多微型传感器自适应信息融合姿态估计方法

融合微型惯性和磁传感器数据能够用于实时跟踪人体肢体运动、或估计某一运动刚体姿态.这里,三维加速计被用来测量传感器坐标系下的重力向量,用于确定相对于水平面的方向;三维磁力计测量得到传感器坐标系下的磁场强度向量,用来确定垂直轴上的旋转;三维陀螺仪测量角速度,通过积分可以得到角度.重力向量受人体运动加速度的干扰,磁场强度受周围环境磁感物质的干扰,而角速度在积分过程中也会引入随时间增长的漂移,所以需要融合这3种观测量.提出了一种自适应Kalman滤波的姿态估计算法AKF,通过加速度与磁场强度计算得到的姿态来做观测量与角速度融合,将非线性观测方程线性化,从而降低了计算复杂度;磁场的干扰不会影响Pitch和Roll两个角的估计;而对于运动加速度的干扰,通过自适应调整滤波器中的观测噪声协方差矩阵来抵除.算法的稳定性和精确性在实验中得到了有效验证.     

基于加权时变卡尔曼滤波的惯性测量单元设计

针对加速度计和陀螺仪数据融合姿态测量方法在载体运动加速度较大时得到的角度误差逐渐增大的现象,提出一种基于加权时变的卡尔曼滤波算法。利用衡量运动加速度相对大小的权重参考概念,设置加速度计测量角度在观测量中所占的比重,使系统能够根据实际情况改变对加速度数据的参考程度。基于Arduino平台,选用MPU6050惯性测量传感器进行实时测量数据获取姿态信息的实验研究,实验结果表明,改进后的算法可以有效减小由于系统运动加速度导致的测量误差,获得更准确的姿态角数据。     

定距优化算法仿真实验研究

为了实现对运动物体位移的精确测量，使位移测量更加趋向于智能化，利用加速度传感器准确测得运动载体的加速度信号，并深入分析了位移测量控制原理所带来的误差，针对该误差设计了加速度修正算法，使用多项式拟合的方式去除趋势项，利用加速度常数修正算法对所测加速度进行修正，以数据迭代的方式得到运动物体的位移，利用MATLAB仿真软件对实测数据进行拟合和仿真，实验发现该优化算法定距精度较高，实际平均测量误差为1.40%，可满足工程实际的要求。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

基于多传感器的运动姿态测量算法

在基于MEMS传感技术的运动姿态测量中, 陀螺仪信号的漂移和载体线性加速度与重力加速度的叠加是影响测量结果准确性的主要原因, 实践中一般采用静态补偿和滤波技术减小测量误差. 基于自主研发的惯性测量单元, 设计了一种新型两级扩展卡尔曼滤波器: 基于四元数的运动姿态测量模型, 首先构造自适应加速度误差协方差矩阵, 消除载体线性加速度, 再采用多传感器融合技术进行数据融合, 修正陀螺仪信号漂移产生的误差. 实验表明, 本文算法结果与业界认可的动作捕捉系统Xsens的测量结果一致, 可有效满足应用需求.     

手机内置加速度传感器数据的空间坐标转换算法

手机内置加速度传感器坐标系固定于设备自身,其采集的数据因手机姿态的改变而不断发生漂移,受此影响即使同一运动过程,加速度数据也难以同前一个时刻保持一致。为解决该问题,提出利用空间坐标转换算法将加速度数据从手机坐标系映射至惯性坐标系,从而确保数据在手机任意姿态下均能准确反映实际的运动状态。为验证该方法的有效性,设计一种手机传感器数据在线采集与实时处理新方法,实现Matlab中数据动态特征的实时观测及算法性能的在线评估。利用此方法,在旋转实验中分别测试方向余弦与四元数两种算法的可行性,并在计步器实验中进一步测试四元数算法性能。实验结果表明,基于方向传感器数据的方向余弦算法因测量范围限制,不能实现全方位空间坐标转换;而基于旋转矢量传感器数据的四元数算法则能够实现全方位转换,且转换后的加速度对步态识别率达到95%以上,较准确地反映了实际运动状态。     

