改进人工势场引导的双向扩展随机树路径规划算法

针对地面移动机器人在复杂环境之下要求规划路径实时性强、路线平滑度高、避障精确完备等需求,在快速扩展随机树算法(RRT)的基础之上,提出一种由改进人工势场法(APF)引导的双向扩展随机树算法(APF-Bi-RRT^(*))。首先,在每次迭代的过程之中两棵随机树同时分别从起始点和目标点进行扩展,以加快算法收敛速度;其次,在算法随机树生长方向上,引入目标偏置策略来优化随机子节点的选取,并在随机树和障碍物中加入人工势场分量,限制路径方向选择的随机性,改进算法克服引力和斥力过大导致陷入局部最优值或目标不可达的问题;最后,在形成锯齿型规划路径之上应用一种采样优化和关键节点平滑策略,进一步缩短和平滑原路径的总距离。对比实验结果证明,该算法既克服了传统随机树算法的节点盲目扩展的问题,又兼顾了生成路径的效率和平滑性,与目标偏置RRT算法相比,在规划路径长度上减少了9.7%左右,在运行时间上缩短了65.3%左右,在算法迭代次数上减少了78.2%左右。

GNSS/IMU/LiDAR融合定位研究

为提升低成本卫星接收机和惯性测量单元(inertial measurement unit,IMU)条件下传统组合导航定位的抗干扰性和定位精度,本文通过融合GNSS、IMU、激光雷达(laser radar,LiDAR)来提高定位的鲁棒性及定位精度.在高楼遮挡等复杂环境下由于卫星信号丢失导致卫星定位结果降低,可通过GNSS与IMU的组合来提升导航定位的鲁棒性及其精度.如果卫星信号缺失时间过长,那么低成本条件下的GNSS/IMU组合定位精度仍不理想,本文提出利用LiDAR里程计输出的位置信息与传统组合导航通过扩展卡尔曼滤波(extended Kalman filter,EKF)进行融合定位.实验得出:在无遮挡的环境下融合定位标准差(standard deviation,STD)精度较之卫星定位提升53.7%,均方根误差(root mean square error,RMSE)精度提升56%,较之GNSS/IMU组合定位STD精度提升37.9%,RMSE精度提升38.6%.在有遮挡的环境下融合定位STD精度较之卫星定位提升59.4%,RMSE精度提升71.3%,较之GNSS/IMU组合定位STD精度提升26.3%,RMSE精度提升33.7%.

GPS多路径效应实例计算与分析

本文讨论了一个GPS伪距多路径值计算及其频谱分析的方法。文中首先介绍了GPS多路径试验测量和观测数据采集的程序。然后探测和修复周跳、再利用伪距多路径计算公式,获得GPS测量中的伪距多路径值。实例证明该方法有效地计算出了伪距多路径值。

GPS/INS组合系统数据处理方法

在介绍国际和国内GPS/INS组合系统研究动态和热点的基础上 ,提出采用一个低价格单频伪距差分GPS/INS系统 ,辅以相位平滑伪距差分 ,同时施用模拟的多路径效应和多普勒改正 ,使定位精度达到分米级 ;运用联邦卡尔曼滤波 ,可提高系统的可靠性 。

基于体素格尺度不变特征变换的快速点云配准方法

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征变换的特征点,完成初始配准;然后利用随机抽样一致算法剔除边缘匹配点并优化初始变换参数;最后基于优化初始变换参数,采用K维树近邻搜索法,结合最近邻点迭代配准算法完成原始点云数据的快速精确配准。对开源数据集以及实际采集的6个典型场景数据的测试表明,该方法的平均配准时间较传统最近邻点迭代配准算法缩短了78%。实验结果表明了该方法的有效性。

用于INS数据预处理的数字滤波器设计

本文在研究了傅里叶变换方法和数字滤波器设计的基础上 ,采用比特沃思 (Butterworth)低通滤波器处理了惯性导航系统 (INS)的原始数据。与用 Kalman滤波处理的结果比较 ,精度相当 ,但效率成倍增长 。

联邦Kalman滤波处理多传感器系统数据的方法*

文中提出用联邦Kalman滤波处理多传感器(二个以上)系统的数据。它具有平行处理、可靠性高的特性,用信息分享原理和数据融合复位技术,估计位置和速度,并分析了它们的精度。文中以GPS/PL系统为例,提出联邦Kalman滤波计算方案,计算了信息分配系数。

新一代CAD软件CADdy在测量中的应用

本文评价了ＣＡＤｄｙ４．０在测量中的使用，强调了ＣＡＤｄｙ１４．０可在Ｗｉｎｄｏｗ９５和ＮＴ（３．５１或４．０）上运行，具有动态的局部图象存取功能等。

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能。计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素。在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性。针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20%,滤波时间降低40%。

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。

基于Zig Bee无线传感器网络的一种室内定位新方法

针对一般Zig Bee网络提供的定位方式只是一种被动的监控式的定位方式,设计了一种同时提供被动定位和主动定位2种方式的双向定位系统。给出了系统硬件结构,双向定位的Zig Bee协议栈编写方法;通过组建网络,让移动节点和协调器同时获得定位所需的接收信号强度指示(RSSI),且同时使用基于路径损耗模型的指纹数据库,运用限定区域的3种定位算法进行定位计算。实验结果表明:此系统可以实现主动定位和被动定位同时进行的双向定位模式,且定位精度可达到2 m以内。

