一種單目VIO/UWB室內(nèi)組合定位方法

隋 心，張 杰，陳志鍵，王思語(yǔ)，張宏慶，張 聰，徐愛(ài)功

一種單目VIO/UWB室內(nèi)組合定位方法

隋 心，張 杰，陳志鍵，王思語(yǔ)，張宏慶，張 聰，徐愛(ài)功

（遼寧工程技術(shù)大學(xué) 測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000）

針對(duì)單目視覺(jué)慣性里程計(jì)（VIO）在室內(nèi)環(huán)境下易漂移、定位誤差較大的問(wèn)題，提出了一種基于單目VIO/超寬帶（UWB）組合的室內(nèi)高精度定位方法。該方法結(jié)合單目VIO輸出的位置信息和UWB的測(cè)距信息，利用自適應(yīng)卡爾曼濾波進(jìn)行數(shù)據(jù)融合，考慮到UWB測(cè)距值易受非視距（NLOS）誤差的影響，通過(guò)新息向量構(gòu)建組合系統(tǒng)的抗差模型，以減小異常測(cè)距值對(duì)組合系統(tǒng)的影響，同時(shí)引入薩格-胡薩（Sage-Husa）濾波對(duì)系統(tǒng)噪聲進(jìn)行實(shí)時(shí)估計(jì)和修正。實(shí)驗(yàn)結(jié)果表明該定位方法能夠有效緩解單目VIO的累積漂移和UWB的非視距誤差，相較于基于擴(kuò)展卡爾曼濾波器（EKF）的單目VIO/UWB組合方法，其平面均方根誤差降低了52.3%，有效提高了組合系統(tǒng)的定位精度和魯棒性。

單目視覺(jué)慣性里程計(jì)；超寬帶；自適應(yīng)抗差卡爾曼濾波；非視距；室內(nèi)定位

0 引言

隨著時(shí)代的發(fā)展，人們對(duì)于定位精度的要求越來(lái)越高[1]。日常生產(chǎn)生活80%～90%的時(shí)間處于室內(nèi)，因此更多的定位導(dǎo)航和位置服務(wù)需求來(lái)自室內(nèi)。室內(nèi)環(huán)境復(fù)雜，采用單一傳感器很難滿(mǎn)足當(dāng)下的定位需求，因此多傳感器組合方式已經(jīng)成為高精度定位領(lǐng)域的研究熱點(diǎn)[2]。由于相機(jī)和慣性測(cè)量單元（inertial measurement unit，IMU）傳感器之間的優(yōu)勢(shì)互補(bǔ)性，基于不同融合方式的視覺(jué)慣性里程計(jì)（visual inertial odometry，VIO）已經(jīng)成為解決此問(wèn)題的主流方法[2]。VIO的融合方式主要分基于濾波和基于優(yōu)化2種方式[3-4]：前者融合框架簡(jiǎn)單，但是線性化誤差較大；后者定位精度更加精確，但是對(duì)硬件計(jì)算力要求較高。盡管VIO在短時(shí)間內(nèi)能夠獲得較高的定位精度，但由于IMU本身定位易發(fā)散以及相機(jī)易受光照、紋理等因素的影響而導(dǎo)致跟蹤失敗，VIO自身誤差會(huì)隨著時(shí)間的推移而累積，進(jìn)而導(dǎo)致定位結(jié)果的累積誤差逐漸變大[5-6]，因此需要進(jìn)一步引入其他輔助傳感器來(lái)降低VIO的定位誤差。

