考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

飞机地面防撞多传感器数据融合系统研究

为了实现对不同传感器探测和跟踪的目标信息融合,提出了一种车载飞机地面防撞的多传感器数据融合系统.采用矩不变量的方法描述飞机的特征;采用Levenberg-Marquardt算法对标准的BP网络算法进行改进,使系统快递、稳定地进行飞机识别.该算法实现了多传感器多目标定位、航迹融合等关键技术,实验表明,该系统可以较好地实现目标定位、跟踪以及目标识别的目的.     

基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

基于多传感器信息融合的激光定位与跟踪

为了更精确实现远距离激光定位与跟踪,将十二个PIN硅光电二极管阵列探测器和一个带有光学系统的精密四象限探测器立体组合成独特的多传感器排列结构,并将空间测角基本理论与基于Bayesian决策原理的多传感器信息融合算法有机结合,实现自由空间中作用距离可达十千米的激光的粗精定位,利用激光的定位信息控制三维高精度转台的旋转实现精密跟踪。实践证明,在粗定位跟踪的基础上,精定位跟踪精度小于三个毫弧度。     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

激光和全维视觉融合的移动机器人自定位(英文)

讨论了通过二维激光传感器和全维视觉传感器提取数据融合技术进行移动机器人定位的新方法 .SICKoptics公司制造的二维激光传感器能精确地测量出反射点的距离和方位 ,我们自己设计的全维视觉系统能从图像中提取场地标记物的色块信息 ,这两种传感器提取的数据有各自不同的特征 ,因此在本文所给出的融合方法中它们能优势互补 .RoboCup中型组的足球机器人 (守门员 )被选择来验证算法 ,最后给出了试验的结果 .     

基于主观贝叶斯多传感器数据融合的AGV精确定位研究

针对室内自动导引运输车（Automated Guided Vehicle,AGV）定位偏差大、精度不足的问题，提出了一种基于主观贝叶斯网络的传感器数据融合定位方法.该方法首先结合卡尔曼滤波模型，对不同传感器的数据进行滤波处理，并通过主观贝叶斯网络模型计算信息增益大小，从而自主地选择传感器数据；再将选择的传感器数据进行融合；最后根据融合后的传感器信息进行AGV位置状态更新，获得更精确的AGV位姿信息.仿真实验结果表明，在室内实验环境中，主观贝叶斯网络融合算法能够实现多传感器的数据互补.与RUKF算法相比，该方法的均方根误差缩小到了0.17 m，定位精度提高了43.6%，定位时间缩短了0.071 s，效率提高了4.5%，数据稳定性提高了47.8%，其定位偏差明显小于单传感器的定位偏差，证明了该方法的有效性.     

基于0.8μm工艺的CMOS光传感器数据融合系统

提出了一种利用0.8μm标准CMOS工艺实现的多传感器数据融合系统.分析了该系统的工作原理,讨论了模拟集成电路子系统的模块设计和组成,论证了系统组成中电路部分的设计细节.通过电路仿真验证了这种数据融合系统的可行性,给出了在0.8μm标准CMOS工艺环境下的系统设计版图,从而可以进行流片操作.     

多传感器组合导航中的数据融合

目的 通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较.为系统定位提供选择数据的依据.方法 基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算.结果 仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好.结论 为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义.     

基于LabVIEW的多传感器信息采集平台

车辆定位中利用多传感器信息融合技术可以提高定位精度.系统中的传感器数量急剧增加,传统仪器很难满足整个系统的测量需求.本文开发了一种基于虚拟仪器软件开发环境Lab-VIEW的多传感器信息采集平台,将多传感器数据采集、预处理、信息显示、存储及数据回放集成在一起,解决了以往实现多传感器信息同步十分困难的问题,为将来进一步研究利用虚拟仪器测量多传感器信息及进行多传感器信息融合奠定了基础.     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法．这种方法基于多维位置数据的鲁棒估计和最小方差结合法．每个传感器用鲁棒估计得到自身数据的位置估计和方差估计，把这些估计融合为一个最优估计，即传感器系统的估计．     

基于分数阶微分的多传感器检测数据融合算法

为了解决制造系统中各生产信息采样节点设备性能和工作环境的不同带来的检测数据间差异性,直接影响着制造管理系统工作可靠性与决策科学性的重要问题,提出应用基于分数阶微分算子的多传感器检测数据融合算法融合生产信息测量误差的新理念。选择检测仪器性能或工作环境作为检测数据的影响因子,应用分数阶微积分理论推导出基于分数阶微分的多传感器检测数据的融合处理算法模型,并应用物联网下的多传感器检测数据的融合处理实例验证了算法的可行性和优越性。实验结果表明:与动态的加权算法和平均值算法相比,本文算法不仅具有融合精度更高、融合值稳健性更好的优点,还具备增强检测信息强度提升系统工作可靠性的功能。     

多传感器稳健融合跟踪算法

讨论了多传感器融合跟踪的稳健性算法．针对集中式多传感器的融合跟踪结构,采用统计方法和随机逼近方法分析了传感器最优权的选取原则,得出了传感器融合对公共测量噪声没有影响的结果．依据最优选取原则给出了两种自适应融合跟踪算法,算法能在线适应传感器性能的变化,并使融合方差最小．采用典型航路进行了算法仿真,结果验证了理论分析的合理性和工程应用有效性．     

基于ZigBee技术的无线火灾概率分级预警系统设计

针对传统火灾报警系统在布线、扩容等方面的不足,在无线火灾预警产品缺少的现状下,利用无线传感器网络技术和多传感器融合技术设计了一个无线火灾概率分级预警系统;该系统采用ZigBee技术快速建立星形预报警网络,节点扩充容易,根据多传感器融合信息,将火灾发生趋势按概率等级给出预警;经过试验验证,能够适应各种复杂环境的火灾预警和报警要求.     

基于多传感器的数据融合方法和模型研究

数据融合技术受到广泛的关注,本文结合数据融合及其一般功能模型、目标识别融合结构层次,重点分析了基于多传感器的数据融合的算法和级。比较了集中式和分布式融合处理,提出了利用实例,展望了基于多传感器的数据融合技术的发展趋势和困难。     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.     

基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法

车辆行驶信息感知是汽车防碰撞系统的关键技术之一,只用单一传感器对目标车辆进行测量容易产生虚警.在对联合卡尔曼滤波分析的基础上,给出了基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法.计算机仿真结果表明,该算法可以得到较精确的融合数据,对于增强汽车防碰撞系统的安全性具有重要意义.     

基于WRV的室内移动机器人定位系统

针对W(WLAN,Wireless Local Area Network)、R(RFID,Radio Frequency Identification)、V(Video)技术在室内定位的特点,提出了基于WRV信息融合的机器人定位方法。以概率法为基础,进行了基于Kalman滤波的WLAN机器人定位实验;以增加移动误差补偿的极大似然估计定位算法为基础,进行了基于Kalman滤波的RFID机器人定位实验;以SIFT算法为基础,进行了机器人定位实验;最后研究了机器人多信息融合定位算法并进行了实验。移动机器人定位实验表明:机器人多信息融合定位平均定位偏差为0.381m,减少了WLAN、RFID及视觉系统单独定位时的偏差,定位精度上有了明显的提高,可以较好地满足室内移动机器人的定位要求。