一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

微型无人机视觉定位与环境建模研究

同步定位与环境建模（SLAM）是实现无人机自主飞行和智能导航的关键技术。该文提出了适用于微型无人机的视觉定位与环境建模方法,针对RGB-D传感器使用point-plane ICP点云匹配算法实现视觉自主定位,利用并行计算加速以满足无人机控制的实时性要求;采用TSDF算法融合多帧观测的点云数据,实现了无人机对未知目标环境区域的模型重建;将视觉SLAM系统与无人机载IMU传感器融合,进一步提升了自主定位和建模精度。实际搭建了微型无人机视觉与环境建模验证系统,室内环境下可以达到0.092 m的定位偏差和60 Hz的更新速率,满足了无人机控制的精度和实时性要求,验证了该方法的有效性。     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

基于快速扩展随机树算法的多无人机编队重构方法研究

为适应瞬息万变的战场环境,发挥多无人机不同队形下的作战优势,以快速扩展随机树(RRT)算法为基础,提出一种多无人机编队重构的方法。首先建立多无人机编队的运动模型,分析传统RRT算法与编队重构方法结合的可行性,并采用多余节点去除和构造过渡航迹等策略对航迹进行修正。之后,重点分析重构过程中的动力学及防碰撞等约束,为随机树的扩展和无人机的航迹变换提供依据。最后通过对比仿真和飞行试验,验证所提重构方法的安全性和可行性。结果表明,该重构方法能在复杂环境下快速实现编队重构,同时所规划的航迹利于无人机进行跟踪,可满足实际战场的飞行需求。     

基于距离测量的多无人机协同目标定位方法

提出了一种利用多无人机与目标之间的距离以及无人机站址坐标估算目标位置的协同定位算法。通过一阶Taylor展开,把非线性距离测量方程转化为量测距离信息加上无人机的站址误差以及测距传感器的测距误差信息方程,进而对定位方程求解,得到目标的位置。最后利用在线枚举法寻求最小GDOP值所映射的最优编队队形以提高定位精度。计算机仿真结果验证了该算法的有效性和适应性。     

卫星编队相对轨道的分布式估计方法

研究了卫星编队的相对轨道自主确定问题,选择“无线电+激光”的测量方案,为减轻多星编队星间通信量和星上计算量的负担,将状态估计器设计为分布式构型,并利用分布式Schm idt-Kalman滤波算法对编队的相对轨道状态进行估计。仿真结果验证了该导航方案和算法的有效性。     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK三维建模软件模拟无人机编队飞行视频,通过双差分图像操作、多分辨率连通分支标记算法确定图像中的运动区域.提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取.以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法.仿真实验验证了文中提出的方法.     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。     

小型无人机飞行姿态串级控制系统

采用四元数互补滤波算法对IMU单元等多传感器采集到的数据进行解算融合,串级PID为小型无人机飞行姿态系统的控制算法。设计了实时监测子系统,实验结果表明,基于STM32的串级PID控制算法可以实现飞行姿态的有效控制。     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK（satellitetoolkit）三雏建模软件模拟无人机UAV（unmanned aerial vehicle）编队飞行视频,通过双差分图像操作和多分辨率连通分支标记算法确定图像中的运动区域．提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取．以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法．仿真实验验证了文中所提的方法.     

多传感器融合定位技术研究进展分析

随着GNSS及计算机技术的不断发展,人们对室内外位置服务的需求不断增加。学校、医院、展厅、写字楼等都需要使用准确的室内外定位信息,特别是在应对紧急情况时,室内定位信息显得尤为重要。本文分析了多传感器融合的室内外定位技术研究进展,提出了基于数据融合的多传感器融合定位平台,以GPS技术为主导,结合WIFI、航位推算等定位技术的方法,通过一定的数据融合算法,增强室内外定位的完备性,为进一步实现室内外无缝定位、智慧地球等提供了参考。     

天基无源定位与现代小卫星技术

介绍了基于现代小卫星技术的天基无源定位系统几个主要技术层次——单星定位、双星定位、编队飞行、卫星星座；论述了各个技术层次的基本概念、特点和关键技术。详细分析了适合我国国情的双星无源定位方案，该方案依靠2颗同轨小卫星，采用到达时间延迟／到达频率延迟(TDOA／FDOA)定位方式，实现对辐射源的实时、精确定位，数值计算结果进一步揭示了定位精度与TDOA／FDOA测量精度的关系；具体研究了卫星编队飞行的天基干涉仪应用方式的可实现性，认为应当通过对TDOA或FDOA的测量实现基于卫星编队飞行的无源定位。     

