- 综合排序
- 最热优先
- 最新优先
工厂车辆定位技术从原理到应用全解析
随着科技的发展，工厂武装上智能化的铠甲，工厂车辆定位技术实现了工厂的物流自动化和生产智能化，有效提升工厂内部的车辆调度率，保障作业安全、优化生产流程，本文将从技术原理和应用功能两方面展开论述，一探工厂智能铠甲的威风 一、工厂车辆定位技术的原理1.室外定位技术（1）卫星定位技术卫星测距和三角定位，通过接收卫星信号计算车辆的实时位置。 （2）蜂窝网络定位（LTE/5G）利用工厂内的通信基站，根据观测到达时间差（OTDOA）等时间技术推算距离，完成定位。 （2）蓝牙AoA/AoD定位特殊天线阵列测量出发角和到达角的信号方向，通过方向交汇实现高精度定位，工厂环境下，精度一般在0.5-5米，适合对精度要求中等的仓库车辆定位场景。 本文从技术原理和应用功能出发，展示了工厂车辆定位技术选择的多样性和系统实际的功能的应用，精准定位实现了安全提效，完成工厂的数字化转型目标。
13410编辑于 2026-04-29- 来自专栏一点人工一点智能
实时自动驾驶车辆定位技术概述
分析结果表明，定位方法的计算复杂性最大相差约107倍，而精度相差约100倍。 与基于激光雷达的定位相比，基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。 作为一种典型的方法，地图匹配算法广泛应用于许多配备激光雷达[4]、雷达[5]、相机[6]或V2X[7]的定位解决方案中。 该技术没有累积误差，因此具有合理的精度（约5m）。然而缺点是它很容易受到测量噪声的影响[68]，[77]，[78]。 4.3 基于视觉的定位 基于视觉的定位通常可以达到合理的精度。 图5显示，与其他基于传感器的定位相比，基于数据融合的技术可以在精度和实时性能方面实现平衡。 与基于激光雷达的定位相比，基于视觉和数据融合的定位在提高位置精度方面的潜力约为2–5倍。就实时性能而言，不同基于传感器的技术之间的计算复杂度最大变化约10^7倍。与精度相比，它有很大的改进空间。
2.4K40编辑于 2023-02-18 - 来自专栏人员定位系统
蓝牙AOA定位 vs UWB定位：技术原理与工厂选型深度解析
工厂人员管理是室内定位技术的重要应用场景。在实际选型中，蓝牙AOA（到达角）和UWB（超宽带）是两种主流的高精度方案。 本文从技术原理、性能对比、场景适配三个维度，客观分析两种技术的差异，帮助读者根据自身需求做出合理选择。一、技术原理对比UWB（超宽带）定位测距原理：采用飞行时间法（TOF/TDOA）。 四、分场景选型逻辑工厂环境复杂多变，没有“万能”的技术。以下给出基于场景特征的选型建议。 五、融合定位：更灵活的工程实践在实际工厂中，不同区域的精度要求往往不同。强制使用单一技术可能导致核心区域精度不足，或非核心区域成本浪费。 后台定位引擎统一处理两种技术的数据，实现全域连续定位。这种分层架构已在多个大型工厂项目中验证，平衡了精度、成本和功耗。六、选型决策建议先画风险地图：将工厂划分为不同风险等级和精度需求的子区域。
28710编辑于 2026-04-10 - 来自专栏人员定位系统
化工厂人员定位技术有哪些?这5种方案保障安全、提升管理
人员定位技术正是破解这一难题的关键钥匙。那么，市面上众多的定位技术，哪种才最适合化工厂的复杂环境? 今天，航飞光电就来为您深度解析5种主流的化工厂人员定位方案，看它们如何为您的企业保障安全与提升管理效能。 在需要厘米级定位的核心高危区域(如反应罐区、重大危险源附近)使用UWB技术;在普通生产区域则利用蓝牙进行区域级定位。适用场景：大部分化工厂生产区，既需要局部高精度，又需要考虑整体成本。 适用场景：用于对室外定位精度有极端要求的场景，例如：无人机巡检：需要厘米级精度进行自主飞行和数据采集。车辆/AGV精准调度：在管廊下或密集储罐区间运行的车辆，需要极高精度的位姿数据防碰撞。 价值：为未来智慧化工厂的无人化巡检、智能车辆调度等高级应用铺平道路，是面向未来的技术投资。如何选择适合您的方案?选择哪种方案，并非越高级越好，而是最适合的才是最好的。
26110编辑于 2025-11-11 工厂人员定位卡从技术原理、功能与技术实现、选型指南详解（一）
