基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

顾及运动约束的自适应UWB/IMU组合定位方法

针对室内复杂环境下超宽带(UWB)距离测量容易受到信号非视距(NLOS)传播影响以及UWB/惯性测量单元(IMU)组合定位系统不稳定的问题,该文提出了一种基于模糊自适应滤波的改进型UWB/IMU组合定位方法。通过构建运动约束条件并采用卡尔曼滤波,对UWB原始距离测量值进行实时处理,能够有效解决UWB距离测量值缺失、异常情况以及减小NLOS误差。在数据融合阶段,提出基于模糊自适应滤波的数据融合策略,由预测残差向量构造统计量,基于模糊推断系统计算自适应因子,最终实现高精度的UWB/IMU自适应组合定位。典型室内场景的动态定位实验结果表明,提出方法的定位轨迹与真实轨迹吻合度高,90%的径向位置误差在0.25 m以内,且其均值仅为0.128 m,定位精度优于其他三种方法。

基于UWB和IMU融合的果园采摘机器人定位的研究和设计

为了提高果园采摘效率,实现机器人自主定位,本文提出了一种基于UWB和IMU融合的定位方案,并论证了其可行性和优越性。本文首先介绍了UWB和IMU的原理和特点,然后设计了系统的硬件组成和软件流程,使用卡尔曼滤波进行数据融合,最后通过实验验证了方案的定位精度和稳定性,与单独使用UWB或IMU的定位方法相比,有显著的改善。本文的研究对于果园采摘机器人的定位技术的发展有一定的参考价值和指导意义。

UWB+惯导组合定位研究与应用

随着通信技术的发展和数据处理能力的提高,基于位置的服务成为最有前途的互联网业务之一,快速准确地获得移动终端的位置信息和提供位置服务的需求变得日益迫切。由于煤矿井下属于封闭环境,现有的北斗、GPS等卫星定位系统无法使用,只能采用室内定位技术。煤矿井下人员精确定位已经成为煤矿企业的必备系统,但由于井下环境复杂,单纯使用UWB无法进行路径优化,而使用UWB定位为主,惯导导航为辅进行组合定位能够进行更加精准的定位。因此,本文就UWB+惯导组合定位技术加以研究。

基于GPS/UWB组合的定位技术分析

阐述GPS/UWB组合定位的方法,通过转换定位坐标、创建融合模型以及联合观测的方式,完成定位技术的解析,从而创建定位系统并对应用效果进行验证,该方法比传统定位方法精准度更高。

基于RTK和IMU的多行播种定位系统研究

在耕种过程中,为了保持株距行距一致性、使作物长势均匀,提高后续管理便捷性,以及提高粮食产量,需要精确记录植株空间位置分布信息。为提高植株位置定位精度,本研究设计1种基于双天线RTK和IMU的多行精播机播种定位系统,利用RTK/IMU组合定位方式检测系统定位坐标及航向,通过落种检测模块判断落种状态,完成落种数据提取以及定位数据的采集,并设计了基于双天线RTK和IMU的播种定位算法,结合卡尔曼滤波融合算法获取播种机位置和姿态,根据排种机构与RTK天线及IMU相对位置,设计基于相对排种器位置模型的落种位置解算算法,实现各排种单体落种位置实时解算。实验表明系统在进行直线播种时作业速度在7 km/h以内或在进行弯道播种时作业速度在3 km/h以内时,能准确测量落种位置,均方根误差均小于30 mm,可以满足在精密播种过程中对落种位置预测精度的要求。

基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下,移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带(UWB)测距定位是一种当前广泛应用于室内定位的高精度定位技术,最小二乘算法是精确定位的主流算法之一。受非视距(NLOS)、多径效应等因素影响,UWB定位在室内定位应用过程中存在定位数据抖动严重的问题,同时最小二乘法无法解算极值点定位数据,导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题,提出了基于扩展卡尔曼滤波(EKF)框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测,UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失,降低定位数据的抖动,提高定位系统的稳定性,在半结构环境下具有更好的工程优势。

