-
公开(公告)号：CN115408659A
公开(公告)日：2022-11-29
申请号：CN202211005507.7
申请日：2022-08-22
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种动态目标定位方法，利用惯性测量单元和超宽带模块实时采集数据，过程中重复以下步骤：利用当前时刻采集的数据初始化状态估计和误差协方差矩阵；对误差协方差矩阵SVD分解计算容积点；通过非线性状态模型对容积点进行评估得到传播的体积点；利用体积点更新预测状态和误差协方差。基于更新的预测状态和误差协方差，采用第一卡尔曼滤波器进行预测量更新和卡尔曼增益计算，采用第二卡尔曼滤波器更新状态估计和误差协方差矩阵。采用联邦滤波框架融合两个卡尔曼滤波器的局部估计信息，再更新状态估计和误差协方差矩阵。本发明在确保了定位精度的同时，减小了滤波算法的计算量；解决了计算过程中产生的舍入误差导致的收敛性问题。
-
公开(公告)号：CN114646937B
公开(公告)日：2025-05-20
申请号：CN202210338417.3
申请日：2022-04-01
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种SLAM与UWB的实时融合与建图方法，包括：步骤1、在携带激光雷达的智能体的移动过程中，根据分布式算法，得到当前时刻智能体与各超宽带节点的定位信息；步骤2、基于扩展卡尔曼滤波算法，对当前时刻的定位信息进行修正；步骤3、基于高斯‑牛顿方法求取当前时刻智能体的最优位姿，采用最优位姿矫正智能体当前时刻的位姿估计以及各超宽带节点的位置，同时更新激光雷达地图以及UWB地图；将步骤3输出的当前时刻的智能体的位姿估计以及各超宽带节点的位置作为步骤2的输入。本发明将LiDAR传感器与UWB传感器融合在一起，融合UWB和LiDAR以提高基于UWB的定位和映射的准确性和鲁棒性，并提供超宽带节点坐标以及周围环境的详细地图信息。
-
公开(公告)号：CN114646937A
公开(公告)日：2022-06-21
申请号：CN202210338417.3
申请日：2022-04-01
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种SLAM与UWB的实时融合与建图方法，包括：步骤1、在携带激光雷达的智能体的移动过程中，根据分布式算法，得到当前时刻智能体与各超宽带节点的定位信息；步骤2、基于扩展卡尔曼滤波算法，对当前时刻的定位信息进行修正；步骤3、基于高斯‑牛顿方法求取当前时刻智能体的最优位姿，采用最优位姿矫正智能体当前时刻的位姿估计以及各超宽带节点的位置，同时更新激光雷达地图以及UWB地图；将步骤3输出的当前时刻的智能体的位姿估计以及各超宽带节点的位置作为步骤2的输入。本发明将LiDAR传感器与UWB传感器融合在一起，融合UWB和LiDAR以提高基于UWB的定位和映射的准确性和鲁棒性，并提供超宽带节点坐标以及周围环境的详细地图信息。
-
-
Search Results
3
records
(took 0.021 seconds)