基于MEMS加速度传感器的位移检测系统

为了实现对物体运动位移的检测,设计了一种以国产高精度MEMS电容式加速度传感器MSCA3002为核心,24位高精度A/D转换器ADS1255,高性能ARM处理器LM3S2B93为主控制器的位移检测系统,并详细给出该系统的硬件电路及其软件算法设计。系统将传感器检测到的物体运动的加速度,经过积分算法转换为物体运动位移。实验结果表明：系统采样精度高、速度快、误差小,A/D转换器对加速度信号的检测精度能达到0.4%,积分后对位移的测量精度能控制在3%左右,很好地实现了对运动位移的检测。     

一种自适应残差补偿算法在移动机器人姿态估计中的应用研究

针对两轮移动机器人MEMS IMU姿态估计的数据融合问题,提出一种以卡尔曼滤波为基础的自适应残差补偿算法。该算法结合惯性传感器误差模型与移动机器人姿态模型构建卡尔曼滤波器,利用卡尔曼滤波量测更新的加速度残差自适应补偿非重力载体位移加速度对姿态估计的影响。实验结果表明,该算法有效的融合了MEMS IMU姿态测量数据,抑制了传感器随机漂移误差,同时自适应补偿了非重力载体位移加速度。     

多传感信息融合的改进扩展卡尔曼滤波定姿

针对现有多传感器融合方法精度低、计算复杂等问题,提出了利用微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合确定姿态的算法。对采集到的原始数据进行误差补偿和滤波,降低传感器本身噪声,采用四元素的四阶龙格库塔法求解陀螺仪的角度消除奇点问题。将陀螺仪数据作为预测数据,估计出卡尔曼的过程协方差;加速度计和磁力计数据作为观测数据,结合陀螺仪的误差估计出测量噪声协方差,通过卡尔曼滤波实现多传感信息融合,实现了准确的姿态定位。实验分析不同算法的误差,证明了算法的精确性和可靠性。     

一种面向机动的低成本姿态测量系统

载体作机动运动时,基于加速度计和磁传感器的姿态测量系统易受载体运动加速度的影响而导致测量精度降低.通过将GPS加速度引入重力观测方程,有效补偿了载体运动加速度造成的姿态测量误差.利用基于重力场和地磁场矢量观测的迭代最小二乘姿态确定算法得到修正罗德里格姿态参数.姿态信息通过互补滤波器与陀螺仪测量值融合以提高动态响应.实验结果表明,该低成本姿态测量系统可明显提高机动环境下的姿态测量精度,姿态角测量误差小于3°.     

基于体感技术的人机交互游戏研究

针对传统陀螺仪定位的精度和稳定性问题,结合加速度传感器和陀螺仪各自的优势,提出一种组合的定位采集方法。在该采集方法中,利用MPU集成模块实现加速度传感器与陀螺仪数据采集的接入;然后通过卡尔曼滤波算法实现数据的融合;平均值滤波实现信号的预处理,最后再通过零速率的基准值动态自校正方法实现对采集到的坐标校正。MATLAB仿真结果表明,构建的体感设备定位采集方法可行,且精度高。     

A low-complexity sensor fusion algorithm based on a fiber-optic gyroscope aided camera pose estimation system

