基于超宽带位置指纹与惯导融合的室内定位技术研究

在室内定位环境复杂多变的情况下,超宽带(UWB)信号易受多径干扰和非视距环境影响,导致定位精度不高。鉴于指纹定位和惯导定位不受多径干扰和非视距环境影响,以及UWB信号具有时间分辨率高和测距精确的特点,以由非对称双边双向测距算法获得的UWB测距值为指纹库匹配数据,建立了结合K中心聚类和加权K近邻的UWB指纹定位算法;提出了利用扩展卡尔曼滤波将UWB指纹定位与惯导定位进行融合的融合定位算法。定位实验结果显示,该融合定位算法能将平均定位误差降至0.248 m,对有效提高室内定位系统的可靠性和定位精度具有重要作用。     

双源信号下多元尺度融合室内位置测算方法

针对大型多接入点场景的指纹定位中存在的定位点区域归属误判、离群点干扰的问题,提出一种双源信号下多元尺度 融合室内位置测算方法。 指纹在线定位阶段,利用 PDR 信号的时空信息,将定位点归属分区内的参考点数量进行扩展,缓解邻 界区域误判带来的负效益;此外,利用多元距离与卡方距离代替传统欧氏距离,结合空间域物理距离尺度,实现多元尺度下的近 邻筛选,有效克服离群点干扰;引入 K 值动态适配,并基于此进行 Wi-Fi 与 PDR 预定位的动态链接式融合,进一步提高定位算 法的准确性。 实验结果表明,在引入双源信号的相同条件下,相比其他多元尺度与动态 K 值算法,所提方案综合性能较优,平均 定位精度优于其他算法 6. 6% ~ 23. 1% 。     

基于神经网络的WiFi位置指纹室内定位算法研究

WiFi技术定位技术是当前室内定位技术研究的热点方向,针对WiFi位置指纹室内定位技术需求,该文提出了一种神经网络模型算法,利用Python平台构建神经网络算法模型,并根据模型求解结果进行分析,最终实现对目标对象的定位仿真,并选取了WiFi位置指纹最常用的KNN(K-Nearest Neighbor)算法、随机森林算法,将神经网络模型定位结果与KNN算法、随机森林算法进行比较分析,仿真结果验证了神经网络定位算法的优越性。     

基于反馈校正的WLAN与PDR融合定位方法研究*

在智能手机作为终端的室内定位系统中,基于WLAN的指纹定位和行人航位推算定位(PDR)是较为常用的方法。WLAN定位方式能够进行独立定位,但稳定性差;PDR定位短时间内稳定性好,但易产生累积误差且不能进行独立定位。针对上述问题,本文通过分析两种定位方式的误差特点,提出一种基于反馈校正的融合定位方法。该方法主要分为两个过程:基于自适应粒子分布的信息融合过程和基于融合信息的PDR自适应线性反馈校正过程。利用提出的融合方法,可以很好地解决一般融合方法所存在的定位结果稳定性差的问题。实验数据表明,本文提出的融合定位方法对最终的定位结果有较大的改善效果。     

基于地磁序列匹配的大型室内动态定位方法

基于地磁信号的定位技术无需架设信号发送设备,成本低且可覆盖室内定位范围广。针对室内地磁定位方法采集工作繁琐复杂需反复测量才能精准映射二维平面坐标点的现状,提出一种基于移动终端图像可视化映射和自动插入采集数据的方法,快速采集室内地磁指纹,动态建立匹配室内二维地图的指纹数据库。在此基础上,定位阶段使用改进的动态时间规整(DTW)算法进行地磁序列匹配,提高大型数据库的动态定位效率。后续采用粒子滤波算法融合地磁序列定位和行人航位推算(PDR)的结果,在智能移动终端载体上实现快速精准定位。实验结果表明该动态定位方法在大型室内区域的动态实时跟踪定位效率为每步65 ms,平均定位精度为1.4 m以内。     