目前常用的室內(nèi)無(wú)線定位技術(shù)有超寬帶（ultra-wide band, UWB）、無(wú)線保真（wireless fidelity, WiFi）、超聲波、藍(lán)牙等[7]，其中UWB定位技術(shù)因具有功率譜密度低、脈沖寬度窄、時(shí)間分辨率高的特點(diǎn)，能夠獲得較高的測(cè)距精度，從而被廣泛應(yīng)用于室內(nèi)高精度定位[8]。但UWB定位技術(shù)在脈沖信息傳播的過(guò)程中，障礙物的存在會(huì)遮擋UWB的脈沖信號(hào)，使信號(hào)在傳播過(guò)程中發(fā)生反射、折射以及穿透的現(xiàn)象，構(gòu)成非視距（none line of sight，NLOS）環(huán)境，形成NLOS誤差，導(dǎo)致UWB定位系統(tǒng)的精度和穩(wěn)定性大幅度降低，嚴(yán)重時(shí)甚至無(wú)法測(cè)距定位[9]。文獻(xiàn)[10]提出了一種將穿墻模型與對(duì)數(shù)衰減模型相融合的UWB測(cè)距值處理方法，減少了信號(hào)在穿墻時(shí)的能量損失，提高了測(cè)距值的準(zhǔn)確性，并通過(guò)最小二乘法減少測(cè)距時(shí)的累計(jì)誤差，提高了UWB的定位精度。文獻(xiàn)[11]提出了一種UWB定位系統(tǒng)自主完好性監(jiān)測(cè)方法，根據(jù)最小二乘位置估計(jì)獲得距離殘差來(lái)構(gòu)建檢驗(yàn)因子，采用基于數(shù)理統(tǒng)計(jì)的卡方檢驗(yàn)進(jìn)行全局檢驗(yàn)以達(dá)到剔除異常測(cè)距值的目的。UWB的定位解算精度和可靠性提升效果明顯。

綜上分析可知，在室內(nèi)環(huán)境下單獨(dú)依靠VIO或者UWB進(jìn)行定位很難獲得高時(shí)效和高精度的定位結(jié)果，因此，近幾年已有一些專(zhuān)家學(xué)者針對(duì)VIO和UWB的數(shù)據(jù)融合展開(kāi)研究。文獻(xiàn)[12]提出了一種VIO和UWB的緊耦合融合方案，將VIO的測(cè)量數(shù)據(jù)和UWB的量測(cè)數(shù)據(jù)進(jìn)行融合，從而獲得機(jī)器人的位姿。文獻(xiàn)[13]提出了一種利用UWB輔助單目VIO的方法，通過(guò)擴(kuò)展卡爾曼濾波（extend Kalman filter，EKF）進(jìn)行融合解算，以獲得改進(jìn)的無(wú)漂移全局位姿估計(jì)。文獻(xiàn)[14]提出了一種雙目VIO和UWB的松耦合方案，分別利用雙目VIO輸出的位置信息和UWB輸出的位置信息，通過(guò)EKF進(jìn)行數(shù)據(jù)融合得到機(jī)器人的最優(yōu)位置估計(jì)，該方案采用的是松耦合的融合方式，組合系統(tǒng)的魯棒性偏低。雖然上述3種融合方案在良好環(huán)境下都能獲得較好的定位結(jié)果，但都并未充分考慮UWB NLOS誤差對(duì)組合系統(tǒng)的影響。因此針對(duì)組合系統(tǒng)存在UWB NLOS誤差影響的問(wèn)題，本文提出了一種基于自適應(yīng)抗差卡爾曼濾波（adaptive robust Kalman filter，ARKF）的單目VIO/UWB室內(nèi)組合定位方法，以期通過(guò)該方法，能夠有效抑制NLOS誤差對(duì)組合系統(tǒng)的影響，提高組合系統(tǒng)的定位精度。

1 UWB測(cè)距模型及單目VIO定位算法原理

1.1 TW-TOF測(cè)距模型

在UWB的測(cè)距模型中，基于信號(hào)雙向傳播時(shí)間（two-way time-of-flight，TW-TOF）的測(cè)距模型既不需要UWB基準(zhǔn)站與流動(dòng)站之間保持時(shí)間同步[15]，也不需要UWB基準(zhǔn)站互相之間保持時(shí)間同步，消除了因?yàn)闀r(shí)間不同步所導(dǎo)致的測(cè)距誤差，使得UWB的測(cè)距值更加精確。

基于TW-TOF的測(cè)距模型是通過(guò)流動(dòng)站發(fā)送脈沖信號(hào)到基準(zhǔn)站產(chǎn)生響應(yīng)脈沖信號(hào)的時(shí)間差來(lái)計(jì)算二者之間的距離，測(cè)距原理如圖1所示。

