基于容积粒子滤波的时延差定位估计算法

在基于粒子滤波的时延差定位估计方法中, 重要密度函数的选取将直接影响估计的性能, 为此, 提出了基 于容积粒子滤波的时延差估计(BCPF-TDE) 算法. 该算法利用最新的数据检测信息, 通过容积卡尔曼滤波(CKF) 获 取粒子滤波的重要性密度函数. 仿真实验表明, 在粒子数目相同的情况下, 基于容积粒子滤波的时延差估计(BCPF- TDE) 方法与基于扩展粒子滤波的时延差估计(BEPF-TDE) 方法相比, 定位估计误差只有后者的50% 左右, 而运行时 间相当.

     

非线性滤波算法在机动目标跟踪中的研究

介绍了3种最基本非线性滤波算法--扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)算法的理论在机动目标跟踪中的应用.通过仿真试验对三者性能进行了分析比较.     

星球漫游车超广角实时立体视觉系统

给出了一种用于星球漫游车障碍检测和定位的超大视场立体视觉系统的实现方法.该系统采用具有超广角镜头(对角视场角约160度)的双目或三目摄像机获取场景立体图像对,利用摄像机标定参数对大变形图像进行修正等预处理,然后在外极线、连续性等约束条件下,基于查找表和Intel MMx指令集,使用SAD算法快速进行对应点匹配计算.实验表明,该系统在图像分辨率为320×120像素、视差为64级时,利用普通工控机恢复稠密深度图的速度为10帧/秒,并能使机器人以1米/秒的速度行走.     

基于粒子滤波的机动目标跟踪算法仿真研究

针对非线性多目标模型,应用粒子滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态递推估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波算法和无迹卡尔曼滤波算法。融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布,再用平滑算法处理滤波的结果。仿真结果表明,算法有较好的跟踪效果。     

粒子滤波算法中的有限收敛界

在已有的关于粒子滤波(PF)收敛性研究的成果上,指出了其在工程实践中存在的问题;根据粒子滤波在实际应用中普遍存在的收敛现象,提出了粒子滤波算法的有限收敛界(LCB)的概念,并针对一个经典的非线性滤波估计例子,给出了关于自举PF、裂变自举PF、高斯PF、无味高斯PF和辅助变量PF这5种典型粒子滤波算法有限收敛界的计算结果.LCB既可作为粒子滤波算法性能的度量指标之一,也可作为工程应用中某种粒子滤波算法粒子数选取的一个参考值.     

改进重采样粒子滤波算法在GPS中的应用

为解决粒子滤波(PF)固有的退化现象及因简单重采样引起的粒子匮乏问题,采用扩展卡尔曼滤波(EKF)来优选PF的重要性分布,并对重采样方法进行改进.通过理论分析及针对全球定位系统(GPS)的计算机仿真,对比扩展卡尔曼滤波(EKF)、扩展卡尔曼粒子滤波(EKPF)以及改进的EKPF算法来实现导航定位的定位估计精度与效率,分析在不同条件状况下的最佳非线性滤波算法.实验结果表明,与其它方法相比,该算法在高动态,高机动状态下性能得到了明显的改善.     

漂移瑞利滤波算法及其在纯方位跟踪中的应用

单传感器纯方位跟踪问题仍是目前研究的重点和难点,方位角变化率很大时往往使得扩展卡尔曼滤波等矩匹配算法不稳定或发散。重点研究漂移瑞利滤波算法在方位角变化率很大的复杂单传感器纯方位目标跟踪场景下的性能,比较了漂移瑞利滤波,扩展卡尔曼滤波,不敏卡尔曼滤波,粒子滤波等其他非线性跟踪算法的性能,推导并计算了相关问题的Cramer-Rao下界并将其用作比较估值准确性和衡量算法性能的评价指标。仿真结果表明:漂移瑞利滤波算法的性能优于其他矩匹配算法,能达到与粒子滤波大体相同的计算精度,但它的计算速度比粒子滤波算法快几个数量级。     

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

粒子滤波是移动机器人蒙特卡罗定位(Monte Carlo localization, MCL)的核心环节. 首先, 针对粒子滤波过程的粒子退化问题, 利用迭代Sigma点卡尔曼滤波来精确设计粒子滤波器的提议分布, 以迭代更新方式将当前观测信息融入顺序重要性采样过程, 提出IUPF (Improved unscented particle filter)算法. 然后, 将IUPF与移动机器人MCL相结合, 给出IUPF-MCL定位算法的实现细节. 仿真结果表明, IUPF-MCL是一种精确鲁棒的移动机器人定位算法.     

