检索结果-内蒙古大学图书馆

传感器与微系统 2025年第3期44卷 125-129页

作者：胡欢贾田鹏张英北京信息科技大学机电工程学院北京100192 北京邮电大学现代邮政学院(自动化学院) 北京100876

精准定位是实现移动机器人自主导航的先决条件。为解决单一传感器的局限性问题,提出了一种通过扩展卡尔曼滤波(EKF)算法对轮速计和视觉惯性传感器的信息进行融合定位。针对视觉受到遮挡干扰后影响融合定位的问题,提出了基于特征点云个... 详细信息

精准定位是实现移动机器人自主导航的先决条件。为解决单一传感器的局限性问题,提出了一种通过扩展卡尔曼滤波(EKF)算法对轮速计和视觉惯性传感器的信息进行融合定位。针对视觉受到遮挡干扰后影响融合定位的问题,提出了基于特征点云个数的改进EKF融合定位算法。该算法通过特征点云个数和方差系数计算函数,动态地更新视觉惯性里程计(VIO)的噪声协方差矩阵,以便消除视觉被遮挡后对系统定位结果的影响。仿真实验结果表明:提出的基于特征点云个数的EKF融合定位和传统EKF融合定位相比,在定位精度上相差无几,但在鲁棒性上大幅提升。实物实验结果进一步验证了所提出的融合定位方法能够有效消除视觉受到遮挡后对定位结果的影响。

关键词：多传感器融合定位扩展卡尔曼滤波特征点云噪声协方差矩阵

来源：评论

学校读者我要写书评

暂无评论

移动机器人多传感器融合定位仿真研究

引用

计算机仿真 2023年第3期40卷 436-441页

作者：张文玥娄小平陈福笛北京信息科技大学光电测试技术及仪器教育部重点实验室北京100192

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... 详细信息

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。

关键词：多传感器融合定位里程计性测量单元激光雷达

来源：评论

学校读者我要写书评

暂无评论

尾矿库排洪隧洞探测机器人多传感器融合定位

引用

工矿自动化 2022年第3期48卷 78-85页

作者：周祎博周唯逸郭振武王斌锐中国计量大学机电工程学院浙江杭州 310018 国网浙江乐清市供电公司浙江温州 311799

尾矿库排洪隧洞内环境复杂,现有探测机器人定位算法存在弱纹理室内场景定位失效的问题,难以适用于该类环境下探测机器人的精确定位和累计误差消除.针对上述问题,提出了一种适用于尾矿库排洪隧洞环境的探测机器人多传感器融合定位算法.... 详细信息

尾矿库排洪隧洞内环境复杂,现有探测机器人定位算法存在弱纹理室内场景定位失效的问题,难以适用于该类环境下探测机器人的精确定位和累计误差消除.针对上述问题,提出了一种适用于尾矿库排洪隧洞环境的探测机器人多传感器融合定位算法.该算法基于测程法和图论,利用ArUco码将排洪隧洞环境的远距离定位简化为多段短距离定位.首先利用UMBmark算法进行里程计标定,有效消除探测机器人轮径和轴径两类系统误差;然后利用扩展卡尔曼滤波(EKF)算法融合里程计和惯导模块(IMU)信息,利用测程法实现运动过程中探测机器人位置和姿态信息计算;最后利用ArUco码作为路标并固定于隧洞内部,探测机器人携带标定后的相机对ArUco码信息进行识别与处理,利用各传感器量测值形成约束,结合图优化方法实现位姿优化,并根据ArUco码携带的信息消除累计误差,从而实现狭长空间弱纹理场景下探测机器人的远距离高精度定位.在尾矿库排洪隧洞实际场景中运行和关闭多传感器融合定位算法,分别进行10组行进40?m的重复定位实验,结果表明:多传感器融合定位算法具有较高的稳定性和精确性,能有效校正累计误差,实现探测机器人在排洪隧洞环境中的精确定位,行进20?m的平均定位误差为19.77?cm,40?m的平均定位误差为21.23?cm,且行进20?m校正后误差均值为4.2?mm.