圖1 TW-TOF測(cè)距原理示意

UWB流動(dòng)站與基準(zhǔn)站之間的TW-TOF測(cè)距模型為

1.2 單目VIO定位算法原理

單目VIO的代表性算法主要有2種：一種是基于濾波的多狀態(tài)約束擴(kuò)展卡爾曼濾波器（multi-state constraint Kalman filter，MSCKF）；另一種是基于非線性?xún)?yōu)化的視覺(jué)慣性狀態(tài)估計(jì)器（visual-inertial state estimator system，VINS）。MSCKF算法在狀態(tài)向量中只能維護(hù)前幾幀相機(jī)位姿，無(wú)法做到利用全局的信息進(jìn)行全局位姿優(yōu)化，而VINS利用滑窗優(yōu)化算法融合預(yù)積分后的IMU測(cè)量值和相機(jī)的特征觀測(cè)值，能夠在短時(shí)間內(nèi)獲得較高精度的定位結(jié)果。因此本文選擇VINS實(shí)現(xiàn)單目VIO定位，VINS框架中單目VIO主要包括以下3個(gè)模塊：

1）數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理主要分為2部分：第一部分是相機(jī)圖像處理，提取圖像哈里斯角點(diǎn)，利用金字塔光流法跟蹤相鄰幀，基于隨機(jī)抽樣一致算法去除異常點(diǎn)；第二部分是IMU數(shù)據(jù)預(yù)處理，計(jì)算當(dāng)前幀的位姿作為初始值，以及相鄰幀的預(yù)積分增量和預(yù)積分誤差的雅可比矩陣及協(xié)方差。

2）初始化。初始化模塊分為相機(jī)初始化和相機(jī)慣導(dǎo)聯(lián)合初始化：相機(jī)初始化主要是計(jì)算滑動(dòng)窗口內(nèi)所有幀的位姿和路標(biāo)點(diǎn)的深度；相機(jī)慣導(dǎo)聯(lián)合初始化主要是利用旋轉(zhuǎn)約束估計(jì)陀螺儀的零偏，利用平移約束估計(jì)重力以及尺度初始值，求解世界坐標(biāo)系和初始相機(jī)坐標(biāo)系的外參矩陣。

3）后端非線性?xún)?yōu)化。VINS后端優(yōu)化采用的是基于滑動(dòng)窗口的光束法平差（bundle adjustment，BA）優(yōu)化。優(yōu)化模型主要分為3個(gè)部分：第一部分是由于滑動(dòng)窗口刪除位姿和特征點(diǎn)約束所引起的先驗(yàn)殘差部分；第二部分是預(yù)積分所引起的IMU殘差部分；第三部分是視覺(jué)重投影誤差所引起的視覺(jué)殘差部分。優(yōu)化變量為

2 單目VIO/UWB組合定位算法

根據(jù)上述UWB測(cè)距模型和單目VIO定位算法原理，本文首先采用機(jī)器人操作系統(tǒng)（robot operating system, ROS）時(shí)間標(biāo)簽和四參數(shù)轉(zhuǎn)換模型對(duì)不同傳感器之間進(jìn)行時(shí)空同步，然后基于ARKF算法將UWB輸出的測(cè)距信息和單目VIO輸出的位置信息進(jìn)行融合，進(jìn)而獲得高精度和高穩(wěn)定性的定位結(jié)果。單目VIO/UWB組合系統(tǒng)定位算法流程如圖2所示。

圖2 單目VIO/UWB組合定位系統(tǒng)流程

2.1狀態(tài)模型構(gòu)建

在室內(nèi)定位中，平面定位的需求多于高程定位[16]，且對(duì)平面定位精度要求更高，所以本文單目VIO/UWB組合系統(tǒng)采用平面定位，利用ARKF算法進(jìn)行融合解算，獲得整個(gè)組合系統(tǒng)的位置更新。單目VIO/UWB組合系統(tǒng)的更新模型為

單目VIO/UWB組合系統(tǒng)的狀態(tài)方程為

2.2 量測(cè)模型構(gòu)建

單目VIO/UWB組合系統(tǒng)的觀測(cè)模型為：

對(duì)式（5）、式（6）進(jìn)行線性化可得：

則單目VIO/UWB組合系統(tǒng)的量測(cè)方程為

2.3 自適應(yīng)抗差卡爾曼濾波

由式（4）和式（9）可知，本文的VIO/UWB組合系統(tǒng)是線性系統(tǒng)，其標(biāo)準(zhǔn)卡爾曼濾波算法預(yù)測(cè)過(guò)程為

