一种基于IEKF的轮式移动机器人自定位算法

为使移动机器人在导航时能满足定位要求,提高其定位精度,提出一种将里程计、相机传感器和激光雷达信息进行融合的自定位算法。根据机器人的机械结构和运动方式对其建立运动学模型,由里程计推算出机器人在不同时刻的位置估计;利用相机传感器对环境中的路标特征进行识别并计算出两者之间的距离和夹角;将激光雷达所获得的机器人相对路标特征的距离和角度与相机传感器的信息进行匹配,并利用迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)算法融合里程计信息,最终得到较为精确的机器人的位置估计。仿真试验结果表明,该多传感器融合算法相对传统的定位方法具有更高的定位精度。     

多传感器融合的手机室内三维定位试验

以智能手机为用户端平台,利用行人航迹推算(pedestrian dead reckoning,PDR)改进算法和气压测高原理设计了三维多传感器融合定位的扩展卡尔曼滤波器,基于Android操作系统开发了手机传感器融合的室内三维定位程序。最后,利用中国矿业大学室内外无缝定位试验场进行了定位算法性能评估。结果表明,三维融合定位方法能有效抑制漂移误差,定位精度和可靠性能够满足室内应用环境的要求,且定位精度优于WiFi方法和常规PDR方法。     

室内行人航迹推算/超声波组合定位融合算法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算与超声波定位组合,提出基于平方根无迹卡曼滤波的噪声权因子辅助协方差加权融合算法,并将全局最优融合状态作为反馈量引入算法。针对超声波对行人航向角测量困难,采用一种简单有效的几何方法。仿真结果表明:在模拟的室内动态环境中,包括在多路径效应和惯性累积误差的影响下,融合算法始终比单模型定位精度高,并有很好的收敛性、稳定性与适应性,对室内定位技术研究与应用具有重要意义。     

基于iBeacon和多自由度MEMS的室内融合定位技术研究

由于GPS信号在室内环境下不能有效地实现定位和导航,因此精确的室内定位技术仍然是一个十分活跃的研究课题。行人航迹推算(PDR)可以使用智能手机的自带传感器实现室内连续定位。然而,它会随着行走距离的变长产生很大的累计误差。因此,提出一种基于iBeacon和手机MEMS相融合的精确的室内定位方法。在行走路径上加入iBeacon信标和二维码信标,系统自适应地选择相应的校正模式纠正PDR算法产生的累计误差。最后完成了基于Android平台的室内定位软件的开发。实验结果显示,文中方法的定位结果与PDR定位结果相比较,定位精度有了显著的提高,融合定位的平均误差在2m以内,定位精度满足项目需要。     

基于改进MOGOA的无人机群航迹规划研究

针对电子侦察系统中反辐射无人机群进行辐射源无源定位时机群的编队形式会对定位精度产生影响的问题,将克拉美-罗界(Cramer-Rao lower bound,CRLB)作为定位精度方面的优化目标,与其他优化目标、约束一起引入机群的航迹规划中,使无人机群运动过程中保持良好编队,确保无源定位精度.文中针对多优化目标复杂环境中航迹规划算法寻优能力不高的问题,提出了一种基于改进多目标蝗虫算法(IMOGOA)的无人机群3维航迹规划方法,通过对MOGOA的选择方式、收敛参数进行改进从而提高算法的收敛性能以及全局搜索性能.首先,建立无人机群航迹规划的运动学模型,并引入距离约束,除定位精度以外还引入了路程、威胁代价等作为航迹规划的优化目标函数,然后,对改进多目标蝗虫算法进行详细说明,最后设计基于IMOGOA的无人机群航迹规划方案的算法流程,并在设定场景中对该算法的性能进行了仿真分析.结果表明,所提出的IMOGOA能够成功地规划出无人机群从初始位置到辐射源位置处的3维航迹,同时使无人机群在运动过程中保持良好的定位精度,经IMOGOA规划的机群编队定位精度最高可达1.2%,性能明显优于正方形编队和随机编队,并通过将IMOGOA与原始蝗虫算法(GOA)、原始多目标蝗虫算法进行对比,结果表明IMOGOA的收敛速度比MOGOA快11.1%,搜索性能相较GOA提升13.8%.     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

基于位置指纹的室内定位算法研究

位置指纹定位技术因定位精度更高、更具可实施性等特点,成为了当前室内定位技术的主流方法.针对室内定位中环境复杂多变和存在噪声干扰等问题,采用卡尔曼滤波算法进行滤波处理,提升定位精度和算法稳定性;为了凸显卡尔曼滤波算法在定位算法中较好的去噪效果,同时采用最小二乘法和卡尔曼滤波算法估算目标节点坐标,从MATLAB仿真结果分析推断定位算法的真实性能以及引入卡尔曼滤波算法去噪处理后对于定位精度的影响.     

一种RFID标签定位改进算法

通过分析用于室内定位的传统Monte Carlo算法存在的问题,对MonteCarlo定位算法更新模型进行了改进。改进算法具有更有效的采样、更强的稳定性、更少的计算量等优势。通过试验发现改进算法比传统算法具有更高的定位精度。     

基于路标的智能车辆定位

为解决智能车辆在城市环境中的定位问题,使用激光雷达检测和提取圆柱形路标的中心位置,并与已知地图进行数据关联;以CyberC3智能车辆为移动平台,建立了车辆运动模型和传感器测量模型,使用扩展卡尔曼滤波算法对激光雷达和编码器数据进行融合,计算车辆的全局位姿.实验结果证明该方法可以获得较高的定位精度,解决了车辆自主导航的关键问题,并可推广应用到基于自然特征的全局定位.     