关键词：尾矿库排洪隧洞探测机器人多传感器融合定位自主定位多段短距离定位

来源：评论

学校读者我要写书评

暂无评论

基于图优化的智能汽车多传感器融合定位策略研究

基于图优化的智能汽车多传感器融合定位策略研究

引用

作者：陶晓文吉林大学

学位级别：硕士

随着经济的发展和科技的不断进步,智能汽车已经成为车辆工程领域最重要的研究方向之一。智能汽车定位技术是环境感知中的重要组成部分,也是智能汽车实现决策规划和运动控制的基础。智能汽车高精度定位技术的突破对于汽车行业的长远发展... 详细信息

随着经济的发展和科技的不断进步,智能汽车已经成为车辆工程领域最重要的研究方向之一。智能汽车定位技术是环境感知中的重要组成部分,也是智能汽车实现决策规划和运动控制的基础。智能汽车高精度定位技术的突破对于汽车行业的长远发展具有重要意义。目前,各种独立定位方法存在不可避免的缺陷且环境适应性差,因此国内外学者研究多传感器融合定位技术以获得稳定可靠的智能汽车定位信息。相机和惯性测量单元(Inertial Measurement Unit,IMU)硬件成本低且二者的定位特点具有明显的互补性,相机和IMU融合后的视觉惯性里程计(Visual Inertial Odometry,VIO)能够实现未知环境中不依赖于外部信号源的自主定位,但其定位效果易受光照等因素影响,在室外大规模环境中定位鲁棒性较差。此外,相机和IMU定位都属于相对定位,其定位误差会不断累积,无法满足智能汽车长时间运行时的定位需求,需要依靠绝对定位技术来消除累计误差。全球定位系统(Global Positioning System,GPS)是智能汽车广泛配备的绝对定位技术,可以提供实时、全时段的定位服务,但其定位精度只能达到米级,无法满足智能汽车的定位精度需求。因此GPS通常需要搭载低成本的网络载波相位差分(Network Real-time Kinematic,NRTK)定位技术来提高精度,但GPS/NRTK在有遮挡的区域精度会很低甚至可能发生定位丢失,无法保证定位的稳定性和连续性,需要与不依赖于外部信号源的自主定位系统进行融合。因此,本文提出了一种基于图优化方法的多传感器(相机/IMU/GPS/NRTK)融合定位策略来提高智能汽车在室外大规模未知环境中的定位能力,并进行了KITTI数据集仿真测试验证与实车测试验证。本文主要研究内容可以分为以下四个部分:(1)视觉惯性里程计前端处理及初始化算法建立了视觉惯性里程计前端处理算法。首先分析了相机成像和IMU测量的基本原理,建立了二者的测量模型。在此基础上,建立了基于FAST角点的图像特征提取算法、基于图像金字塔的特征追踪算法和基于RANSAC的特征匹配算法,实现了相机帧位姿的精确求解,利用KITTI数据集和校园实车数据对本文提出的图像特征处理算法进行了测试验证。同时,创新地提出了关键帧自适应选取策略,可以根据不同的挑战性工况自动合理地选取关键帧,从而保证VIO系统的定位鲁棒性。其次,创新地引入了时间常数对IMU测量模型进行细致化构建,在此基础上推导了IMU预积分模型来减少VIO系统的计算量从而提高实时性。此外,提出了视觉惯性里程计初始化算法。基于三角化和Pn P方法实现了路标点的深度估计和相机位姿估计;构建了基于相机和IMU测量值约束的目标函数,实现了相机和IMU外参的在线标定及尺度、陀螺仪偏置、初始速度、重力矢量等参数的估计。(2)基于图优化的视觉惯性里程计后端算法建立了基于图优化的视觉惯性里程计后端算法。首先,通过图优化方法实现了相机和IMU的紧耦合定位,同时详细推导了IMU测量值及相机测量值的残差方程、测量值残差的雅可比矩阵和增量误差的协方差矩阵。其次,建立了基于舒尔补的滑动窗口边缘化策略来限制优化问题的计算规模并充分利用传感器的先验数据信息,有效地提高了系统的计算效率和定位精度。最后,提出了一种基于词袋模型的回环检测优化算法,通过相似性、一致性、连续性、几何校验等方法对回环帧进行判断并将回环帧约束加入到后端优化中,可以有效地消除累计误差、提高系统的鲁棒性。(3)基于全局位姿图优化的多传感器融合定位策略提出了基于全局位姿图优化的多传感器融合定位策略。首先,采用空间坐标变换方程和IMU预积分方程实现了不同传感器的时间同步和空间同步。其次,分析了基于虚拟参考基站的NRTK定位原理并建立了多传感器融合定位策略的架构。最后,创新地建立了基于位姿图优化理论的VIO/GPS/NRTK自适应融合定位策略,可以显著提高定位系统的鲁棒性和泛化能力,满足智能汽车的定位需求。(4)多传感器融合定位策略测试验证通过KITTI数据集和实车试验对本文所提出的算法进行了测试验证,并且基于定位算法评价指标具体量化了本文算法的性能。首先,对KITTI数据集的时间戳及其存储格式进行了预处理并基于ROS架构的试验平台实现了室外大规模环境下的仿真测试验证。然后,搭建了实车试验平台并对关键设备进行了参数标定和精度评估,在此基础上,对本文所提出的算法进行了校园环境中的实车测试验证。仿真及实车试验结果表明,本文所提出的基于图优化的多传感器融合定位策略具有低成本、高精度、高稳定性、高泛化能力等优点,可以满足智能汽车在室外大规模未知环境中的定位需求。