更新過(guò)程為

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)平臺(tái)

實(shí)驗(yàn)過(guò)程中首先將相機(jī)、IMU、UWB、棱鏡固定在組合定位實(shí)驗(yàn)平臺(tái)上，通過(guò)外參標(biāo)定完成空間坐標(biāo)系的統(tǒng)一。組合定位實(shí)驗(yàn)平臺(tái)如圖4所示。數(shù)據(jù)采集及處理所采用的電腦系統(tǒng)均為利努克斯（Linux）系統(tǒng)烏本圖（Ubuntu）18.04版本，單目相機(jī)、IMU、UWB所采集的數(shù)據(jù)均采用ROS時(shí)間標(biāo)簽進(jìn)行時(shí)間同步。

圖4 單目VIO/UWB組合定位實(shí)驗(yàn)平臺(tái)

本次實(shí)驗(yàn)共采用4個(gè)UWB模塊，3個(gè)作為基準(zhǔn)站使用，1個(gè)固定在組合定位實(shí)驗(yàn)平臺(tái)上作為流動(dòng)站使用。同時(shí)將全站儀架設(shè)在實(shí)驗(yàn)場(chǎng)地的空曠處，使其能夠全過(guò)程觀測(cè)到實(shí)驗(yàn)平臺(tái)的棱鏡，為實(shí)驗(yàn)提供真實(shí)可靠的參考軌跡。如圖5所示，點(diǎn)為實(shí)驗(yàn)平臺(tái)移動(dòng)的起始位置，點(diǎn)、點(diǎn)、點(diǎn)為UWB基準(zhǔn)站的架設(shè)位置，點(diǎn)為全站儀的架設(shè)位置。實(shí)驗(yàn)平臺(tái)以接近勻速的移動(dòng)速度采集數(shù)據(jù)，順時(shí)針采集2圈數(shù)據(jù)。實(shí)驗(yàn)時(shí)長(zhǎng)共計(jì)10 min。

圖5 實(shí)驗(yàn)設(shè)計(jì)示意

3.2 結(jié)果與分析

對(duì)實(shí)驗(yàn)過(guò)程中單目VIO采集到的數(shù)據(jù)進(jìn)行解算，將組合定位解算結(jié)果與全站儀的定位結(jié)果進(jìn)行對(duì)比，如圖6所示?？梢钥闯觯?jiǎn)文縑IO在移動(dòng)的初期階段，定位精度較高；但隨著時(shí)間的推移，定位軌跡逐漸出現(xiàn)漂移，其中點(diǎn)處的漂移最為嚴(yán)重，最大定位誤差為0.384 m。

圖6 單目VIO解算軌跡與參考軌跡對(duì)比

利用單目VIO/UWB-EKF組合模型進(jìn)行參數(shù)解算，將組合定位解算結(jié)果與全站儀定位結(jié)果進(jìn)行對(duì)比，如圖7所示?？梢钥闯觯趯?shí)驗(yàn)平臺(tái)移動(dòng)的初始階段，組合系統(tǒng)的定位精度較高，在、、、四點(diǎn)處的漂移明顯減小，整體的移動(dòng)軌跡更加貼近參考軌跡。但由于實(shí)驗(yàn)平臺(tái)在移動(dòng)過(guò)程中受到障礙物的遮擋，導(dǎo)致組合系統(tǒng)存在NLOS誤差的影響，隨著時(shí)間的推移，誤差累積仍然越來(lái)越大，其最大定位誤差為0.269 m。

圖7 單目VIO/UWB-EKF組合系統(tǒng)軌跡與參考軌跡對(duì)比

利用單目VIO/UWB-ARKF組合模型進(jìn)行參數(shù)解算，將組合定位解算結(jié)果與全站儀定位結(jié)果進(jìn)行對(duì)比，如圖8所示?？梢钥闯?，利用ARKF解算的單目VIO和UWB組合系統(tǒng)的定位精度較好，不僅能夠解決單目VIO在、、、四點(diǎn)處容易出現(xiàn)漂移的問(wèn)題，同時(shí)有效消除了UWB的NLOS誤差對(duì)組合系統(tǒng)的影響，使得組合系統(tǒng)的定位軌跡更加貼近參考軌跡。組合系統(tǒng)的最大定位誤差為0.157 m。

