【摘 要】
：
针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF).传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正.然而,当无人车处于静止状态时,相机测量更新停止.受到IMU累积误差的影响,无人车的定位性能将迅速下降.对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地
【机 构】
：
浙江工业大学信息工程学院,浙江 杭州310023;浙江工业大学信息工程学院,浙江 杭州310023;浙江富春江通信集团有限公司,浙江 杭州311400;浙江富春江通信集团有限公司,浙江 杭州31140
论文部分内容阅读
针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF).传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正.然而,当无人车处于静止状态时,相机测量更新停止.受到IMU累积误差的影响,无人车的定位性能将迅速下降.对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地适应静态场景.实验结果表明,相比于传统MSCKF算法及VINS-Mono算法(关闭回环检测),AZUPT-MSCKF方法具有更高的定位精度和更强的鲁棒性.
其他文献
微型气相色谱仪可对复杂气体组分进行现场、实时、快速地定性和定量分析.微型气相色谱柱芯片作为微型气相色谱仪的核心部件之一,决定了其分离性能的好坏.微机电系统(MEMS)技术的发展为制造微型气相色谱柱芯片提供了有效的加工技术、可灵活选择的衬底材料,甚至可以通过MEMS技术制备均匀的固定相,从而获得具有更好分离性能的微型气相色谱柱芯片.综述了近年来基于MEMS技术的微型气相色谱柱芯片的研究进展,内容主要涉及微型气相色谱柱芯片的微沟道加工技术、柱内结构、芯片衬底材料以及固定相的制备方法等方面.
针对电容层析成像(ECT)技术中反问题(即图像重建)的不适定性,以8电极电容层析成像系统为对象,在分析Landweber算法原理的基础上,根据Frozen Landweber迭代法,将基于权重因子的landweber算法进行内外双循环,获得一种迭代次数较少、收敛速度较快、重建图像质量较佳的改进算法,并将改进算法应用于ECT图像重建.数值仿真结果表明,对各种流型,改进算法在重建图像的客观评价指标及主观效果上均有明显改善,且对初值具有不敏感性,体现其实际应用价值.
针对多源传感器协同监测森林火灾时对于早期火灾识别准确度不高的问题,本文提出了一种基于最优聚类中心与权重欧式距离的多源异质传感器数据融合方法.将温度、烟雾和CO传感器的数据进行融合得到明火、阴燃、无火三种火情的概率估计,从而实现及时识别林火的目的.仿真实验结果表明:本文提出的方法可以实现各阶段火情早期特征的检测,有效识别早期森林火灾;与相关文献提出的方法相比,本文方法能够得出更为理想的林火概率,辨识准确性更高,可以有效降低误报风险.
针对电涡流传感器容易受环境温度影响产生温度漂移这一现象,采用最小二乘支持向量机(LSSVM)建立回归模型,并将正余弦算法应用于回归模型的参数优化.通过正余弦算法对LSSVM的惩罚因子c和核函数参数δ进行优化选取,得到最佳的传感器回归模型,并和粒子群算法优化最小二乘支持向量机(PSO-LSSVM)进行比较.实验结果表明,SCA和PSO优化后模型计算结果均方误差分别为9.97×10-4、4.39×10-3,模型优化耗时分别为578s、782s,传感器温度灵敏度系数分别为8.73×10-6/℃、7.63×10-
矿产资源不仅是社会发展进步的物质基础,也是国民经济结构的重要组成部分.矿产资源开发过程中存在着开发方式不合理、忽视环境保护等问题.因此,我们必须更加重视矿区周围的环境保护和矿业企业的可持续发展.本文主要分析了矿产资源开发对环境的影响及防治措施.
为了解决传统传感器连通算法难以完全剔除连通干扰因子,导致节点连通性较差,提出将灰色关联分析方法应用在传感器节点连通算法设计中.采集传感器节点信息,确定各个节点之间的灰度关联关系,通过序列因子之间的极差转化剔除序列中的连通干扰因子.采用K邻近搜索算法获得特征点附近邻域点,并凭借特征向量与特征值建造局部节点连通范围平面.最后提取节点连通点与线的特征,利用矩形节点连通区域进行分割,从而实现传感器节点的高效连通.仿真分析结果表明,与传统连通算法相比,提出的算法能够降低节点跳数,并能够保持较高连通率与连通稳定性.因
为了提高动态温度测量的精度,提出了基于卷积网络的双热电偶动态温度测量方法.采用不同强度的高斯噪声,仿真获得两支时间常数互异的热电偶在高低温双温度源激励下的理论测量值.将理论测量值视为时间序列,采用卷积网络中的卷积神经网络和时间卷积网络对其进行建模,重建真实温度.计算结果表明,基于时间卷积网络的测量方法的均方根误差(RMSE)更小、拟合优度(R2)更大.以两支K型镍铬镍硅热电偶为对象,给出了一个算例,实验结果也表明,基于时间卷积网络的测量方法优于基于卷积神经网络的,该测量方法的RMSE为0.0284,R2为
在多模态脑机接口(Brain-computer interface,BCI)研究中,通道选择是直接影响系统性能的关键因素.针对脑电图(Electroencephalogram,EEG)和功能性近红外光谱(Functional near-infrared spectroscopy,fNIRS)各自通道之间存在冗余信息和噪声干扰,本文提出了一种基于PF(Pearson-Fisher,PF)系数的通道选择方法.首先将表征信号间相关性的Pearson系数与表征特征间可分性的Fisher值相结合,构建代表任务区分性
多维位移间的耦合是影响柔性四自由度位移传感器测量精度的重要因素,另外由于材料的高弹性,使传感器存在较大的迟滞以及一定的非线性,进一步影响了测量精度.针对以上问题,本文首先提出采用对传感器正反行程分别进行静态解耦的方法来解决迟滞的问题;其次,通过对三种常用解耦算法的分析比较,得出基于耦合误差建模的静态解耦算法适用于四自由度位移传感器的解耦,并在其线性的理论基础上推导得到了适合文中使用的四自由度位移传感器的非线性模型.结果表明,在使用基于耦合误差建模的静态非线性解耦算法后四自由度位移传感器的Ⅱ类误差降低了大约
针对MEMS陀螺仪因材质特性,制造工艺等差异导致输出数据受温度影响的问题.本文在传统温度误差补偿的基础上,提出将深度学习与神经网络相结合,通过LSTM神经网络进行温度误差补偿,从而减小温度变化引起的陀螺的温度漂移.分析了MEMS陀螺仪的温度特性,并在RNN神经网络模型的基础上,建立多层LSTM神经网络模型,利用基于ADAM的优化算法和时间反向传播BPTT算法对LSTM网络进行训练.将训练好的网络模型植入到STM32硬件中,进而实现对MEMS陀螺仪输出的实时温度补偿.实验表明,LSTM模型与RBF温度补偿模