基于室内合作场景智能识别的行人导航算法

基于足绑式惯性测量单元(IMU)的惯性导航系统被广泛应用于行人导航中,其通过零速修正(ZUPT)算法可对速度估计误差进行较好的补偿,然而其位置误差会随时间发散。针对于此,提出了一种基于室内合作场景智能识别的行人导航算法。通过随机森林算法,对行人在室内平地步行、上楼梯、下楼梯等不同步态进行训练与辨识,并结合室内先验地图对行人导航的结果进行校正。通过实验表明,行人在室内行走1100m时最大定位误差为1.85m(总行程0.17%),相对无场景识别的方法精度提高了6倍,可以有效提高行人导航精度。     

基于北斗双星定位系统的组合导航滤波算法实现研究

捷联惯性导航系统的主要缺点是导航定位误差随时间增长。北斗双星定位系统是我国独立研制的一种区域性卫星导航定位系统,具有自主性强、定位精度较好的特点。因此捷联惯导与北斗双星定位的组合成为具有我国特殊意义的一种组合导航系统。论文针对北斗双星定位系统设计了一种低阶卡尔曼滤波器,建立了双星的量测噪声模型。首次提出了使用逐次逼近法来解决北斗双星系统中存在的位置滞后的问题,并且最后进行了实际的跑车验证。试验表明,该组合导航滤波算法实时性好,精度高,具有较好的工程应用价值。     

一种陀螺量测信息辅助的快速初始对准方法

惯导初始对准的精度与对准时间是衡量惯导系统性能的重要指标,由于系统的不完全可观,导致方位失准角对准精度低、对准时间长.对惯导自对准存在的问题进行了深入研究,利用奇异值分解方法分析了常规惯导自对准的町观测度,针对常规惯导自对准方法未充分利用惯性器件信息的问题,增加等效东向陀螺输出作为观测量,并提出了一种基于陀螺量测信息的快速初始对准方法,在进行了可观测度分析的基础上,对该方法的收敛速度和收敛精度进行了理论证明.最后通过仿真验证了该方法的有效性,与常规初始对准方法相比,该方法在不增加其他设备的基础上可有效提高对准精度并缩短对准时间,具有重要的应用参考价值.     

基于有色噪声自回归建模的惯性/卫星交互多模型滤波导航算法

针对卫星量测噪声为有色噪声导致惯性/卫星组合导航系统滤波精度降低的问题,提出了一种基于有色噪声自回归建模的自适应交互多模型滤波算法。建立了有色噪声自回归模型,通过量测残差序列获取拟合模型系数,从而对称扩展得到系数模型集;并构建了交互多模型滤波框架,实现不同模型滤波器之间的数据融合。仿真结果表明,相比于传统卡尔曼滤波算法,该方法能有效改善有色噪声对滤波带来的影响并提高组合导航系统定位精度,具有较好的工程应用参考价值。     

陆地战车的FSINS/DR/北斗双星信息融合技术

针对陆地战车的自主性定位需求,提出了一种新型光纤捷联惯导系统（FSINS）／DR／北斗双星组合导航系统方案,研究了多种子导航系统的测量信息融合技术。提出并介绍了Fiber—SINS／DR／北斗双星组合方案的设计思想与结构组成,讨论了信息融合的具体方法,并且针对融合后的测量信息设计了一种实用卡尔曼滤波器,最后进行了跑车实验。结果表明,组合方案设计合理,能够有效地提高惯导系统的定位精度,同时满足陆地战车的自主性定位要求。     

捷联惯性导航计算机综合测试平台的硬件设计与实现

导航计算机的功能及性能验证一般需要基于实际的惯性传感器来进行联调测试。为了便于导航计算机在实验室快速地开展性能验证工作,设计了一种面向捷联惯导革统算法及性能验证的惯性多传感器信息模拟综合测试平台。平台基于PCI 总线的PC/FPGA 的架构方案,对传感器信息进行硬件仿真,实现了多路、多类型惯性器件实时、同步输出。通过与真实导航计算机连接,测试验证了此半实物仿真测试平台信号输出的有效性。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。     

基于GM(1,1)改进模型的建筑物沉降预测

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义.针对传统灰色GM(1,1)模型存在的模型精度不高的问题,本文提出了一种同时优化背景值和初始条件的GM(1,1)改进模型,并将其应用于对建筑物的沉降变形进行定量分析与即时预报.通过与原始模型和其他模型的对比分析可以发现,本文所研究的改进模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值.     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...