检索结果-内蒙古大学图书馆

通信技术 2024年第2期57卷 147-152页

作者：谢腾飞解晨秦智军何迪江西省检验检测认证总院特种设备检验检测研究院江西南昌330052 北斗导航与位置服务上海市重点实验室上海交通大学电信学院感知科学与工程学院上海200240

针对传统无线定位问题中基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的测距与定位方法精度过于依赖RSSI测距精度,以至于提升定位精度成本较大的问题,提出了基于深度学习与信息交互的第5代移动通信技术(5G)终端群组... 详细信息

针对传统无线定位问题中基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的测距与定位方法精度过于依赖RSSI测距精度,以至于提升定位精度成本较大的问题,提出了基于深度学习与信息交互的第5代移动通信技术(5G)终端群组定位方法,以降低其对基站与终端间RSSI测距精度的依赖。在5G终端群组条件下,基于终端间的相互测距信息,利用终端间测距误差较小的特点来弥补基站与终端间RSSI测距的误差,并结合深度神经网络,将接收到的RSSI信号作为输入特征、位置信息作为输出特征,进行模型训练并输出5G终端群组定位结果,使得最终定位精度得到有效提升。仿真试验验证了所提出方法的有效性。

关键词：无线定位接收信号强度指示 5G终端群组深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于FPGA的高精度惯导算法实现

引用

信息技术 2021年第6期45卷 33-39页

作者：池乃权武元新上海交通大学上海市北斗导航与位置服务重点实验室上海200240

通过将函数迭代积分和切比雪夫多项式结合,iNavFIter算法首次将运动不可交换性误差降低到了机器截断误差级别,为新一代高精度或高动态惯性导航系统奠定了算法基础。文中利用了FPGA并行度高、灵活性强的特点,在硬件上对iNavFIter算法进... 详细信息

通过将函数迭代积分和切比雪夫多项式结合,iNavFIter算法首次将运动不可交换性误差降低到了机器截断误差级别,为新一代高精度或高动态惯性导航系统奠定了算法基础。文中利用了FPGA并行度高、灵活性强的特点,在硬件上对iNavFIter算法进行了实现,并对算法的时序和资源利用率进行了优化。该设计使用Xilinx的Kintex-7型号FPGA开发板,将算法打包成IP核部署到FPGA上,并通过以太网与上位机进行通信,接收上位机发送的陀螺加速度计数据,并将解算结果发送给上位机进行结果展示。惯导仿真数据表明,设计的FPGA IP核具备了高精度、实时计算的能力。

关键词： iNavFIter FPGA 高精度实时性

来源：评论

学校读者我要写书评

暂无评论

基于地面快速鲁棒特征的智能车全局定位方法

引用

上海交通大学学报 2019年第2期53卷 203-208页

作者：胡兵杨明郭林栋王春香王冰上海交通大学自动化系上海市北斗导航与位置服务重点实验室上海200240

针对目前视觉定位方法大多基于地面语义特征(如车道线、停车线等)容易受到其他地面语义特征(如箭头、斑马线等)的影响,提出了一种基于地面快速鲁棒特征(SURF)点的全局定位方法.该方法首先在鸟瞰图中检测SURF点,结合高精度GPS构建地面SUR... 详细信息

针对目前视觉定位方法大多基于地面语义特征(如车道线、停车线等)容易受到其他地面语义特征(如箭头、斑马线等)的影响,提出了一种基于地面快速鲁棒特征(SURF)点的全局定位方法.该方法首先在鸟瞰图中检测SURF点,结合高精度GPS构建地面SURF地图.然后在此基础上,使用迭代最近点算法,将在线检测结果与地图匹配获得车辆全局定位,并通过扩展卡尔曼滤波将定位结果与惯导和里程计数据进行融合,提高全局定位精度.实验结果表明,所提出的方法可获得分米级定位结果,能满足智能车的定位需求.

