基于无迹卡尔曼滤波算法的超宽带和二维码融合的室内定位技术研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:p_123_456
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着企业面向智能制造升级需求的不断增长,智能制造引来了前所未有的发展机遇,自动导航车的导航定位也变成了相关研究人员关注的热点。超宽带UWB(Ultra Wide Band)定位具有信号的隐蔽性好和传输速率快等特点,二维码(QR Code)定位具有定位精准和价格便宜等特点,但由于每种传感器的特性不同,适用的场景也不同,单纯的依靠一种传感器进行定位,难以适应各种复杂环境,无法保证定位的精度。利用传感器融合算法对超宽带和二维码定位数据进行融合可以在降低成本的同时提高准确性、可靠性。本文针对超宽带和二维码定位关键技术及其组合定位技术进行了研究,主要研究内容如下:分别研究超宽带与二维码定位方法。为了完成自动导航小车的定位,分别研究了超宽带与二维码的定位方法。分析了超宽带定位影响因素并建立了测距误差模型,同时研究了定位准确度计算方法,通过测试验证了该定位准确度计算方法。设计了二维码定位的方法,分析了二维码定位影响因素,在对相机进行校正后,对二维码定位准确度进行了测试与分析,测试结果显示可以采用定位特征面积法来判断二维码定位状态。研究超宽带和二维码融合定位算法。为了提高超宽带和二维码融合定位算法的定位精度,首先根据实验车的轮系结构建立其运动学模型,根据车辆运动学模型设计了基于模糊推理系统的无迹卡尔曼滤波算法。利用模糊推理系统的输出动态调节无迹卡尔曼滤波的噪声,从而实现UWB和二维码的联合定位得到更精确的定位结果。通过模拟的传感器数据进行仿真,实验验证了该算法能在传感器定位误差大的情况下仍能得到最优的定位结果。基于UWB和二维码组合定位系统及实车实验。搭建了AGV的室内定位系统,硬件部分的选型以及上位机界面的设计,基于该定位系统设计了相关实车实验,通过固定轨迹实验,验证了本文设计的算法能有效的提升定位精度,同时进行了固定点导航定位实验,实验验证相比于单传感器定位,本文设计的算法能准确地到达固定点。
其他文献
学位
分词和实体抽取是自然语言处理中的重要任务,近年来随着深度学习技术的发展,基于大语种的分词和实体抽取效果已有大幅提高,但对于语料资源匮乏的泰语,单一的神经网络方法难以更好地发挥其优越性。泰语和中文类似,词与词之间没有明确的分隔符,无法分辨词之间的边界,同时语料资源相对稀缺。本文结合泰语的构词特点,针对泰语分词和实体抽取任务展开研究,论文的主要工作以及研究成果如下。针对泰语作为一种低资源语言、其分词任
学位
30Cr Mn Si钢具有韧性高、强度高、热淬透性良好等特点,广泛应用于制造轴和齿轮类零部件,工作中常用传统热处理工艺来改善其性能,但仍具有表面硬度差、冲击韧性差、易导致工件变形等缺点。扫描电子束表面合金化技术具有能量利用率高、对工件无污染、工件变形小等优点,采用扫描电子束技术对30Cr Mn Si钢表面进行合金化处理使其获得优良的表面强化层是一种行之有效的方法。本课题以30Cr Mn Si钢为研
伴随着网络技术的高速发展,视频、图片等数据得到了广泛地传播,数字图像在社交媒体中得到了广泛地应用,而如何保护其中含有的隐私信息成为了关注的热点.由于数字图像固有的属性,如数据量与文本相比,是后者的成百上千倍;同一区域的像素呈现出相关性极强的现象;由于图像包含的信息量更大,也导致了数据存在大量的冗余等.这些使得传统的加密方案不适合对图像置乱加密.因此,在能够确保信息安全的前提下,提高对图像加解密的效
学位
近年来,深度学习的应用越来越广泛,已经成为许多现代人工智能应用的基础。卷积神经网络以其强大的图像特征提取和学习能力成为最有潜力的深度神经网络模型之一,已大量应用于图像的识别与分类、SAR图像分类、光学干涉图重构等领域。相位解缠是合成孔径雷达干涉测量(Interferometry Synthetic Aperture Radar,InSAR)应用中的关键技术,同时亦是InSAR数据处理诸多过程中最为
学位
随着图像数据量的海量增长,基于像素对图像进行处理的传统分割算法越来越不能满足日常处理的需求。为了能够有效处理这些海量图像数据,超像素的概念被提出。超像素是指一组在感知上一致的像素点连接成的局部区域,且超像素彼此之间不产生重叠。超像素将具有相近视觉表示的像素点进行组合表示,从而有效减少信息冗余,大大降低了计算和存储的成本,帮助提高后续处理效率。近年来,大量的超像素生成算法被提出。其中简单线性迭代聚类
学位