关键词：智能汽车多传感器融合定位图优化视觉惯性里程计位姿图优化实车测试

来源：评论

学校读者我要写书评

暂无评论

叉车式AGV多传感器融合定位研究

叉车式AGV多传感器融合定位研究

引用

作者：夏韵凯浙江工业大学

学位级别：硕士

自动导引小车系统AGVs（Automated guided vehicle systems）已经成为当今物流与制造行业的一个关键组成部分。AGV是一种无人驾驶车辆，具有自动化程度高、安全可靠、工作效率高等特点，广泛应用于汽车工业、家电制造、物流、烟草制造... 详细信息

自动导引小车系统AGVs（Automated guided vehicle systems）已经成为当今物流与制造行业的一个关键组成部分。AGV是一种无人驾驶车辆，具有自动化程度高、安全可靠、工作效率高等特点，广泛应用于汽车工业、家电制造、物流、烟草制造、3C电子、食品饮食等行业。AGV涉及的研究领域十分广泛，包括定位、路径规划和运动控制等。运动控制与定位都是AGV研究的核心问题，影响AGV性能与任务执行。定位是运动控制的前提，定位的目的便是实现AGV的运动控制，两者相辅相成，一直受到研究人员的重视。　　本文的研究对象是应用于柔性制造工厂的激光叉车AGV，使用基于反光柱的激光定位，并使用PID作为运动控制。但是单一的激光定位存在响应时间慢，定位数据波动大等问题，一定程度上影响了其定位精度;而PID运动控制的参数需要进行大量实验试凑得到，通用性不强。因此，本文对激光叉车AGV的定位与运动控制进行了深入的研究，提高了叉车AGV的定位精度与运动控制的稳定性。　　本文主要的研究内容如下：　　（1）建立了完整的叉车AGV运动学模型，在分析叉车AGV运动特性的基础上，设计了控制叉车舵轮转角与速度的运动控制方法，实现叉车AGV的运动控制。为了实现叉车AGV的横向控制，使用改进的Pure pursuit算法控制叉车AGV的舵轮转角，从而实现路径跟随，并通过Python仿真验证了算法的效果。叉车AGV在不同的工作场景中会使用不同的速度，为了更好控制叉车AGV的速度变化，使用基于NURBS（Non-uniform rational B-splines）曲线插补五段加减速曲线算法，并通过仿真测试了不同情况下的速度控制。　　（2）为了提高叉车AGV的定位精度，提出了一种分布式卡尔曼滤波的融合方法，该方法融合了电机编码器、陀螺仪与激光定位系统三种传感器。融合方法提高了叉车AGV的定位精度，减小了数据的波动，并能有效判断叉车AGV的状态。　　（3）通过实验验证了单舵轮叉车AGV融合定位的可行性与有效性。在完成理论分析的基础上进行实验验证，搭建了叉车AGV硬件测试环境，采用Visual Studio的MFC软件框架开发了AGV车载单机程序，将改良的运动控制与融合定位算法应用于所搭建的叉车AGV中。经过系统的实验对比，验证了融合定位算法的可靠性和稳定性。

