基于粒子滤波的无线传感器网络辅助同步定位与地图创建方法研究

提出了一种新颖的无线传感器网络(WSN)辅助的移动机器人同步定位与地图创建(SLAM)方法,解决了传统SLAM方法难以解决的求解问题空间维数高和多数据关联困难两大问题.为该WSN辅助的SLAM方法建立了模型,并进行了噪声分析;在此基础上,提出一种适用本方法的分布式粒子滤波数据融合算法.着重分析了粒子初始化、预测、序贯重要性采样和重采样等关键步骤,并通过仿真实验分析验证了该方法的正确性和高效率.实验结果表明,采用粒子滤波算法,并综合无线传感器网络进行辅助导航,可以极大地降低求解问题空间维数,解决多数据关联错误问题,可以完全不依赖锚节点完成盲节点高精度定位;同时,还能够有效地提高移动机器人定位与地图创建精度,特别是在不要求机器人路径闭合的情况下可以有效抑制惯性导航的误差累计.

同时机器人定位与人体跟踪的多源感知协作粒子滤波方法

提出了分布式多传感器协作的条件粒子滤波算法以解决人与机器人位置的联合概率分布估计问题.全局视觉系统中,各视角独立运行图像平面上基于粒子滤波的目标跟踪,并利用地平面单应关系实现多视角目标主轴同步融合.视觉观测进一步与机器人激光数据以顺序滤波方式异步融合,提出包含人体位置假设的激光似然场模型以提高对机器人位姿误差的鲁棒性,并引入基于Kullback-Leibler距离的自适应采样以降低描述联合分布所需的粒了数目.实验验证了该方法能够在具有观测噪声且人—机位置均不确定的情况下利用多传感器协作实现基于地图的同时机器人定位与人体跟踪.

无线传感器网络动态最近邻协作目标跟踪算法

针对现有的目标跟踪算法不能兼顾精度和能耗的问题,提出了一种动态最近邻协作目标跟踪算法。本算法动态构建目标跟踪簇以更好地适应目标位置的实时变化,从而获取最佳的跟踪精度。当目标进入监控区域后,多个传感器节点感知到目标则自动成簇最小二乘方法初始移动目标的最初位置。引入预测机制,根据目标的未来位置,基于最近邻协作准则选择下一时刻的簇头节点。目标跟踪簇头节点在其邻居范围内选择任务节点观测目标位置,并采用集中卡尔曼滤波完成目标的状态估计。仿真结果表明:提出的目标跟踪算法具有跟踪精度高,节点间的单跳通信距离能够有效减少能耗。

基于能量和地理信息的水下传感器网络协作传输技术研究

研究了一种适用于水下传感器网络的基于能量预测的分布式数据协作通信技术。针对水下复杂的监测环境、水下无线通信以及网络拓扑等动态特性,建立了一种基于H∞的节点能量预测算法,由能量和地理信息建立的二维表进行中继选择并建立了一种分布式数据协作传输技术。该技术根据水下传感器节点间无线链路的广播特性,根据H∞滤波器预测得到的节点剩余能量及其地理位置建立二维表,据此选择最优者作为协作节点,根据无线链路质量自适应选择放大重传和解码重传机制。数学分析表明,H∞滤波器对节点剩余能量的预测精度较高,而且该协作传输技术能够在有效地延长水下传感器网络生命周期的同时显著提高网络的资源利用率和系统吞吐率。

多传感器融合与邻居协作的车辆精确定位方法

针对现有车辆定位装置定位精度不高的问题,提出一种面向车辆自组织网络的车辆精确定位方法。首先,获取车辆上的多传感器信息,融合这些信息构建当前车辆的状态模型;然后,采用贝叶斯滤波方法计算车辆当前状态的可信度;接着,结合当前车辆的一跳邻居车辆信息估算其相对位置;最后,综合上述信息修正车辆的当前位置,提高车辆定位精度。实验表明,与常用的全球定位系统(GPS)、扩展卡尔曼滤波方法相比,该方法的定位精度高,且受GPS定位误差的影响小。

无线传感器网络可扩展一致性目标跟踪算法研究

为提高机动目标跟踪性能,降低无线传感器网络的能量消耗,提出一种可扩展的动态平均一致卡尔曼滤波算法.根据预测的下一步目标位置,将无线传感器网络的节点动态组织成簇,多个传感节点协作执行目标的检测及分布式状态估计.给出三种可扩展动态一致卡尔曼滤波算法,即基于观测值、观测新息和估计值的一致性卡尔曼滤波,适应于不同情况的目标跟踪.簇中传感节点仅需接收邻居节点的信息,簇头节点负责下一步任务节点的选择并将当前状态估计值和对应的误差协方差发送给下一步的任务节点以减少整个网络的通信量.仿真结果表明,基于观测值、新息及估计值的分布一致卡尔曼滤波在跟踪精度方面与集中卡尔曼滤波性能相当,而其分布式结构决定了算法具有更强的鲁棒性和容错能力,能够提高系统的可靠性.

移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设计并仿真了一种机器人-节点、节点-节点协作的节点定位方式,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对目标节点的预估位置实施预测修正。仿真结果表明,所提出的移动机器人与WSNs协作定位方法实现了对节点的定位估计,GM-CKF算法的融合有效提高了定位的精度和稳定性。

基于激光雷达增强的视觉SLAM多机器人协作地图构建方法的研究

针对光线强度对机器人视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)建图信息量、时效性和鲁棒性影响大的问题,提出一种基于激光雷达(Light Detection And Ranging,LiDAR)增强的视觉SLAM多机器人协作地图构建方法。在地图构建过程中,将LiDAR深度测量值集成到现有的特征点检测和特征描述子同步定位与地图构建(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping,ORB-SLAM3)算法中,利用改进的扩展卡尔曼滤波算法将激光雷达的高精度数据和视觉传感器的时序信息融合在一起,获得单个机器人的位姿状态,结合深度图进行单个机器人稠密点云地图的构建;利用关键帧跟踪模型和迭代最近点(Iterative Closest Point,ICP)算法得到存在共识关系的机器人之间的坐标转换关系,进而得到各机器人的世界坐标系,在世界坐标系中实现多机器人协作地图的融合与构建。在Gazebo仿真平台中实验验证了方法的时效性和鲁棒性。