基于地图匹配的室内定位算法研究

在对室内环境进行定位的过程中,基于粒子滤波的地图匹配算法能够实现室内定位结果与地图数据的有效融合。目前此类方法主要存在地图匹配时穿墙检测算法计算量大以及定位结果位于不可达区域的问题。针对穿墙检测算法计算量大的问题,在栅格地图的基础上建立地图信息矩阵,提出了一种基于地图信息矩阵的穿墙检测算法,在保证正确检测出穿墙粒子的同时,降低计算量;针对定位结果位于不可达区域的问题,提出了一种基于粒子滤波多重权重更新的地图匹配算法进行改进。理论分析和实测结果均验证了改进算法的合理性和有效性。     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于模拟退火优化BP算法的指纹地图构建方法

由于地磁信号的时间稳定性和位置差异性,基于地磁指纹的室内定位越来越受到重视。在离线建库过程中,为了降低采集数据工作量,提高构建精度,提出了一种模拟退火优化传统BP网络的模型预测方法。首先对所有的采集数据进行限幅滤波处理,然后通过模拟退火算法优化BP网络(SA-BP)中的权值以及阈值,避免其在训练过程中陷入局部最优解,提高预测性能。在不同的实验场景下用该方法进行指纹地图构建,并与传统的基于普通克里金插值法进行仿真比较,结果表明,用相同的指纹点数构建出来的指纹地图在正方形的实验区域估值误差控制在8.9%左右,在长方形的走廊实验区域估值误差控制在8.7%左右。同时在实际场景中做了定位实验,结合在线匹配阶段中的动态时间规整(DTW)算法和加权K最近邻(WKNN)算法进行定位,实验结果表明,定位误差均在1m,可以满足定位需求;同时,所构建方法和逐点采集构建方法相比,减少了大约30%的工作量。     

基于图像匹配的目标定位技术研究

本文通过对图像匹配过程的描述,使用SIFT算法完成对基准图像以及待匹配图像的精准匹配,从而实现对目标的定位。SIFT算法在图像匹配过程中具有很好的鲁棒性。通过实验验证其适合应用于目标定位领域。     

一种缩小定位区域的改进APIT无线传感器

通过对现有文献的分析可知传统APIT算法存在着定位误差大和覆盖率低的问题。针对上述问题,提出一种APIT的改进算法。引入缩小定位区域的思想,通过多次运用PIT算法求定位区域质心,将原APIT算法的一轮定位扩展为多轮定位,逐步减小定位区域,将较小定位区域的质心坐标作为未知节点的坐标,减小定位误差;同时,改进算法充分运用可移动的信标节点,逐步增加定位覆盖率。在MATLAB环境的各场景下对改进算法进行仿真,并将其与原有算法进行对比。仿真结果表明,改进算法能够在减小节点定位误差的同时提高定位覆盖率。     

基于改进ERSS的电气化接触网断线故障定位研究

针对电气化铁路接触网断线故障定位问题,采用改进ERSS定位算法,对RSSI值与质心法中加权因子进行预处理和改进。通过仿真实验表明,在相同测试条件下,该定位算法在提高定位精度,降低费用方面有很大的提高,从而为接触网故障迅速检修和列车运营恢复提供了有力保障。     

DGPS列车车站安全监测系统软件设计

车站差分GPS安全监测系统实现了对于车站内部调车机、脱轨器、铁鞋的位置实时监测、显示和安全报警,实现对数据的存储、统计、查询上报等功能,提高了列车车站的作业效率,减少了车站内部安全隐患,提高车站的通货能力.文中介绍了监测系统中心处理软件主要模块、算法和流程,详细描述了通信算法、差分GPS定位算法、地图匹配算法等.实验表明GPS差分处理算法精度满足列车车站监测要求.     

基于自适应无迹卡尔曼算法的工业物联网数据融合处理

为提高工业物联网实测数据精度,减少数据冗余、测量误差,提出了一种使用自适应无迹卡尔曼滤波(AUKF)算法对工业物联网中的多传感器信息进行数据融合处理的方法。首先给出并比较卡尔曼算法以及常规无迹卡尔曼(UKF)算法、AUKF算法原理及数学模型;在工业传感器观测值的基础上,分别应用常规UKF、AUKF算法对数据进行融合处理,并对仿真结果进行数值分析。结果表明,使用改进AUKF算法较其他数据融合算法能够显著提高状态估计的准确性和系统稳定性,可适用于工业物联网的实时生产环境。     

无线传感器网络中节点的自身定位算法分析

无线传感器网络中节点的自身定位是其大多数应用的基础,文章利用网络中存在的冗余信息,针对客观存在的不良节点,对现有分布式无需测距技术的Amorphous定位算法进行改进,以提高整个网络的平均定位精度。仿真结果表明,改进后的算法有效地降低了节点位置的平均估计误差。该算法无需任何附加的硬件支持和良好的拓展性,对实际的应用具有积极的意义。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

一种抗差自适应 UKF 算法及其在 GNSS / SINS 组合导航系统的应用

GNSS/SINS组合导航系统标准UKF算法缺乏对量测噪声方差及系统状态异常的自适应调节能力,进而影响了组合导航系统的滤波精度。为了解决上述问题,提出了一种抗差自适应UKF算法。首先,该算法引入变分贝叶斯估计原理以实时估计量测噪声方差;然后,基于滤波器预测残差,构建了自适应因子以降低系统状态异常时对导航解的影响;最后,将该算法应用于GNSS/SINS组合导航系统中,仿真结果表明,当量测噪声统计特性发生变化时,相对于标准UKF算法及抗差UKF算法,在整个仿真时段内,本文算法可提高位置精度分别为51.2%及9.3%,同时可以降低系统模型异常扰动和滤波器初值偏差对导航解的影响。实验结果表明本文算法具有较强的自适应性及抗差性,可提升复杂环境下组合导航系统的精度。     

