基于精化预积分的GNSS/IMU/视觉多源融合定位方法

针对传统预积分算法固定地球重力值和忽略地球自转的问题,提出一种考虑地球自转和重力变化的惯性测量单元(inertial measurement unit, IMU)预积分算法。参照高精度捷联惯性导航解算的动力学模型,在IMU预积分动力学模型的姿态更新中引入地球自转角速率,速度和位置更新中引入由地球自转引起的科里奥利加速度,同时将由载体位置引起的地球重力变化及时反馈至预积分算法中,详细推导了引入地球自转和重力变化后预积分算法的具体过程,实现对传统预积分模型的精化。并将精化的预积分算法应用于基于紧耦合全球导航卫星系统(global navigation satellite system, GNSS)/IMU/视觉多源融合系统中,实测实验结果表明:利用精化的预积分模型可使系统预积分的模型误差有效减小,显著提升多源融合系统整体的定位定姿精度,其中系统定位精度提升32.41%,航向角精度提升4.23%。

面向航空搜救的无线电数据融合定位方法

随着我国海洋经济事业的蓬勃发展,以及现代化战争中航空救援保障体系的急切需求,航空搜救定位技术越来越受到关注。基于无线电的航空搜救定位技术主要包含了测距、测向以及相应的多源融合技术。然而,搜救飞机上的起落架、轮胎等机载设备会对接收天线造成严重的遮挡、多径,给无线电测向带来较大误差。对此,基于贝叶斯滤波和群体智能理论,提出了一种基于稳健人工鱼群粒子滤波的无线电航空搜救数据融合定位方法。将粒子滤波中的粒子看作鱼群个体,通过模仿鱼群算法的觅食、群聚、追尾、随机游走行为来实现重采样步骤的优化,并且对行为中的搜索范围、寻优速度等方面做了改进,形成测距-测向融合定位算法。实际数据建模和仿真结果表明,所提的融合定位方法能够在较短的时间内达到较为准确的位置精度和角度精度,收敛性较强,具有良好的实时性和鲁棒性。

GNSS/多传感器融合定位中的欺骗检测技术

全球卫星导航系统(GNSS)与多传感器组成的融合定位系统由于其精确性和鲁棒性,已经在自动驾驶和无人探测等领域得到广泛应用。然而,GNSS容易受到欺骗干扰影响,导致融合定位系统输出错误信息,进而引发严重后果。鉴于传感器能够提供不受GNSS欺骗干扰的载体状态信息,融合定位系统能够通过GNSS和传感器信息的相互校验实现欺骗检测。本文对此类GNSS欺骗检测技术进行了综述,首先概述了GNSS/多传感器融合定位的传感器组成和信息融合算法;其次将现有GNSS/多传感器定位中的欺骗检测技术分为独立信息一致性监测和信息融合异常检测2类,并总结分析了不同算法的基本原理、实现方法和性能效果;最后对GNSS/多传感器融合定位中欺骗检测技术的未来发展趋势进行了展望。

基于激光雷达和IMU的移动机器人融合定位方法研究

针对传统的激光雷达标准ICP定位算法定位精度依赖初始值、累积误差大的问题,提出了一种基于轮式里程计、IMU和激光雷达的多传感器融合定位方案。首先通过引入激光点云单点误差模型、单个点云误差概率分布来改进标准ICP定位算法;然后基于扩展卡尔曼滤波融合轮式里程计和IMU得到较为精确的里程计数据;最后将该里程计数据作为改进ICP定位算法的解算初值。实验结果表明,该融合定位方案较单一传感器定位在准确性上有较大的提高,减少了定位误差的累积。

