基于多传感器融合的车载三维测量系统时空配准

在车载三维测量系统中,为了快速、实时、完整地获取数字城市中所需要的三维空间信息,集成了全球定位系统(GPS)、激光扫描仪(LS)等多种传感器,其中,数据的处理应用了多传感器数据融合原理。各传感器间的空间配准和时间配准是多传感器数据信息有效融合的关键。通过解算各传感器坐标系间关系和利用激光扫描仪的时间记录功能、GPS时间打标功能解决了空间配准和时间配准问题,成功地应用于"近景目标三维测量技术",取得了预期的效果,并给出了实验结果。     

基于多传感器融合的移动测绘系统应用评述

随着多传感器融合技术的发展,地面移动测绘系统(TMMS)作为一种多传感器集成的快速、高效的无地面控制测绘技术,近年来得到了飞速的发展和广泛的应用。针对该系统的工作原理、应用特点等具体研究了TMMS的实际应用优势,并通过实例从其数据采集的快速高效性、数据成果的丰富性及数据精度等方面,针对性地分析了TMMS在数字城市与三维建模中的应用。随着城市信息化的发展,地面移动测绘技术将在数字城市建设中发挥巨大的作用。     

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。     

多传感器信息融合的自动驾驶车辆定位与速度估计

针对大学生无人驾驶方程式(FSAC)于地图内高精定位以及速度观测的问题,设计基于多传感器信息融合的状态估计算法,并应用于自研实车平台。算法基于迭代扩展卡尔曼滤波(iEKF) 进行设计,融合多类传感器,包括惯性测量单元 (IMU)、转角及轮速编码器、全球卫星定位(GPS)、相机与激光雷达(Lidar)。首先,利用IMU预测车辆先验状态,然后,建立并联融合架构,对各类传感器数据进行不同的信息处理,用于更新先验状态,由于并联融合的架构,不同传感器可独立地维护车辆的状态观测。实验结果表明,所提出的算法对地图内定位、速度观测有较好的精度,且具有足够的冗余性和实时性。     

低成本传感器数据融合技术辅助iPhone导航研究

多传感器数据融合辅助iPhone导航研究的是一个基于IMU/GPS/磁力计的联合解算导航算法,即将手机中加速度计测量到的比力信息与陀螺仪测量到的角速率信息通过扩展卡尔曼滤波技术进行融合。针对低成本传感器的特性,设计了相对应的初始对准方法。在GPS/INS组合阶段,通过添加载体坐标系下左右方向和竖直方向的载体速度为观测量来增加系统的可观测性,从而达到对状态量的更优估计,最终通过反馈校正得到较为精确的载体位置、速度和姿态信息。     

基于多传感器的语义数据融合方法研究

物联网已经渗透到各个领域,并对各领域数据进行自动采集和应用。但异构数据的存储和融合一直是物联网的技术难题,使数据信息不能被理解,阻碍传感器的应用。因此设计高质量的数据融合算法,具有重大实际应用价值。本课题拟通过语义,根据物联网传感器数据融合的理论分析与本体建模的方法,以及传感器本体和语义融合的一般方法,提出基于多传感器的语义数据融合方法,促进语义在物联网多传感器数据融合中的应用,为物联网系统的智能控制和决策分析打下基础,加快物联网在各领域的快速发展和深入应用,有一定的经济和社会效益。     

道路平整度检测多源数据高精度同步采集

随着使用年限增加,道路出现了不平整等路面损坏情况,急需一种快速、有效的道路平整度检测设备对道路进行检测。设计了一种道路平整度检测多传感器数据同步采集系统,以FPGA为控制核心,利用GPS输出的NEMA数据和高稳晶振建立高精度的时间基准,采用A/D采样的方式进行同步数据采集。为提高系统的抗干扰能力和数据采样的精度,传感器信号调理电路采用差分放大和抗混叠滤波设计。实验结果表明,该系统完成了多传感器数据高精度同步采集,时间同步精度为微秒级,能够为评价路面平整度提供高精度原始数据,具有数据采样精度高、稳定性好、抗干扰能力强、成本低等优点,已在武汉夕睿光电技术有限公司的道路检测车上得到成功应用。     

MEMS-IMU/GPS/GPRS组合导航方案设计与实现

针对日益增长的低成本导航定位需求,提出了一个MEMS-IMU/GPS/GPRS组合导航方案,以MEMS-IMU模块和SIM908单板机为载体,以GPRS为通讯手段,实时获取GPS/IMU位姿信息.并编写程序分别对GPS和IMU数据进行预处理并以松组合方式进行组合导航数据融合.为验证系统的可靠性和精度,进行了实际静态试验和车载实验,事后数据处理分析结果表明,提出的低成本组合导航系统具有一定的可靠性,导航定位精度达到分米级.     