基于自适应PDR补偿的UWB/MIMU组合行人定位算法

为提高室内环境下行人的定位精度,针对超宽带(UWB)和微型惯性测量单元(MIMU)在行人室内定位中存在的定位不连续和定位误差累计问题,提出一种自适应行人航位推算(PDR)补偿的UWB/MIMU组合方案。首先提出一种多约束的PDR计步算法,降低了对阈值设置准确性的要求,消除了伪波峰和伪波谷对计步结果的影响;接着通过引入零速更新(ZUPT)和零角速率更新(ZARU)组合的方法对航向角误差进行修正;最后基于自适应滤波算法解算行人的位姿并进行了实验验证。结果表明,所提方案有效抑制了定位轨迹误差增大趋势,使得偏航角误差减少2°。     

一种AGV改进惯性导航系统的设计及实现

为提高惯导式自动导引车(AGV)的导航精度,设计了一种改进惯性导航系统。该系统以单片机为核心,将基于差速驱动模型求得的AGV航向角作为状态量,将由惯导单元测量的角度值作为观测量,通过Kalman滤波来优化航向角;同时基于模糊PID算法进行AGV驱动轮的转速控制来提高航向角的控制精度。针对惯导系统易产生的累积误差,设计了磁钉纠偏模块进行有效消除。实验测试结果表明,该系统能够进行偏航角的准确测量和控制,实现了惯导式AGV的精确导航;与常规惯导系统相比,其导航误差平均减少近50%,验证了改进系统的有效性和优越性。     

单轴旋转惯导系统建模与仿真

建立了单轴旋转式捷联惯导系统数学模型和仿真模型,采用的导航算法能有效避免转台测角误差对系统定位精度造成的影响;仿真结果表明旋转IMU能提高抑制惯导定位误差的累积,提高惯导定位精度、姿态精度和速度精度也同时得到提高。     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

基于秩卡尔曼滤波的室内行人航位推算算法

针对采用卡尔曼滤波进行室内行人导航数据融合时精度较低的问题,在行人航位推算技术的基础上,提出了一种基于秩卡尔曼滤波(RKF)的行人航位推算导航(PDR)方法。RKF技术由于采用特殊的秩采样机理,可以很好地处理非高斯和非线性系统问题。通过将RKF技术和零速修正(ZUPT)技术相结合,对室内行人运动中测得的多传感器数据进行融合,实现更加精确的室内行人导航定位。首先,利用零速检测算法从MEMS传感器测量数据中分析得到零速信息;然后,利用得到的零速信息作为ZUPT和RKF算法的信息源参与融合解算得到最终的行人位置;最后实验结果表明,基于RKF的PDR算法相对于采用扩展卡尔曼的行人航位推算算法有一定的提高,使得室内行人导航定位误差减小了18.91%。     

一种基于图优化的行人协同定位方法

基于手机惯性传感器的行人航位推算方法是行人导航的核心方法之一。 然而由于传感器噪声等因素,航位推算获取 的位置信息误差往往随着时间发散,通常将航位推算和卫星导航通过卡尔曼滤波构成组合导航系统,利用卫星提供的高精度定 位信息补偿航位推算误差。 提出一种基于图优化的行人协同定位方法,将状态转移、量测和协同测距信息都作为状态的约束, 统一进行优化估计。 为验证方法的有效性,分别在卫星信号良好、无卫星环境下进行了实验验证。 实验分析结果表明,基于图 优化的行人协同定位方法在有无卫星信号情况下,都可以有效地提升系统的定位精度。 和基于卡尔曼滤波的协同方法相比,最 大水平定位误差都减少了 30% 以上。     

可见光通信与双目视觉的室内定位

提出一种基于可见光通信与双目视觉测量的高精度室内定位方法,旨在为室内移动机器人提供一种精度高、成本低、不易受干扰的室内定位方案。该方法利用双目视觉传感器对LED光源进行成像测量,利用惯性测量单元传感器记录成像测量的三维姿态角,并通过可见光通信技术获取LED光源的坐标信息,最终计算双目视觉传感器相对于LED光源的三维坐标。根据该方法研制了一款基于可见光通信与成像的定位模块,该模块可以利用单个或两个LED光源进行成像定位。当定位模块采用1280×720分辨率的图像时,在2 m×2 m×3 m室内环境中可实现厘米级移动定位,定位频率大于5 Hz;当利用两个相距60 cm的LED光源进行定位时,在三维方向上的定位误差均小于5 cm,同时能够提供小于1.4°的定向纠正。该方法可以为室内移动机器人提供厘米级定位导航服务。     