关键词：自动导引小车多传感器融合定位分布式卡尔曼滤波运动控制

来源：评论

学校读者我要写书评

暂无评论

自主移动机器人的多传感器融合定位及全局路径规划研究

自主移动机器人的多传感器融合定位及全局路径规划研究

引用

作者：麦锡全华南理工大学

学位级别：硕士

自主移动机器人对国家智能制造产业有着重要意义,其核心在于实现定位建图、路径规划和导航避障这三大功能。传统的移动机器人采用单一定位传感器难以保证定位精度和鲁棒性,并存在路径规划失效和无法动态避障的问题。为解决以上问题,本... 详细信息

自主移动机器人对国家智能制造产业有着重要意义,其核心在于实现定位建图、路径规划和导航避障这三大功能。传统的移动机器人采用单一定位传感器难以保证定位精度和鲁棒性,并存在路径规划失效和无法动态避障的问题。为解决以上问题,本文首先构建了自主移动机器人运动学模型,设计并搭建自主移动机器人系统,在此基础上研究多传感器融合定位算法、全局路径规划算法,并通过仿真和实际物理平台的实验对本文工作进行验证。本文主要研究内容如下:(1)设计并搭建了自主移动机器人系统。首先,分析了运动学模型后推导出了运动学方程。然后,考虑了影响定位和导航的因素,并分析了定位传感器的原理和特性,进而提出了自主移动机器人总体设计方案。最后,搭建和介绍了自主移动机器人系统;(2)设计并实现了多传感器融合定位算法。首先,选定了在决策级采用基于概率统计的融合定位方案,设计并实现了融合定位流程。其次,对各传感器的多源数据进行采集和预处理。接着,以轮速计为先验,惯导和UWB为后验,通过扩展卡尔曼滤波获得里程信息,并在Matlab中进行了仿真验证。最后,融合了激光雷达和深度相机点云数据,通过似然域模型计算了粒子权重,通过自适应蒙特卡罗算法完成了全局定位功能;(3)设计并实现了全局路径规划融合算法。首先,分析了图搜索和随机采样算法。其次,提出了改进的RRT-Connect算法,可双向快速搜索出一条局部最优的连通路径。并在Matlab仿真验证了改进采样算法有效降低了路径规划耗时。然后,针对A*在静态环境下稳定规划近似最优路径的优点和A*存在局部最优解和路径持续失效的缺点,结合改进RRT-Connect随机采样和快速规划的特点,提出了一种支持自适应调整迭代条件以实现策略切换的路径融合算法。通过在Gazebo中仿真确定迭代条件阈值,并对路径进行拼接和平滑处理,实现了自主移动机器人在动静态环境下的自主导航;(4)设计了实验并验证本文算法。首先,实验验证了本文的定位融合算法能够有效提高精度和保持鲁棒性。其次,分别在动静态场景下进行了导航避障实验,实验结果表明了本文的路径融合算法的静态通行效率更高,动态避障速度效率提高了5.6%。