基于GRU循环神经网络辅助的组合导航算法

针对复杂场景下GPS信号失锁导致的INS/GPS组合导航系统定位精度严重下降问题,提出基于GRU(门控循环单元)循环神经网络辅助的方法.在GPS信号锁定的情况下,使用GRU循环神经网络对IMU传感器数据、组合导航信息、GPS信息进行训练;GPS信号失锁后,利用训练好的模型进行预测,继续补偿INS结果.通过实际跑车采得的数据进行验证,在GPS信号失锁时,使用GRU循环神经网络辅助相较于纯惯导系统精度有较大提高.与MLP(多层感知器)辅助的方法进行比较,验证了循环神经网络对于连续时间轨迹推算的优越性.     

数据融合技术中Dempster-Shafer证据理论的应用

介绍了多传感器数据融合技术中的Dempster-Shafer证据理论法的应用.多传感器系统中包括声传感器、振动传感器、磁传感器和红外传感器.此系统对同类、异类传感器的信号采集、预处理,及数据的预处理结果用概率的形式表示,数据融合在此多传感器系统中的作用是采用Dempster-Sharer证据理论法进行融合,利用多传感器的互补与冗余信息,提高整个传感器系统的有效性.     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

Probabilistic terrain classification in unstructured environments

Autonomous navigation in unstructured environments is a complex task and an active area of research in mobile robotics. Unlike urban areas with lanes, road signs, and maps, the environment around our robot is unknown and unstructured. Such an environment requires careful examination as it is random, continuous, and the number of perceptions and possible actions are infinite.We describe a terrain classification approach for our autonomous robot based on Markov Random Fields (MRFs ) on fused 3D laser and camera image data. Our primary data structure is a 2D grid whose cells carry information extracted from sensor readings. All cells within the grid are classified and their surface is analyzed in regard to negotiability for wheeled robots.Knowledge of our robot’s egomotion allows fusion of previous classification results with current sensor data in order to fill data gaps and regions outside the visibility of the sensors. We estimate egomotion by integrating information of an IMU, GPS measurements, and wheel odometry in an extended Kalman filter.In our experiments we achieve a recall ratio of about 90% for detecting streets and obstacles. We show that our approach is fast enough to be used on autonomous mobile robots in real time.     

Real-Time Implementation of GPS Aided Low-Cost Strapdown Inertial Navigation System

This work details the study, development, and experimental implementation of GPS aided strapdown inertial navigation system (INS) using commercial off-the-shelf low-cost inertial measurement unit (IMU). The data provided by the inertial navigation mechanization is fused with GPS measurements using loosely-coupled linear Kalman filter implemented with the aid of MPC555 microcontroller. The accuracy of the estimation when utilizing a low-cost inertial navigation system (INS) is limited by the accuracy of the sensors used and the mathematical modeling of INS and the aiding sensors’ errors. Therefore, the IMU data is fused with the GPS data to increase the accuracy of the integrated GPS/IMU system. The equations required for the local geographic frame mechanization are derived. The direction cosine matrix approach is selected to compute orientation angles and the unified mathematical framework is chosen for position/velocity algorithm computations. This selection resulted in significant reduction in mechanization errors. It is shown that the constructed GPS/IMU system is successfully implemented with an accurate and reliable performance.     

