共查询到20条相似文献，搜索用时 203 毫秒
1.
2.
研究了基于Webots仿真软件开发室内移动机器人SLAM测试平台的可行性.系统平台融合机器人操作系统(Robot Operating System,ROS)应用Gmapping、Cartographer两种算法实现了环境建图和分析.再通过DWA(Dynamic Window Approaches)和TEB(Timed Elastic Band)两种局部路径算法实现了机器人自主导航并作对比.最后基于实验结果优化系统设计方案,完成了SLAM系统测试仿真功能的改善. 相似文献
3.
《实验室研究与探索》2019,(9):47-51
提出了一种实时定位和建图(SLAM)前端优化的解决方法。首先降低算法对雷达精度的要求,对激光雷达数据进行概率霍夫变换与最小二乘法拟合的预处理,降低系统噪声并优化直线数据;用双三次插值算法代替Hector SLAM中使用的双线性插值算法,获取精度更高的栅格地图与地图梯度。然后解决系统对激光雷达高刷新频率的依赖,使用图像处理的常用方法,即通过图像相减与矩阵变换,判定激光雷达的运动形式为平移还是旋转;优化SLAM的关键帧判定机制,不再把由旋转得到的数据更新至地图。经过实践验证,低性能的激光雷达也可以使用优化后的Hector SLAM方法获得优质的地图,并且解决了地图构建重影问题。 相似文献
4.
薄孟德 《长春师范大学学报》2024,(4):101-106
针对动态环境下SLAM算法定位信息精度不足、建图偏移严重问题,本研究基于无人驾驶配送实验平台提出一种面向封闭园区内动态环境的视觉SLAM系统。该系统以ORB＿SLAM2为框架,添加了基于人体关键点提取的行为识别线程。在输入图像ORB特征点提取的同时,通过HRNet网络进行人体关键点的提取,通过30帧图像内容进行行为识别,判断图像中人体的行为状态是否为运动,并以此为依据筛选并剔除动态特征点,最后通过静态特征点进行位姿估计。实验结果表明,在TUM数据集动态子序列下,与ORB＿SLAM2、DS＿SLAM相比,本研究所提算法在系统精度与速度上达到平衡,有效提高了位姿估计的准确性。 相似文献
5.
基于激光点云地图的动态障碍剔除是同步定位与建图（simultaneous localization and mapping, SLAM）研究领域的难题之一。动态障碍的移动轨迹不仅会遮挡真实的静态环境信息,也会对移动机器人的定位和路径规划造成阻碍。针对激光点云地图中的动态障碍识别问题,该文提出一种基于卡尔曼滤波的运动障碍跟踪方法。首先,对原始点云预处理,使用欧式聚类算法,实现离散点云聚类。其次设计了基于卡尔曼滤波的运动障碍状态预估方程,并预测出动态障碍点云目标在下一时刻的位置。然后,使用匈牙利算法将预测位置与下一时刻真实位置进行匹配,实现对每一时刻动态障碍体的识别。最后,剔除后进行点云配准建图。在室内外环境下对提出的动态障碍剔除算法进行验证,并将剔除动态障碍后的点云地图可视化输出。实验结果表明该算法在室内外环境下对激光点云地图中动态障碍均能较好地识别与剔除。 相似文献
6.
7.
在机器人领域,同时定位与地图构建（SLAM）是导航定位的关键技术。单目视觉传感器由于结构简单、成本低且能获取丰富的视觉信息,被广泛应用于 SLAM。随着无人机、AR 设备以及自动驾驶汽车技术的快速发展,视觉惯性 SLAM（VI-SLAM）技术得到了越来越多人的关注。针对 VI-SLAM,从滤波与非线性优化的角度出发,首先介绍相关算法理论框架,然后分析几种具有代表性的单目 VI-SLAM 算法创新点及实现方案,并通过 EuRoC MAV 数据集评估各算法优劣,最后结合深度学习与语义 SLAM,对 SLAM 未来发展趋势进行探讨。 相似文献
8.
9.
Chen-hui XIA Jian-zhong FU Yue-tong XU Zi-chen CHEN 《浙江大学学报(A卷英文版)》2014,(10):761-773
研究目的：为了缩短机床温升试验时间,提出一种机床热特性快速辨识方法,利用较短时间的温度采样数据即可准确预测出完整的温升曲线,进而获得热平衡时间及稳态温度等热特性参数。创新要点：提出了基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法,其中最短辨识时间判据可以有效解决如何寻找准确辨识热特性参数的最短采样时间问题,而自适应无味卡尔曼滤波则可以实时调整参数,防止外界因素对辨识的干扰。研究方法：由于无味卡尔曼滤波在非线性状态预测和参数辨识上具有优势,所以本文将无味卡尔曼滤波算法应用到机床选点温升辨识上。为了防止辨识过程中的发散退化等问题,将无味卡尔曼滤波发展为自适应无味卡尔曼滤波（图1）。在快速辨识方法上提出了最短辨识时间判据（图2）。文章中又将此算法应用到实际的立式加工中心温升辨识上,证明了该算法的可行性及有效性（图5和6）。最后又将带有自适应调整过程的无味卡尔曼滤波算法和不带调整过程的算法做了对比,显示了自适应调整过程对辨识算法的重要性（图6和11）。重要结论：基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法可以准确快速地辨识出温升曲线,获取热特性参数,将原来394 min的热平衡试验时间缩短,只需28 min即可得到温升变化情况。 相似文献
10.
