一种多传感器更新的AUV-SLAM算法

针对同步定位与地图构建SLAM(Simultaneous Localization and Mapping)算法中,单个传感器提供的信息受到传感器本身特性和周围环境制约的局限性,提出了在仅声纳更新的SLAM算法同时,引入航向和速度的多传感器更新,使得自主式水下机器人AUV(Autonomous Underwater Vehicle)的定位和构图更精确。通过对实验结果的分析验证了多传感器更新的SLAM算法的有效性。     

超小型水下机器人改进设计及智能控制系统

基于目前部分超小型水下机器人的机械不足之处，提出简单易行的改进方案。提出包含智能闭环控制算法的软件设计框架，使超小型水下机器人具有更强的鲁棒性, 灵活性及适应性。在具有复杂流场干扰的实验环境测试下，改进型超小型水下机器人具有明显的优势。     

基于相对定位的多移动微机器人协作定位方法

为了提高微机器人定位的精确性,研究了基于相对定位的多移动微机器人协作定位方法.结合微机器人尺寸小的特点,定位系统中采用低功耗的红外传感器作为微机器人的测距传感器,利用粒子滤波实现微机器人的自定位.在自定位及相对定位的基础上,提出了多微机器人的协作定位算法,通过保留一定数目的粒子在自身粒子集合中,而非交换全部的粒子的策略,保证了一定的定位精度.仿真与实验结果验证了协作定位算法的有效性.     

基于D-S信息融合的水下机器人地图构建

针对未知动态环境中自治水下机器人(Autonomous Underwater Vehicle,AUV)的路径规划问题,给出一种基 于D-S (Shafer-Dempster)信息融合的水下栅格地图构建算法.首先通过建立一个声纳传感器模型,将声纳数据转换成栅格的信度函数分配值;接着应用D-S证据理论信息融合算法更新地图数据,从而构建出水下动态栅格地图;最后通过真实地图与融合构建地图比较,说明D-S融合算法在地图构建中的可行性.     

基于信息融合地图的水下机器人位置估计

建立了一种对声纳和视觉图像进行融合的模型,提出了采用高斯方法和对水下环境进行描述建立融合地图的新的表达方法。首先假定传感器的观测信息为高斯分布,通过空间关系的变换和投影将声纳和视觉投影到公共的状态空间,然后对各传感器的其它信息进行加权,并嵌入到其中,得到适合计算机处理的传感器地图。提出了对水下机器人进行位置估计及地图匹配的算法,在导航过程中通过找出当前地图与参考地图的最大相关系数,从而对机器人位置进行更新,得出其最佳位置估计。仿真结果显示：采用融合地图对水下机器人的位置估计是连续的、可计算的、有效的。     

基于超长波与对称分布天线阵的管道机器人定位技术

分析了管道机器人定位系统的工作原理,研究了超长波发射器的电磁场分布,建立了参数化的数学模型．采用对称分布的超长波信号接收天线阵．提出了非线性和线性两种定位算法,实现了地下或水下未知管道内机器人的空间定位．通过工业现场实验,验证了定位系统与定位算法的有效性;其平面定位误差小于15cm,满足管道作业、管道检测等工程任务的需求．     

水下机器人协同控制的TO模型区域划分定位

针对稀疏型水声传感器网络定位算法面临的定位覆盖率低和误差高的问题, 本文提出一种水下机器人协 同控制的截角八面体(TO)模型区域划分定位算法. 首先搭建定位系统模型, 提出TO模型满足三维目标区域划分原 则, 并证明其体积比相对最优; 然后设计TO模型最优区域划分方式, 提出最小值判定法进一步整合目标节点, 自主 水下机器人(AUVs)协同控制筛选包含目标节点的子区域; 通过分析通信半径和虚拟锚节点数量对实验结果的影响, 设置最优定位参数, 降低能耗和定位误差, 最后利用最小二乘法完成定位. 本文分别对定位覆盖率、子区域AUV路 径长度和定位精度进行了仿真实验, 结果表明, 相比于其他区域划分方案, 所提算法误差较小、定位覆盖率高且鲁 棒性强.     

基于前视声纳的AUV同时定位与地图构建

AUV要实现在未知环境中的自主导航,SLAM理论与方法是最有潜力的途径之一.本文采用前视声纳扫描水下环境,采用数字图像处理的方法对环境的声纳图像进行特征提取,并使用最邻近数据关联算法(NNF)实现数据关联,应用EKF SLAM进行水下机器人的姿态估计与环境中障碍物特征的地图构建.仿真结果表明,主动成像声纳可以成功地应用于AUV在未知环境中的自主导航;另外,通过对比点特征和线特征对AUV运行轨迹的影响,我们发现参照分布合理的点特征AUV能够更加精确地进行同时定位.     