关键词：快速鲁棒特征迭代最近点扩展卡尔曼滤波智能车定位

来源：评论

学校读者我要写书评

暂无评论

机器学习在船舶不沉性设计策略中的应用

引用

船舶 2022年第4期33卷 82-87页

作者：杨春蕾黄晓皓盛庆武王金宝潘常春范佘明喷水推进重点实验室上海200011 中国船舶及海洋工程设计研究院上海200011 上海市船舶工程重点实验室上海200011 上海交通大学电子信息与电气工程学院上海200240 上海北斗导航与位置服务重点实验室上海200240

船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入,将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实... 详细信息

船舶不沉性是衡量船舶生命力的重要性能,也是优选水密分舱策略的关键指标,但时间成本高仍是制约不沉性寻优实用化的难点。随着机器学习技术应用不断深入,将提供更有效的途径。该研究基于强化学习的粒子群算法求解不沉性分舱优化问题,实现集成机器学习模块和不沉性设计模块的优化系统开发和界面设计,讨论算法中不同参数的设置对寻优能力的影响。通过寻优解的分析,表明该方法能够高效地找到较优的分舱方案,为制定科学的分舱策略等方面提供依据。

关键词：不沉性机器学习粒子群强化学习船舶分舱

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

引用

飞控与探测 2021年第6期4卷 70-77页

作者：薛建伟史庆杰周泽强钱久超朱肖光刘佩林上海交通大学北斗导航与位置服务上海市重点实验室上海201109 上海航天控制技术研究所上海201109

精确的飞机检测与追踪方法有助于提升我国军事实力,但是目前针对小目标飞机进行有效追踪的方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳的问题,提出了一种基于YOLOv3以及卡... 详细信息

精确的飞机检测与追踪方法有助于提升我国军事实力,但是目前针对小目标飞机进行有效追踪的方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳的问题,提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法,以获得更好的追踪性能。该算法首先通过改进的YOLOv3算法对视频中的图像进行检测,在识别到视频中的飞机之后,通过卡尔曼滤波器对飞机的运动轨迹进行预测,并通过匈牙利算法进行数据关联。实验结果显示,该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升,且对飞机的追踪效果精度高且实时性好,具有较高的军事应用价值。

关键词：目标追踪目标检测飞机追踪 YOLOv3 卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于体素格尺度不变特征变换的快速点云配准方法

引用

中国惯性技术学报 2019年第1期27卷 77-82页

作者：郭杭漆钰晖裴凌陈春旭朱一帆南昌大学南昌330031 上海交通大学上海市北斗导航与位置服务重点实验室上海200240

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征... 详细信息

以三维激光雷达为主的多源融合同步定位与建图技术是无人系统室内外无缝定位的研究热点,点云配准是其中重要环节。为了提高点云配准效率,提出一种基于体素格尺度不变特征变换的快速点云配准方法。首先,基于点云体素格提取尺度不变特征变换的特征点,完成初始配准;然后利用随机抽样一致算法剔除边缘匹配点并优化初始变换参数;最后基于优化初始变换参数,采用K维树近邻搜索法,结合最近邻点迭代配准算法完成原始点云数据的快速精确配准。对开源数据集以及实际采集的6个典型场景数据的测试表明,该方法的平均配准时间较传统最近邻点迭代配准算法缩短了78%。实验结果表明了该方法的有效性。

关键词：三维激光点云体素格尺度不变特征变换点云配准最近邻点迭代

来源：评论

学校读者我要写书评

暂无评论

基于改进克隆卡尔曼滤波的视觉惯性里程计实现

引用

信息技术 2020年第5期44卷 21-27,36页

作者：徐之航欧阳威武元新上海交通大学上海市北斗导航与位置服务重点实验室上海200240

视觉-惯性多传感器融合方案可以有效解决GNSS据止环境下的导航问题。为了更有效地处理视觉的相对观测信息,文中研究并实现了一种基于克隆卡尔曼滤波(stochastic cloning Kalman Filter,SCKF)与滑动窗方法相结合的低成本视觉惯性里程计... 详细信息

视觉-惯性多传感器融合方案可以有效解决GNSS据止环境下的导航问题。为了更有效地处理视觉的相对观测信息,文中研究并实现了一种基于克隆卡尔曼滤波(stochastic cloning Kalman Filter,SCKF)与滑动窗方法相结合的低成本视觉惯性里程计紧耦合算法。开源数据集实验表明,文中算法精度超过了多状态约束卡尔曼滤波(MSCKF)开源代码的效果。

