-
公开(公告)号：CN115103437A
公开(公告)日：2022-09-23
申请号：CN202210453099.5
申请日：2022-04-27
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙和惯性测量单元的紧耦合室内定位方法，包括以下步骤：在定位区域布置蓝牙信标(BLE)，采集其位置信息，将其存储至数据库D；采集接收信号的强度指示(Received Signal Strength Indicator，RSSI)信号进行处理，根据数据库D，利用RSSI信号传播模型获取BLE到车辆的距离信息；采集惯性测量单元(Inertial Measurement Unit，IMU)提供的测量值，解算设备坐标系到世界坐标系的旋转矩阵；利用本时刻的状态量转移方程与旋转矩阵，分别得到方程关于状态量和噪声的雅可比矩阵；利用两个雅可比矩阵求出估计方差矩阵与下一时刻的状态量预测值；利用蓝牙采样的状态量，根据观测方程求出关于状态量的雅可比矩阵；根据解算的雅可比矩阵，利用扩展卡尔曼滤波器紧耦合蓝牙与IMU并修正得到的状态量与估计方差矩阵，完成蓝牙与IMU的紧耦合室内定位。本发明在定位精度上比传统的蓝牙定位算法有所提升。
-
公开(公告)号：CN113596989B
公开(公告)日：2022-08-23
申请号：CN202110890772.7
申请日：2021-08-04
Applicant: 电子科技大学
Abstract: 本发明提供了一种用于智慧车间的室内定位方法系统，属于室内定位技术领域，该方法包括利用定位终端获取蓝牙信标发射的信号强度，根据所述信号强度选取多组蓝牙进行改良三边质心定位，得到初始定位结果，并对初始定位结果进行DBSCAN聚类处理以消除离群点，并对消除离群点后的初始定位点集进行自适应加权平均处理，得到最终的定位坐标；根据所述最终的定位坐标，并利用全景定位和GPS定位得到智慧车间的全覆盖定位，完成智慧车间的室内定位。本发明解决了汽车4S店中车位内的车辆不能全覆盖定位，且对于车位外的地方无法定位或只能模糊定位的问题。
-
公开(公告)号：CN117997337A
公开(公告)日：2024-05-07
申请号：CN202311806929.9
申请日：2023-12-25
Applicant: 电子科技大学
Abstract: 本发明涉及一种自校准和频率可选择双延迟线锁相环电路，属于集成电路技术领域，其包括：调节模块、选择信号产生模块、数据选择模块以及延迟校准模块。该电路的工作原理是通过输入时钟信号驱动选择信号产生模块和调节模块，实现对延迟线的选择和延迟量的调控；数据选择模块根据选择信号选择其中一条延迟线作为输出，一路输入到延迟校准模块，另一路反馈回调节模块；延迟校准模块用于校准延迟线的延迟量，得到最终的输出时钟。本发明的自校准和频率可选择双延迟线锁相环电路，其特点在于能够根据输入时钟频率自动选择最合适的延迟线，扩大了工作频率范围，并通过延迟校准模块减小延迟失配，优化了锁相环性能。
-
公开(公告)号：CN115103437B
公开(公告)日：2024-03-15
申请号：CN202210453099.5
申请日：2022-04-27
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙和惯性测量单元的紧耦合室内定位方法，包括以下步骤：在定位区域布置蓝牙信标(BLE)，采集其位置信息，将其存储至数据库D；采集接收信号的强度指示(Received Signal Strength Indicator，RSSI)信号进行处理，根据数据库D，利用RSSI信号传播模型获取BLE到车辆的距离信息；采集惯性测量单元(Inertial Measurement Unit，IMU)提供的测量值，解算设备坐标系到世界坐标系的旋转矩阵；利用本时刻的状态量转移方程与旋转矩阵，分别得到方程关于状态量和噪声的雅可比矩阵；利用两个雅可比矩阵求出估计方差矩阵与下一时刻的状态量预测值；利用蓝牙采样的状态量，根据观测方程求出关于状态量的雅可比矩阵；根据解算的雅可比矩阵，利用扩展卡尔曼滤波器紧耦合蓝牙与IMU并修正得到的状态量与估计方差矩阵，完成蓝牙与IMU的紧耦合室内定位。本发明在定位精度上比传统的蓝牙定位算法有所提升。
-
公开(公告)号：CN117470218A
公开(公告)日：2024-01-30
申请号：CN202311373969.9
申请日：2023-10-23
Applicant: 电子科技大学
Abstract: 本发明提供了一种环境平面信息有效合并的定位建图方法，属于激光SLAM技术领域，包括以下步骤：获取激光雷达单帧点云；IMU前向传播获得系统初始位姿、反向传播去除点云畸变；去畸变后的点云进行空间体素划分，各体素中拟合平面，估计协方差矩阵；利用IMU位姿将新到来激光点投影至局部地图，计算点到对应体素平面的距离残差，加入IESKF中获得系统最佳位姿；新到来激光点利用迭代后状态映射至对应体素中，更新平面，协方差信息；利用并查集算法合并相邻共面平面，更新合并后的平面参数和协方差，用于后续激光帧的位置计算。本发明的平面合并定位建图算法相比于传统激光SLAM算法，鲁棒性更好，定位精度更高，算力消耗和内存占用比传统激光SLAM算法更低。
-
Patent Agency Ranking