圖8 單目VIO/UWB-ARKF組合系統(tǒng)軌跡與參考軌跡對(duì)比

圖9給出了單目VIO、單目VIO/UWB-EKF組合模型和單目VIO/UWB-ARKF組合模型定位誤差的統(tǒng)計(jì)結(jié)果?？梢钥闯觯?jiǎn)文縑IO定位誤差隨著時(shí)間逐漸增大，在引入U(xiǎn)WB后，定位精度明顯提高；但由于UWB的NLOS誤差的存在，對(duì)組合系統(tǒng)的定位精度仍然存在較大影響。而ARKF算法的引入有效抑制了UWB的NLOS誤差的影響，提高了組合系統(tǒng)的定位精度和魯棒性。

圖9 單目VIO、單目VIO/UWB-EKF、單目VIO/UWB-ARKF定位誤差

表1 3種定位方法誤差統(tǒng)計(jì) m

4 結(jié)束語(yǔ)

針對(duì)單目VIO在室內(nèi)環(huán)境下易漂移、定位誤差較大，及UWB測(cè)距值易受NLOS誤差影響的問(wèn)題，本文采用ARKF算法對(duì)UWB原始測(cè)距值和單目VIO所解算的位置信息進(jìn)行融合，根據(jù)新息向量構(gòu)建抗差模型，同時(shí)引入Sage-Husa濾波實(shí)時(shí)估計(jì)并修正系統(tǒng)噪聲協(xié)方差矩陣，有效減小了UWB NLOS誤差對(duì)組合系統(tǒng)的影響，解決了單目VIO在室內(nèi)環(huán)境下定位誤差較大的問(wèn)題，提高了單目VIO/UWB組合系統(tǒng)的魯棒性和定位精度，平均定位精度可達(dá)到亞分米級(jí)。

[1] XU H, WANG L, ZHANG Y, et al. Decentralized visual-inertial-UWB fusion for relative state estimation of Aerial Swarm[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2020 IEEE International Conference on Robotics and Automation (ICRA). Paris, France: IEEE, 2020: 8776-8782[2022-03-21].

[2] BENINI A, MANCINI A, LONGHI S. An IMU/UWB/Vision-based extended Kalman filter for mini-UAV localization in indoor environment using 802. 15. 4a wireless sensor network[J]. Journal of Intelligent & Robotic Systems, 2013, 70(1): 461-476.

[3] NGUYEN T H, NGUYEN T-M, XIE L. Tightly-coupled single-anchor ultra-wideband-aided monocular visual odometry system[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2020 IEEE International Conference on Robotics and Automation (ICRA). Paris, France: IEEE, 2020: 665-671[2022-03-21].

[4] 楊觀賜, 王霄遠(yuǎn), 蔣亞汶, 等. 視覺(jué)與慣性傳感器融合的SLAM技術(shù)綜述[J]. 貴州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 37(6):1-12.

[5] BRYSON M, SUKKARIEH S. Building a robust implementation of bearing-only inertial SLAM for a UAV[J]. Journal of Field Robotics, 2007, 24(1/2): 113-143.

[6] LUTZ P, SCHUSTER M J, STEIDLE F. Visual-inertial SLAM aided estimation of anchor poses and sensor error model parameters of UWB radio modules[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 201919th International Conference on Advanced Robotics (ICAR). Montreal, Canada: IEEE, 2019: 739-746[2022-03-21].

[7] XIA M, XIU C, YANG D, et al. A novel PDR aided UWB indoor positioning method[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2018 Ubiquitous Positioning, Indoor Navigation and Location-Based Services (UPINLBS). Wuhan, China: IEEE, 2018: 1-7[2022-03-21].

[8] SHI Q, CUI X, LI W, et al. Visual-UWB navigation system for unknown environments[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of the 31st International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS+ 2018). Miami, American: ION GNSS, 2018: 3111-3121[2022-03-21].

[9] 徐愛(ài)功, 閆可新, 高嵩, 等. 一種單目視覺(jué)里程計(jì)/UWB組合室內(nèi)定位方法[J]. 導(dǎo)航定位學(xué)報(bào), 2021, 9(5): 82-88.

