自适应容积卡尔曼滤波激光视觉融合定位研究

针对激光雷达在长直环境下鲁棒性低以及视觉相机受光照条件影响大的问题,提出一种利用容积卡尔曼滤波将两种传感器采集到的信息进行融合的定位方法,同时为算法添加自适应成分,以提高移动机器人在未知环境下的定位精度。首先通过激光与视觉在同一位置同时对周围物体进行观测,利用图优化算法与PnP算法获得当前机器人位姿信息,再以激光和视觉采集的数据分别作为状态值和量测值不断更新,得到滤波融合后的定位结果。通过Sage-Husa自适应滤波理论增加自适应修正项,解决了长距离观测后的数据发散问题。仿真实验结果表明,以自适应容积卡尔曼滤波的形式进行优化,融合定位误差相较于激光与视觉降低超过25%,有效提升了移动机器人长距离行驶过程中的定位精度。     

IMU辅助的TDOA室内定位

室内环境下,当无线信号受到多径和非视距干扰时,传统的基于到达时间差（Time Difference of Arrival,TDOA）的测距模型定位精度不满足室内定位精度要求。为此,提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit,IMU）相结合的定位方法。在视距情况下,只有TDOA系统工作,但在信号受到干扰时,利用IMU能够在短时间内提供一个准确的相对位置信息的特性,采用TDOA算法对其进行辅助定位,并利用卡尔曼滤波器对它们的数据进行预处理,最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明,提出的算法比传统的TDOA定位具有更高的精度。     

一种改进的视觉/IMU导航系统初始化方法

针对基于单目相机和惯性测量单元(IMU)组成的视觉导航系统需要精确初始化的问题,该文提出了一种减少处理时间同时提高精度的系统初始化方法。首先,对采集数据中的陀螺仪偏置进行单独估计并分离,实现估计陀螺仪偏置和求解系统初始化封闭解问题的解耦;然后,采用基于紧耦合的线性模型求取初始化问题的封闭解;最后,将所提出的改进初始化方法应用于经典的VinsMono框架中。实验表明,改进方法可有效提高视觉惯性导航系统的初始化精度和效率。     

CO-OFDM系统中基于卡尔曼滤波对相位噪声补偿算法的研究

基于卡尔曼滤波提出了两种相干光正交频分复用(CO-OFDM)系统的相位噪声补偿算法,这两种算法在发射端的时域均插入导频,并在接收端对导频进行卡尔曼滤波,最后利用插值算法补全全部子载波的相位噪声.仿真结果表明,基于最小均方误差(MMSE)准则的判决反馈算法在相位噪声比率为10-1时,系统误码率约为10-4,并且出现了错误平层,而基于卡尔曼滤波所提出的两种相位噪声算法在大相位噪声的情况下仍然具有较好性能且能有效地降低错误平层,因而所提出的相位噪声补偿算法能改善CO-OFDM系统的性能.     

融合特征法与直接法的RGB-D稠密视觉SLAM算法

为了保持直接法的快速性与特征法的高精度和闭环能力,提出了一种融合直接法与特征法的RGB-D同时定位与地图创建(SLAM)算法。该算法主要包含3个并行线程:跟踪线程、局部建图线程和闭环线程。在跟踪线程中对非关键帧进行跟踪,通过最小化光度图像误差来进行相机的初始位姿估计以及像素点的对应关系计算,利用最小化局部地图点重投影误差进一步优化相机位姿,实现快速准确的跟踪与定位;在局部建图线程中对关键帧进行提取并匹配ORB特征,执行局部BA(光束平差法),对局部关键帧位姿和局部地图点的位置进行优化,提高SLAM的局部一致性;在闭环线程中执行对关键帧的闭环检测和优化,从而保证SLAM全局一致性。另外,根据RGB-D图像和相机位姿信息,通过基于Octomap的建图框架,构建完整准确的3D稠密环境地图。在TUM数据集下的实验表明,所提出的方法可以得到与基于特征法相当的精度,且所需时间更少。     

