共查询到13条相似文献,搜索用时 6 毫秒
1.
2.
3.
4.
室内自动驾驶过程中,需要对车辆主动进行定位。在开阔的室外空间中全球导航卫星定位系统(GNSS)可以提供定位信息,但是在室内环境中,受到建筑物的干扰,GNSS信号丢失导致定位精度降低,室内自动驾驶的安全性能降低。为了解决这一问题,本文提出了融合激光雷达(LiDAR)和超宽带(UWB)的自动驾驶同步定位与建图(SLAM)方法,通过引入UWB定位因子作为位置约束,融合激光雷达采集的点云数据,在LEGO-LOAM(轻量级即时定位与建图方法)上进行改进。实验结果表明:本文的改进方法可以有效抑制建图过程中高度上的漂移,提高了室内定位的准确性,增强了室内环境中自动驾驶的稳定性。 相似文献
5.
由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位.因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法.其中,滤波器的状态定义为机器人当前与历史时刻的位置序列.滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位).利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束.最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果.实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证.实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度.与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70%~80%,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升. 相似文献
6.
7.
8.
高效的定位算法是实现机器人自主运动的前提,由于激光模型受复杂环境的限制,传统自适应蒙特卡罗定位(AMCL)算法提供的位姿精度有限.提出一种增加扫描匹配(SM)和离散傅里叶变换(DFT)的优化AMCL算法,将传统AMCL的加权均值输出作为SM的初始值,通过构建激光雷达观测点与先验地图的匹配函数模型,利用高斯牛顿的方法优化求解,最终通过DFT滤波滤除位置处的小抖动,提升了系统的稳定性和鲁棒性.通过运动中的绝对定位实验和重复定位,实验验证了优化算法优于传统AMCL算法,优化算法有效提高了系统定位精度,同时保证了鲁棒性. 相似文献
9.
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。 相似文献
10.
11.
固定单站无源定位跟踪系统面临着可观测性弱、初始误差大等问题,寻找一种快速稳定的定位跟踪算法尤为重要.将距离参数化方法引入固定单站无源定位中,与不敏卡尔曼滤波(UKF)结合给出了基于距离参数化UKF(RPUKF)的固定单站无源定位算法;该算法根据观测站最大探测距离划分距离子区间,每个子区间单独采用UKF算法进行跟踪,将各自跟踪结果进行融合得到最终定位结果.仿真结果表明,在初始误差较大时RPUKF算法仍能实现稳定定位,与RPEKF算法相比在保证实时性的基础上明显改善了定位性能. 相似文献
12.
针对室内定位系统在实际应用场景中算法复杂度高、运算量较大的问题,文中设计并实现了一种基于EKF的WiFi/PDR融合定位系统。在WiFi指纹定位部分提出了基于自适应滑动窗口的指纹匹配方法,通过邻近状态的RSSI欧式距离解算得到搜索窗口,以动态调整指纹库的匹配范围,从而实现了定位结果的快速收敛。在融合定位阶段,结合EKF与PDR的系统特性来解决时间配准问题。以WiFi数据更新为基准,利用EKF算法进行数据融合,在融合数据不同步时由PDR直接输出定位结果。实验结果表明,该定位系统具有良好的运行效果与稳定性,所提方法在实际定位场景中的平均定位误差为2.27 m,并在80%的情况下能够达到3 m的定位精度。 相似文献