工厂人员定位卡是适配工业全场景的可穿戴定位终端，核心以UWB/蓝牙/RFID/GNSS融合技术实现实时追踪、安全预警与应急联动，兼具防爆/防尘防水与多卡合一能力，是高危管控、产线调度与责任追溯的核心载体 一、工厂人员定位卡的技术原理与全路线参数对比定位卡通过与基站/信标/读卡器通信，结合TOA/TDOA/AOA等算法输出位置，主流技术的核心参数如下：技术定位精度核心原理通信距离功耗续航成本认证适配UWB10 –30cm纳秒级窄脉冲，TOA/TDOA测距50–100m中72h–7天中高Ex防爆、IP67/68蓝牙BLE3–5mBLE5.1AoA/AoD，三角定位100–150m低10–14天低IP67、宽温( )二、工厂人员定位卡的核心功能与技术实现细节1.定位与轨迹管理实时定位：UWB达30cm级，蓝牙3–5m，后台地图实时渲染位置，支持分组/权限显示。 三、工厂人员定位卡的场景化选型指南场景类型核心需求推荐技术关键参数配套部署化工/矿山(高危)防爆、亚米级定位、静止报警UWB防爆型ExibIICT4、IP67、SOSUWB基站+边缘网关+电子围栏汽车/
3900编辑于 2026-04-13- 来自专栏FreeBuf
远程定位追踪联网车辆以及利用思路分析
然后整整花了一周时间在网上查了相关驾考整个通信系统的相关技术文章，简单总结如下： 1>定位原理：车辆要达到精准定位，需要场地安装基准站，车载需要安装移动站，并且调试基站和移动站同一频率；移动站有前后2个天线 ，前天线我用红色圆圈已经标记，前天线是代表车的航向;后天线是给车辆进行定位<偏东+偏北>。 2>地图采集：听驾校的技术人员说是用后天线，对场地的车道进行定点采集点位<偏东+偏北>，我估计是将这些点，制成地图，类似于高德地图那种。 众所周知，UDP是面向非连接的协议，它不与对方建立连接，而是直接就把数据包发送过去，同一个连接中的报文与前面或后面的报文都没有直接关系；这个协议，要是攻击无非2个，1>DOS攻击 ；2>UDP欺骗 本技术贴不讨论上述 定位与追踪完成。
84550发布于 2018-08-21 - 来自专栏opengps
openGPS.cn - 浏览器定位技术探讨(HTML5定位)
浏览器定位，也就是HTML5定位，据我目前的理解，这俩其实是一个概念。都是随着html5技术的发展而开始进入大众视野。 ，因此当前阶段，只有默认返回wgs84标准坐标的浏览器可以准确定位。 ： 1，电脑端使用浏览器定位，电脑端也能定位。 推测浏览器使用了外部服务实现定位，但准确度取决于参与影响因素有，ip定位，计算机时区等 2，移动端浏览器定位，取决于多种因素，主要是依赖于移动设备内置的位置服务。 此内置服务对于手机来讲，包括纯GPS定位，纯网络定位（wifi，ip等均属于网络定位），综合定位，以及关闭定位功能 3，系统权限问题，以安卓平台为例，手机APP往往需要先获取位置服务的权限，然后才能用到位置服务功能
3K60发布于 2018-04-13 - 来自专栏点云PCL
高速场景下自动驾驶车辆定位方法综述
由于道路级定位（RLL）的重要性，自20世纪90年代全球定位系统（GPS）出现以来，地图匹配一直是持续研究的主题，地图匹配技术可分为两类，即在线模式和离线模式。 表5.展示了CULane在F1方面进行基准测试的最佳深度学习算法总结。 另一方面，基于神经网络的深度学习方法在车道标记检测方面达到了更好的精度，因为大多数基准测试的优秀方案都是深度学习方法，如表4和表5所示。当模型无法形式化或不可用时，它们表现良好。 事实上，从航位推算技术获得的定位不足以精确推断车辆行驶的车道。因此，使用进一步的信息来完善这一信息，这些信息可以由视觉传感器或数字地图生成。 道路级定位部分旨在找到车辆当前行驶的道路，执行此任务的技术称为地图匹配方法，可分为两类，即确定性模型和概率模型。
1.2K20编辑于 2022-09-13 - 来自专栏人员定位系统
智慧工厂设备资产定位管理系统：UWB与蓝牙融合技术方案解析