一种应用于低成本动中通天线的组合导航算法设计

卫星/微机电惯性组合导航系统具有体积小、成本低等优点,可以为动中通天线提供位置、速度以及姿态信息,然而其无法依靠自身完成航向初始化,除此之外在静态场景下由于航向可观测性较差,面临航向发散的问题。结合动中通天线的特征,设计并开发了一种应用于动中通天线的组合导航算法。通过该算法得到的跑车测试结果北向、东向以及天向的位置信息精度分别为2.1 m、1.9 m及1.7 m,北向、东向以及天向的速度精度分别为0.05 m/s、0.05 m/s、0.04 m/s,横滚角、俯仰角、航向角精度依次为0.05°、0.08°、0.11°。长时间的摇摆台测试结果表明采用该方案场强跟踪信号强度均值为8.93 dBW,信号跟踪平稳。     

一种激光雷达与视觉融合的同步定位及建图算法

室内移动机器人自主导航依赖于同步定位及建图技术,激光雷达与相机作为主流传感器正在不断深入应用到机器人定位与建图,但是单一传感器存在的缺陷不可避免,视觉传感器采集环境特征信息丰富,但视野范围较窄,而且对环境变化较为敏感;三维激光雷达检测精度较高,但价格昂贵,不适合生产生活应用。基于上述问题,提出了一种视觉与激光相融合的SLAM算法框架。首先利用惯性测量单元IMU对RPLidar采集到的雷达数据进行畸变校正处理,同时将Astra Pro深度相机获取的三维数据映射到二维坐标系,通过扩展卡尔曼方法将激光数据与深度数据相融合,最终在实际环境下进行建图比较,获得了更加完整的地图,从而验证了该文算法的可靠性和有效性。     

智能移动机器人同步定位与地图构建算法研究

以移动机器人的同步定位与地图构建（SLAM）算法为研究对象,介绍了机器人同步定位与地图构建的原理,并对现有SLAM算法进行深入研究。对现有的SLAM算法进行改进,提出基于平方根UKF的SLAM算法,仿真结果表明,新算法达到提高SLAM算法的稳定性,减少算法运算复杂度并得到较高的估计精度的目的。     

基于容错决策树的UWB辅助惯性定位方法

针对惯性导航系统误差随时间累积和超宽带(UWB)定位受到非视距问题、多径效应和人体影响出现粗大误差的问题,提出了一种基于容错决策树的UWB辅助人员室内惯性定位方法。该方法提出并采用陀螺仪高精度分段拟合误差补偿模型,抑制惯性导航误差漂移;同时在UWB辅助人员室内惯性定位的基础上,构建惯性导航与UWB单点定位数据共同作用的容错决策树判定模型,剔除UWB定位的粗大误差因子,进而对惯性导航和UWB的参数应用扩展卡尔曼滤波,实现UWB辅助增强惯性定位。根据实验验证表明,在复杂狭窄巷道环境,该方法将距离均方误差占路线长度的比例从6.02%提升到0.76%;在常规方正室内环境,该方法将最大误差占路线长度的比例从2.207%提升到0.635%。实现了长时间的连续可靠定位,具有较强的工程应用价值。     

基于单目视觉的AUV 实时定位算法研究

在未知的环境中,自主水下航行器(AUV)运动未知的情况下,采用单目视觉不能对路标进行完全定位,存在尺度漂移。针对这种情况,研究了融合声纳测距信息的AUV定位方法,建立了AUV的运动模型,路标的初始化模型及相机的测量模型,采用扩展卡尔曼滤波对AUV位置进行估计;为了提高定位算法的实时性,提出了基于预测的特征匹配与误匹配点去除算法,既提高了匹配的效率,又提高了匹配的正确率。实验结果表明,该算法定位较准确,实现了AUV的三维定位。     

融合多传感信息的仿人机器人姿态解算

在RoboCup Soccer仿人机器人比赛中,机体姿态实时解算是仿人机器人运动控制系统的核心技术之一。文中分析了MEMS加速度计、磁强计和陀螺仪性能,以自主姿态测量为前提,融合惯性测量单元中多传感信息,提出了一种基于四元数的姿态解算算法。针对仿人机器人步行姿态控制中传感器数据存在的噪声干扰和测量误差,设计卡尔曼滤波器实现了对数据漂移的有效补偿,从而提高了全姿态检测的测量精度。试验结果验证了该算法对仿人机器人运动控制系统机体姿态实时解算的有效性。     

