-
公开(公告)号：CN114689901A
公开(公告)日：2022-07-01
申请号：CN202210100948.9
申请日：2022-01-27
IPC: G01P21/00
Abstract: 本申请提供一种加速度计现场标定方法和装置，方法包括：根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；基于误差参数组的参数初值，对误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。本申请能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。
-
公开(公告)号：CN114593724A
公开(公告)日：2022-06-07
申请号：CN202210073988.9
申请日：2022-01-21
Applicant: 北京邮电大学
Abstract: 本申请提供集群融合定位方法和装置，方法包括：获取目标集群当前对应的基于因子图的融合定位优化函数；基于预设的时间窗大小动态调整机制和分布式Cholesky分解方法对融合定位优化函数进行自适应迭代求解，以得到目标集群当前的融合定位状态数据。本申请能够在不降低定位精度并保证稳定性的前提下提升集群融合定位过程中的计算效率，能够有效降低集群融合定位过程中的计算复杂度，能够有效满足集群实时定位需求。
-
公开(公告)号：CN114593724B
公开(公告)日：2024-06-14
申请号：CN202210073988.9
申请日：2022-01-21
Applicant: 北京邮电大学
Abstract: 本申请提供集群融合定位方法和装置，方法包括：获取目标集群当前对应的基于因子图的融合定位优化函数；基于预设的时间窗大小动态调整机制和分布式Cholesky分解方法对融合定位优化函数进行自适应迭代求解，以得到目标集群当前的融合定位状态数据。本申请能够在不降低定位精度并保证稳定性的前提下提升集群融合定位过程中的计算效率，能够有效降低集群融合定位过程中的计算复杂度，能够有效满足集群实时定位需求。
-
公开(公告)号：CN109087351B
公开(公告)日：2021-04-16
申请号：CN201810832090.9
申请日：2018-07-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。
-
Patent Agency Ranking
公开(公告)号：CN114777767B
公开(公告)日：2024-09-24
申请号：CN202210073980.2
申请日：2022-01-21
Applicant: 北京邮电大学
Abstract: 本申请提供基于无人机定位预测方法、装置和无人机，方法包括：根据无人机集群内设有多源传感器组的目标无人机当前的本地观测量，确定目标无人机在预测时刻的本地定位状态估计数据；基于预设的逆协方差交叉方法，根据目标无人机当前与无人机集群内其他无人机之间的相对观测量，获取目标无人机在预测时刻的相对定位状态估计数据；基于预设的序贯方法，对目标无人机的本地定位状态估计数据和相对定位状态估计数据进行数据融合，以得到无人机在预测时刻的目标定位状态预测结果。本申请提高复杂环境中无人机集群的定位精度，并实现无人机节点内观测和无人机节点间协同观测信息的优化定位，进而能够有效提高无人机集群整体定位精度。
-
公开(公告)号：CN114689901B
公开(公告)日：2023-09-05
申请号：CN202210100948.9
申请日：2022-01-27
IPC: G01P21/00
Abstract: 本申请提供一种加速度计现场标定方法和装置，方法包括：根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；基于误差参数组的参数初值，对误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。本申请能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。
-
公开(公告)号：CN109087351A
公开(公告)日：2018-12-25
申请号：CN201810832090.9
申请日：2018-07-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。
-
公开(公告)号：CN114777767A
公开(公告)日：2022-07-22
申请号：CN202210073980.2
申请日：2022-01-21
Applicant: 北京邮电大学
Abstract: 本申请提供基于无人机定位预测方法、装置和无人机，方法包括：根据无人机集群内设有多源传感器组的目标无人机当前的本地观测量，确定目标无人机在预测时刻的本地定位状态估计数据；基于预设的逆协方差交叉方法，根据目标无人机当前与无人机集群内其他无人机之间的相对观测量，获取目标无人机在预测时刻的相对定位状态估计数据；基于预设的序贯方法，对目标无人机的本地定位状态估计数据和相对定位状态估计数据进行数据融合，以得到无人机在预测时刻的目标定位状态预测结果。本申请提高复杂环境中无人机集群的定位精度，并实现无人机节点内观测和无人机节点间协同观测信息的优化定位，进而能够有效提高无人机集群整体定位精度。
-
公开(公告)号：CN110473254A
公开(公告)日：2019-11-19
申请号：CN201910768325.7
申请日：2019-08-20
Applicant: 北京邮电大学
IPC: G06T7/70
Abstract: 本发明实施例提供了一种基于深度神经网络的位姿估计方法及装置，方法包括：获取目标图像序列，所述目标图像序列是相机在移动中连续拍摄的；将所述目标图像序列输入位姿估计网络模型，得到所述相机拍摄所述目标图像序列中每张图像时的位姿信息；所述位姿估计网络模型是根据训练集预先训练完成的，所述训练集包括：样本图像序列，以及样本位姿信息。由于采用深度神经网络模型进行相机的位姿信息估计，不需要进行关键点的提取和描述子计算过程，降低了计算复杂度，此外，对被测对象的无严格要求，可以适用于被测对象的位移较大的场景。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
