基于惯性传感器和视觉传感器的室内定位研究

针对视觉定位实时性不高和惯性定位误差积累的问题,叙述了一种融合视觉全局定位和惯性传感器局部定位的移动机器人导航定位方法。该方法以惯性传感器定位为主,引入视觉定位技术来消除其积累误差,达到提高移动机器人定位的目的。实验表明,该方法能够克服视觉定位和惯性定位的缺点,定位精度优于单独采用惯性定位或视觉定位。     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

基于气压传感器室内可见光定位的研究

可见光通信定位技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对目前室内光通信定位方法过于复杂、计算量大的问题,基于接收信号强度定位技术,提出一种结合MS5611高精度气压传感器室内定位的方法,该方法引入室内高度差因素.通过MS5611高精度气压传感器测得接收端与发射端的高度差,利用LED朗博传输模型既可得到接收端的定位坐标,该方法具有计算量小,易于在单片机系统上实现等特点.     

室内移动机器人的视觉惯性组合定位研究

针对在室内环境下移动机器人无法利用全球定位系统(global positioning system,GPS)进行精确的定位问题,提出一种紧耦合的视觉惯性组合定位方法,运用了预积分、联合初始化、边缘化等关键技术,并提出一种新的基于Vicon的惯性测量单元(inertial measurement unit,IMU)内参标...     

利用GPS和惯性传感器的融合和集成实现车辆定位

首先介绍了常用的车辆定位技术 :全球卫星定位系统 (GPS)和航位推算法 (DR) ,并分析各自的优缺点 ,然后提出用卡尔曼滤波 (KalmanFilter)技术来实现GPS和惯性传感器的融合和集成的组合定位 .最后给出了现场测试的结果 ,证明方法的有效性 .     

基于MEMS的惯性测量系统

采用低成本的MEMS陀螺仪与加速度计研制板上级惯性测量单元,对陀螺仪的静态和动态性能测试结果表明,研制的MIMU达到速率级精度,可用于速率、姿态阻尼系统或与其它传感器组合应用于飞控系统.     

基于iBeacon和多自由度MEMS的室内融合定位技术研究

由于GPS信号在室内环境下不能有效地实现定位和导航,因此精确的室内定位技术仍然是一个十分活跃的研究课题。行人航迹推算(PDR)可以使用智能手机的自带传感器实现室内连续定位。然而,它会随着行走距离的变长产生很大的累计误差。因此,提出一种基于iBeacon和手机MEMS相融合的精确的室内定位方法。在行走路径上加入iBeacon信标和二维码信标,系统自适应地选择相应的校正模式纠正PDR算法产生的累计误差。最后完成了基于Android平台的室内定位软件的开发。实验结果显示,文中方法的定位结果与PDR定位结果相比较,定位精度有了显著的提高,融合定位的平均误差在2m以内,定位精度满足项目需要。     

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.     

基于最小二乘法MEMS惯性传感器姿态解算算法

针对MEMS惯性传感器在测量时出现误差不稳定和外界磁场变化所造成的姿态角误差较大问题,提出一种基于最小二乘法MEMS惯性传感器姿态解算算法.采用静态六位置法对三轴加速度计标定,对三轴加速度计建立误差模型,利用最小二乘法确定误差参数.根据欧拉角法中倾斜角和航向角分开求解特点,减小磁场变化干扰,再对欧拉角中存在的奇异值问题进行改进,分为一般姿态值和奇异值状态姿态值两种滤波模式.实验结果证明,通过对三轴加速计的标定补偿和欧拉角的奇异值问题改进后得到的姿态角精度高,并且在遇到磁场变化时稳定性优于四元数法,不会出现奇异值.     

