基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。     

一种改进的加权质心定位算法

针对无线传感器网络质心定位算法精度不高的问题,提出了一种利用信号强度比值的加权质心定位算法(RR-WCL).系统中的信标节点周期性地发送自身信息,未知节点在收到信标节点的信息之后只记录同一个信标节点的信号强度均值,在收到超过阈值的信标信息后,建立信标节点集合、信号强度集合和信标节点位置集合,最后将未知节点接收到的信标节点信号强度的比值作为加权因子进行定位.仿真和真实系统实验结果表明,RR-WCL算法在不同环境下表现稳定,随着信标节点数目的增加,与质心算法相比,其定位精度可提高6.4%～37.25%,与加权质心算法相比,其定位精度可提高5.12%～11.23%.     

基于RSSI的无线传感器网络节点定位技术

研究了无线传感器节点定位问题,在三边测量法定位基础上提出了一种基于RSSI的灵活的节点定位机制(FTL).其基本思想是采用三个普通信标节点,利用节点间的协作形成未知节点存在的有效误差区域,通过一跳及两跳邻居节点辅助完成定位.仿真显示该机制比现有的基于RSSI的三个普通信标节点分布式定位算法对未知节点与信标节点相对位置要求降低,在平均测距误差为10%时,平均定位误差约为节点射频通信距离的20%.     

铀尾矿库放射性污染无线传感器网络监测改进型加权质心定位算法

针对传统铀尾矿库放射性污染监测定位线路布设成本高、不易扩展等问题,结合带状铀尾矿库坝体环境特点,提出一种改进型加权质心算法(ACA).通过改进权值选择机制,克服了远距离定位误差偏大的缺点,提高了监测定位精度.仿真研究表明:相比极大似然估计法(MLE)加权质心(CA)两种算法,ACA算法平均定位误差分别降低了40.0%和19.5%,最大定位误差分别减少了约1/4和1/6,定位的可靠性和稳定性较高,可满足铀尾矿库放射性污染监测定位要求.     

基于主动信标和航位推测法的多机器人位置最优估计

针对一种新的多机器人交替定位方式,研究基于主动信标和航位推测法的多机器人位置估计算法. 指定多机器人中的3个保持静止作为信标机器人(不一定始终是同样3个机器人),其它机器人作为移动机器人. 通过超声波测距得到移动机器人与3个信标机器人的距离,并通过IEKF(iterated EKF)算法将距离信息和移动机器人的航位推测信息相融合,实现移动机器人位置的最佳估计. 轮流交换机器人作为主动信标的角色,即可实现多机器人的位置估计. 实验验证结果表明,移动机器人的位置估计误差在±10 mm之内;该方法有效,且不需要在环境中设置固定信标,可应用于未知环境.     

一种改进的基于灰度投影的人眼定位算法

利用灰度投影对人脸图像进行检测和眼睛定位是一种常用方法,但是直接采用该算法进行眼睛定位,容易将鼻子或嘴的水平位置误判为眼睛水平位置,从而导致检测准确率降低。本文在计算图像水平方向灰度投影时,加入像素点的位置方差特征,这样可以准确地找出眼睛的水平位置,从而精确的定位眼睛坐标。算法在FERET人脸数据库上测试,准确率达92.4%。     

基于跳数阈值和节点分类的DV-Hop改进算法

为提高DV-Hop(Distance Vector-Hop)算法在随机传感器网络(WSN: Wireless Sensor Networks)中的定位性能, 提出一种基于跳数阈值和节点分类的改进算法。该算法信标设定跳数阈值选择较远的信标估计平均每跳距离, 未知节点根据跳数信息对信标进行分类, 并计算与信标的加权修正距离。同时仿真研究了节点密度、 信标比例、 节点通信半径对算法性能的影响。仿真结果表明, 在随机网络中改进算法能更好地估计跳距信息, 并有效提高定位精度和降低最大定位误差。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

基于RSSI测距的井下人员区域定位算法

在煤矿井下人员定位系统中,常用的是基于无线传感器网络的定位方法,其中最适合实际应用的是基于接收信号强度指示(RSSI)的定位方法.为了进一步提高定位精度,针对煤矿井下特殊的巷道结构和复杂的电波传播环境,首先提出信标节点均匀间隔交叉分布模型.然后根据已知信标节点精确位置求得定位区域内RSSI测距误差的权值,通过引入比例调整因子、距离修正因子和差分平均因子,对目标节点的测距误差进行修正,获得区域内信标节点与目标节点之间较精确的距离量,最后利用加权质心定位算法对目标节点进行定位.仿真结果表明,该算法能够有效的提高目标节点的定位精度,尤其在沿巷道走向的水平方向上比其竖直方向的精度更高,该方法更适合煤矿井下特定的线型结构环境.     

