排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
室内复杂环境下,移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带(UWB)测距定位是一种当前广泛应用于室内定位的高精度定位技术,最小二乘算法是精确定位的主流算法之一。受非视距(NLOS)、多径效应等因素影响,UWB定位在室内定位应用过程中存在定位数据抖动严重的问题,同时最小二乘法无法解算极值点定位数据,导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题,提出了基于扩展卡尔曼滤波(EKF)框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测,UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失,降低定位数据的抖动,提高定位系统的稳定性,在半结构环境下具有更好的工程优势。 相似文献
2.
3.
轮式机器人在未知环境下的定位是机器人学中一个经过广泛研究但仍然需要进一步提高的问题.VINS-Mono是目前效果最好的算法之一,然而其应用在轮式机器人上会因退化问题导致定位精度下降.本文通过充分利用轮速计与视觉系统之间的耦合关系,提出了一种基于视觉和轮速计紧耦合的轮式机器人定位系统估计器.针对低频视觉信息和高频轮速计信息的融合问题,文中推导了轮速计预积分测量和误差传播过程.针对单目视觉无尺度初始化和VINS-Mono在轮式机器人上的初始化退化问题,文中提出了一种联合视觉和轮速计信息的快速精确系统初始化流程.通过在代表性室内及室外环境的实际验证,本文所提出的方法不但比VINS-Mono具有更好的定位精度,而且其计算复杂度仅为VINS-Mono的约十分之一. 相似文献
1