一种用于目标跟踪的改进粒子滤波算法

为解决目标跟踪中粒子滤波算法的估计精度、粒子退化问题,提出一种改进的粒子滤波算法。在粒子滤波的基础上,利用UKF生成粒子滤波的建议分布,以改善滤波效果,在无味粒子滤波的基础上,融合典型的MCMC抽样算法,减少传统算法未考虑当前量测对状态的估计作用所带来的影响,增加采样粒子多样化。将该算法应用于具有非线性、非高斯特点的目标跟踪问题中,仿真结果表明,与普通的粒子滤波算法相比,其跟踪精度和滤波效果有较大提高。     

一种用于星球探测机器人的计算系统体系结构

计算系统是星球探测机器人的重要组成部分，它不仅决定了机器人完成任务的能力、对环境事件的反应能力，而且还决定了机器人的生存能力．本文从计算系统的控制模型、容错模型和可靠性等多个方面，综合地讨论了用于星球探测机器人的计算系统硬件架构、软件架构和通信架构，提出了一种高可靠的分布式计算系统架构，为星球探测机器人计算系统的设计提供依据．     

一种行星车视觉系统立体匹配算法

针对行星车视觉导航系统,提出一种立体匹配算法。使用Census变换得到一组二进制码流,通过色彩权重和距离权重完成权重计算,采用双通道的方法累加匹配代价。实验结果表明,该算法在时钟频率为100 MHz的情况下,每秒可处理2幅23帧左右的图像,平均误匹配率低于6%。     

可翻转星球探测车的原型设计

给出了一种四面都可着地行驶、不怕翻转的星球探测车原型设计方案,着重解决了探测车翻转后失效的问题．在该方案中,采用了特殊的45度轮架机构,用八轮实现了每个侧面都有四轮着地行驶;研制了新型姿态传感器,实现了探测车的姿态判断;设计了太阳能储能供电装置,能保持太阳能板始终在车的上方,从而为探测车有效提供能源．实验显示这种探测车达到了预期的功能,在星球探测、人员搜救、军事侦察等领域有一定的研究应用价值．     

星球漫游车立体视觉系统性能分析与设计

本文针对星球探测任务中星球漫游车自主避障和导航的要求,提出了星球漫游车立体视觉的系统结构和设计方法。在对实时响应、视场角、传感器分辨率和精度以及计算量等性能需求深入分析的基础上,给出了漫游车立体视觉系统的设计原理,建立一系列配置方程来描述重要的系统参数之间的关系。这些配置方程有助于设计师在系统设计初期对平衡系统性能进行综合考虑。     

基于改进蚁群算法的星球探测机器人路径规划技术

对蚁群算法中蚂蚁的个体行为进行改进,解决了星球表面复杂环境下探测机器人的路径规划问题．在个体行为中加入目标导向行为、惯性行为和沿障碍行走行为,并进行加权融合,改进了传统的ACO算法,提高了算法的智能,保证了算法的全局收敛性．在蚁群算法规划的基础上提出一种紧绳算法。对蚁群算法的最后结果进行处理,最终给出了最优规划路径．最后通过仿真对该方法进行验证．     

基于高斯—施密特粒子滤波器的多机器人协同定位

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统。已经应用于本领域的各种非线性算法主要有两种：一种是扩展卡尔曼滤波算法（EKF）,它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器（PF）。本文介绍了一种改进的粒子滤波
器,即高斯-施密特粒子滤波器（GHPF）,重点比较这三种算法在多机器人协同定位领域的应用效果。     

Distributed Cooperative Outdoor Multirobot Localization and Mapping

The subject of this article is a scheme for distributed outdoor localization of a team of robots and the use of the robot team for outdoor terrain mapping. Localization is accomplished via Extended Kalman Filtering (EKF). In the distributed EKF-based scheme for localization, heterogeneity of the available sensors is exploited in the absence or degradation of absolute sensors aboard the team members. The terrain mapping technique then utilizes localization information to facilitate the fusion of vision-based range information of environmental features with changes in elevation profile across the terrain. The result is a terrain matrix from which a metric map is then generated. The proposed algorithms are implemented using field data obtained from a team of robots traversing an uneven outdoor terrain.     

Mars Rover Autonomous Navigation

Autonomous navigation of a rover on Mars surface can improve very significantly the daily traverse, particularly when driving away from the lander, into unknown areas. The autonomous navigation process developed at CNES is based on stereo cameras perception, used to build a model of the environment and generate trajectories. Multiple perception merging with propagation of the locomotion and localization errors have been implemented. The algorithms developed for Mars exploration programs, the vision hardware, the validation tools, experimental platforms and results of evaluation are presented. Portability and the evaluation of computing resources for implementation on a Mars rover are also addressed. The results show that the implementation of autonomy requires only a very small amount of energy and computing time and that the rover capabilities are fully used, allowing a much longer daily traverse than what is enabled by purely ground-planned strategies.     

Modeling Regions of Interest on Orbital and Rover Imagery for Planetary Exploration Missions

Planetary rover exploration missions require accurate and computationally efficient robot localization in order to perform complex and cooperative tasks. The global localization on planetary environments can be competently addressed by incorporating orbital and ground rover imagery. An indicative approach could include (1) the extraction of regions of interest (ROIs) in orbital images, (2) the extraction of ROIs in rover images, (3) the ROI matching, and (4) the localization. In order to perform adequately in ROI matching, a model should be able to detect common ROIs. The work in hand tackles the problem of extracting such regions of interest that are observable on both orbital and rover images. The dedicated model that was designed and implemented contains a detection and a classification part. The detection of the ROIs is based on both their texture and their geometrical properties. Classification was performed on the result of the detection in order to annotate the ROIs and discard any outliers caused by false detection. The results prove that the model is able to detect commonly observable regions and, therefore, is considered to be an adequate preprocessing step in the context of a global rover localization system.