基于光流和惯性导航的小型无人机定位方法

为了提高小型无人机定位精度,提出了一种基于光流系统和惯性导航系统相结合的定位方法.在介绍光流传感器工作原理,建立光流数学模型和分析光流测量误差之后,提出了采用双光流传感器测量飞行器的高度和速度,并将二维光流信息与捷联惯性导航系统(SINS)通过扩展卡尔曼滤波器(EKF)进行数据融合,得到实时的位置、速度和姿态.室内实验结果表明:该方案能够有效地减小导航中的位置、速度和姿态误差,提高定位精度.     

无线定位与惯性导航结合的室内定位系统设计

面对室内定位的实际应用需求,分析了基于接收信号强度指纹法定位技术精度较低、单纯的惯性导航累积误差较大等问题,采用基于信赖度的联合定位算法对多种信息进行融合处理,以获得较高的综合定位精度。通过基于ZigBee的无线传感器网络平台及多种MEMS运动传感器的联合,设计并实现了多信息融合的室内定位演示系统。由于多种信息的融合,不需要依赖大量样本的指纹库,从而降低了实现过程中离线指纹库建立的工作量。经实验数据分析,基于信赖度的联合定位方法具有较高的定位精度和较低的实现复杂度。     

井下无人驾驶列车惯性导航定位系统

目前井下无人驾驶列车定位技术根据安装在车轮上的光电传感器推算列车位移,当井下无人驾驶列车行驶在潮湿轨道上发生打滑现象时,会产生定位误差。针对该问题,提出了一种井下无人驾驶列车惯性导航定位系统。该系统在现有井下无人驾驶定位技术基础上引入惯性导航模块,结合光电传感器数据和惯导数据,采用双阈值算法判断列车行驶异常状况,提高了无人驾驶列车的安全系数。惯性导航模块采用LPMS-NAV2测量目标载体的加速度、航向角,并计算目标载体的位置坐标;针对惯性导航模块测量目标载体加速度时受重力加速度影响的问题,采用z轴加速度补偿方法来消除重力加速度引入的误差;针对惯性导航模块定位时存在累积误差的问题,引入权值反馈约束算法,通过构建平方差损失函数对系统定位点进行权值约束,以降低累积误差。在井下巷道每个岔路口设置位置信标,对定位信息进行二次校准,进一步提高定位精度。室内测试结果表明,井下无人驾驶列车惯性导航定位系统的平均定位误差为0.52m。     

煤矿井下精确定位系统研究

针对现有基于RFID,ZigBee,WiFi等技术的煤矿井下人员定位系统定位精度较低的问题,提出了融合可见光通信和惯性导航系统的煤矿井下精确定位系统。该系统以煤矿井下LED照明灯作为LED可见光定位基站,利用智能信息矿灯内置CMOS摄像头接收可见光信号进行定位,利用智能信息矿灯内置加速度传感器和陀螺仪数据进行时间积分得到井下人员运动轨迹和方向,并通过智能信息矿灯识别LED可见光定位基站的ID编码信息重新定位来修正惯性导航数据,从而实现精确定位。在煤矿井下布置8个LED可见光定位基站,通过5台智能信息矿灯以正常速度移动来测试系统定位精度,结果表明系统定位误差小于1m,满足煤矿井下人员定位精度要求。     

基于UWB室内定位系统应用与研究

通过分析当前常用室内定位技术和实施优缺点,引入UWB(Ultra Wide Band,超宽带)定位模块,分析了UWB室内定位系统的原理以及设备上的实现方案,从定位精度和定位动态性能两方面进行关键性技术研究,改进了基于单一方法的定位技术。针对定位精度问题,根据人体下肢运动过程中的对称性特点改进现有的行人航迹推算算法。针对定位动态性能问题,引入惯性导航定位模块,将改进的PDR算法与UWB定位方法进行融合,通过实验测量说明,使用TOA跟踪算法响应速度较快,设计的UWB室内定位系统具有小于5cm的室内定位精度,重复精度小于1cm。     

基于手持设备的室内定位系统设计与实现

为解决无法在室内使用GPS的问题,设计并实现了基于常用手持设备(如手机、平板电脑)的室内定位系统。系统融合了传统的惯性定位方法和基于WiFi信号强度定位方法,易于搭建,仅需一个包含惯性传感器、电子罗盘、WiFi扫描的手持设备。提出了惯性定位中的路径匹配算法和WiFi信号定位方法中的位置估计算法。经实际测试,系统定位精度小于4m。     

一种基于改进Kalman滤波的多传感器室内定位方案

利用手机内置加速度传感器、陀螺仪等多传感器融合进行行人航位推算实现室内定位,具有成本低、灵敏度高、定位方法简便等优点,但在人员非步态扰动及传感器自身测量误差产生漂移情况下,传感器信号采集的波动干扰大,导致室内定位精度较低.针对此问题,提出一种改进的Kalman滤波.以均值滤波对采样信号做一次处理,降低波动明显的采样数据干扰和系统响应时间,再将处理后的采样数据作为一次测量值利用Kalman滤波进行递归运算,提高了系统定位精度.实验结果表明,该算法较传统Kalman滤波在2 m内的定位精度提高了57.3百分点,其1 m内定位精度也能达到68.2％,同时运行稳定性也有所增强.     

基于GLRT零速检测算法的行人室内定位系统

针对微机电系统中惯性传感器漂移大、精度低导致室内行人定位精度不高的问题,本系统在惯性导航解算算法的基础上,提出基于广义似然比检验的零速检测算法.该方法是利用广义似然比检验对行人处于站立相或摆动相的概率进行估计以及进行零速更新,提高行人定位精度.基于本文提出的行人室内定位模型,搭建以惯性测量单元为核心的实验平台,评估本文算法的可行性.实验结果表明行人定位的动态误差为-1.8141 m~1.4516 m,置信度为97.61%.表明本文的行人室内定位系统满足实际定位的要求.     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于Android平台改进的室内WiFi定位算法的研究

基于Android手机平台设计并实现了WiFi室内定位系统。该系统采用指纹定位算法,通过手机采集室内WiFi信息并建立数据库,当用户发出定位请求时,手机将扫描到的WiFi信息发送给数据库,通过匹配算法进行位置定位。通过对采集后的数据进行加权以及对数据库数据进行预先处理,降低了运算量,同时去除了较小的信号强度的干扰。实验表明,与传统算法相比,该系统定位精度大大增加。