消费级MEMS惯性传感器的工程快速筛选方法

低成本MEMS惯性测量单元(IMU)在商业上得到广泛应用,但由于MEMS工艺、检测电路等条件的限制,MEMS惯性测量单元在精度和可靠性方面存在劣势,其中有一部分完全不能使用.针对这一问题,提出一种切实可行的MEMS惯性传感器的工程快速筛选方法,设计了24传感器的批量数据采集平台;根据Allan方差原理,对15枚MPU6050进行了原始数据曲线和Allan标准差的双对数曲线的计算和绘制.通过分析,剔除了其中的6枚不能够使用的器件,确定了9枚平均性能器件,剔除率达40%.避免了因劣质器件问题导致实验数据不可靠性以及影响用户的体验,大幅度节约MEMS惯性传感器的筛选时间,确保了后续系统集成的顺利进行.该方法也适用于高成本MEMS惯性传感器筛选出优质器件.     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

基于GPS的移动机器人多传感器定位信息融合

构建了基于GPS的移动机器人定位系统,利用多传感器数据自适应加权融合估计算法对GPS、方位传感器、光码盘的信息进行数据融合.通过实验证明,该系统在短距离、路面平整的条件下,具有较高的准确性和稳定性,能够满足移动机器人定位的需要.     

超声波惯性传感器定位误差校准方法

提出一种基于超声波的惯性传感器室内定位误差校准方法,该方法在机器人经过室内房顶预设的超声波发射覆盖区域时,通过接收发射模块的特征序号,与微处理器内部的数据字典对比,实现位置的校准。发射模块可以记录机器人在预设节点附近的特征信息,并将记录信息发送给后台数据库,通过统计学习,筛选出具有一定规律性的热门路线,当机器人再次经过这些路线时,不需要重复进行超声波通信校准,而是直接从数据库调用位置特征信息,从而提升校准效率。     

仿生MEMS声定位传感器的设计与仿真

针对目前声定位采用声传感器阵列所带来的系统结构复杂、体积较大的缺点,以奥米亚寄生蝇的听觉系统为仿生模型,详细分析了其生物学模型,并利用MATLAB对其力学模型进了仿真分析。结合仿生学,设计了一种新型MEMS声定位传感器。利用ANSYS对该传感器进行了声-结构耦合分析,分析得出,该传感器能够敏感声源入射角的变化,在声源频率为2597 Hz,在入射角在0-180°变化时,传感器两薄片的振动强度差的变化范围为-6.17 dB至5.8 dB。     

基于MEMS惯性技术的延转姿态角测量误差补偿研究

本文介绍了基于MEMS惯性技术,载体在水平面上廻转时产生的姿态角测量原理,运用在线误差补偿技术,针对因MEMS惯性器件加速度效应误差不均衡,导致的翅转姿态角测量误差进行实时补偿。提高了姿态测量装置题转姿态角的测量精度。     

基于MEMS的智能集成汽车传感器的研究

随着汽车传感器的迅速发展和MEMS技术的深入研究,基于MEMS技术的汽车传感器具有广阔的应用前景.本文从传感器原理、MEMS技术理论与制造工艺、智能传感器理论与控制算法、软件与硬件实现、以及集成原理与工艺等几个方面,综合运用MEMS技术、人工智能、信息融合、半导体加工等先进技术,研究基于MEMS技术的智能集成汽车传感器问题.最后对MEMS汽车传感器今后的发展研究进行了探讨.     

基于ISRUKF的UWB/INS组合室内定位方法研究

超宽带(UWB)定位技术是室内定位领域中极具竞争力的技术,但是在室内非视距(NLOS)环境下,UWB定位技术会出现精度低和稳定性差等问题,难以满足较高的室内定位精度需求.UWB定位技术和惯性导航系统(INS)结合,可以减轻NLOS环境对UWB定位的影响,因此提出了一种基于改进平方根无迹卡尔曼滤波(ISRUKF)的UWB...     

多传感器数据融合室内定位方法

研究了基于超宽带技术（ultra wide band,UWB）定位和视觉定位的多传感器融合室内定位方法,设计了UWB定位单元软硬件平台,调用修改了基于MMTracking的视觉定位方法,实现了两种室内定位技术,构建了基于贝叶斯估计的双传感器数据融合模型。实验结果表明,该方法具有较好的定位效果,提高了室内定位的测量精度和稳定性。     

基于RSSI的室内定位算法研究

无线传感网络是无线通信技术、传感器技术和微处理技术相集成的产物.随着信息技术的不断发展,WSN已经成为我们日常生活不可或缺的一部分.定位技术作为无线传感网络研究的热点,也受到了各领域的极大关注.本文通过对传统的室内定位算法的研究,综合考虑影响定位精度的因素,提出了改进的定位算法,并进行了仿真验证.