基于单片机的水下机器人定位系统

水下机器人的定位系统利用超声波传感器获取距离信息,同时采用三点定位法计算出位置坐标.利用单片机存储时间信息和温度信息,并将这些信息实时传送到工控机程序完成定位.最后,通过实验获取了超声波的定位数据,并采用非线性优化的方法对数据进行了分析,得到两种不同发射传感器的定位精度,对以后改进系统和提高定位精度都有参考价值.     

水下机器人定位算法

水下机器人的定位信息一般应包括位置信息和航向信息。选用超声波传感器测距,再作圆弧求交点的方法可获取位置信息,给出2种计算位置的算法;水下环境复杂,机器人的航向信息难以获取,建立拟合机器人的历史位置信息的曲线,进而对曲线进行求导来近似代替机器人航向的航向估计模型。水下实验验证了定位算法的可行性及可靠性,位置定位绝对误差小于20 cm,航向定位绝对误差大都在10°以内,满足定位要求。并分析定位误差来源,给出航向算法的修正模型。     

一种基于SBL和APIT的混合定位算法

由于子区域分割粒度的限制,基于阶次序列的定位算法(Sequence-based localization,SBL)存在边缘区域节点定位误差较大和不能保证平均定位误差性能的问题。针对这些问题,提出了一种基于SBL和APIT的混合定位算法,利用APIT信标三角形切割SBL算法子区域,减小子区域面积,实现了分割粒度的细化。通过预先进行系统训练,优化了混合算法的加权系数,进一步提升了算法的定位精度。仿真结果表明,相比于原算法,所提出的混合算法有效地提升了边界区域节点的定位精度,其平均定位误差降低了17.9%,使基于阶次序列的定位算法的定位精度得到了有效改善。     

三维无线传感器网络节点的序列重心定位算法

节点自定位技术是无线传感器网络的关键技术之一。三维序列重心算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的重心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

改进的DV-Hop定位算法在输煤生产线上的应用

DV-Hop定位算法是一种与距离无关的定位算法,文中对该算法的定位原理、误差来源进行了分析。在输煤现场复杂环境下,通过一种定位辅助手段——信号强度(RSSI)测距技术,来减小定位误差,提高定位系统精度。并利用最小均方差改进无线传感器网络中传统的DV-Hop定位算法。通过MATLAB进行仿真,结果表明,在相同的网络环境下,改进后算法的精度大约提高了8%。从而更加准确地监测到输煤生产线上职守人员的相对位置。     

Real Time Relative and Absolute Dynamic Localization of Air–Ground Wireless Sensor Networks

A novel approach for relative and absolute localization of wireless sensor nodes using a potential field method is presented. The main idea of our work is to develop relative and absolute localization algorithms for the position estimate of stationary unattended ground sensor (UGS) nodes using a potential field method. A dynamical model is derived for each sensor node to estimate the relative and absolute position estimates under the influence of a certain fictitious virtual force. In the algorithm the sensor nodes do not move physically, but a virtual motion is carried out to generate optimal position estimates. The convergence of the estimator system to a least squares solution is guaranteed using Lyapunov theory. Separate control algorithms for relative and absolute localization are developed which guarantee the convergence of the position estimates. The relative localization algorithm assumes that distance (i.e. range) measurements between UGS nodes are available and for absolute localization algorithm, uninhabited aerial vehicles (UAV) are available with on board GPS such that they have absolute position information together with range measurement information. In the relative localization algorithm the UGS nodes are localized with respect to an internal co-ordinate frame. In absolute localization the UGS nodes are localized with respect to the known absolute position of UAV in the air–ground network. The effectiveness of the control algorithm is highlighted by the real time implementation results.     

