基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

移动机器人Markov定位算法的研究——方向传感器建模新方法

为了改善移动机器人Markov定位算法中方向传感器模型的性能,提出基于高斯函数的新概率模型.该模型考虑了方向角周期性问题,对相位进行了转换,利用高斯函数对方向传感器进行了概率建模.将此模型放入Markov算法,与其他传感器组成观测模型,并进行对称环境中的单次定位仿真和复杂环境中的连续定位仿真.仿真结果表明,这种概率模型计算量小,收敛速度快,在大量测量噪声存在下工作稳定.     

基于全景视觉机器人定位的路标提取方法

针对全景图像像素点过多、图像复杂导致单一图像分割算法难以提取出图像中人工路标的问题,提出了一种用HSV阈值分割法与OTSU最大类间方差法相结合的算法.通过对两种算法的结合使用,可以更有效地滤除图像中的干扰区域及干扰点,从而将路标从图像中提取出来.利用三角定位法的相交圆法计算出移动机器人的坐标,完成对移动机器人的定位.结果表明,该方法能够提取出全景图像中的路标,有效地避免了错误提取的情况,具有一定的可行性.     

基于图形路标特征的精确定位研究

定位系统是智能移动机器人中一项重要的基础性工作,精确定位对机器人的实时导航具有重要的意义。随着计算机图像处理技术的发展,基于图像的定位技术也在不断地进步。该文提出一种基于图形路标的精确定位算法。首先对采集图像进行数据压缩处理,去除图像中冗余的信息,减少计算量、提高运算效率;其次通过SIFT算法对不同尺度空间下的图像进行特征提取,使得不同背景下的图形路标依然能够匹配;最后通过三角定位法来实现移动机器人的精确定位。实验结果表明,该算法是移动机器人实现精确定位和自主导航的一种可行方法。     

不确定性量测的融合估计

为了解决多传感器环境下各传感器观测的有效性具有时变不确定性时,难以恰当地构造系统观测向量与观测矩阵的困难,提出一种不确定性观测向量的量测融合算法.该方法对现有并行滤波量测融合估计算法进行推广,为各传感器观测向量的每一维定义其有效度函数,来构造能表示量测不确定性的广义观测向量以及广义误差方差阵,获得形式上的有效量测,就可以利用现有的量测融合方法获得最优融合估计.为了便于数值计算,同时给出一种次优的融合估计算法.实验结果表明,文中方法能适应量测有效性时变情况下的多传感器量测融合估计,且计算量与现有确定性量测的融合估计方法基本相同.     

一种非视距环境下改进的组合定位算法

为解决基于UWB技术的室内定位算法在测距时存在非视距误差以及异常值,而导致定位精度以及稳定性下降问题,文中提出了一种能够鉴别非视距环境以及消除非视距误差的组合定位算法。该算法通过二项假设检验鉴别非视距环境,在扩展的卡尔曼滤波算法中的待估计的状态向量之中引入非视距转换因子,利用迭代算法消除非视距误差对定位估计的影响,最后通过CTK算法对定位进行精确计算。实验结果表明,该算法针对非视距环境在约95%的定位结果中的误差仅为0.04m左右,相比于CTK算法,定位精度效果提升了13%左右,定位结果更加准确,可以更好满足室内移动机器人的定位要求。     

基于映射曲线的自适应莱维鲸鱼无线定位算法

针对多维定标（MDS-MAP）算法计算效率低且定位精度不高的问题,提出了一种基于映射曲线的自适应莱维鲸鱼无线定位（AWL-MC）算法.采用映射曲线距离分析方法对待定位节点进行粗略相对定位,以提高节点的计算效率;再通过线性变换将相对坐标转换成绝对坐标;最后采用自适应莱维飞行鲸鱼优化算法对待定位节点坐标进行全局和局部搜索寻优处理,避免产生局部最优解,提高了定位精度.仿真结果表明,AWL-MC算法相比MDS-MAP算法的定位精度改进率为66.42%,计算效率提高了52.57%,相比多维定标扩展卡尔曼滤波的定位精度改进率为57.80%,计算效率提高了66.01%.     

基于RSSI的改进泰勒级数室内定位算法

室内定位算法的定位范围有限,对定位精度的要求比较严格.泰勒级数展开的定位算法,在研究分析基于信号接收强度(RSSI)的测量距离时,计算接收信号强度转换为距离并不可靠,影响最终定位精度.通过对节点接收信号强度进行采样并分析,滤除过大误差,来进一步减小测量误差以达到提高定位精度.泰勒级数展开的初值可以通过传统加权质心定位算法获得.通过MATLAB仿真实验结果验证了该改进型算法的可行性和有效性,复杂度低且提高了泰勒级数定位算法的定位精度.     