关键词：自主移动机器人自主导航多传感器融合定位全局路径规划

来源：评论

学校读者我要写书评

暂无评论

基于多传感器融合技术的室内移动机器人定位研究

引用

传感器与微系统 2021年第8期40卷 53-56页

作者：张书亮谭向全吴清文中国科学院长春光学精密机械与物理研究所空间机器人工程中心吉林长春130033 中国科学院大学材料科学与光电技术学院北京100049 中国科学院空间光学系统在轨制造与集成重点实验室吉林长春130033

为解决室内环境中移动机器人使用单一传感器定位精度低和稳定性差的问题,提出了一种融合了轮式里程计、惯性测量单元(IMU)、超宽带(UWB)和激光雷达定位数据的多传感器融合定位方法。基于扩展卡尔曼滤波(EKF)算法和自适应蒙特—卡罗定位(... 详细信息

为解决室内环境中移动机器人使用单一传感器定位精度低和稳定性差的问题,提出了一种融合了轮式里程计、惯性测量单元(IMU)、超宽带(UWB)和激光雷达定位数据的多传感器融合定位方法。基于扩展卡尔曼滤波(EKF)算法和自适应蒙特—卡罗定位(AMCL)算法,依次对不同传感器定位数据进行融合。实验结果表明:多传感器融合有助于室内移动机器人获得更精确的定位和较好的定位稳定性。

关键词：多传感器融合定位移动机器人扩展卡尔曼滤波自适应蒙特—卡罗定位

来源：评论

学校读者我要写书评

暂无评论

基于UWB和多传感器融合的室内定位方法研究

基于UWB和多传感器融合的室内定位方法研究

引用

作者：邓映隆电子科技大学

学位级别：硕士

在当前室外定位技术日臻成熟的背景下,针对在全球卫星导航系统(Global Navigation Satellite System,GNSS)信号拒止的室内环境中实现高精度、高可靠性及全场景覆盖的定位系统的研究具有重要意义。超宽带(Ultra-Wideband,UWB)技术以其极... 详细信息

在当前室外定位技术日臻成熟的背景下,针对在全球卫星导航系统(Global Navigation Satellite System,GNSS)信号拒止的室内环境中实现高精度、高可靠性及全场景覆盖的定位系统的研究具有重要意义。超宽带(Ultra-Wideband,UWB)技术以其极高的测距精度和超强的穿透性,在室内定位领域备受关注。然而,在复杂的室内场景中,UWB信号常受到非视距(Non-Line-of-Sight,NLOS)误差的影响,导致距离信息出现较大偏差,进而影响定位系统的整体性能。此外,现有的UWB室内定位技术在三维定位中仍面临高度误差偏大以及定位轨迹波动等挑战。为了有效应对上述问题,本文分别从单一传感器和多传感器融合的角度出发进行研究,最终实现了高精度、高可靠性的室内定位方法。主要研究内容如下: (1)针对现有UWB定位方法普遍缺乏对NLOS误差的有效抑制手段的问题,本文提出了一种基于Huber损失函数改进的Taylor算法。引入Huber损失函数并修改其形式,改进后的Huber损失函数能够在异常UWB测量值出现时限制其对损失值的影响,最终提升定位方法在NLOS环境下的定位精度和稳定性。 (2)针对仅使用UWB传感器进行室内定位存在Z轴误差较大和定位轨迹波动的问题,本文从多传感器融合的角度进行改进。首先,设计了一个基于误差状态卡尔曼滤波(Error-State Kalman Filter,ESKF)的紧耦合系统,较现有方法降低了三维定位误差。随后,针对ESKF需要对传感器噪声进行准确建模的缺点,引入非线性优化方法,并通过累积B样条平滑系统定位轨迹。此外,本文设计了一种基于关键数据选择的滑动窗口策略,旨在不降低定位精度的同时降低系统计算量。经过实验验证,该方法在NLOS环境下的均方根误差(Root Mean Square Error,RMSE)由0.9798m下降至0.2904m,其中Z轴RMSE由0.7932m下降至0.2388m,充分证明了本文方法在提升定位精度方面的有效性。 (3)基于现有硬件模块,搭建了一套适用于上述方法实现的嵌入式验证平台,并在搭建的验证平台上进行了算法的实物验证。通过设计不同类型的场景进行实验,实验结果显示,最大的RMSE为0.2857m。进一步验证了本文所提出的方法在全场景下均能够实现稳定的、高精度的室内定位。