本文将深入探讨航飞光电基于UWB（超宽带）与蓝牙定位技术的融合方案，解析其在智慧工厂设备资产定位管理系统中的实现路径与技术价值。 一、技术方案核心架构该方案采用“感知层+网络层+平台层”的三层架构，实现对工厂设备资产的全生命周期数字化管理：1.感知层：高适应性硬件终端UWB定位标签：采用TOF/TDOA混合算法，实现10-30厘米级定位精度 蓝牙信标：支持蓝牙5.1AoA/AoD技术，实现1-3米级区域定位。具备低功耗特性（续航3-5年），适用于大规模部署场景。 ：定位数据需与设备状态、工艺参数等数据关联分析技术发展趋势：5G与UWB融合定位：利用5G网络切片技术提升定位系统带宽与可靠性AI边缘计算：在定位基站端集成AI芯片，实现本地化轨迹分析与异常识别数字孪生深度集成 ：定位数据直接驱动数字孪生体，实现虚实同步管控结语UWB与蓝牙融合定位技术为智慧工厂设备资产管理提供了切实可行的技术路径。
58510编辑于 2025-12-11 - 来自专栏人员定位
工厂蓝牙定位技术的原理、应用场景、优势及面临的挑战
蓝牙定位技术是近年来在工业领域中得到广泛应用的一项技术。随着工业自动化的快速发展和物联网技术的普及，工厂蓝牙定位成为了提高生产效率、优化生产流程和管理的重要工具。 本文将详细介绍工厂蓝牙定位技术的原理、应用场景以及其在工业生产中的优势。 首先，让我们来了解一下工厂蓝牙定位技术的原理。 工厂蓝牙定位是一种基于蓝牙信号的室内定位技术，通过在工厂内部布置蓝牙信标设备和接收器，实现对物品、设备和人员的实时定位和追踪。 首先，它提供了高精度的定位能力。借助于蓝牙信号和高精度定位算法，工厂蓝牙定位可以实现对物体位置的准确追踪，精度可达3-5米甚至更高。 这使得工厂蓝牙定位技术成为了一种具有较高适应性和可持续性的解决方案。 工厂蓝牙定位技术还可以与其他工厂自动化系统和物联网技术进行集成。
65730编辑于 2023-05-23 - 来自专栏点云PCL
自动驾驶中车辆的如何使用点云定位？
本篇文章将主要介绍三维激光雷达在自动驾驶定位领域最新的研究，并分析各种方法的定位的效果。 介绍 自动驾驶的定位意味着能够在地图中找到车辆的位置和方向。 （3）基于点云数据的深度学习的方法：深度学习在决定车辆的定位问题上的研究获得越来越多的研究。在[5,6,7,8]文章中首先使用2D的图像来预测和计算里程计，并且最终的定位效果还是可以接受的。 但仍不能超过现有的技术水平。 最近很多的工作正在探索使用lidar点云数据，而结果上提有着很好的效果。接下来讲介绍各种点云定位技术对比和测试结果。 自动驾驶车辆的3D激光雷达定位 首先回顾和讨论文献中可用的所有方法，在这些文献中，仅使用3D LIDAR传感器即可实现对车辆的3D定位。 还有论文【21】【22】利用自动驾驶车辆环境中存在的几何形状作为定位的要素，将平面提取算法与帧与帧之间的技术相结合以产生姿态的估计用于车辆的定位，与通过ICP算法获得的结果比较平面提取和对齐的方法在准确性和速度上都显示出了极大的提高
3.5K20发布于 2020-08-20 - 来自专栏点云PCL
基于语义地图的单目定位用于自动驾驶车辆
实验结果表明，该方法在各种自动驾驶定位任务中是一种可靠且实用的定位解决方案。 主要贡献 将当前观测中的语义线索与语义地图中的元素关联，为自动驾驶车辆中的单目视觉定位提供了一种有前途的解决方案。 通过最小化全局重投影误差，可以获得车辆的六自由度（6-DOF）位姿。 图1. 系统结构示意图,上半部分展示了全局语义地图的构建过程，下半部分展示了通过单目摄像头进行的车辆定位过程 A. 图5展示了带有旋转角度补偿的增强型IPM模型。 图5. 带有翻滚角、俯仰和偏航角补偿的增强型逆透视变换（IPM）模型示意图。 总结 在本文提出了一种基于稳定视觉语义特征（如地面标记、车道线和杆状物）的自动驾驶车辆视觉定位系统。 在未来的工作中，考虑集成更多种类的低成本传感器，例如GPS，以进一步扩展自动驾驶车辆在更复杂交通场景中的鲁棒定位应用。
87111编辑于 2024-06-21 - 来自专栏自动化测试实战
Appium定位 5 ——xpath
