧之间惯性传感器预积分出的位姿变化，估计出上一帧特征点对应的空间点投影到当前帧中图像的位置，同时考虑观测误差以及IMU预积分出的位姿变化量误差的存在，在理论投影点周围的一定范围内搜索，利用特征点的特征描述的汉明距离进行匹配。同时，由于在特征点理想区域进行特征匹配，减少了误匹配，可信度高，同时能够实现加速特征匹配的效果。
-
公开(公告)号：CN113447021A
公开(公告)日：2021-09-28
申请号：CN202110798898.1
申请日：2021-07-15
Applicant: 北京理工大学
Abstract: 本发明提供基于LSTM神经网络模型的MEMS惯性导航系统定位增强方法，包括以下步骤：面向MEMS‑INS定位增强的LSTM神经网络模型包含两个模块，即去噪模块和计算模块；S2、数据集获取及预处理，以供神经网络的训练与测试；使用陆地车辆作为MEMS‑INS的载体用于数据集获取；采集足量数据后，需按照时间窗序列长度L对数据集进行分割预处理；将预处理后的数据集依照8：2的比例分为训练集和测试集，以对神经网络模型进行训练和测试。本发明提出的神经网络模型能够有效降低环境噪声、机械噪声、制造误差等多种干扰源对MEMS‑INS的影响，能够提高MEMS‑INS相对定位的准确性和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