关键词：室内定位超宽带多传感器融合定位非视距误差累积B样条

来源：评论

学校读者我要写书评

暂无评论

基于多传感器融合的智能汽车定位算法研究

基于多传感器融合的智能汽车定位算法研究

引用

作者：邱仁高深圳大学

学位级别：硕士

随着经济和科技的不断发展,智能汽车已经走进千家万户,智能汽车搭载的自动驾驶技术是研究的热点。在复杂的城市交通道路中,准确的定位是自动驾驶任务的前提,各种依靠单一传感器的定位方法存在不可避免的缺陷且环境适应性差,例如GNSS在... 详细信息

随着经济和科技的不断发展,智能汽车已经走进千家万户,智能汽车搭载的自动驾驶技术是研究的热点。在复杂的城市交通道路中,准确的定位是自动驾驶任务的前提,各种依靠单一传感器的定位方法存在不可避免的缺陷且环境适应性差,例如GNSS在高楼林立的复杂城市道路中因为信号受到遮挡导致车辆定位不准确。多传感器融合定位技术能够有效解决上述问题,输出高精度的定位数据。本文建立了适用于智能汽车的高精度地图,高精度地图分为高精点云地图与高精拓扑地图,为自动驾驶车辆的定位模块提供环境信息。传感器对城市道路进行数据采集,使用LIO-SAM建图算法构建高精点云地图,在高精点云地图上使用Road Runner软件可视化编辑高精度拓扑地图,为定位算法提供高精度地图。本文提出一种基于动态加权移动平均的多传感器融合定位算法,其融合激光雷达、组合导航系统传感器数据。该定位算法能够平滑异常定位数据的突然波动,最终输出高精度、平滑的运动轨迹,例如NDT算法点云误配准导致的定位漂移问题。首先,组合导航系统滤波输出高频率的组合导航里程计,通过该数据插值计算对应激光雷达点云时间戳的位姿数据,该位姿数据作为NDT算法初始位姿;然后,将激光雷达点云与高精点云地图进行NDT算法点云配准获得低频率的激光雷达里程计;最后,将组合导航里程计和激光雷达里程计通过动态加权移动平均方法融合输出高频率的定位数据。为进一步提高定位精度,在动态加权移动平均定位算法基础上,融合了更多传感器数据,提出了一种基于双滤波器的多传感器融合定位算法,其融合激光雷达、组合导航系统以及轮速计传感器数据。该定位算法能够解决传感器数据处理导致的延时问题,确保数据时间同步,有效融入更多传感器数据,实时输出高精度定位数据,例如NDT算法点云配准迭代计算耗时长导致数据时间不同步问题。滤波器采用误差状态卡尔曼滤波算法,IMU数据作为预测,轮速计数据作为速度观测,激光雷达点云与高精点云地图进行NDT算法点云配准获得激光雷达里程计作为位姿观测。双滤波器算法模块的滤波器1将缓存的各传感器数据根据时间戳一一对齐进行预测与更新,滤波器2获取滤波器1的参数状态处理延时,快速预测到当前时刻,实时输出定位数据;另外异常数据检测算法模块中动态加权移动平均定位算法输出的定位数据实时校正双滤波器算法模块输出的定位数据,确保最终输出准确的定位数据,提高了该定位算法的鲁棒性。本文分别从理论分析和定位算法实验两个方面对上述内容进行了全面的探究。搭建了实验平台对上述提出的定位算法进行实验,实验结果表明本文提出的定位算法具有高精度、高稳定性、实时性等优点,可以满足智能汽车在城市道路中的定位需求,可以为自动驾驶的感知模块、预测模块、决策与规划模块提供定位保障。