基于Cortex-M4的多传感器组合导航系统设计

针对移动机器人导航定位需求,设计了一种低成本、便携式的多传感器组合导航系统。采用ARM Cortex—M4内核的STM32F407处理器为电路核心,利用微惯性测量单元(MIMU)、全球卫星定位系统(GPS)以及电子罗盘作为导航数据源,进行了相关的硬件设计;采用移动导航平台进行实验验证,通过实测数据进行分析,结果表明:该组合导航系统可以有效提高导航精度,使其导航定位经纬度误差稳定在1.0 m左右,航向角误差稳定在0.8°以内,对移动机器人导航有一定的参考价值。

四轮车辆导航中的惯性/运动学模型组合方法

在车载导航系统性能优化问题的研究中,低成本INS误差随时间累积速率较快,但不能在较长时间内单独使用,需采用其它辅助手段抑制其误差累积。针对车载GPS/INS组合导航方案,GPS在恶劣环境下不可靠、甚至完全失效,从而失去对INS误差抑制作用的问题,提出一种利用车辆运动学模型辅助INS的方法。根据车辆运动学模型和非完整约束条件推算出车辆位置和速度信息,并利用推算信息辅助车载惯性导航系统,从而抑制纯惯导情况下导航误差迅速发散的问题。仿真结果表明,改进方法能将INS的误差抑制在一定范围内,同时,在引入非完整性约束条件后,车辆东向、北向速度误差有界。因而可以作为车载惯性导航系统在GPS失效时的一种有效辅助手段。

基于模糊聚类的ZigBee室内定位系统设计

随着计算机技术及传感技术的发展,基于位置服务(LBS)逐渐成为研究热点。在采用德州仪器公司CC2530芯片设计的一套ZigBee室内定位系统的基础上,提出了基于模糊聚类的加权最邻近定位算法,并利用设计的ZigBee室内定位系统进行实验。实验结果表明,采用基于模糊聚类的加权最邻近定位算法,ZigBee室内定位系统的平均定位精度有了一定的提高,平均定位精度达到了1.47 m,并且与常见的NN定位算法、KNN定位算法、贝叶斯定位算法的定位效果进行了对比。

改进的Active Bat室内超声波定位方法

针对Active Bat室内超声波位方法中定位精度受环境温度、硬件延时误差、时间同步误差等的影响,提出了改进的Active Bat室内超声波定位方法。该方法在Active Bat室内超声波定位系统结构基础上设立一个参考节点,通过参考节点定位坐标与实际位置坐标获取位置误差修正数,修正定位终端定位误差,以提高定位精度。室内环境下进行实验数据采集、解算、对比分析,实验验证表明,常规的Active Bat室内超声波定位定位平均误差为6.93cm;该方法定位平均误差为1.86cm。该方法可以有效提高室内定位精度,定位精度提高了接近73.16%。

基于加性四元数的SINS/CNS非线性紧组合方法

针对SINS/CNS组合导航系统中的非线性特性,提出了基于加性四元数的SINS/CNS非线性紧组合方法。从捷联惯性导航系统误差非线性建模和天文角度非线性量测两个方面出发,推导了基于加性四元数的捷联惯导误差传播特性,构建了天文导航的非线性量测模型,采用二阶插值滤波算法实现了SINS和CNS的非线性信息融合。计算机仿真显示,SINS/CNS非线性紧组合方法充分考虑系统的非线性特性,机动情况下的峰值误差较小,相对线性紧组合方法导航精度提高约15%。

基于MNN改进粒子滤波的指纹库定位算法研究

考虑到基于Zigbee传感器网络信号强度指示的指纹库定位算法只适用于静态条件下的定位,无法有效去除受噪声污染严重的有害数据,定位精度不尽人意,根据噪声的分布特点,引入粒子滤波技术,优化了该算法,有效去除了受噪声污染的有害数据,实现了目标的动态精确定位跟踪。传统粒子算法在应用过程中对重要性分布函数做了高斯分布假设,使得定位精度受到影响,将多层神经网络引入滤波算法进行补偿优化。实验结果验证了改进算法的优越性,其在静态条件下平均定位误差小于1.14m,动态跟踪定位精度也有很大幅度的提高,具有实际应用价值。

基于CDMA-TDMA结合的室内超声波定位方法

采用码分多址(CDMA)方式进行室内超声波定位,其相关运算量较大。针对这一问题,该文提出了基于码分多址-时分多址(CDMA-TDMA)结合的室内超声波定位方法。通过TDMA技术分时段发射经过CDMA编码后的超声波信号,利用到达时间差(TDOA)测距算法计算出未知目标的位置。采用MATLAB进行仿真,仿真试验中对4个信标分两个时间段发送的超声波信号进行发射与接收。结果表明,基于CDMA-TDMA结合的室内超声波定位方法能有效识别出信标节点,同时降低超声波CDMA定位方法中相关运算的计算量。

方位大失准角的捷联惯导非线性快速对准研究

捷联惯性导航系统初始对准中,当方位失准角为大角度时,常规的基于一阶线性化的小角度惯导误差方程不能准确描述系统的误差传播特性,捷联惯导的初始对准可归结为非线性状态估计问题。针对方位大失准角情况,本文提出基于UKF的方位大失准角非线性快速对准方案,该方案增加陀螺信息作为新的观测量,可提高方位失准角的对准速度。仿真结果表明,本文所提出的方案能够适用于方位大失准角情况下的捷联惯性导航系统快速对准。

BP模型在变形监测数据分析和预测中的应用

本文通过对BP网络模型的研究,建立BP神经网络预测模型,并使用VC++语言编程加以实现。将模型应用于东江大坝实测变形监测数据的分析和预测,对时间序列建模和以环境变量为自变量两种方法建模,发现这两种模型都可以很好的实现变形量的预测,且以自变量为因素所建立的模型预测精度更高。