← 返回列表
一种数-模混合估计的多源融合定位方法及系统
摘要文本
一种数‑模混合估计的多源融合定位方法及系统，涉及多传感器融合定位技术领域，其利用IMU数据驱动模块回归传播调整因子、IMU不确定度因子和伪观测因子；利用LiDAR数据驱动模块计算场景特征退化率；根据IMU不确定度因子和场景特征退化率确定融合定位系统的不确定度；根据传播调整因子动态调整模型驱动传播预测时的噪声协方差，当场景特征退化率超过阈值时，仅使用伪观测因子进行观测更新，并结合不确定度进行位姿估计。本申请通过基于数据驱动的方法为基于模型驱动的滤波器系统提供自适应的参数调整，来适应不同场景和不同运动状态的变化。增强了系统在复杂场景和运动下的鲁棒性，综合考虑了传感器数据和系统模型的不确定度，能提供更可靠的结果置信度。
申请人信息
- 申请人:武汉大学
- 申请人地址:430000 湖北省武汉市武昌区八一路299号
- 发明人: 武汉大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种数-模混合估计的多源融合定位方法及系统 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311793765.0 |
| 申请日 | 2023/12/25 |
| 公告号 | CN117451043B |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G01C21/16 |
| 权利人 | 武汉大学 |
| 发明人 | 庄园; 李启鹏; 槐建柱; 陈怡文; 纳什瓦·艾尔·班得瑞 |
| 地址 | 湖北省武汉市武昌区八一路299号 |
专利主权项内容
1.一种数-模混合估计的多源融合定位方法，其特征在于：所述一种数-模混合估计的多源融合定位方法包括：根据IMU数据驱动模块连续多帧采集的陀螺仪的角速度和加速度计的加速度，回归当前时刻的传播调整因子、IMU不确定度因子和伪观测因子；基于相邻两次采集的点云数据，利用LiDAR数据驱动模块提取不同激光之间的变化特征以提供LiDAR场景全局观测，并计算当前时刻的场景特征退化率；根据所述IMU不确定度因子、场景特征退化率以及基于EKF模型驱动的协方差，确定IMU数据驱动模块、LiDAR数据驱动模块和EKF模型驱动模块的不确定度；根据所述传播调整因子动态调整EKF模型驱动模块传播预测时的噪声协方差，且当场景特征退化率超过设定阈值时，仅使用所述伪观测因子进行EKF模型驱动模块的观测更新，并结合所述不确定度以进行位姿估计。