排序方式: 共有3条查询结果,搜索用时 48 毫秒
1
1.
针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传
统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自
适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协
方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky
分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波
和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强
了定位系统在粗差干扰下的鲁棒性。 相似文献
2.
针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。 相似文献
3.
1