公开(公告)号：CN114916928B
公开(公告)日：2023-08-04
申请号：CN202210518089.5
申请日：2022-05-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种人体姿态多通道卷积神经网络检测方法，包括以下步骤：S1：采集人体各项活动时传感器数据；S2：对采集的传感器数据进行预处理；S3：搭建多通道卷积神经网络模型；S4：将经过预处理的传感器数据输入到网络模型中进行训练；S5：模型已完成训练，获得人体姿态检测结果。本发明主要贡献是使用多通道卷积神经网络进行人体姿态检测，单独通道的卷积头对每个传感器的数据进行独立的特征提取，使提取特征的效果更加优秀，提升了人体姿态检测的准确性，在日常检测中本发明具有比传统方法更高的检测准确率。同时还优化了数据采集和数据处理的过程，使前期准备工作的复杂度降低。
-
公开(公告)号：CN114710744B
公开(公告)日：2023-03-21
申请号：CN202210378315.4
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种深度融合WiFi测距与PDR推算的室内定位方法，属于WiFi定位技术领域，包括以下步骤：在定位场景中采集WiFi数据；处理采集的WiFi的RSSI数据，并对RSSI排序，进行RSSI测距，得到WiFi测距量；获取传感器数据，计算行人的前进方向、步长，进行行人航位推算，得到行人的预测位置；通过WiFi测距量、行人的前进方向、步数和步长，自适应调整扩展卡尔曼滤波的过程噪声和观测噪声；将过程噪声、观测噪声、WiFi测距量、行人预测位置和WiFi位置作为输入，利用自适应扩展卡尔曼滤波器融合WiFi测距量、行人的预测位置和WiFi位置，得到行人估计位置坐标。本发明在定位精度上比传统的三角定位和PDR定位的定位精度有所提升。
-
公开(公告)号：CN114881156A
公开(公告)日：2022-08-09
申请号：CN202210533167.9
申请日：2022-05-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种W型地磁阵列的多传感器融合决策车辆检测方法，属于车辆检测领域，该方法包括对车位进行编号，并进行W型无线地磁传感器阵列布局，将车位状态进行划分，并进行各状态地磁数据采集，对采集的地磁数据进行预处理后分别输入车位状态检测深度学习模型和车位编号检测深度学习模型，对其进行分类损失计算，通过反向传播更新神经网络参数，完成模型训练，两个模型都训练完成之后，输出最终的车位状态检测结果和车位编号检测结果。本发明提出一种W型传感器阵列，并提出一种基于深度学习模型的多传感器融合决策车辆检测算法，在实际场景中的测试表明本算法不仅可以有效排除邻近车位等干扰，相比于传统算法所使用的传感器数量也大幅度减少，更易于在大型停车场中布局实践。
-
公开(公告)号：CN114710744A
公开(公告)日：2022-07-05
申请号：CN202210378315.4
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种深度融合WiFi测距与PDR推算的室内定位方法，属于WiFi定位技术领域，包括以下步骤：在定位场景中采集WiFi数据；处理采集的WiFi的RSSI数据，并对RSSI排序，进行RSSI测距，得到WiFi测距量；获取传感器数据，计算行人的前进方向、步长，进行行人航位推算，得到行人的预测位置；通过WiFi测距量、行人的前进方向、步数和步长，自适应调整扩展卡尔曼滤波的过程噪声和观测噪声；将过程噪声、观测噪声、WiFi测距量、行人预测位置和WiFi位置作为输入，利用自适应扩展卡尔曼滤波器融合WiFi测距量、行人的预测位置和WiFi位置，得到行人估计位置坐标。本发明在定位精度上比传统的三角定位和PDR定位的定位精度有所提升。
-
公开(公告)号：CN116383281A
公开(公告)日：2023-07-04
申请号：CN202310371579.1
申请日：2023-04-10
Applicant: 电子科技大学
IPC: G06F16/2458 , G06F16/29
Abstract: 本发明提供了一种用于空间中位置点分布均匀性的评估方法。这里的“空间”指的是对分析对象的数学化描述，例如我们可以将一张图片视为一个矩形的二维空间，从图像中提取出的特征点即为该空间中的位置点。该方法适用于图像处理、地理信息分析等领域中对点分布均匀性的评估。该方法利用点所占据的空间来计算点的分布情况，然后将其与理想状态下的点分布情况进行比较以评估点分布的均匀性。其中，“理想状态下的点分布情况”指的是，如果点在空间中均匀分布，则每个点应该占据相同大小的空间。与传统方法相比，本发明的方法适用范围更广，可以评估任意维度下点的分布均匀性，并且无需预先定义参数，不受点数量的限制，可以比较点数量存在较大差异的不同空间中点的分布均匀性。此外，该方法计算简单，计算量小，计算速度快。在实际应用中，该方法可以被应用于图像处理、地理信息分析等领域，为相关行业提供高效准确的分析工具。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
