简介:在地球中的错误方程修理了的IMU(惯性的测量单位)协调第一被介绍。过滤的褪色的Kalman简单地被介绍,它的缺点被分析,然后,适应过滤在IMU/GPS综合航行系统,适应因素被褪色的因素在代替被使用。一个实际例子被给。当在IMU/GPS综合航行系统适用时,结果证明与褪色的因素相结合的适应过滤器有效、可靠。
简介:为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,提出了一种机器视觉/数字地图/CP-DGPS共同辅助SINS的智能车辆组合导航方法,建立了组合导航系统的滤波模型。该滤波模型的量测信息不仅包括GPS与SINS形成的位置与姿态观测信息,还包括机器视觉/数字地图/SINS形成的横向偏差观测信息。通过对SINS的多重冗余辅助,使得导航系统具备容错能力。仿真结果表明,该组合导航系统能为智能车辆提供其空间位置、速度、加速度与姿态角等众多导航信息,并具有100Hz的高频输出、厘米级的导航精度和容错性能,当GPS较长时间中断时,通过SINS/视觉/数字地图的组合仍能为智能车辆提供可靠的导航数据。
简介:摘 要:小波分析理论是近年来才发展起来的一门新的理论,由于可使待分析的函数时域与频域局部化,而且时窗和频窗的宽度与高度可调,它能根据信号和噪声在小波域具有不同的特征表现,将有效信号和噪声分离,显示出良好的消噪效果。多分辨逼近( MRA)为小波分析提供了理论支撑,而 Mallat算法类似于快速傅里叶变换为其推广和应用提供了可能,使小波变换成为了继傅里叶变换后又一次革命性的滤波算法。本文利用小波分析来对 MEMS IMU的零位漂移进行滤波,进一步提高 MEMS IMU的零偏稳定性和精度,仿真和试验结果取得了较好的效果。
简介:摘要:融合多传感器的自主定位与导航技术是当前无人机领域研究的热点课题之一。相比于其他类型传感器,视觉传感器具有制造成本较低、采集视频信息量较大且图像直观等优点。在电力线路巡检过程中,经常由于相机快速转动造成图像模糊、障碍物遮挡、纯转动以及尺度不确定性一系列问题,导致的图像特征点缺失、精度和鲁棒性降低等问题 ;而 IMU可以通过加速度计和陀螺仪直接测得载体的运动速度数据信息 ,为载体运动提供必要约束 ,与视觉传感器互补,可以有效解决运动载体在快速运动以及纯转动下存在的问题,为电力线路巡检的高清图像拍摄及目标定位提供可能性。
简介:摘要 运动模式识别是实现外骨骼人机协同控制决策的核心关键技术。提出一种基于有限状态机的人体运动模式识别算法,构建有限状态机模型,通过人体姿态信息时域特征进行模式识别,并开展试验验证,试验表明,典型复合地形条件下连续运动模式识别率达到95.5%,算法性能良好,满足外骨骼智能控制的基本应用。
简介:在GPS/IMU组合导航系统中,由于GPS的校正作用,系统输出的导航数据存在周期的阶跃式跳变(典型的校正周期为1s),对于SAR成像运动补偿而言,这相当于引入了高频测量噪声,会严重影响雷达成像质量。为解决该问题,系统另外引入了一个捷联解算模块。为保证该模块输出的数据平滑且精度稳定,受跟踪随动控制系统的设计思想启发,从控制理论的角度对系统进行了数学建模,设计了捷联解算模块对组合导航系统的跟踪环路,给出了环路中关键模块“环路滤波器”的设计方法。该方案实现了在不影响系统测量带宽的情况下,组合导航系统对捷联解算模块的高频、连续、平滑校正。仿真及实验结果证明了该方案的有效性及可行性。
简介:利用可见光通信(VLC)和惯性测量单元(IMU),设计了室内定位系统(IPS),实现对移动物体的定位和跟踪.该IPS平台包括发光二极管发射器、接收器和定位服务器3部分.为了减少由测量引起的误差,提出了惯性传感数据校准模型和可见光通信RSS数据归一化校准模型对数据进行校准.然后,通过建立的实际传播模型,从RSS数据中计算发射器和接收器之间的距离.此外,提出了一种混合定位算法,使用自适应卡尔曼滤波器和加权最小二乘三边测量来估计移动物体的位置.实验结果表明,采用所提混合定位算法的IPS能够扩展VLC的定位区域,减轻IMU漂移,提高移动物体的定位精度.
简介:一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。