基于UWB与PDR的井下人员融合定位方法

现有超宽带(UWB)与行人航位推算(PDR)融合定位方法大多忽略了非视距(NLOS)环境下的定位误差校正,以简单的阈值划分作为NLOS环境判断依据,而阈值划分在很大程度上与定位场景及场地大小相关。针对上述问题,提出一种考虑NLOS环境的基于UWB与PDR的井下人员融合定位方法。首先,利用UWB技术进行井下人员位置解算,通过三边定位算法得到人员初步位置后,使用最小二乘法对位置进行优化,通过多项式拟合实现NLOS环境下基站和标签之间实际值和测量值之间的拟合,减小NLOS环境下的测距误差,提高定位精度。其次,采用PDR算法对步态进行识别和分析,PDR算法使用惯性导航传感器采集的步态数据,通过步态识别、步长估计和方向估计,实现目标位置的更新;然后,通过卷积神经网络(CNN)-长短期记忆(LSTM)网络分析信道脉冲响应(CIR)特征,实现视距(LOS)/NLOS识别,解决NLOS环境判断存在场景限制的问题;最后,根据LOS/NLOS识别结果确定融合系数,实现UWB和PDR定位结果融合。测试结果表明:多项式拟合后UWB平均测距误差降低0.59 m;LOS/NLOS识别的平均准确率为95.3%,召回率和F1分数均在90%以上,验证了CNNLSTM具有较好的识别效果;融合定位方法的平均误差为0.31 m,较UWB降低1.57 m,较PDR降低1.41 m。

多传感信息融合定位方法在导弹截获中的应用

针对传统的雷达截获波束指向方法仅适用于匀速行进中作战的问题,为解决变速非直线行进中作战的截获需求,提出采用核自适应滤波算法将激光雷达和惯导融合定位的方法。所提方法与传统采用惯导速度补偿方法相比,具有定位精度高、鲁棒性好等特点,可提高波束指向精度,缩短截获时间,提高武器系统作战效率,对复杂场景下雷达行进中截获导弹具有一定的研究价值。

基于5G+AI技术的融合定位平台

位置信息与人们的生产和生活息息相关,在万物互联的5G时代,高精度自动引导定位正在成为刚需。本文分析了GPS、基站、蓝牙、UWB等定位技术存在的诸多问题,创新打造了基于5G+AI技术的融合定位平台,利用融合定位系统开展定位数据解析和定位汇聚与处理,输出亚米级精度的最优定位结果,结合AI视觉分析模块,采用多模融合算法进行定位结果纠正和加权,实现对终端物品的动作判断或者行进车辆的轨迹分析,并在有障碍物等危险情况下完成提前预警,解决传统定位技术的各种弊端,具有广泛的应用场景和显著的经济意义、社会意义。

地铁隧道车载融合定位系统及精度校正算法研究

地铁隧道安全隐患综合检测车可实现隧道衬砌及表观隐患的快速检测。受限于地铁隧道封闭的地下环境及隧道内外部复杂的结构环境,当前隧道内单一定位技术仍存在定位精度低、累积误差大、多源采集不同步导致的定位信息“打架”等难题。本文开发了一种地铁隧道车载融合定位系统及精度校正算法,包括车载高精度编码信息采集和视觉图像采集系统、融合定位算法、精度校正算法、多源信息坐标转换矩阵等内容。相较已有定位方法,该融合定位系统可实现在直道和弯道条件下检测车车载装备和隧道安全隐患的快速动态融合定位。室内室外测试结果表明,区间的定位精度可达10 cm,地铁内直线测试区间300 m内和曲线测试区间100 m内相对误差控制小于等于0.06%。室内模型试验和现场试验结果验证了该融合定位系统及精度校正算法的有效性和稳定性,为地铁隧道安全隐患的快速检测定位和隧道安全运营提供了技术支撑。

基于PDR与信号指纹的室内融合定位方法

室内复杂环境中,为了解决行人航位推算法(Pedestrian Dead Reckoning, PDR)存在误差累积、指纹定位法存在结果回跳的问题,提出PDR与信号指纹联合作用下的融合定位方法。基于峰值步态检测,引入模型动态调整峰谷阈值以匹配行走变速,提高检测过程对运动状态变化的适应性。以运动时空信息修正信号空间的相似点权值,加权求和克服环境干扰提升指纹定位精度。利用扩展卡尔曼滤波(Extended Kalman Filter, EKF)对融合系统模型线进行性化提取,通过对待定位点的迭代预测与更新的过程实现稳定且准确的寻优结果。实验验证所提方法较单一PDR或信号指纹可分别提升约47.7%和14.1%的定位精度,平均定位误差可减小到2.138 m。

