一种基于惯导复用的视觉、惯导、卫导融合定位方法

    公开(公告)号:CN115793001A

    公开(公告)日:2023-03-14

    申请号:CN202310069650.0

    申请日:2023-02-07

    IPC分类号: G01S19/45 G01S19/47 G01C21/16

    摘要: 本发明公开了一种基于惯导复用的视觉、惯导、卫导融合定位方法。首先将惯导、双目相机、卫星天线三种传感器刚性固连于同一载体,标定惯导零偏、相机内参和三种传感器间的变换矩阵,接着通过时间戳匹配惯导和视觉数据,基于图优化的视觉SLAM框架对惯导和视觉数据进行融合,得到与视觉数据同频率的视觉‑惯导一级定位结果,通过时间戳匹配惯导和卫导数据,基于扩展卡尔曼滤波对惯导和卫导数据进行融合,得到与惯导数据同频率的惯导‑卫导一级定位结果,然后使用图优化的方式将两种一级定位结果进行二级融合,得到最终的位姿结果。本发明能够通过复用惯导数据提升卫导的位姿输出频率,减小惯导、视觉、卫导数据的时间匹配误差,提高位姿精度。

    一种智能驾驶性能检测多目标协同定位系统及方法

    公开(公告)号:CN110187374B

    公开(公告)日:2022-12-16

    申请号:CN201910452888.5

    申请日:2019-05-28

    IPC分类号: G01S19/47 G01S19/52 G01S19/53

    摘要: 本发明公开了一种智能驾驶性能检测多目标协同定位系统及方法,首先把主车安装的主POS(位置和姿态测量系统,Position and Orientation System)子系统、目标车安装的目标POS子系统、单人头盔佩戴的便携式POS子系统的高精度导航数据通过无线通讯模块进行点对点透传到主车搭载的主控子系统;然后根据主控子系统传输的实时同步导航数据,解算输出相对位置、速度、航向测量信息;同时在预先加载高精度地图的基础上,显示主车、目标车、单人的高精度导航数据信息,并解算输出相对于车道线的位置、速度、航向信息。本发明1)适用于“车车/车人/多车多人/车路”等多种模式下的多目标协同定位;系统精度高,时延少,计算量小,功耗低;便于智能驾驶性能监控、检测和评估分析。

    一种用于车载导航系统的零延迟组合导航初始化方法

    公开(公告)号:CN109059913B

    公开(公告)日:2021-08-03

    申请号:CN201810979830.1

    申请日:2018-08-27

    IPC分类号: G01C21/16 G01C25/00 G01S19/47

    摘要: 本发明提供一种用于车载导航系统的零延迟组合导航初始化方法,在车载的GNSS/惯性组合导航系统中加入里程计辅助,在系统断电时存储当前时刻的位置和姿态信息并在系统下一次通电工作时读取该信息;当系统上电时有GNSS定位信息和定向信息时,采用GNSS定位信息和定向信息对系统进行初始化;当系统上电时只有GNSS定位信息时,采用GNSS和IMU输出进行快速初始化并平滑系统初始姿态;采用GNSS和里程计快速修正初始姿态角。本发明实现的车载低精度组合导航方案可以满足在复杂应用环境下快速准确初始化的需求。

    基于大数据挖掘的地图路网融合更新方法及系统

    公开(公告)号:CN111221935B

    公开(公告)日:2020-08-07

    申请号:CN202010316011.6

    申请日:2020-04-21

    IPC分类号: G06F16/29 G01C21/32

    摘要: 本发明提供了一种基于大数据挖掘的地图路网融合更新方法及系统,能够克服目前地图路网更新对外业数据测绘或浮动车接入的依赖,根据预设的挖掘策略从挖掘网址库中挖掘出路网更新信息后,进一步根据预设的初筛策略自动进行初筛,得到有效的更新信息,然后,对该有效的更新信息依次进行路网更新信息数据细筛整理、更新路网矢量与规则属性数据、更新路网差分融合、更新地图数据发布处理,实现网站地图的更新;采用本发明的更新方法,能够通过互联网快速且全面地挖掘出所有路网的开通或更新信息,通过数据处理后第一时间更新到地图数据中,克服了目前地图路网更新对外业数据测绘或浮动车接入的依赖的问题。

    传统地图与高精度地图的数据融合方法

    公开(公告)号:CN111488421A

    公开(公告)日:2020-08-04

    申请号:CN202010342652.9

    申请日:2020-04-27

    IPC分类号: G06F16/29 G06K9/62 G01C21/32

    摘要: 本发明提供了一种传统地图与高精度地图的数据融合方法,它包括:地图信息获取步骤:获取预定区域范围内的传统地图和高精度地图对应的数据信息;数据匹配处理步骤:通过数据相关属性的相似性将数据进行组织,进一步对传统地图和高精度地图中的不同维度的数据进行匹配;分级融合处理步骤:根据数据匹配处理步骤的匹配结果对每个维度的数据进行融合与存储;通过相同的投影算法将传统地图和高精度地图投影在相同坐标系下后进行数据匹配,实现对地图数据分层关联,再进行数据融合来实现传统道路和高精度车道之间映射关系,利用传统地图信息融合丰富高精度地图信息,能有效快速实现地图数据精度更新。