Visual tracking, as a popular computer vision technique, has a wide range of applications, such as camera pose estimation. Conventional methods for it are mostly based on vision only, which are complex for image processing due to the use of only one sensor. This paper proposes a novel sensor fusion algorithm fusing the data from the camera and the fiber-optic gyroscope. In this system, the camera acquires images and detects the object directly at the beginning of each tracking stage; while the relative motion between the camera and the object measured by the fiber-optic gyroscope can track the object coordinate so that it can improve the effectiveness of visual tracking. Therefore, the sensor fusion algorithm presented based on the tracking system can overcome the drawbacks of the two sensors and take advantage of the sensor fusion to track the object accurately. In addition, the computational complexity of our proposed algorithm is obviously lower compared with the existing approaches(86% reducing for a 0.5 min visual tracking). Experiment results show that this visual tracking system reduces the tracking error by 6.15% comparing with the conventional vision-only tracking scheme(edge detection), and our proposed sensor fusion algorithm can achieve a long-term tracking with the help of bias drift suppression calibration.     

基于多传感器数据融合的转向参数测量仪设计

针对目前场（厂）内机动车方向盘转向参数测量仪装夹机构复杂、测量结果误差大的问题，提出一种基于多传感器技术的转向参数测量仪方法。通过加速度传感器、地磁计对陀螺仪角速度进行补偿，采用四元数融合算法对9轴MEMS传感器采样数据进行融合，修正因方向盘倾角对转向角测量结果的影响。通过设计转向参数测量仪硬件平台验证算法的可行性，实验结果表明融合算法能够提高转向角的精度。     

动态船舶行驶场景下的实时单目测距算法研究

为了利用单目视觉实时监测船舶行驶过程中与周围船舶之间的距离,首先分析单目视觉测距现状及其成功应用实例,基于小孔成像原理建立单目相机模型,通过几何推导,得到世界坐标系、相机坐标系、图像坐标系及像素坐标系之间三层坐标转换关系.随后通过实验验证pitch俯仰角与yaw水平角对单目视觉测距的影响程度,从而分析出动态船舶行驶场景...     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

巡逻式多电子哨兵目标识别的数据融合方法

对巡逻式电子哨兵目标观测在数据层的精确定位方法,以及决策层目标精确识别的数据融合问题进行研究。将个体观测的局部坐标系的目标位置转换到全局坐标系中,利用卡尔曼方法融合数据层信息。决策层目标识别的信息融合采用改进的多层次D-S证据论融合方法,将单个哨兵各异类传感器信息融合后再进行多个电子哨兵识别结果的信息融合。实验结果表明,融合后的数据稳定性和准确性都能得到提高,目标识别的正确率提高了20%。     

信号强度与运动传感器融合的智能手机室内定位算法

利用智能手机传感器实现高精度跟踪定位已经成为一个研究热点,本文针对室内定位中由于手机的运动引起采集信号强度不稳定造成的定位误差大的问题,提出了基于信号强度与加速度梯度融合综合的新的测距算法,结合手机方向信息、地图信息、信号强度的分布信息,利用测距信息与地图匹配算法,实现对智能手机的精确定位。在实验测试中,该算法平均定位精度为1.2m, 3.5m以下定位精度达95%。本算法有效的提高了智能手机的室内定位精度,并且相比指纹库定位算法减少了搜索次数,提高了定位速度。     

一种空间运动体与固定平面位置关系的激光测量方法

在激光测距实际应用中,空间运动物体与固定平面位置关系的测量必须满足传感器安装于运动物体,且其光轴垂直于被测平面的条件.对于传感器光轴无法垂直对准被测面的情况,传统的方法无法实现测量.结合实际应用,创新性地提出了一种空间运动物体上传感器光轴无需垂直对准被测平面的激光测距方法.通过实验室的验证,证明该方法可以实现空间运动体与固定平面之间高度与角度关系的精确测量.     

机器人触须传感器的设计

提出了一种利用触须来识别物体表面轮廓的新方法。传感器采用了二维PSD作为敏感元件,实时地测量由于与物体接触在触须根部所产生的微小位移量。介绍了机器人触须传感器具体的结构及工作原理。由实验数据可知,触须根部位移量的大小与接触的距离成反比,且距离越近位移量变化的速度越快。由此可获得待测物体的位置、距离、角度等信息。