关键词：惯性视觉里程计克隆卡尔曼滤波滑动窗多状态约束

来源：评论

学校读者我要写书评

暂无评论

无人系统多模态视觉感知单元测试与评估方法的研究

引用

南京师范大学学报（工程技术版） 2021年第1期21卷 15-22页

作者：王伟刘海春李扬郑国强裴凌王立平北京特种车辆研究所北京100072 上海北斗导航创新研究院上海201702 上海交通大学上海市北斗导航与位置服务重点实验室上海200240 32381部队北京100000

提出一种通用的基于视觉传感器的无人系统多模态视觉感知平台的测试与评估的方法,研究了可见光波段和红外光波段下的动态测距实验与复杂光变测距实验.整个过程采用基于北斗卫星实时授时的时间同步技术和真值采集设备,输出带有时间戳的... 详细信息

提出一种通用的基于视觉传感器的无人系统多模态视觉感知平台的测试与评估的方法,研究了可见光波段和红外光波段下的动态测距实验与复杂光变测距实验.整个过程采用基于北斗卫星实时授时的时间同步技术和真值采集设备,输出带有时间戳的无人系统多模态感知单元的测量数据和真值数据,并保证了不同设备之间的时间同步误差小于10 ms.最后,对比测量数据和真值数据,给出测试设备的性能与功能的量化评估.实验结果表明,该测试评估方法有效地获取了真值,并进行了时间同步,满足实际的需求,具备推广性.

关键词：测试评估多波段立体视觉时间同步

来源：评论

学校读者我要写书评

暂无评论

一种基于轮廓匹配的仓储机器人托盘检测方法

引用

上海交通大学学报 2019年第2期53卷 197-202页

作者：武文汉杨明王冰王春香上海交通大学自动化系上海200240 上海交通大学上海市北斗导航与位置服务重点实验室上海200240 上海交通大学机器人研究所上海200240

对托盘的检测是仓储机器人进行货物搬运的关键步骤.针对当前检测方法光照鲁棒性不强、受托盘与传感器之间相对位姿的约束等问题,提出一种基于点云平面轮廓匹配的检测方法.该方法使用ToF(Time-of-Flight)相机采集点云;点云经预处理后,使... 详细信息

对托盘的检测是仓储机器人进行货物搬运的关键步骤.针对当前检测方法光照鲁棒性不强、受托盘与传感器之间相对位姿的约束等问题,提出一种基于点云平面轮廓匹配的检测方法.该方法使用ToF(Time-of-Flight)相机采集点云;点云经预处理后,使用以法线为约束的区域生长算法进行平面分割,并沿其主法线方向投影生成栅格图,解决受相对位姿约束的问题;最后在对栅格图进行轮廓提取后,利用融合Hu不变矩和尺度比例特征的轮廓特征进行目标与模板的匹配,实现对托盘的检测.实验结果表明,该方法在光照不同、托盘位姿不定等场景下均具有高识别率和强鲁棒性.

关键词：托盘检测 ToF相机 Hu不变矩轮廓匹配

来源：评论

学校读者我要写书评

暂无评论

基于可重构标定板的激光与视觉联合标定方法

引用

导航定位与授时 2021年第3期8卷 27-33页

作者：黄强潘常春裴凌刘海春李岚臻李扬李泽亚上海交通大学电子信息与电气工程学院上海交通大学北斗导航与位置服务重点实验室上海西虹桥导航技术有限公司北京跟踪与通信技术研究所

目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类。动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,... 详细信息

目前,激光雷达与视觉传感器的联合标定方法包含动态在线标定与静态离线标定两大类。动态在线标定对标定的环境有较高的要求,且标定结果不稳定;静态离线标定通常采用标定板,因而对标定板的要求较高,手动选择与线拟合都易引入或放大误差,故提出了一种基于可重构标定板的激光雷达与视觉传感器的联合标定方法。首先,对传统的标定板进行拆分与重构,采用类条形码的方式自动识别激光雷达特征点,并添加相机校验机制以缓解标定过程中相机识别的不稳定性带来的误差。最后,通过与双目相机标定,采用重投影的方式对外参标定结果进行可视化主观评价与客观量化评价。实验表明,该标定方法的均方根误差(RMSE)为1.275cm,重投影后的误差为3.2个像素。

关键词：可重构标定板激光雷达特征点自动识别联合标定量化评价

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：