[10] 宰昶豐, 郭英, 葉瑾, 等. 基于UWB穿墻定位中NLOS誤差的優(yōu)化方法[J]. 電子測(cè)量技術(shù), 2021, 44(19): 128-133.

[11] 徐愛(ài)功, 史政旭, 高嵩, 等. 一種UWB定位系統(tǒng)自主完好性監(jiān)測(cè)方法[J]. 導(dǎo)航定位學(xué)報(bào), 2021, 9(6): 9-15.

[12] NGUYEN T H, NGUYEN T-M, XIE L. Range-focused fusion of camera-IMU-UWB for accurate and drift-reduced localization[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1678-1685.

[13] NYQVIST H E, SKOGLUND M A, HENDEBY G, et al. Pose estimation using monocular vision and inertial sensors aided with ultra wide band[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2015 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Banff, Canada: IEEE, 2015: 1-10[2022-03-21].

[14] 申炳琦, 張志明, 舒少龍. 移動(dòng)機(jī)器人UWB與VIO組合室內(nèi)定位算法[J]. 計(jì)算機(jī)應(yīng)用，2022(1): 1-8.

[15] 隋心, 高嵩, 黃俊堯, 等. UWB輔助INS的室內(nèi)組合定位方法[J]. 無(wú)線電工程, 2020, 50(8): 624-630.

[16] LIU H, DARABI H, BANERJEE P, et al. Survey of wireless indoor positioning techniques and systems[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(6): 1067-1080.

[17] 魏偉, 秦永元, 張曉冬, 等. 對(duì)Sage-Husa算法的改進(jìn)[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2012, 20(6): 678-686.

A monocular VIO/UWB indoor integrated positioning method

SUI Xin, ZHANG Jie, CHEN Zhijian, WANG Siyu, ZHANG Hongqing, ZHANG Cong, XU Aigong

（School of Geomatics, Liaoning Technical University, Fuxin, Liaoning 123000, China）

Aiming at the problems of monocular visual inertial odometry (VIO) easy to drift and large positioning error in indoor environment, this paper proposes an indoor high-precision positioning method based on monocular VIO/ultra-wide band (UWB) integration. This method integrates position information output by VIO and the ranging information about (UWB), and uses adaptive kalian filter for data fusion. Considering that the UWB ranging value is susceptible to non line of sight (NLOS) error, the robust model of the integrated system is constructed by the new interest vector to reduce the influence of the abnormal ranging value on the integrated system, and Sage-Husa filter is introduced to estimate and correct the system noise in real time. The experimental results show that the positioning method can effectively alleviate the cumulative drift of monocular VIO and the non-line-of-sight error of UWB. Compared with the monocular VIO/UWB integrated method based on extend Kalman filter (EKF), the root mean square error is reduced by 52.3%, and the positioning accuracy and robustness of the integrated system are effectively improved.

monocular visual inertial odometry; ultra-wide band; adaptive robust Kalman filtering; non line of sight; indoor positioning

P228

A

2095-4999(2022)06-0001-08

隋心，張杰，陳志鍵，等. 一種單目VIO/UWB室內(nèi)組合定位方法[J]. 導(dǎo)航定位學(xué)報(bào), 2022, 10(6): 1-8 .（SUI Xin, ZHANG Jie, CHEN Zhijian, et al. A monocular VIO/UWB indoor integrated positioning method[J]. Journal of Navigation and Positioning, 2022, 10(6): 1-8.）

10.16547/j.cnki.10-1096.20220601.

2022-04-11

國(guó)家自然科學(xué)基金項(xiàng)目（42074012）；遼寧省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2020JH2/10100044）；遼寧省“興遼英才計(jì)劃”項(xiàng)目（XLYC2002101，XLYC2008034）；遼寧省教育廳基礎(chǔ)研究項(xiàng)目（LJ2020JCL016）。

隋心（1981—），男，遼寧沈陽(yáng)人，博士，副教授，研究方向?yàn)榛诙鄠鞲衅鲾?shù)據(jù)融合的室內(nèi)外無(wú)縫定位。

張杰（1995—），男，四川巴中人，碩士研究生，研究方向?yàn)槭覂?nèi)外導(dǎo)航定位。