本發(fā)明涉及一種衛(wèi)星導航系統(tǒng)的數(shù)據(jù)傳輸方法，包括：數(shù)據(jù)中心接收基準站發(fā)送的目標數(shù)據(jù)，數(shù)據(jù)中心包括混合數(shù)據(jù)服務訂閱接口；用戶終端設置有混合數(shù)據(jù)訂閱的軟件，通過用戶終端中集成的觸發(fā)機制，用戶能夠根據(jù)需要設置高精度數(shù)據(jù)的獲取條件，將觸發(fā)高精度數(shù)...

本發(fā)明涉及一種基于車載多感知融合的車輛位姿獲取方法及系統(tǒng)，基于車輛的行駛區(qū)域環(huán)境特征信息構建電子地圖，在車輛的行駛目標路徑空曠區(qū)域，得到車輛在區(qū)域行駛路段的偏離分量，基于區(qū)域行駛路段的偏離分量得到匹配區(qū)域行駛有效路程、區(qū)域行駛有效時間和...

本申請公開了一種衛(wèi)星導航系統(tǒng)GNSS定位方法，涉及衛(wèi)星導航與定位技術領域，包括：獲得當前歷元i的狀態(tài)量x<subgt;i</subgt;；確定狀態(tài)量的解空間，并劃分為N個子空間；計算當前歷元i的狀態(tài)量x<subgt;i...

本發(fā)明涉及一種基于視覺SLAM的地圖構建方法及裝置包括通過相機實時采集目標環(huán)境圖像；根據(jù)所述目標環(huán)境圖像計算相機位姿；提取所述目標環(huán)境圖像中的點、線和面特征，根據(jù)所述相機位姿構建同類特征和異類特征的誤差函數(shù)；構造一個優(yōu)化求解器包括一個非...

本發(fā)明涉及視覺定位技術領域，提供一種基于雙目視覺的定位方法及裝置、設備及介質(zhì)，包括：通過雙目相機獲取標定板的標定圖像和目標物的原始圖像，并對所述標定圖像進行角點提取，獲取標定角點，根據(jù)所述標定角點計算所述雙目相機的內(nèi)外參數(shù)；根據(jù)所述內(nèi)外...

本發(fā)明涉及一種控制器線束引出密封結構，包括密封頂板、密封底板、第一凸板、第二凸板以及安裝板，所述密封頂板可拆卸的活動設置在密封底板上，所述密封頂板和密封頂板活動卡接，所述第一凸板設置在密封底板上，所述密封結構還包括灌膠模塊、觸發(fā)單元以及...

本發(fā)明涉及同步定位與地圖構建技術領域，具體涉及一種復雜環(huán)境下的魯棒視覺SLAM系統(tǒng)，用于解決傳統(tǒng)視覺SLAM系統(tǒng)在復雜環(huán)境下往往難以保持較高的定位精度和地圖構建質(zhì)量，難以發(fā)現(xiàn)駕駛路線中的障礙物，從而影響了駕駛安全性的問題；該魯棒視覺SL...

本發(fā)明涉及激光雷達定位技術領域，提供一種基于激光雷達和慣性導航的定位方法、系統(tǒng)、設備及介質(zhì)，包括：通過激光雷達單元和慣性測量單元，獲取智能車的點云數(shù)據(jù)和姿態(tài)數(shù)據(jù)，根據(jù)所述點云數(shù)據(jù)和姿態(tài)數(shù)據(jù)進行數(shù)據(jù)矯正，得到矯正后的點云數(shù)據(jù)；根據(jù)所述矯正...

本發(fā)明涉及衛(wèi)星通信技術領域，具體涉及一種衛(wèi)星導航電文容錯方法及裝置，包括：設定衛(wèi)星導航電文傳輸模式，基于設定的衛(wèi)星導航電文傳輸模式，連續(xù)傳輸同一組電文，配置若干組接收機，調(diào)試接收機運行參數(shù)，基于接收機接收不同傳輸模式下傳輸?shù)碾娢模猾@取各...

本發(fā)明涉及導航技術領域，具體涉及一種消除SLAM導航累積誤差的方法，包括：接收建模機器人實時采集的位置信息，設定建模機器人移動邏輯，基于移動邏輯控制建模機器人再次運行移動，并同步執(zhí)行建模機器人上一次采集位置信息的再次采集；獲取建模機器人...