基于反馈的航迹融合算法研究

研究基于反馈的雷达和红外分布式航迹融合.首先给出雷达和红外传感器多目标跟踪算法以及融合中心航迹融合算法,然后将融合状态一步预测及其协方差阵反馈到局部传感器形成新的跟踪门,并把此跟踪门和未反馈前的跟踪门的交集作为下一步估计的有效跟踪门.对不能融合的航迹,给出了目标指示.最后对所提算法进行了计算机仿真研究.     

基于Android的室内定位系统的研究与实现

为满足定位市场的服务需求,改进传统的定位技术在室内使用存在着定位精确度低、耗电量大等缺点,作者对基于WiFi位置特征匹配的室内定位技术进行了深入研究,分析了各种因素对WiFi信号的影响以及一些常用定位算法的对比,通过在特征库建立阶段采用高斯过滤法剔除误差较大的信号强度值,提高了数据库中采集值的数据精度.在定位阶段采用改进的K加权近邻法,将改进后的算法作为在线匹配算法,有效地避免定位过程中偶然的信号波动给定位带来误差,设计与实现了一个基于Android系统的WiFi室内定位系统.     

基于WRV的室内移动机器人定位系统

针对W(WLAN,Wireless Local Area Network)、R(RFID,Radio Frequency Identification)、V(Video)技术在室内定位的特点,提出了基于WRV信息融合的机器人定位方法。以概率法为基础,进行了基于Kalman滤波的WLAN机器人定位实验;以增加移动误差补偿的极大似然估计定位算法为基础,进行了基于Kalman滤波的RFID机器人定位实验;以SIFT算法为基础,进行了机器人定位实验;最后研究了机器人多信息融合定位算法并进行了实验。移动机器人定位实验表明:机器人多信息融合定位平均定位偏差为0.381m,减少了WLAN、RFID及视觉系统单独定位时的偏差,定位精度上有了明显的提高,可以较好地满足室内移动机器人的定位要求。     

自主移动机器人三角定位的路标优化

针对给出的机器人三角定位算法,推导出路标设置对定位影响的几何精度标准,证明了参与定位的路标数目为3个和3个以上的情况下,如果路标与机器人的距离都相等,那么当相邻路标与机器人所成夹角都相等时,机器人的定位精度最高;进而给出了最优路标选取算法·实验和实践结果也进一步证明所得结论的有效性·     

Localization and navigation using a novel artificial landmark for indoor mobile robots

This paper presents a practical topological navigation system for indoor mobile robots,making use of a novel artificial landmark which is called MR code.This new kind of paper-made landmarks can be easi- ly attached on the ceilings or on the walls.Localization algorithms for the two cases are given respective- ly.A docking control algorithm is also described,which a robot employs to approach its current goal .A simple topological navigation algorithm is proposed.Experiment results show the effectiveness of ...     

基于等权平均压缩技术的雷达/红外传感器融合算法

针对雷达/红外传感器融合时经常面临的数据采样率不相等问题,提出了一种基于等权平均量测压缩技术的雷达/红外融合算法。该算法通过将高采样率的红外角度量测数据进行等权平均压缩,更有效地利用了目标信息,进而提高了雷达/红外融合后的信息精度。仿真结果验证了算法的有效性;且相对于最小二乘压缩的雷达/红外融合算法具有更高的精度。     

基于RSSI的室内定位改进算法

【目的】为提高室内环境的定位精度,提出一种改进的基于RSSI(接受信号强度显示)的室内定位算法。【方法】首先根据室内的实际布局情况对场所进行区域分割,然后采用等边三角形布局信标节点,接着用高斯模型对数据进行预处理,最后使用改进的加权三边测量法定位未知节点的最终坐标。【结果】改进的算法具有定位误差小、精度高的特点。【结论】该算法适用于室内精确定位,有利于无线传感器网络的发展。     

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.      

激光雷达和行人航迹推算融合的室内目标定位方法

激光雷达(LiDAR)在室内定位中具有抗干扰能力强,速度、角和距离分辨率高等优点,但在定位过程中其精度易受环境因素干扰影响。本文提出一种LiDAR和PDR融合的室内定位方法,以扩展卡尔曼滤波(EKF)为基础,通过对LiDAR的位移增量、角度观测值以及PDR的位姿信息等量测值进行解算,令二者互补融合,有效抑制非视距影响和误差累积的问题,并对单一类组合算法和融合类组合算法的定位精度进行对比分析。实验结果表明：当室内人员为行走状态时,LiDAR和PDR融合定位算法较单一定位方法在精度和稳定性均有效提高,PDR定位误差为0.98m,LiDAR定位误差为0.6m,EKF滤波融合后定位误差可以下降到0.32m。     

基于UWB的三维定位和优化滤波方法

为了提高室内定位的精度,研究适用于室内定位的基于超宽带(UWB)的三维定位和优化滤波方法,建立基于UWB的三维定位模型;分析三维定位数据利用卡尔曼滤波、平滑滤波、中值滤波、曲线拟合4种算法,在所需时间、环境需求、性价比和精度方面的特性.实验结果表明:相比于平滑滤波、中值滤波、曲线拟合算法,卡尔曼滤波更适合在室内环境的三维定位要求.