BDS信号失锁下基于自适应因子图的列车组合定位模型

针对列车运行环境复杂,容易产生BDS信号失锁,影响BDS/IMU列车定位系统的精确性问题,提出了基于自适应因子图的BDS/IMU/OD列车组合定位模型。在BDS/IMU列车定位系统的基础上,引入里程计(Odometer,OD)定位技术,利用北斗卫星导航系统(Beidou Navigation Satellite System,BDS)与惯性测量元件(Inertial Measurement Unit,IMU)、OD 3类传感器获取列车量测信息,根据因子图理论,将多源量测信息描述为状态空间方程,抽象BDS、IMU、OD因子节点和先验因子,确定因子节点与变量节点之间的无向连接关系,建立多变量列车组合定位因子图模型,解算列车的位置信息。当BDS信号产生变化时,借助因子图的即插即用特性,提出了自适应因子算法,动态调整列车组合定位因子图模型结构。在BDS信息部分失锁时,利用BDS的部分信息,建立BDS/IMU/OD列车组合定位因子图模型,在BDS信息完全失锁时,转换为IMU/OD列车组合定位因子图模型,抑制BDS完全失锁造成的发散误差。利用卡尔曼算法、因子图算法、自适应因子图算法进行了列车定位的仿真分析,在BDS信息部分失锁时,自适应因子图模型的定位位置均方根误差比卡尔曼算法分别降低了52.3%、48.2%和42.7%,比因子图算法分别降低了34.8%、27.0%和25.2%。在BDS信息完全失锁时,自适应因子图模型的定位位置误差比卡尔曼算法分别降低了46.7%、46.7%和50%。自适应因子图算法提高了BDS信息失锁的情况下的列车定位精度,实现了不同传感器之间的即插即用,为构建高精确性、强鲁棒性、高可扩展性的列车组合定位系统提供模型支持。

GPS+BDS与UWB组合定位的Helmert方差分量估计方法

为了提高室内外过渡区定位精度,本文采用GPS+BDS与UWB组合定位,建立GPS+BDS与UWB组合定位模型,并针对GPS与BDS星座结构的不同,以及UWB与GNSS观测值残差差异较大的情况,采用Helmert方差分量估计法分别对GPS、BDS、UWB进行定权;最后通过动态室内外过渡区试验组合模型进行精度验证。结果表明,基于GNSS+UWB定位系统,采用Helmert方差分量方法,在东、北、天3个方向的定位精度均获得了显著提高,静态条件下提高幅度约为20%,动态条件下提高幅度约为10%。

基于UWB和IMU的煤矿机器人紧组合定位方法研究

针对煤矿井下环境复杂,现有煤矿机器人定位方法受非视距误差等因素影响导致定位精度低、实时性不高等问题,提出了一种基于UWB(超宽带)和IMU(惯性测量单元)的煤矿机器人紧组合定位方法。首先利用UWB模块测量煤矿机器人与UWB基站之间的距离,使用煤矿机器人与UWB基站之间的距离真实值和实测值训练最小二乘支持向量机(LSSVM)模型,得到LSSVM修正模型;然后将煤矿机器人定位过程中UWB模块测得的实测值作为LSSVM修正模型的输入,通过LSSVM修正模型对UWB实测值进行修正,减小非视距误差对定位精度的影响,得到较为准确的距离信息;最后将经过LSSVM修正模型修正后的测距信息作为误差状态卡尔曼滤波(ESKF)的量测输入,与惯性导航解算出的位置信息构成量测方程,使用ESKF对UWB测距修正值与惯性导航解算的距离信息紧组合,完成状态更新,得到更为精确的位置信息,实现煤矿机器人的精确定位。UWB基站不同布置方案下的模拟实验结果表明:使用LSSVM修正模型可使UWB测距信息更为准确,进而提高定位精度。静态定位实验时,当4个UWB基站等高对称布置时,定位的均方根误差由0.1464 m减小到0.1398 m;当4个UWB基站不等高对称布置时,均方根误差由0.3008 m减小到0.2006 m;当4个基站无规律布置时,均方根误差由0.3175 m减小到0.3142 m。因此,在实际场景中,应尽可能使UWB基站等高对称布置。动态定位实验时,通过LSSVM修正模型对UWB测距信息进行修正后的融合定位轨迹相较于修正前的融合定位轨迹更接近煤矿机器人的真实轨迹,验证了该紧组合定位方法能够减小非视距误差,提高定位精度。

基于卡尔曼滤波算法的UWB+IMU组合精确定位系统在选煤厂中的应用

为了提高智能化选煤厂中人员定位的精度和准确性,采用卡尔曼滤波算法,借助simulink仿真平台,建立了UWB+IMU组合精确定位系统,并介绍了其在大柳塔选煤厂人员精确定位中的应用情况。结果表明,基于卡尔曼滤波算法的UWB+IMU组合精确定位系统,提高了人员定位的准确性,对于提高人员管理、安全管理、生产管理水平意义重大。

