排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
自适应扩展卡尔曼滤波器在移动机器人定位中的应用 总被引:1,自引:0,他引:1
针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法, AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能. 相似文献
2.
自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。 相似文献
3.
4.
5.
6.
自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。 相似文献
7.
8.
9.
目前的多移动机器人系统在运行状态下,网络结构一般是静态的,很难做到成员机器人的动态增减,且系统在启动时需要复杂配置。本文设计了一种支持异质移动机器人合作的多机器人系统UMRS-1,采用分布式组织结构,支持机器人动态、自动配置地加入或退出系统。分析了组成系统的成员机器人的体系结构以及UMRS-1的组织结构。采用基于KQML实现的合同网作为协作协议,最后对多机器人协作围捕问题进行了初步探讨以说明UMRS-1的通信与协作机制。 相似文献
1