自适应零速修正辅助的微惯性定位系统研究

针对GNSS失效情况下微惯性器件漂移大引起的定位精度低的问题,研究了一种多条件辨识零速时刻,基于速度信息构建观测方程的零速修正算法,以提高微惯性系统的定位精度. 论文阐述了行人步态特性,在分析行人步态的基础上设计了基于加速度量测方差、加速度量测幅值和角速度量测能量的多条件零速检测方法,并针对室内外不同环境设置了自适应阈值. 在此基础上,构建了速度信息为系统观测值的Kalman滤波器,在零速对姿态、速度及位置误差进行估计并修正. 实验结果表明,基于上述自适应定位修正算法可有效增强零速检测的可靠性,抑制定位误差的累积,定位的精度是行进距离的1.32%.     

基于GPS-RTK技术的汽车运动稳定性检测系统

为了准确评价汽车运动稳定性能,成功研制了一种基于RTK全球定位技术的检测系统。应用该系统可实时获取表征汽车运动稳定性的状态参数,实现运动稳定性能的检测与评价。同时提出了先进的车身速度验证测试方法,解决了GPS速度参数的验证测试难题。对汽车运动稳定性检测系统的硬件架构、软件流程等进行了介绍。经实车试验证明了该检测系统的可行性和先进性。     

多源融合定位算法综述

随着机器人、无人车等自主导航系统的大量涌现,定位导航技术在最近20年得到迅猛发展,用户对新一代的定位导航技术提出了新的要求,即在任意环境、任意时刻、任意平台都能具备可靠的定位导航能力.多源融合定位算法是实现该目标的唯一有效途径.本文从传感器观测模型、环境场景模型、载体运动行为模型出发,综述了卫星导航、惯性导航、视觉传感器、激光雷达单一传感器的定位方法,分析了定位导航运行的环境场景对多源融合定位的影响,以及载体运动行为对定位的影响.最后,从融合框架层面将多源融合定位算法分为优化和滤波两大类进行深入分析.     

基于物联网的汽车被盗追踪系统

针对汽车被盗追回困难的问题,设计了一种基于全球移动通信技术（GSM）和全球定位系统（GPS）技术的汽车被盗追踪定位系统。该追踪系统的设计方案中,先利用GPS技术获取被盗车辆的地理位置等信息,再利用GSM技术将这些位置信息等发送给服务器和用户手机。实验结果表明：该系统跟踪效果较好,且性能稳定,可以推广使用。     

多径信号辅助的网联车辆无线协作定位

为解决全球定位系统（GPS）和北斗卫星导航系统（BDS）等传统定位方式在信号被遮挡的区域定位范围受限以及精度不足的问题,基于第5代移动通信系统和车联网技术提出了一种多径信号辅助的网联车辆无线协作定位方法.首先将车联网中接收端与发射端之间多径信号成分携带的定位信息提取成多径定位线段,并基于最小二乘法估计出接收端与发射端之间的相对位置;然后基于置信传播算法,将相对位置信息以及部分覆盖的GPS/BDS信息进行协作融合,得出整个车联网中各个车辆的位置.仿真结果表明,在不同的车辆密度和GPS/BDS可用概率下,新算法能提升网联车辆的定位精度,有效解决车辆GPS/BDS覆盖不充分的问题,为网联车辆提供高精度的定位.     

多层激光雷达在无人驾驶车中的环境感知

为了使无人驾驶车获得可行驶区域和障碍物信息,通过分析大量激光雷达扫描点数据,总结并得出路沿数据点独有的特征,提出一种基于路沿数据点特征和多层融合技术的路沿检测算法.应用Dezert-Smarandache理论(Dezert-Smarandache theory,DSm T)对无人驾驶车前方道路环境建立栅格地图,并利用证据理论中的冲突系数检测动态障碍物.最后,采用膨胀算法、侵蚀算法和改进的八邻域区域标记算法对动态障碍物进行聚类和信息提取.实车实验结果表明:本算法可稳定、准确地感知无人驾驶车周围环境信息.     

基于DSP和GPS的车辆监控系统设计

在车辆监控系统中,利用GPS能够全天候、连续、实时地获得高精度的三维位置航向和速度信息.但是,GPS卫星信号在隧道和山谷容易受到遮挡,通过GPS接收机不能获得连续准确的导航信息.为解决此类问题,讨论了利用滤波算法辅助GPS进行定位,弥补了GPS的缺陷.介绍了车辆监控系统的原理和数学模型,给出了基于DSP的车辆监控系统的硬件组成和软件编程,实现了车辆监控的组合方法.