基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统。首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位。其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图。接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法。最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4%D,具备一定的韧性导航定位和智能感知规划能力。

基于Arduino的胶囊咖啡平台机设计

传统胶囊咖啡机无法控制并存储咖啡萃取时的温度、压力和流量。因此,该平台机将Arduino作为核心控制器,采用传感器技术并搭配了相关的硬件电路,同时使用Processing在电脑上搭建观测控制界面,使咖啡萃取时的各参数沿设定曲线变化并记录数据,实现了萃取过程的精确控制与记录。

GNSS/IMU与里程计紧-松耦合的因子图融合定位方法

开展了不同深度的信息融合对微惯性导航(micro inertial navigation system,M-INS)与全球导航卫星系统(global navigation satellite system,GNSS)组成的导航系统精度的影响研究,以及室内外一体化定位研究。首先,基于因子图优化(factor graph optimization,FGO)算法分别建立M-INS/GNSS单点定位的松耦合系统和M-INS/伪距/多普勒速度的紧耦合系统,并通过实验验证紧耦合设计的优势。然后,将视觉惯性里程计(visual inertial odometry,VIO)因子以松耦合的方式接入紧耦合M-INS/GNSS系统的因子结构中,提出了基于FGO紧-松耦合的多源融合算法模型。最后,通过实验验证系统的定位精度和室内外一体化定位能力。实验结果表明,在无法观测到4颗卫星而导致无法获得单点定位解时,M-INS/GNSS紧耦合系统的定位精度可以达到M-INS/GNSS松耦合系统的2倍;基于FGO的M-INS/GNSS/VIO紧-松耦合系统能够无缝应对室内外环境之间的变化,在GNSS或VIO任意一种传感器突然失效的情况下保证持续可靠定位,东、北向的平均误差比基于滤波方法的M-INS/GNSS/VIO系统精度分别提升了53.98%、54.74%。