排序方式: 共有65条查询结果,搜索用时 281 毫秒
1.
《中国惯性技术学报》2022,(1)
针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。 相似文献
2.
3.
图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。 相似文献
4.
5.
6.
《信息通信》2019,(10)
移动服务机器人在物流、安防、工业等许多领域应用越来越广泛。机器人位姿的估计作为其核心技术之一,一直是人们研究的难点和热点。如何提高位姿估计的鲁棒性、可靠性仍面临许多挑战。借鉴哺乳动物大脑网格细胞路径积分的神经机制,以单目视觉图像作为主要输入,基于吸引子神经网络实现了一种轻量地、低成本的仿生视觉里程计。首先,利用一种扫描线强度分布算法根据单目视觉图像序列来估计机器人水平平移速度、角速度和高度变化。然后根据这些速度信息来驱动网格细胞网络能量的更新,进而实现2.5D路径积分,估计机器人的实时位姿。该方法可作为传统里程计的一种有益补充,提升机器人实时位姿估计的鲁棒性和可靠性。 相似文献
7.
8.
9.
由于机器人的加工制造和装配等因素引起的几何参数误差影响了运动学模型的准确性,因此会同时降低运动控制和里程计精度.为提升全向移动机器人的运动精度,提出了一种针对基于解耦式主动脚轮的全向移动机器人的分步标定方法,该方法通过限制关节空间运动输入来简化运动学矩阵,并利用最小二乘法获得运动学参数的实际值,从而提升运动学模型的精度.搭建了基于解耦式主动脚轮的全向移动机器人实验平台,并通过仿真和实验对标定算法进行验证,实验结果显示在平面内三个自由度上速度控制精度和里程计精度均得到了显著提升,证明了标定算法的有效性. 相似文献
10.
针对里程计输出为位置增量,传统SINS/里程计组合方法会对位置增量进行微分或积分从而会产生一定噪声或误差,且里程计标定残差影响高精度定位定向系统性能的问题,提出了一种基于位置增量组合的定位定向系统误差在线估计和补偿方法。该方法除了将惯性器件误差列入状态量外,还将里程计安装误差残差、标度因数误差等纳入状态量进行实时估计,将惯性导航系统输出的速度增量进行积分获得位置增量,同时与里程计输出位置增量进行比对,构建量测方程。设计跑车试验对该方法进行了验证,结果表明该方法可以有效估计惯性器件误差和里程计参数误差,同时相比速度组合方法而言,定位精度可提高40%。 相似文献