基于CCD的智能车导航系统研究

目前智能车导航大多采用摄像机来获取路面信息,针对这一特点研究开发了基于CCD的导航模块.详细介绍了CCD视频信号的采集及处理方法.考虑到环境光线的变化会影响导航效果,提出了一种自适应动态阈值图像处理算法;该算法运算量小,能跟踪环境光线的变化.同时给出了系统抗干扰的处理方法,从而有效解决了因外界光线和赛道变化引起的智能车跑偏问题.通过系统实验和竞赛,证明了该导航系统具有良好的智能性和抗干扰能力,即此方案是有效的.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

水下无线传感器网络中的错误信标过滤策略

水下无线传感器网络可以为海洋地理数据收集、预防自然灾害、战术预警等多种水下应用提供实时监控服务。水下定位技术是水下应用中的一大难点。水下定位通常依赖信标节点。但是由于水下洋流环境的复杂变化、水下生物的碰触和强电磁干扰,信标节点往往会移动或损坏,导致许多普通传感器节点定位错误。为了处理错误信标问题,这里提出一种基于粒子群优化的错误信标过滤算法来精确的找出错误信标。首先通过改进的三边定位法计算出定位错误,然后通过粒子群优化算法把定位错误数量最多的信标节点过滤出来。剩下的信标节点不断进行过滤,直到每一个信标节点的相关定位错误都低于某个预设的阈值。模拟实验证明本算法可以高效的检测出几乎全部错误信标,并且有很好的算法一致性。     

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。     

一种基于DV-Hop节点的室内定位改进算法

对现有基于最小二乘法的DV-Hop定位算法进行分析和仿真,针对该算法定位精度依赖信标节点之间跳距和跳数这两个信息的不足,给出一种可对信标节点之间的跳距和跳数关系做出误差修正的改进的误差修正DV-Hop(ECDV-Hop)算法.仿真结果表明:在相同的室内环境下,ECDV-Hop算法与传统DV-Hop算法相比,定位精度得到一定的提高.     

无线传感器网络质心定位算法研究

质心算法是无线传感器网络中一种典型的无需测距定位算法。针对不同节点个数、锚节点个数、锚节点单位时间内发送信息的个数以及阈值对定位性能具有较大影响的问题,系统仿真了在固定监测区域内上述参数与定位误差、定位率以及定位时间的关系。通过仿真结果分析得出未知节点的邻锚节点个数是影响定位率及定位精度的主要因素,另外在确保较高定位率的基础上,在固定监测区域内存在较优的参数设置。仿真结果表明,参数优化后的质心算法有效的提高了定位精度及定位率。     

均衡评估算法对基于区块链的无线传感网节点信任管理优化

提出了一种均衡评估算法,通过在区块链中消除无线传感器网络中的恶意节点来增强信标节点之间的信任关系。首先将传感器节点信息打包生成区块,按照节点编号顺序生成区块链;接着在区块链中对每个信标节点进行基于行为、基于反馈和基于数据的信任值计算,将3个信任值加权得到每个信标节点的均衡信任值,并将均衡信任值广播给基站;最后对均衡信任值排序,把信任值较小的信标节点视为恶意节点,并将其从区块链中剔除。仿真结果显示,均衡评估算法在平均定位误差、检测精度和平均能耗等方面都有了很好的提升,同时保证了信任评估管理过程的安全性和可追溯性。     

基于信标节点间距离的改进RSSI定位算法

针对无线传感器网络应用于室内定位时,传统RSSI平均值算法精度较低的问题,提出了一种改进的RSSI算法。该算法利用RSSI平均值对所测量的每个RSSI值进行估量,消除波动大、严重失真数据,从而使所保留的RSSI值能更好的与距离关系对应。并根据室内不同位置的节点环境参数差别大的特征,提出了把信标节点间的固定距离及其测量得到的对应RSSI值带入信号传输模型,从而消除环境因素对距离估计的影响。仿真结果表明:改进RSSI算法与传统的平均值距离估计算法比较,距离估计误差明显降低,可以满足室内定位精度的要求。     

基于TS-KNN的室内定位算法

室内定位是智慧城市的硬性需求,大量智慧城市相关应用都离不开位置服务。主要室内定位技术包括:蓝牙、RFID、UWB、地磁等,但由于成本、部署便捷性等问题,限制了其应用发展。笔者提出了一种基于指纹时序特征的KNN(k-nearest neighbor)定位算法(TS-KNN,timing sequence based KNN),该算法使用当前时刻的指纹进行基准坐标选择,并利用前几个时刻的定位结果对每个基准坐标进行权值修正。在重庆市某广场进行实验测试结果表明,提出的TS-KNN方法与KNN和WKNN等其他算法相比较,具有更高准确率,可有效提高室内定位精度,降低平均定位误差。     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

无线传感器网络改进质心算法的节点自定位

节点自定位是无线传感器网络的关键技术之一。在对距离无关的定位机制质心算法研究的基础上,采用极大似然估计法,估算信标节点与未知节点间的距离,以距离作约束降低误差值,从而提高定位的精度。通过MATLAB仿真,结果表明算法能够有效提高定位精度。