本發(fā)明涉及一種基于單目視覺的目標定位方法，涉及目標定位領域。該基于單目視覺的目標定位方法，通過獲取包含預設AR標記的場景圖像數(shù)據(jù)并進行解析處理，得到標記點的二維坐標信息、角度信息和識別碼信息；基于標記點的二維坐標信息、識別碼信息并采用深...

本發(fā)明提供一種自動駕駛慣性器件誤差自適應在線標定方法，包括：S1，根據(jù)慣性器件單元的測量值構建預積分誤差狀態(tài)方程；S2，基于導航衛(wèi)星誤差項，構建預積分誤差狀態(tài)優(yōu)化方程；S3，提取海森信息矩陣，構建可觀測性分析矩陣，采用SVD分解方法對狀...

本發(fā)明涉及一種融合計算機視覺和慣性傳感器的定位方法及裝置，包括：獲取車輛的第一位姿信息和第二位姿信息；獲取環(huán)境圖像的亮度數(shù)據(jù)，基于對環(huán)境圖像的亮度數(shù)據(jù)進行處理分析，得到光照質(zhì)量表現(xiàn)值SDF；獲取環(huán)境圖像的采集時間數(shù)據(jù)以及慣性傳感器捕獲車...

本發(fā)明涉及智能車輛導航技術領域，具體為一種基于機器視覺的道內(nèi)車輛探測方法，所述方法包括：S100：獲取圖像數(shù)據(jù)一，通過圖像處理算法識別出車道線一和前方車輛；所述車道線一為所在車道能夠識別出的某一側車道線，計算出車道線一和前方車輛的形心的...

本發(fā)明涉及一種語義分割的視覺SLAM方法，包括：利用語義模型得到目標環(huán)境圖像中的目標對象像素點；將目標對象的像素點轉換為車輛坐標系下3D語義點云數(shù)據(jù)；根據(jù)預設歷史時間段內(nèi)車輛位姿數(shù)據(jù)變化情況，預測車輛當前時刻的行駛環(huán)境狀態(tài)，確定車輛坐標...

本發(fā)明涉及一種慣性導航設備誤差補償方法，包括：S11，獲取解算時刻對應的載體航姿信息；S12，計算載體航姿信息速度變化率和角速度速度變化率，并獲取對應的解算時刻時差；S13，根據(jù)速度變化率、角速度變化率、對應的解算時刻時差，確定對應時段...

本發(fā)明涉及一種基于GRU神經(jīng)網(wǎng)絡模型提高定位精度的方法，涉及數(shù)據(jù)處理技術領域，包括：S1，獲取故障信息對應時間序列，基于時間序列的分布，輸出第一目標集合；S2，基于第一目標集合，確定第一目標集合對應的分類標識，基于分類標識，確定第一目標...

本發(fā)明涉及一種視覺與雷達融合的目標定位方法，所述方法包括：S100：獲取雷達點云數(shù)據(jù)和第一可見光圖像數(shù)據(jù)，對雷達點云數(shù)據(jù)和第一可見光圖像數(shù)據(jù)進行模態(tài)統(tǒng)一，形成初始數(shù)據(jù)；S200：獲取初始數(shù)據(jù)，設計深度補全網(wǎng)絡，輸出稠密深度圖；獲取目標物...

本發(fā)明涉及一種慣性導航數(shù)據(jù)的采集方法及裝置，包括：獲取待采集對象的在第一時刻的初始導航數(shù)據(jù)；獲取所述待采集對象在所述第二時刻的實時導航數(shù)據(jù)和所述實時導航數(shù)據(jù)的誤差，以及所述實時導航數(shù)據(jù)和所述實時導航數(shù)據(jù)的誤差對所述待采集對象的運動狀態(tài)產(chǎn)...

本發(fā)明涉及一種衛(wèi)星定位和慣性導航的融合定位方法，包括：利用地圖匹配定位系統(tǒng)進行位置監(jiān)測；當監(jiān)測到車輛處于遮擋區(qū)域時，根據(jù)地圖匹配定位系統(tǒng)獲取車輛與遮擋區(qū)域的目標邊界點的第一位置差值；當?shù)谝晃恢貌钪凳状涡∮诘谝婚撝担刂栖囕v開始由第一定位...