基于拉伸因子图的低复杂度贝叶斯稀疏信号算法研究

建立加性高斯白噪声的线性数学模型,针对此模型对基于稀疏贝叶斯学习的消息传递算法进行研究。对传统的因子图通过添加额外的硬约束节点得到改进的因子图,然后在改进的因子图中利用联合BP-MF规则,提出低复杂度的BP-MF SBL算法。为了进一步降低复杂度,在BP-MF SBL的基础上提出近似BP-MF SBL算法。仿真结果表明与向量形式的MF算法相比,所提方法复杂度低,且性能有所提升;与标量形式的MF算法相比,在复杂度相似的情况下,所提方法的性能更好。     

A high precision visual localization sensor and its working methodology for an indoor mobile robot

To overcome the shortcomings of existing robot localization sensors, such as low accuracy and poor robustness, a high precision visual localization system based on infrared-reflective artificial markers is designed and illustrated in detail in this paper. First, the hardware system of the localization sensor is developed. Secondly, we design a novel kind of infrared-reflective artificial marker whose characteristics can be extracted by the acquisition and processing of the infrared image. In addition, a confidence calculation method for marker identification is proposed to obtain the probabilistic localization results. Finally, the autonomous localization of the robot is achieved by calculating the relative pose relation between the robot and the artificial marker based on the perspective-3-point (P3P) visual localization algorithm. Numerous experiments and practical applications show that the designed localization sensor system is immune to the interferences of the illumination and observation angle changes. The precision of the sensor is ±1.94 cm for position localization and ±1.64? for angle localization. Therefore, it satisfies perfectly the requirements of localization precision for an indoor mobile robot.     

基于RSSI的无线传感器网络质心定位算法优化

为了提高无线传感器网络定位精度的准确性, 对质心定位算法进行优化. 在测距阶段, 采用均值滤波和中值滤波相结合的方式对RSSI值进行预处理; 在定位阶段, 使用距离倒数的指数幂对质心加权; 同时引入迭代的思想, 解决了定位中锚节点密度不高的情况下, 节点无法定位的问题. 实验结果表明, 本文改进的算法与质心定位算法和距离加权的质心定位算法相比, 能够有效地提高无线传感器网络的定位精度.     

多站虚拟量测变换均值无源定位算法

在多站无源均值定位算法中,为了解决部分传感器间夹角过大或过小所导致的定位精度下降问题,提出一种基于虚拟量测变换的多传感器管理无源定位算法.首先在全局坐标系下分析了传感器间夹角对误差几何稀释度(GDOP)的影响,进而得到双站获得较好定位精度的夹角约束关系;其次针对不满足该约束关系的传感器组合提出一种虚拟量测变换定位算法,通过空间管理的方法达到对传感器的优化布站,并结合算法的实施步骤对其原理及特点进行了理论分析,尤其对变换前后的交点精度进行了比较.仿真结果表明虚拟量测算法的定位精度要明显优于均值算法,进而说明该算法的有效性及传感器管理在多站无源定位中的重要作用.     

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对 DV Hop算法在实验环境中存在的问题,加入接收信号强度指示器（RSSI）测距模块辅助定位,对算法进行改进。为了实现定位系统,首先,需要建立当前实验环境的RSSI模型;然后,应用该模型,从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明：改进后的定位系统在增加少量计算复杂度的情况下,改善了系统的稳定性,提高了定位的精度,可以被应用到无线传感器网络中。     

Managing cohort movement of mobile sensors via GPS-free and compass-free node localization

A critical problem in mobile ad hoc wireless sensor networks is each node’s awareness of its position relative to the network. This problem is known as localization. In this paper, we introduce a variant of this problem, directional localization, where each node must be aware of both its position and orientation relative to its neighbors. Directional localization is relevant for applications that require uniform area coverage and coherent movement. Using global positioning systems for localization in large scale sensor networks may be impractical in enclosed spaces, and might not be cost effective. In addition, a set of pre-existing anchors with globally known positions may not always be available. In this context, we propose two distributed algorithms based on directional localization that facilitate the collaborative movement of nodes in a sensor network without the need for global positioning systems, seed nodes or a pre-existing infrastructure such as anchors with known positions. Our first algorithm, GPS-free Directed Localization (GDL) assumes the availability of a simple digital compass on each sensor node. We relax this requirement in our second algorithm termed GPS- and Compass-free Directed Localization (GCDL). Through experimentation, we demonstrate that our algorithms scale well for large numbers of nodes and provide convergent localization over time, despite errors introduced by motion actuators and distance measurements. In addition, we introduce mechanisms to preserve swarm formation during directed sensor network mobility. Our simulations confirm that, in a number of realistic scenarios, our algorithms provide for a mobile sensor network that preserves its formation over time, irrespective of speed and distance traveled. We also present our method to organize the sensor nodes in a polygonal geometric shape of our choice even in noisy environments, and investigate the possible uses of this approach in search-and-rescue type of missions.