今天我们先来和大家说一下appium，上一次说到了定位，不知道大家定位的怎么样了，今天来说如何定位xpath，五分钟即可学会： 例1： 现在我想定位下面这个登录按钮： xpath该怎么写呢？ 先不管三七二十几，先写//，然后找你要定位元素最近的可以直接定位到的元素，我们看到home属性是content-desc： 所以我们就可以根据content-desc这个属性直接定位到上图红色home那里这些属性都在这个 WebView下面，所以继续： //adnroid.webkit.WebView[@content-desc='home']/ 接下来是一个View，然后他下面的第二个View就是我们要定位的 //android.webkit.WebView [@content-desc='home']/android.view.View/android.view.View[2] 这样就可以定位到了，有两点说明 第一：xpath的索引从1开始，不是从0开始哦 再举个例子： 定位方框里的： 先写上//，然后看home那行，知道要这样写： //android.webkit.WebView[@content-desc='home'] 接着看到定位的View在ListView
1.3K50发布于 2018-05-18 - 来自专栏AI电堂
市场技术综述 | 5G室内融合定位
▲蓝牙AoA定位算法 蜂窝定位技术 蜂窝网络定位技术主要有两种: 基站估算定位法 NCGI粗定位 使用UE所在5G小区的位置信息来粗略估计UE的位置。 随着Wi-Fi技术的不断进步，特别是WiFi5和WiFi6技术的成熟，Wi-Fi作为定位技术有了新的突破，其中两个精度达到亚米级的定位技术开始进入实际应用中: Wi-Fi 信号到达角度(AoA)技术 AoA ▲各种定位技术对比 定位解决方案 5G 室内网络可以与多种室内定位技术融合，一起提供面向5G 网络的多层次融合定位解决方案，在定位精度以及覆盖范围上实现性能的整体提升。 ? 具体应用功能包括: 实现在装修车辆的实时定位及信息自动化推送，返修车辆状态跟踪，工器具防错。 5G室内定位典型应用案例还包括医疗应用（5G+蓝牙融合定位）、仓储物流（5G+蓝牙5.1定位融合技术）、机场（5G网络+蓝牙定位融合技术）、电力能源（5G网络通讯和UWB高精度定位）等许多丰富领域，在此不一一累述
1.8K40发布于 2020-11-13 - 来自专栏OpenCV与AI深度学习
基于YOLOv3的车辆号牌定位算法【文末送书】
为了保证切割图片的完整性，同样采取扩大像素值的办法，xml文件中保存的号牌位置，其中左上角位置坐标点分别减少5个像素，右下角位置坐标点分别增加5个像素。 初步处理后的数据只是得到具体号牌的图片，尚未对图片进行标注处理，因此并不能直接作为数据集来训练OCR算法，该部分主要实现号牌上文本的识别，本章3.2小节中已经通过YOLOv3算法实现全部遮挡号牌、未悬挂号牌和其他类号牌的定位和分类 ，在目标检测算法基础上选择识别结果中其他类的图片进行进一步处理，除了与图片标注的质量有关之外，图片的数量也直接影响最终的模型是否更好的泛化能力，数据集中的车辆号牌图片除了包括正常号牌之外，还存在半遮挡的号牌 具体的实现方式如图5所示。 图5 修改权重文件实现方式 (1)分析权重结构。 05 阈值分析 实际应用中，污损遮挡号牌的识别不仅和算法的识别率有关，更与所采集的车辆图像质量和实际车牌质量息息相关，车牌质量的好坏直接影响最终的识别性能，例如车牌会受到主观因素上的车辆套牌
64520编辑于 2022-12-22 港口码头作业人员车辆怎么定位？融合方案破解海港难题
港口作为物流枢纽，每天都有大量人员和车辆在复杂环境中作业。堆场、廊道、码头前沿，区域交错，环境多变。如何实现精准定位和安全管控，是管理者长期面临的难题。 一套多技术融合定位方案（例如：航飞光电人员定位系统），为港口提供了从“人找车、人找人”到实时可视可控的解决方案。一、从“海港迷宫”到“一图全览”：定位难在哪？ 一旦发生意外，在狭窄廊道或复杂转运站，救援人员无法快速锁定位置，可能错失最佳救援时机。这些问题的根源在于单一技术无法适应港口复杂环境。 针对这些难点，港口码头人员定位系统使用UWB、北斗、蓝牙、RTK等定位技术融合路线。二、多项定位功能融入安全帽许多一线工人不愿佩戴额外的定位工牌，认为会影响作业。 未来，随着数字化与定位技术的深入融合，将继续优化方案，助力更多港口实现安全高效的运营目标。