UWB/INS紧组合的室内定位定姿方法

针对室内环境下UWB定位精度受NLOS误差影响明显,且不能提供载体姿态信息的问题,提出UWB/INS紧组合的室内定位定姿方法:利用经过标准时间偏差改正后的RTT测距信息与INS推算的距离信息之差作为量测信息,按设定的阈值剔除NLOS误差,通过扩展卡尔曼滤波进行室内定位定姿。实验结果表明,该方法能有效抑制NLOS误差的影响,较好提升在NLOS环境下的定位定姿精度,适用于高精度的室内移动测量。

GNSS/UWB高精度室内外组合定位方法

为了提高无缝定位中室内外接合处的定位能力及精度,采用GNSS和UWB 2类传感器进行组合,在对GNSS和UWB时空基准统一进行处理的基础上,组建GNSS和UWB紧组合定位模型,并采用赫尔默特方差估计方法对2类传感器进行定权。最后利用室内外接合处静态和动态定位实验对组合定位模型进行验证,结果表明基于GNSS/UWB定位系统,室内外静态定位平面精度可达到cm级,室内外实时动态平面定位精度达到亚dm级。

UWB辅助INS的室内组合定位方法

针对UWB/INS组合系统中UWB不同测距信息的时间不同步问题,设计了UWB辅助INS的室内组合定位方法。该方法利用单个UWB RTT测距值和INS系统进行组合,采用一维的UWB/INS紧组合模型对组合系统观测数据进行处理,以此消除UWB测距的时间不同步误差影响。实验结果表明,所述方法在UWB/INS紧组合的基础上能有效地避免UWB同一组测距中的时间不同步误差,进而提高室内定位精度、稳定性和可靠性。

GPS/IMU组合定位定向系统设计

介绍了一种组合低成本的GPS和IMU(InertialMeasurementUnit)来获得高精度姿态、位置和速度信息的方法。文中介绍了GPS/IMU组合系统的设计方案及系统的硬件和软件设计 ,并给出了实验结果。该组合系统将来安装于炮兵测地车后 ,不仅可以提高测地的精度 ,而且在采样率。

GNSS/UWB高精度室内外组合定位方法研究

通过分析GNSS定位技术与UWB定位技术的发展现状,对其应用要点进行研究,并对GNSS/UWB高精度室内外组合定位的关键技术进行了探讨。同时,结合时代技术发展的特点,对GNSS/UWB高精度室内外组合定位技术的应用方法进行了研究。

GPS/UWB组合定位关键技术分析与探究

文章通过分析GPS定位技术与UWB定位技术的发展现状,对其应用要点进行了研究。在此基础上,本文对GPS/UWB组合定位的关键技术进行了探讨。同时,本文结合时代技术发展的特点,对GPS/UWB组合定位技术的应用进行了研究。这些研究对定位技术的发展和应用有着重要的意义,有很好的现实价值。

高精度UWB/SINS组合室内定位系统研究

针对水利工程泥沙沉积规律模拟测量实验,提出INS和扫描仪相结合的测量系统,同时在该测量系统中又加入了基于UWB的室内定位技术来解决INS误差积累的问题。通过轨迹发生器和松组合形式的卡尔曼滤波器,对组合定位系统进行模拟仿真。结果表明该组合定位系统中INS和UWB优势互补,抑制误差的同时提高了室内定位系统的定位精度。

基于UWB与IMU的多传感器融合室内定位技术研究

随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。

基于组合定位技术的灌注桩施工智能监测系统应用

为实现钻孔灌注桩施工成孔位置高精度定位和桩身垂直度实时控制的智能监测,基于BDS和UWB的组合定位技术及双轴倾角传感器开发了智能监测系统。利用BDS技术中的载波相位差分定位技术对目标物水平与高程位置进行定位,结合UWB系统定位层面的脉冲发生器产生的短时脉冲无线电传送信息,应用组合定位技术加强桩基定位稳定性,实现钻机厘米级定位精度并自动引导钻杆就位。通过监测系统辅助施工控制桩基在不同方向的偏移量及桩身偏斜量的大小,并在超过允许偏差范围时做出异常预警。通过在长水机场桩基工程区应用智能监测系统发现,所有灌注桩平面偏移量和桩身垂直度均满足规范要求并将施工误差控制在较小值。结果表明应用智能检测系统既能保证桩基施工质量,又能满足和提升智慧工地的数字化及信息化水平。