智能手机IMU/地磁/Wi-Fi FTM融合定位问题研究

高度集成化的智能手机已是大众导航定位的必需设备,以更高的兼容性和稳健性在手机上实现高精度的室内定位是满足人们对于室内位置服务迫切需求的关键手段。面向广域复杂的室内环境,如何基于智能手机实现稳定、可靠、全域覆盖的位置估计是目前领域内的难题。Wi-Fi精细时间测量(FTM)、地磁定位和基于惯性测量单元(IMU)的行人航位推算(PDR)方法能以良好的兼容性部署在智能手机上,利用地磁的泛在性、Wi-Fi FTM的可靠性、IMU推算的连续性,优势互补可实现低成本高精度广域覆盖的智能手机室内定位。

一种基于WiFi的位置指纹和PDR的缠绕融合定位方法

目前基于接收信号强度(RSSI)的位置指纹定位与行人航位推算(PDR)的组合定位算法,大多着重于PDR的步态解算优化,未考虑指纹定位的鲁棒性差和基础定位误差较大带来的负面影响,没有针对环境特性有效地将两种算法在流程上充分融合。文中提出一种基于WiFi-RSSI的位置指纹和PDR相结合的缠绕融合定位方法,根据平面楼层环境及各区域内行人运动程度规划实验范围,通过递进平均滤波校准PDR的结果,减小PDR的累计误差。其次结合环境划分递进位置指纹库,在对应的不同区域使用对应的离线指纹库,通过PDR解算步态数据校准位置指纹的异向偏移,输出最终指纹定位结果,减小了位置指纹法的定位偏差。最后通过无迹卡尔曼(UKF)择优观测输入进行融合滤波,得到最终结果。通过仿真实验验证,该算法效果相较于位置指纹法和PDR,定位精度提升了41%和29%,较现有的组合定位方法提升了28%。

基于融合定位的林地机器人的设计

对林地机器人的结构进行分析和设计,选择履带式行进方式并进行爬坡分析。针对林地机器人户外作业时定位系统精度依靠单传感器存在累计误差和数据失真的问题提出一种基于GPS和IMU融合定位的林地机器人定位方法,通过GPS、IMU信息对林地机器人进行融合定位,分析基于GPS和IMU融合导航系统算法设计方法,对系统欧拉角方法出现奇异点时给出解决措施。惯导系统和GPS之间具有很好的互补性,通过最优估计卡尔曼滤波进行惯行和GPS融合导航可充分发挥两种系统的优势,互补劣势,并辅以双目摄像头对外界环境进行实时勘测。

基于光电与航向角融合定位的AGV机器人

目前在小件物料生产搬运过程中,AGV机器人存在灵活性强与定位精度高不能兼具的问题。为此设计了一种新型的AGV机器人用于实现小件物料的精准搬运。该机器人采用了上下位机电路构型,上位机(Jetson nano)负责识别任务码和物料,下位机(STM32F407)控制步进电机驱动麦克纳姆轮底盘,通过步进电机梯形加减速和位置式PID控制算法,使机器人运行更加稳定。此外,机器人还配备了五自由度机械臂,用于完成小件物料的抓取和放置,以增强其灵活性。为了提高机器人的定位精度,AGV机器人在获取地面环境信息和机器人位姿信息后,提出了一种基于光电与航向角融合定位纠偏方法。大量实验结果表明,该AGV机器人到达指定目标点的平均误差为0.85 mm,定位最大误差不超过±3 mm,其机械臂能够准确将物料放置至对应区域。

蓝牙融合定位的导航系统设计与实现研究

当前现代化定位技术主要有卫星定位(北斗、GPS)、蓝牙定位、射频识别定位、立体视觉定位、UWB 定位、红外定 位、超声波定位、Wifi 定位等技术,同时按照应用场景,细分为室内与室外两种。蓝牙融合定位导航系统,主要融合被北斗定位技 术,致使该系统能够从几毫米到几百米,以及从室内到室外,均能体现处较为精准及实时的人员定位性能,从而满足相关领域及 场景的人员定位需求。因此,本次研究在一定程度上,推动室内外定位技术研发,并体现蓝牙融合定位导航系统现实应用价值, 进一步为融合定位技术的系统开发提供参考与借鉴。