针对非高斯分布的测量噪声、野值点或未知时变的噪声统计特性导致SLAM定位方法的量测更新中状态估计不正确甚至不收敛的问题,提出一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法.首先,利用变分贝叶斯自适应滤波算法对时变的测量噪声协方差进行估计.然后,通过重加权平均构建的权重函数对估计的协方差矩阵进行鲁棒化处理.最后,对系统状态更新进行多次迭代,逐步修正其估计误差.同时,为了观测到不同深度的特征点,构建了包含深度参数的特征测量模型.实验结果表明,当量测噪声不服从高斯分布且量测信息中有野值点时,与基于变分贝叶斯自适应卡尔曼滤波的SLAM方法相比,所提方法的定位精度分别提高了17.23%、20.46%和17.76%,说明该方法对环境干扰具有更好的适用性和鲁棒性. 相似文献
11.
Localization of the sensor nodes is a key supporting technology in wireless sensor networks (WSNs). In this paper, a real-time
localization estimator of mobile node in WSNs based on extended Kalman filter (KF) is proposed. Mobile node movement model
is analyzed and online sequential iterative method is used to compute location result. The detailed steps of mobile sensor
node self-localization adopting extended Kalman filter (EKF) is designed. The simulation results show that the accuracy of
the localization estimator scheme designed is better than those of maximum likelihood estimation (MLE) and traditional KF
algorithm. 相似文献
12.
LI Mao-hai HONG Bing-rong LUO Rong-hua WEI Zhen-hua 《浙江大学学报(A卷英文版)》2006,7(6):937-944
INTRODUCTION A key prerequisite for a truly autonomous robot is that it can simultaneously localize itself and accu-rately map its surroundings (Kortenkamp et al., 1998), which is known as Simultaneous Localization and Mapping (SLAM), which, when phrased as a state estimation problem, involves a variable number of dimensions. Murphy and Russell (2001) adopted Rao-Blackwellized particle filters (RBPFs) as an effective way for representing alternative hypotheses on robot paths and ass… 相似文献
13.
针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,Extended Kalman Filter)与径向基神经网络(RBF,Radial Basis Functionneural network)相融合。通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计。神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化。基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度。 相似文献
14.
借助基于二阶高斯-马尔可夫异常位模型的重力异常协方差函数,得到了海洋重力测量中重力异常信号的状态方程．结合实际重力仪的系统状态方程和系统量测方程,提出了级联卡尔曼滤波方法,并将其应用于重力异常畸变信号的校正处理中．在信号处理过程中,首先采用卡尔曼逆滤波恢复含高频干扰的重力异常,然后采用自适应卡尔曼滤波,以重力异常状态方程为系统方程估计实际重力异常值,并与单一卡尔曼逆滤波器的处理结果进行了对比分析．仿真和试验表明,级联卡尔曼滤波方法和单一卡尔曼逆滤波都能在一定程度上减小重力异常信号的畸变,但在相同背景条件下,级联卡尔曼滤波方法的性能优于单一逆卡尔曼滤波． 相似文献
15.
《Learning and individual differences》1998,10(2):103-119
If test scores are collected from an individual pupil at different points in time and a state space model is available for describing latent ability development over time, the Kalman filter and smoother turn out to be the optimal procedures for estimating the pupil's latent curves. The Kalman filter is implemented in the Nijmegen Pupil Monitoring System LISKAL. The essentials of Kalman filtering and smoothing in comparison to traditional cross-sectional factor score estimators are explained, stressing unbiasedness considerations and the initialization problem. The state space model is represented as a SEM model and estimated by means of a SEM program. The value of the Kalman filter and smoother in pupil monitoring is enhanced by specifying a “structured means” instead of the traditional “zero means” SEM model and by introducing random subject effects. 相似文献
16.
根据GPS控制网集合各类观测数据,结合部分点的实测速度为基础,建立大陆地壳运动速度场模型．基于测量的动态系统状态,采用序贯卡尔曼滤波的广义测量平差方法,对GPS点进行地壳运动的整网平差．并对分析整网平差结果进行精度统计和外部数据校核。数据分析结果表明卡尔曼滤波平差法的合理性和可靠性． 相似文献
17.
易向东 《广东教育学院学报》2009,29(5):72-78
运动目标的参数估计是近代计算机视觉领域重要的研究课题．以运动车辆的序列图像为例来分析．考虑到跟踪运动车辆对实时性要求较高的特性,没有采用经典的最小二乘滤波和维纳滤波等,而采用了卡尔曼滤波方法,由于卡尔曼滤波在时域内进行,因此不需要保存更多的数据,使得跟踪结果实时输出。 相似文献
18.
19.
《Learning and individual differences》1999,11(2):121-136
If test scores are collected from an individual pupil at different points in time and a state-space model is available for describing latent ability development over time, the Kalman filter and smoother turn out to be the optimal procedures for estimating the pupil's latent curves. The Kalman filter is implemented in the Nijmegen Pupil Monitoring System, LISKAL. The essentials of Kalman filtering and smoothing in comparison to traditional cross-sectional factor score estimators are explained, stressing unbiasedness considerations and the initialization problem. The state-space model is represented as an SEM (structural equation model) and estimated by means of an SEM program. The value of the Kalman filter and smoother in pupil monitoring is enhanced by specifying a “structured means” instead of the traditional “zero means” SEM model and by introducing random subject effects. 相似文献
20.
卡尔曼滤波方法原理清晰，易实现计算机自动化，自行编制的卡尔曼滤波法计算机程序，计算速度快、精度高，其结果与文献值非常接近，实现了多组分的同时测定。 相似文献