多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

基于多传感器融合技术的室内移动机器人定位研究

为解决室内环境中移动机器人使用单一传感器定位精度低和稳定性差的问题,提出了一种融合了轮式里程计、惯性测量单元(IMU)、超宽带(UWB)和激光雷达定位数据的多传感器融合定位方法.基于扩展卡尔曼滤波(EKF)算法和自适应蒙特-卡罗定位(AMCL)算法,依次对不同传感器定位数据进行融合.实验结果表明:多传感器融合有助于室内...     

基于多传感器融合的移动机器人定位算法研究

针对移动机器人在室外环境下全局位姿定位精度低、定位耗时长的问题,提出一种基于多传感器融合的机器人定位算法。首先构建移动机器人的运动模型,并选用里程计、惯性测量单元IMU和激光雷达作为移动机器人的基础传感器;然后采用自适应蒙特卡罗定位算法对传感器融合位姿进行位姿误差计算,获取移动机器人初始位姿;最后进行激光点云匹配,获取全局地图,并利用基于全局正态分布地图的NDT算法进行初始位姿修正,最终实现全局位姿校正和高精度定位。结果表明,基于多传感器融合的移动机器人定位误差控制在0.04 m范围内,定位时长均值为0.045 s,定位误差较小,定位损耗时间较少。由此说明,本定位算法可提升移动机器人的定位精度和定位效率,可实现移动机器人全局位姿快速、精确定位,提出的定位算法具备一定的有效性。     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

基于多传感器融合的双轮差速机器人定位研究

针对单一传感器有一定的误差与使用场景限制的问题,往往需要通过融合滤波技术对多传感器的测量信息进行优势互补。为改善由惯性姿态测量单元(Inertial measurement unit, IMU)与轮式里程计（Wheel Odometry）组成的航迹推算（Dead Reckoning, DR）长期使用时产生不可忽略的积分误差,以及全球定位系统（Global Positioning System, GPS）在遇到信号被遮挡或者干扰的情况下将无法正常工作等情况所引起的问题,本研究结合GPS、IMU、轮式里程计三种传感器对双轮差速机器人进行定位,以起到互补的作用,使其能够适应更加多样化的环境;同时,我们定时使用GPS模块对DR推算位置信息进行修正,并比较IMU互补滤波解算法与DMP解算法,选取效果更好的方案获取机器人欧拉角,最后使用扩展卡尔曼滤波(Extended Kalman Filtering, EKF)算法对传感器数据进行融合处理,得到机器人的最优定位。结果表明,在采用了多传感器融合的方案之后,机器人的定位精确度较之只有单一传感器的方案有了显著的提升。     

基于异类传感器观测信息融合的UKF算法

针对传统的目标跟踪无迹卡尔曼滤波(UKF)滤波算法中,多传感器信息融合的前提是所有的传感器观测信息及维数相同,不适用于由多异类传感器组成的观测系统,提出一种改进的UKF滤波算法,以多异类传感器观测量扩展融合后的融合信息为新观测量建立混合坐标系下的非线性测量方程。通过仿真验证,提出的算法可以有效降低目标定位误差。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波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。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

基于无线传感器网络的机器人定位跟踪研究

针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中,通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差,采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿,从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下,分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合,进一步提高了机器人轨迹跟踪的精度。     

空间再入飞行体多传感观测融合仿真研究

空间飞行器再入飞行的可靠观测无疑是一个值得关注和探讨的问题。弹道导弹是一种典型的空间再入飞行器,其沿着预定弹道飞行,速度快,且可发生机动。对于弹道导弹的运动可以用较为简单和基本的运动模型的交互来近似,也可以用地面雷达和光学传感器来观测。将近似运动模型和观测值代入专门针对非线性估计问题的无味卡尔曼滤波(UKF)框架中,再利用数据融合算法,可以实现弹道导弹的航迹估计。文中首先描述了弹道导弹的运动模型,继而给出了不同传感器的量测方程和运动体的基本运动模型,然后阐述了交互多模型(IMM)、UKF及多传感数据融合算法,最后在仿真系统中实现航迹并得出结论。     

基于容积卡尔曼滤波的异类多传感器一致性融合算法

针对单一光频传感器获取目标特征信息存在的不一致性,提出一种基于容积卡尔曼滤波的异类多传感器一致性融合方法。首先,从原理上分析了激光、红外与雷达三类传感器量测信息的特征及其存在的差异,进而在容积卡尔曼滤波框架下,针对雷达、红外和激光探测等组成的典型目标侦测系统,结合一致性融合策略,通过对目标距离和方位信息融合处理改善目标状态估计精度。仿真结果表明：相对于传统的单传感器滤波方法,所提出的融合方法和策略具有较好的滤波性能。     

基于多传感器数据融合的深海集矿机导航与定位

考虑到深海底的复杂、未知工作环境,在深海集矿机的海底导航与定位研究中提出了一种基于多传感器数据融合思想的深海集矿机导航与定位方法,该方法使用一种修正的长基线水声定位系统,采用自适应卡尔曼滤波算法,融合由长基线水声定位系统对集矿机位置的测量值和通过多普勒测速仪等其他传感器的测量值间接得到的关于集矿机位置的推测值,得出某时刻集矿机位置的最优估计;此方法适合集矿机在复杂未知的深海底环境中实现自主导航与定位任务;仿真和试验结果印证了此方法的有效性.     

移动机器人基于多传感器信息融合的室外场景理解

本文研究了移动机器人多传感器信息融合技术,提出一种融合激光测距与视觉信息的实时室外场景理解方法．基于三维激光测距数据构建了高程图描述场景地形特征,同时利用条件随机场模型从视觉信息中获取地貌特征,并以高程图中的栅格作为载体,应用投影变换和信息统计方法将激光信息与视觉信息进行有效融合．在此基础上,对融合后的环境模型分别在地形和地貌两个层面进行可通过性评估,从而实现自主移动机器人实时室外场景理解．实验结果和数据分析验证了所提方法的有效性和实用性．     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...     

基于多传感器数据融合的机器人里程计设计与实现

设计并实现了一种基于FPGA和多光电鼠标的高精度机器人里程计。多个PS/2光电鼠标传感器测量位移数据,利用FPGA解析PS/2协议并完成数据融合,得出高精度机器人里程计结果。针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程计在有异常数据干扰情况下,能够达到较高的测量精度。     

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状.对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析.同时,展望了移动机器人导航技术的发展趋势.