基于PF/CUKF/EKF的移动机器人SLAM框架算法

 提出了一种基于混合滤波的移动机器人同时定位与地图创建(SLAM)算法框架,并利用统计理论对SLAM算法进行一致性评估,该算法框架将机器人SLAM中的联合后验概率分布分解为机器人路径部分及以机器人路径为条件的地图部分,使滤波器变成低维滤波,能够有效地提高计算效率.采用约束的无色卡尔曼滤波(CUKF)算法并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计移动机器人的位姿,进而通过扩展卡尔曼滤波(EKF)算法更新特征地图的位置.仿真实验表明该混合滤波技术为SLAM算法提供了一种有效可靠的途径,在一定条件下与其他SLAM算法比较会得到更高的精度要求.     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。     

低成本MIMU/编码器组合的高精度航姿系统

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统的进一步推广应用,根据某型雷达车的需要,该文提出了一种低成本微型惯性测量单元(MIMU)/编码器组合的高精度航姿系统的结构与方案,并给出了初始对准和组合导航系统的数学模型,初始航向对准通过接收挠性陀螺寻北仪的寻北结果来完成,考虑到雷达车的工作方式,扣除杆臂效应后,2个速度误差观测量和3个位置误差观测量都为0,采用卡尔曼(Kalman)滤波将捷联惯导解算和航向编码器数据进行信息融合,得到对载体导航参数的最优估计。设计了工程样机,并进行了实验室测试与用户工程使用测试,结果表明,静态下产品的俯仰≤0.015°,滚动≤0.015°;动态下产品的俯仰≤0.025°(1σ),滚动≤0.025°(1σ)。     

一种融合时差频差和测向的运动目标跟踪方法

传统的星载无源定位系统对空中辐射源定位求解通常采用假设高程的方法,高程假设误差将对定位跟踪精度造成较大影响。为实现未知高程运动辐射源的高精度定位跟踪,针对异轨三星构型的无源定位系统,提出了一种基于时差、频差和二维测向融合的迭代扩展卡尔曼滤波(Iterative Extended Kalman Filter, IEKF)跟踪方法。在WGS-84坐标系下建立了状态方程和观测方程,并采用IEKF方法对目标状态进行估计。仿真结果表明,该方法可对未知高程的运动目标进行高精度状态估计,典型仿真场景下的目标高程估计精度达到百米量级,相对于已有方法收敛时间更短,并且在卫星覆盖范围内具有更大的高精度定位跟踪区域。     

IMU/TOA融合人体运动追踪性能评估方法

随着物联网和体域网的飞速发展,人体运动追踪技术在医疗、安防等领域得到了广泛应用.针对传统惯性人体运动追踪系统存在累积误差和漂移的问题,本文提出了一种基于IMU/TOA融合的人体运动追踪方法.通过对融合系统克拉美罗界（Cramer-Rao Lower Bound,CRLB）的推导,从理论上证明了IMU/TOA融合方法的有效性.实验结果可以看出,本文提出的基于IMU/TOA融合的人体运动追踪方法,在空间性能和时间性能两个方面都有较大的提升.     

同步定位及地图创建算法在车载移动测绘系统中的应用

为了解决车载移动测图中全球卫星定位系统(GPS)失锁及无GPS导致的导航定位问题,提出了一种利用水平布设二维激光扫描仪和里程计结合的快速同步定位及地图创建(SLAM)方法。在详细分析车载移动测图系统定位误差来源的基础上,科学合理地设置系统的预测参数及重预测参数,并给出了宽间隔预测及状态重预测改进后的卡尔曼滤波算法。在不损失计算精度的前提下,提高了计算速度。利用上述算法在实验室环形走廊中进行了实验,实验结果证明了本算法的有效性。