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.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法．并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据．     

基于高斯混合模型的无线传感器网络定位算法

针对距离误差对定位结果的影响, 提出一种基于高斯混合模型的无线传感器网络定位算法. 该算法将高斯混合模型方法引入到无线传感器网络的定位问题中, 通过高斯混合模型分析找出误差较大的距离信息并将其剔除, 对剩余距离信息使用三边测量定位法进行定位求解, 同时结合加权定位算法进行位置估计. 仿真实验结果表明, 改进算法能提高定位精度, 且定位结果更稳定.     

无线传感器网络中一种改进的加权质心定位算法研究

在无线传感器网络的应用中节点的定位信息是非常重要的。本论文提出一种改进的加权质心算法,该算法是基于平面多边形定点凹凸性原理进行实现的,算法中选择自由传播模型和对数距离路径分布模型来计算无线电波传播过程。改进的质心算法能够提高定位的精度,仿真实验验证了该算法的平均定位误差,仿真实验结果表明,在相同的条件下,该算法的定位精度高于加权质心算法。     

基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

基于Semidefine Programming算法的无线传感器网络节点定位研究

首先在无线传感器网络模型假设下给出了模型、相关概念和定位过程的介绍,然后利用Semidefine Programming定位算法对无线传感器网络节点定位方法进行了研究。经过仿真实验证明,Semidefine Programming算法可以有效降低网络的成本,而且对定位精度的改进效果也非常明显。     

基于RSSI的无线传感器网络改进定位算法

节点定位技术是无线传感器网络的支撑技术,定位的准确性直接关系到传感器节点的采集数据的有效性.在基于RSSI的定位算法中,Euclidean算法由于通信开销小,但是定位精确性较低,对Euclidean算法进行了改进,改进算法无需增加额外开销,提高了定位精确性.