基于 DPC 指纹子空间匹配的室内 WiFi 定位方法

针对无线接收信号强度 (RSS) 受传播环境突发噪声影响从而引起指纹定位较大误差的问题,本文提出了一种指纹子 空间匹配结合密度峰值聚类 (DPC) 的定位算法,有效避免大误差点。 首先通过在线阶段目标 RSS 信号的接入点 (AP) 覆盖 向量,确定有效的参考位置点,并划分多个指纹子空间,利用改进的 WKNN 算法估计目标在每个子空间内的位置;最后利用 DPC 算法选取决策值最大的 S 个估计位置确定目标。 所提算法简单,不需要离线阶段的学习过程训练定位模型,尤其适合存在 大量 AP 的大范围室内定位区域。 实际环境中的定位实验表明,基于 DPC 的指纹子空间匹配算法比 WKNN 算法的定位精度提 升了 25% 左右,且在参考点分布密度为 1. 8 m × 1. 8 m 的实验条件下基本消除了 4 m 以上的大定位误差,有效提高了定位方法 的整体性能。     

大视场室内移动机器人高精度动态定位方法

高精度室内定位是移动机器人实现自主导航、运动控制和协同作业等任务的前提条件.利用单目视觉定位原理,提出了一种针对大视场的室内移动机器人绝对定位方法.该方法适用于室内多移动机器人同步动态定位,解决了大视场环境下多相机非线性标定和视场融合问题,相机标定精度提高了52.6％.为提高移动机器人动态定位精度,设计了基于光信标的高...     

室内移动机器人导航系统研究与实现

实现了一种低成本高性能室内移动机器人导航系统。针对 Cartographer 算法使用激光雷达数据在室内 Long-Corridor 场景下建图的局部匹配错误导致定位不准的问题,使用扩展卡尔曼滤波融合激光雷达、里程计和惯性测量单元 3 种数据进行位姿估计,得到较为精准的定位,可有效提高建图精度;针对传统 AMCL 算法重定位耗时长的问题,采用基于扫描匹配的重定位方法,通过将当前 Scan 与 Submap 进行匹配,降低了扫描匹配方法的重定位耗时;针对 A * 全局规划算法路径搜索时间长、拐点较多的问题,提出一种改进 A * 算法,通过优化启发函数和增加拐角优化函数,缩短了算法搜索时间,同时去除了冗余拐点。结果表明,重定位耗时减少 80.43% ,改进 A * 算法搜索时间减少 22.79% 。     

基于单星测量的星光惯性组合导航

为减小杂光影响,全天时星光定向仪一般采用小视场,同一时刻只能观测一颗恒星无法输出姿态信息.本文提出一种基于单星测量的星光惯性组合导航系统,首先根据惯导输出的姿态和位置信息,控制转台和星光定向仪摆镜保证星光定向仪对目标导航星的观测,之后根据惯导的误差模型建立系统状态方程,根据星光定向仪测量的导航星方向矢量建立测量方程,利...     

Improving ultrasonic-based seamless navigation for indoor mobile robots utilizing EKF and LS-SVM

The ultrasonic positioning system is able to provide centimeter-level location information. However, the signal of the system is easy to be disturbed and the outages of the positioning system appear. Inertial measuring units (IMUs) is a self-contained device and can provide long-term navigation information independently, but it has the drawback of error drift. In order to obtain accurate and continuous location information indoors for indoor mobile robots, this work proposed a seamless integrated navigation utilizing extended Kalman filter (EKF) and Least Squares Support Vector Machine (LS-SVM). In this mode, the EKF estimates the position and the velocity of the robot while the signals of ultrasonic positioning system are available. Meanwhile, the compensation model is trained by LS-SVM with corresponding filter states. Once the signals of ultrasonic positioning system are outages, the model is able to correct inertial navigation system (INS) solution as filter does. A prototype of the system has been worked in a real scenario. The results show that the performance of EKF is robust, and the prediction of LS-SVM is able to work as EKF does during the outages.