关键词：智能汽车自动驾驶多传感器融合定位误差状态卡尔曼滤波算法双滤波器

来源：评论

学校读者我要写书评

暂无评论

无人车多传感器融合建图与定位算法研究

无人车多传感器融合建图与定位算法研究

引用

作者：刘宗仁北京交通大学

学位级别：硕士

近年来,无人技术有了长足的进步,在该领域中,同时定位与建图(Simultaneous Localization and Mapping,SLAM)是无人技术发展的前提,当系统拥有了高精度的地图与强鲁棒的定位,才能让移动机器人做有效的路径规划。在SLAM技术的研究中,涉及... 详细信息

近年来,无人技术有了长足的进步,在该领域中,同时定位与建图(Simultaneous Localization and Mapping,SLAM)是无人技术发展的前提,当系统拥有了高精度的地图与强鲁棒的定位,才能让移动机器人做有效的路径规划。在SLAM技术的研究中,涉及到多种传感器,比如相机、激光雷达扫描仪、IMU和轮速脉冲等。相机的优点是硬件成本低,采集的信息特征丰富,但受限于工作环境以及载体的运动状态。激光雷达扫描仪鲁棒性高,采集的点云数据包含场景的三维信息,但是不适用于空旷大场景。IMU和轮速脉冲输出频率高,但是由于传感器自身工作原理,容易受到噪声的影响,随时间推移产生比较严重的误差累积。因此,本文通过结合各种传感器本身的优缺点,以提高无人系统的定位精度和鲁棒性为根本目的,提出了多传感器融合定位与建图算法。本文的主要工作内容如下:(1)分析了视觉和激光雷达SLAM的数学框架和系统模型以及经典的定位与建图系统下各个模块组成及功能原理,基于前端里程计、后端优化、回环矫正以及稀疏地图等模块对本课题应用的视觉系统模型进行详细的论述,并基于前端里程计、Mapping、回环检测以及点云地图构建等模块分别对本课题应用的激光雷达系统模型进行详细的解释。(2)分析了多传感器标定算法以及相关的数学理论基础,其中,标定算法包括相机内参数标定、相机和IMU的外参数标定、相机和激光雷达扫描仪的外参数标定。基于标定精度可观性的目的,提出了占据栅格地图,介绍该地图的数学模型,综合利用激光雷达扫描仪得到的点云数据和视觉定位系统得到的轨迹位姿,生成占据栅格地图。(3)开发了一种多模态传感器的融合算法,该算法的系统框架融合了激光雷达扫描仪、IMU传感器、相机和轮速脉冲等多种传感器,提供了一种同时满足精度和实时性要求的融合方法,可以在没有视觉特征或者在空间结构退化的情况下实现鲁棒的状态估计。融合算法分为建图和定位两个模块。在建图模块,由相机和激光雷达传感器构造视觉地图和点云地图,并用真实轨迹对相应地图做修正。定位模块应用误差卡尔曼滤波器的基本框架,首先由IMU和轮速脉冲传感器输出预测值,再通过视觉和激光雷达算法在已知地图上定位提供观测值,提高系统的精度和鲁棒性。(4)搭建并应用移动机器人平台,将本课题研究的多传感器融合算法用C++编程语言实现并在该平台上进行相关实验,然后分析、评估、对比实验结果。对多传感器结合的松耦合SLAM算法,通过误差修正恢复运动,与传统的SLAM算法进行对比,实验结果不仅验证了本课题算法的实时性和有效性,还展现了其在精度和鲁棒性等方面都拥有较大的优势。

关键词：同时定位与建图占据栅格地图多传感器融合定位松耦合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：