CHT 2009-2010全球定位系统实时动态测量(RTK)技术规范

本人利用matlab 编写的伪距单点定位，包含rinex 导航文件和观测文件读取的新方法，独立与定位程序之外。在单点定位的同时还进行了地球自转改正，卫星钟误差改正，接收机钟误差改正，地球自转改正，相对效应改正，电离层改正和对流层改正、额外部分还进行了简单的卡尔曼滤波处理定位结果。

C51 程序 超声波定位 带电路图

一种使用红外线和超声波的定位技术一种使用红外线和超声波的定位技术一种使用红外线和超声波的定位技术一种使用红外线和超声波的定位技术

基于Matlab麦克风阵列下互相关函数分类的声源定位算法matlab源码

来自激光雷达点云的已知定位相机的全密集深度图图像激光雷达传感器可以为我们提供关于周长的大量信息，这些信息对于许多自动机器人应用（例如自动驾驶汽车）非常重要。 虽然，激光雷达传感器为我们提供了 360 度的视点云并且它非常密集，但如果我们想匹配这些点云中的任何相机图像，某些相机的深度图变得非常稀疏，并且使用匹配的深度远远落后任何目的的信息。 在这个项目中，我们专注于从样本 Kitti 数据集 [1] 中读取点云、相机图像和校准参数，并为某些平移和旋转已知的相机创建密集的深度图像。

基于视觉的室内场景定位与建图（VSLAM）在智能设备自主定位与导航领域内扮演着极为重要的作用，但是当前主流算法的回环检测及重定位环节上在动态光照情况下存在匹配丢失，严重影响定位累计误差的修正与建图精度。因此提出了基于一种改进的点云特征提取与匹配的定位方法，将由RGB图像得到的点云通过聚类的方法分割成一个个稳定区域，并建立基于面片特性及相互空间关系的场景特征描述，最后通过该特征描述进行两帧图像的数据关联及相机的定位，利用更具有鲁棒性的区域特征提取方法克服光照变化情况下的视觉定位不足问题。实验证明提出的方法不仅可以适应动态光照环境，而且定位效果优于目前主流的基于图像点特征的定位算法。

附件是室内定位技术源码，安卓平台下的iBeacon源代码

矿井巷道环境复杂多变，DV-hop算法应用于井下定位时效果不理想，因而，基于幅频矢量匹配对经典DV-hop算法定位结果进行优化。利用经典DV-hop算法找到井下移动节点位置大致区域，将节点接收到的各锚节点信标信号的幅频矢量与数据库中煤矿巷道各点的幅频矢量相匹配，最终确定移动节点的精确位置信息。仿真结果表明：优化后的DV-hop算法，平均定位精度和定位覆盖率明显优于经典的DV-hop算法；随着锚节点数的增加，优化后的DV-hop算法的平均定位误差呈明显下降趋势。

主要介绍halcon中的各种ncc模板匹配以及各种变形匹配的相关介绍