多传感器组合导航系统的联邦 UKF 算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦 UKF 算法。 首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准 UKF 进行了简化;然后,以简 化 UKF 为基础提出了多传感器组合导航系统的联邦 UKF 算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容 错性能;最后,以 GNSS / CNS / SINS 多传感器组合导航系统为例进行了仿真验证。 仿真结果表明,相对于联邦线性卡尔曼滤波 器,联邦 UKF 算法可提高位置及姿态精度约 25. 8%、22. 2%,同时继承了联邦线性卡尔曼滤波器的容错性能。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于双目视觉的拖车钩检测与定位方法研究

在某些危险环境下需要拖车实施救援时,救援人员难以靠近,救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题,提出了一种拖车钩检测与定位方法ECSA-YOLOv5,首先改进YOLOv5算法,设计了高效注意力模块ECSA,将其替换掉空间金字塔池化模块上一层的模块,并增加一个大小为160×160的小目标检测层,能够更准确的获得拖车钩在图像中的像素坐标;通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理,从而获得更优化的视差图,得到更为准确的目标深度信息,提高拖车钩位置信息计算的精确度。基于Jetson Agx Xavier开发板进行了实验验证,实验结果表明,ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%,达到了99.0%,平均实时检测帧率为14 fps,定位测距在3 m内时,误差在3.5%以下,能够满足拖车钩的检测与定位的准确性和实时性的要求。     

基于ZUPT的车载MEMS惯性系统的混合滤波

针对车载系统在运动过程中运行时间长、动态性能变化频繁、车载导航系统不同的非线性特点,提出通过零速修正方法确定其动态特性。针对动态检测结果提出了混合滤波算法,根据车载导航系统不同的动态特性,特别是在GPS故障的情况下,采用本文提出的滤波方法有效地降低了载体在不同动态特性下的误差影响。实验表明,该方法能有效提高车载系统动态定位,改善由非线性误差导致车载系统误差积累造成的影响。     

基于AUKF的SINS/GPS紧组合导航系统研究

以无人驾驶中的导航定位技术为背景,研究了基于自适应无迹卡尔曼滤波器(AUKF)的SINS/GPS紧组合导航系统。设计了基于伪距和伪距率的SINS/GPS紧组合导航系统。针对常规UKF算法计算量大和容错性能差的问题,提出了一种基于比例调节因子的AUKF滤波融合算法。实验结果表明:对于SINS/GPS紧组合导航系统,基于比例调节因子的AUKF相比基于定常因子的UKF误差输出曲线更平滑,避免了非局部效应的影响,实现滤波精度的提高,具有良好的控制性能、跟踪能力和容错性能。     

Simultaneous registration and fusion of multiple dissimilar sensors for cooperative driving

The fusion of multiple sensory information plays a key role in cooperative driving for flexible platooning of automated vehicles over a couple of lanes within a short intervehicle distance. In this paper, the problem of online sensor fusion with spatially and temporally misaligned dissimilar sensors is considered. A spatial-temporal registration model for the popular intelligent vehicular sensors including radar, global positioning system, inertial navigation system, and camera is first developed for sensor alignment. An unscented Kalman filter (UKF) is proposed here to fuse and register these sensors that are installed on a platoon of vehicles simultaneously. When the road geometry information is available from a digital map database, a constrained UKF is further developed to improve the fusion accuracy. The effect of spatial-temporal sensor misalignment upon the vehicle-state estimation is also analyzed theoretically. Simulations show that the proposed UKF method not only can align the dissimilar vehicular sensors properly with both spatial and temporal biases, but can also obtain accurate fused tracks of vehicles in a platoon.     

基于边缘检测与注意力机制的立体匹配算法

随着深度学习理论的不断进步,端到端的立体匹配网络在自动驾驶和深度传感等领域取得了显著的成果。然而,最先进的立体匹配算法仍然无法精确恢复物体的边缘轮廓信息。为了提高视差预测的精度,在本研究中,提出了一种基于边缘检测与注意力机制的立体匹配算法。该算法从立体图像对中学习视差信息,并支持视差图和边缘图的端到端多任务预测。为了充分利用二维特征提取网络学习到的边缘信息,本算法提出了一种全新的边缘检测分支和多特征融合匹配代价卷。结果表明,基于本文模型的边缘检测方案有助于提高视差估计的精度,所获取的视差图在KITTI 2015测试平台上的误匹配率为1.75%,与金字塔立体匹配网络相比,视差图的精度提高了12%,且运行时间减少约20%。     

高动态下紧耦合组合导航改进UKF滤波器设计

由于紧耦合导航系统模型为非线性模型,采用线性化滤波方法,线性化误差将影响组合导航的精度,高动态下影响更为明显.UKF(平淡卡尔曼滤波器)避免了非线性系统模型的线性化过程,具有较好的精度.但在高动态条件下,随着滤波迭代计算的进行,舍入误差的积累会引起均方误差矩阵失去非负定性甚至对称性,使滤波增益矩阵失去合适的加权作用从而...