11010编辑于 2026-03-16- 来自专栏机器学习AI算法工程
yolov5 行人 车辆 跟踪 检测 计数
默认是 南/北 方向检测，若要检测不同位置和方向，可在 main.py 文件第13行和21行，修改2个polygon的点。
1.5K30编辑于 2021-12-17 智能化车辆信息管理技术
一、技术方案概述1、智能车牌识别系统：利用OCR技术和AI图像增强技术，提高车牌识别的准确性，确保无论在任何环境下都能准确识别车牌信息。 二、技术实现1、车牌识别系统：通过车牌识别技术（如OCR技术），采集每辆车的车牌号码，并记录停车时长。结合车辆进出时间、停车时长等数据，自动生成停车记录，并与顾客的消费数据进行关联。 3、高清摄像头与AI图像增强：为确保车牌识别的准确性，在停车场安装高清摄像头，并结合AI图像增强技术提升低光照、反光等复杂场景下的车牌识别能力。 三、核心技术1、车牌识别技术（OCR技术）：使用先进的车牌识别算法，实现对车牌号码、停车时长等信息的精准采集。2、停车管理系统：集成停车场传感器和车位引导系统，实时优化停车流向，提升停车场的运作效率。 3、AI图像增强技术：利用深度学习技术对图像进行增强，提升在不同光照、角度等复杂条件下的车牌识别能力。4、数据关联分析：结合停车数据与消费记录，精准分析顾客行为，提供个性化的优惠或营销策略。
41800编辑于 2025-02-20基于yolov8+bytetrack+pyqt5实现车辆进出流量统计+车辆实时测速实现
以前使用过yolov5+deepsort实现过车辆进出流量统计+车辆实时测速，可以看我往期视频，这回改成yolov8+bytetrack实现，实时性更好，原理和原来一样。 流处理车辆速度计算公式： 车速=单位像素车速x像素偏移/(车辆当前位置时间-车辆进入时间) 时间为电脑本地时间或者在线北京时间 视频处理车速计算公式： 车速=单位像素车速x像素偏移/((当前帧索引-车辆进入帧索引 )x(1/FPS)) 【效果截图】 【视频演示】 基于yolov8+pyqt5实现车辆进出流量统计+车辆实时测速_哔哩哔哩_bilibili测试环境：torch==1.9.0+cu111torchvision ==0.10.0+cu111ultralytics==8.2.2以前使用过yolov5+deepsort实现过车辆进出流量统计+车速测量，这次更换为yolov8+bytetrack，代码高度封装，不冗余 -6.2封装成一个类几行代码完成语义分割任务，基于yolov8+bytetrack实现目标追踪视频演示，yolov5+bytetrack+pyqt5实现目标追踪，基于yolov5的单目测距视频演示，C+
44000编辑于 2025-07-20- 来自专栏人员定位系统
化工厂人员定位技术：UWB、蓝牙信标与LoRa融合架构解析@航飞光电
在化工厂复杂环境中实现可靠的人员定位，需综合考虑精度、覆盖、功耗、成本及环境适应性等多重约束。单一技术难以满足全部需求，因此一种融合架构成为实际工程中的常见选择。 一、各技术定位与核心特性1.UWB：厘米级精度的基准源原理：基于发射和接收纳秒级窄脉冲的飞行时间（TOF）或到达时间差（TDOA）计算距离。 主要局限：定位精度受环境影响大（通常为3-5米，属区域级精度），RSSI信号在复杂环境中易波动。3.LoRa：低功耗广域数据回传网络原理：采用扩频调制，在Sub-1GHz频段实现远距离、低速率通信。 主要局限：仅为通信技术，不具备定位能力，数据传输速率低。二、融合架构的技术协同逻辑在化工厂场景中，三种技术并非替代，而是构成一个分层的协同系统。 同时，与5GTSN（时间敏感网络）、边缘计算及AI预测算法的结合，将推动人员定位系统从“实时感知”向“主动安全预警”与“作业流程优化”的更深层次发展。技术的选择最终应服务于具体的业务需求与安全目标。
38900编辑于 2025-12-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号