    基于大数据挖掘的地图路网融合更新方法及系统

    公开(公告)号:CN111221935A

    公开(公告)日:2020-06-02

    申请号:CN202010316011.6

    申请日:2020-04-21

    IPC分类号: G06F16/29 G01C21/32

    摘要: 本发明提供了一种基于大数据挖掘的地图路网融合更新方法及系统,能够克服目前地图路网更新对外业数据测绘或浮动车接入的依赖,根据预设的挖掘策略从挖掘网址库中挖掘出路网更新信息后,进一步根据预设的初筛策略自动进行初筛,得到有效的更新信息,然后,对该有效的更新信息依次进行路网更新信息数据细筛整理、更新路网矢量与规则属性数据、更新路网差分融合、更新地图数据发布处理,实现网站地图的更新;采用本发明的更新方法,能够通过互联网快速且全面地挖掘出所有路网的开通或更新信息,通过数据处理后第一时间更新到地图数据中,克服了目前地图路网更新对外业数据测绘或浮动车接入的依赖的问题。

    一种智能驾驶性能检测多目标协同定位系统及方法

    公开(公告)号:CN110187374A

    公开(公告)日:2019-08-30

    申请号:CN201910452888.5

    申请日:2019-05-28

    IPC分类号: G01S19/47 G01S19/52 G01S19/53

    摘要: 本发明公开了一种智能驾驶性能检测多目标协同定位系统及方法,首先把主车安装的主POS(位置和姿态测量系统,Position and Orientation System)子系统、目标车安装的目标POS子系统、单人头盔佩戴的便携式POS子系统的高精度导航数据通过无线通讯模块进行点对点透传到主车搭载的主控子系统;然后根据主控子系统传输的实时同步导航数据,解算输出相对位置、速度、航向测量信息;同时在预先加载高精度地图的基础上,显示主车、目标车、单人的高精度导航数据信息,并解算输出相对于车道线的位置、速度、航向信息。本发明1)适用于“车车/车人/多车多人/车路”等多种模式下的多目标协同定位;系统精度高,时延少,计算量小,功耗低;便于智能驾驶性能监控、检测和评估分析。

    一种基于MEMS惯性技术的混合态高精度导航通信一体模块

    公开(公告)号:CN109163719A

    公开(公告)日:2019-01-08

    申请号:CN201810932087.4

    申请日:2018-08-16

    IPC分类号: G01C21/16 G01S19/49

    摘要: 本发明提出了一种基于MEMS惯性技术的混合态高精度导航通信一体模块。本发明包括:电源模块、高精度单轴光纤陀螺、第一MEMS陀螺、第二MEMS陀螺、三轴MEMS加速度计、定位模块、第一微处理器、第二微处理器以及无线通信模块。电源模块为各模块供电;高精度单轴光纤陀螺采集高精度X轴的角速度信息;第一MEMS陀螺采集Y轴的角速度信息;第二MEMS陀螺采集Z轴的角速度信息;三轴MEMS加速度计采集X轴、Y轴以及Z轴三个轴向的加速度信息;定位模块提供实时位置信息;第一微处理器将根据三轴的角速度信息、三轴的加速度信息、实时位置信息进行组合解算,实时输出载车位置、姿态和状态信息,并传输至所述第二微处理器,并通过无线通信模块上传给服务器。

    基于RTK/SINS的高动态定位定姿系统及方法

    公开(公告)号:CN106707322B

    公开(公告)日:2017-11-28

    申请号:CN201611254796.9

    申请日:2016-12-30

    IPC分类号: G01S19/49 G01C21/16

    摘要: 本发明公开了一种基于RTK/SINS的高动态定位定姿系统及方法,设置GNSS模块、SINS模块和RTK通信模块,在系统上电启动后,进行GNSS模块初始化,GNSS模块辅助SINS完成初始化;GNSS模块计算基站视线方向的数据链传输多普勒频移,并送入RTK通信模块进行跟踪辅助;RTK通信模块接收基站播发的差分数据,传递给GNSS模块;GNSS获取卡尔曼滤波的观测量,SINS模块获取卡尔曼滤波的预测量;将SINS的预测量与GNSS的观测量进行卡尔曼滤波,输出组合导航结果;计算出新的被校正后的载波多普勒频移,并送入GNSS跟踪环路进行辅助,持续迭代直至导航结束。