基于弹载IMU/GPS组合导航系统的动基座对准研究与仿真

对基于弹载IMU／GPS组合导航系统的动基座对准问题进行了研究与仿真;首先,分析了弹载IMU与GPS的系统误差,建市获得了其系统误差模型;然后,利用卡尔曼滤波技术,设计了弹载IMU／GPS组合导航系统的动基座对准算法;仿真结果表明,在初始误差较大的情况下,经过360秒的动基座对准,IMU的姿态角误差可降至10个角秒,同时位置和速度误差也得到了有效修正,从而证明该动基座对准算法是行之有效的。     

基于情境感知技术的智慧城市服务系统研究

随着城市规模越来越复杂,全国各级政府都在进行城市物联网和信息化建设,目前虽然搭建了互联骨干网和部署了大量的传感器,收集了众多的城市行为数据,但落后的信息管理模式难以体现信息价值,将信息体现在服务提升之中,造成信息资源的极大浪费。因此,将情境感知技术引入到智慧城市服务的应用之中,构建了一个基于情境感知的城市服务系统,并通过情境信息采集、情境信息推理和服务配置模型等关键技术,实时感知城市内的情境需求,从而提供智能化的业务服务组合。最后通过一社区智慧街道管理系统来验证本文所设计的系统效果。     

Multi-sensor fusion methodology for enhanced land vehicle positioning

It is a main challenge for land vehicles to achieve reliable and low-cost navigation solution in various situations, especially when Global Positioning System (GPS) is not available. To address this challenge, we propose an enhanced multi-sensor fusion methodology to fuse the information from low-cost GPS, MEMS Inertial Measurement Unit (IMU), and digital compass in this paper. First, a key data preprocessing algorithm based on Empirical Mode Decomposition (EMD) interval threshold filter is developed to remove the noises in inertial sensors so as to offer more accurate information for subsequent modeling. Then, a Least-Squares Support Vector Machine (LSSVM)-based nonlinear autoregressive with exogenous input (NARX) model (LSSVM-NARX) is designed and augmented with Kalman filter (KF) to construct a novel LSSVM-NARX/KF hybrid strategy. In case of GPS outages, the recently updated LSSVM-NARX is adopted to predict and compensate for the INS position errors. Finally, the performance of proposed methodology was evaluated with real-world data collected in urban settings including typical driving maneuvers. The results indicate that the proposed methodology can achieve remarkable enhancement in positioning accuracy in GPS-denied environments.     

Hardware and software architecture for state estimation on an experimental low-cost small-scaled helicopter

This paper reports the design and testing of an embedded system for a low-cost small scaled helicopter (Benzin Acrobatic from Vario^TM with a 1.8 m diameter rotor). The sensors under consideration are an Inertial Measurement Unit (IMU), a GPS, a magnetometer, a barometer and on–off switches serving as take-off and landing detector. Along with one PC board and one micro-controller, they represent a total cost below USD 3000. By contrast to other experiments reported in the literature, the presented work do not rely on any accurate IMU or GPS systems which costs are, separately, largely above the mentioned amount of USD 3000. To compensate the weaknesses of this low cost equipment, efforts focus on designing a robust, dependable and sufficiently embedded system, which exploits an accurate flight dynamics model. This improves the prediction capabilities of an embedded extended Kalman filter that serves for data fusion. The main contribution of this paper is to detail, at the light of a successful reported autonomous hovering flight, the hardware, software architectures and the derivation of the model along with its calibration. Numerous implementation details are presented and the relevance of some modeling hypothesis is discussed.     

语义传感器Web中传感器本体的构建及应用

语义传感器Web的出现为物联网中传感器系统间的数据互操作、信息共享和知识融合提供了实现方式,传感器本体的构建则是实现这些功能的前提.本文在参考万维网联盟提出的语义传感器网络本体的基础上,对传感器及配套的数据采集仪构建了对应的本体,为传感器系统提供了有效的知识组织模型.通过建立的传感器和数据采集仪本体,可以实现传感器的自动分类管理,设定推理规则后可以提供传感器和采集仪间的配接推荐,提高检测现场多传感器系统设计的效率和可靠性,将领域知识应用到系统设计和管理中.最后以具体的传感器实例对推理规则进行了测试,结果满足应用要求.     

多源融合SLAM的现状与挑战

同时定位与地图构建（simultaneous localization and mapping,SLAM）技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器（如相机、激光雷达）的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法：1）多传感器融合（由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合）;2）多特征基元融合（点、线、面、其他高维几何特征等与直接法相结合）;3）多维度信息融合（几何、语义、物理信息和深度神经网络的推理信息等相融合）。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。