基于中心差分卡尔曼滤波器的快速SLAM算法

针对密集路标环境下机器人同时定位与地图创建(SLAM)速度缓慢以及一致性不够收敛,提出了一种使用Stirling多项式插值方法对非线性过程进行近似的卡尔曼滤波器,同时利用路标测量统计信息对SLAM过程中的状态向量和状态协方差进行动态调整的SLAM方法.此方法对预测方程和测量方程使用Stirling多项式插值方法可以近似到二级甚至是更高级的泰勒展开.使用路标统计信息动态计算各个路标对于当前时刻状态向量的权重,利用此权重进行状态向量和状态向量协方差动态调整.实验表明无论是在稀疏路标环境下还是在密集路标环境下此方法在内存占用、SLAM速度以及对机器人定位的一致性上都优于FASTSLAM.     

水下通信中时差法定位算法的应用研究

为进一步探讨水下声频传感器网络中声频传感器定位的精度问题,以目标位置为研究对象,应用噪音模型实现模拟产生时差法的测量值,采用迭加法,建立目标位置系统偏差的数学模型。通过改变系统方差、测量次数和目标至初始位置的距离等条件,可验证系统偏差的存在。对各模型算法的仿真结果表明,R.Bucher算法的定位精度更高,而最小二乘定位算法所需的传感器节点更少。通过对计算结果的比较分析可得出两种算法的应用条件和适宜范围。     

路面路标高精度地图构建与多尺度车辆定位

为提高智能车定位精度,提出一种利用路面标志构建高精度地图的方法,并在制作的地图基础上提出多尺度车辆定位算法.以路面路标为核心构建高精度视觉地图,地图中每个路标均包含路标视觉特征、几何结构信息,以及其在参考坐标系的精确的位置关系.在定位过程中,首先通过GPS粗匹配计算车辆位置在地图中的位置范围;然后匹配地图中的视觉特征实现路标级定位;最后通过地图中的路标的几何结构信息与参考位置关系实现车辆位置的精确计算,从而实现基于路面路标高精度地图的车辆多尺度定位.针对某大学校园约3.4 km的道路路面标志(包括路面直行箭头、右转箭头、井盖等)进行高精度地图构建,并以之为基础实现车辆定位.定位实验结果表明:算法平均定位误差为12.5 cm,最大定位误差为23.3 cm.定位采取先制图后定位以及多尺度匹配的策略为高精度智能车定位建议了一种新的方法.     

一种融合卡尔曼滤波的室内组合定位算法

为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan-Taylor-Kalman组合定位算法。该算法在Chan-Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明：相比Chan-Taylor协同定位算法,Chan-Taylor-Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。     

无线传感器网络定位算法的研究

在无线传感器网络中,因无线传感器设备功耗、价格和硬件限制及对定位精度的要求,距离无关定位机制被认为是一类具有成本效益的解决方案。介绍了距离无关定位机制中的DV-hop定位算法,研究了不良节点、网络拓扑结构、锚节点和邻居节点对DV-hop定位算法性能的影响,分析了算法的通信量和计算量。在连通的网络中,该算法能够达到35%~40%的平均定位精度;该算法只需要较少的锚节点,计算和通信开销适中,不需要节点具备测距能力,是一个可扩展的算法,适用于各向同性的密集网络。     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。     

山区复杂地形的无线传感器网络节点定位算法

针对在山区地形上非测距三维基于距离向量的定位算法存在定位误差较大的问题,提出了山区复杂地形的无线传感器网络节点定位算法（NLA-MT）.该算法有效地利用了山区地形环境的特点,用局部平面拟合山区地形表面,并将三维空间定位运算降为二维平面的定位运算来进行节点定位,有效提高了节点的定位精度.不同通信半径、不同锚节点比例、不同节点总数的多角度仿真实验结果显示,NLA-MT定位算法在山区地形场景中表现良好,有效提高了无线传感器网络非测距定位算法精度.     

基于随机游走的无线传感器网络节点定位方法

为提高无线传感器网络中的节点定位精度,提出一种自适应随机游走模型的节点定位算法.首先将随机游走应用于网络拓扑结构连通性中,构建节点间相对距离模型,并设计自适应算法,提高该模型有效性;然后通过将该模型嵌入经典定位算法distance vector-hop（DV-Hop）中实现系统节点定位工作.仿真和实验结果表明,该算法具有良好的鲁棒性和定位精度,误差比DV-Hop算法减少了20%~30%.     

无线传感器网络节点定位算法研究

针对无线传感器网络中DV-Hop定位算法在未知节点到锚节点距离计算中的不足,提出了一种新的距离计算方法。该算法考虑了未知节点到锚节点路径中相邻三个节点组成的夹角对距离的影响,从而更精确计算出距离,并对改进算法和原算法进行了对比仿真。仿真结果表明,改进算法有效地提高了节点的定位精度和覆盖率.     

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

分布式声源定位算法实现

为了提高声源目标在三维定位中的精度,建立声源定位三维仿真模型,通过测量声源到各传感器之间的到达时间差,计算出声源到达各传感器的距离差.以泰勒级数展开算法为核心,估计出声源的三维坐标,通过Matlab对均方根误差、声源坐标的估计进行仿真,通过VC＋＋与Matlab进行混合编程实现声源定位仿真系统,实现传感器坐标的串口的实时采集.仿真结果表明所提出的算法具有较高的定位精度,估计位置与声源实际位置偏差不超过3 m.