基于反光柱的融合定位方法研究

针对复杂场景下,因环境特征变化导致的定位稳定性和精度下降等问题,提出基于反光柱的融合定位方法。通过基于最小二乘的反光柱圆心拟合、基于反光柱观测的粒子滤波定位、基于扩展卡尔曼滤波的即时定位与地图构建与反光柱的融合定位方法,实现了一种轻量的、具有较高精度及鲁棒性的机器人定位系统。经试验验证,该融合定位方法在动态环境下有较大的容错纠偏范围,在静态定位上可达毫米级的定位精度,能满足移动机器人、搬运AGV等场景使用要求。

基于5G+AI及UWB融合定位技术的一体化智慧点巡检系统开发

本文以某热电厂的一体化智慧点巡检系统的开发项目为例,提出基于5G+AI及UWB融合定位技术的一体化智慧点巡检系统的开发设计方案,在说明该系统总体开发设计思路的基础上,阐述了具体方案设计要点,同时探讨了该系统的应用成效。结果表明,其能够实现巡检过程智能化、标准化以及评测自动化,推动热电厂运行管理工作的升级。

基于自适应粒子滤波的WiFi与PDR融合定位算法

针对室内复杂环境下单一定位算法精度低的问题,提出基于自适应粒子滤波的WiFi与行人航位推算(PDR)融合定位算法。针对WiFi定位固定K最近邻(KNN)导致精度变差的问题,采用优选动态KNN进行加权KNN(WKNN)算法定位估计;对于PDR定位累积误差的问题,通过动态阈值的波峰波谷步频检测、最小二乘法拟合修正非线性步长模型进行改善;在此基础上,采用自适应粒子滤波进行WiFi与PDR融合定位。实验结果表明:所提算法在3 dBm噪声标准差条件下,均方根误差(RMSE)为0.95 m,精度达到0.89 m,可有效改善在室内环境下定位系统的定位精度和鲁棒性。

基于蓝牙和UWB融合定位的建筑火灾精准救援系统

确定被困人员位置和保护救援人员安全是建筑火灾救援中的关键,但目前火灾内部依然存在难探查、难搜寻等问题。文章基于蓝牙和UWB融合定位及5G实时网络传输技术,在建筑物内部使用蓝牙Beacon进行部署,并将被困人员的智能手机作为定位终端,利用蓝牙和UWB融合定位技术测量时间差、信号到达角度等数据,采用AOA、AOD等算法进行计算,实现了建筑火灾的精准定位和救援。

GNSS/5G观测量融合定位算法

针对随着泛在位置服务的需求扩增,卫星导航系统在城市峡谷等环境下的定位效果不连续、定位精度低,无法满足服务需求的问题,提出一种全球卫星导航系统(GNSS)/第五代移动通信技术(5G)观测量融合定位算法:给出基于最小二乘法的GNSS/5G观测量融合定位算法模型;并对比分析GNSS/5G融合定位与GNSS单系统定位效果,通过增加5G到达时间差(TDOA)观测量,配合GNSS观测量参与定位解算,给出定位性能分析结果。实验结果表明,GNSS信号观测数据与5G信号TDOA观测量融合定位相比GNSS单系统定位在水平方向、三维(3D)方向定位误差优化精度分别约为64.6%、58.21%,可有效提升定位性能,为可扩展定位需求的可行性相关研究提供参考。

移动机器人多传感器融合定位仿真研究

多传感器融合定位是解决移动机器人自主定位问题的主要方法之一。针对移动机器人单一传感器自主定位存在的精度低、局限性大等问题,研究设计了基于多传感器融合定位的解决方案方案在定位过程中利用基于扩展卡尔曼滤波和自适应蒙特卡罗的组合算法,实现对里程计、惯性测量单元以及激光雷达等多个传感器数据的融合,完成移动机器人自主定位。最后利用Turtlebot2机器人和Gazebo仿真环境模拟移动机器人的工作场景,完成对该定位方法的验证,仿真结果表明,上述设计能满足移动机器人在室内未知环境中的自主定位需求,降低定位误差。