给大家推荐7篇关于融合定位的计算机专业论文

今天分享的是关于融合定位的7篇计算机毕业论文范文, 如果你的论文涉及到融合定位等主题,本文能够帮助到你

基于多传感器与iBeacon室内定位的研究与实现

这是一篇关于iBeacon室内定位,多传感器定位,融合定位,WKNN的论文, 主要内容为随着智能终端的普及以及科技的快速发展,室内位置服务的需求与日俱增。从1992年红外线定位技术到近年来的iBeacon定位技术,室内定位技术得到了快速发展,多种多样的定位技术被提了出来,其中基于无线传感器网络的定位技术应用最为广泛,比如WiFi定位、蓝牙定位、Zigbee定位等。2013年采用低功耗蓝牙(Bluetooth Low Energy,BLE)技术的iBeacon被提出后,基于iBeacon位置指纹库的定位技术被广泛追捧,而基于智能手机惯性传感器的定位技术具有自主、短时精度高等特点。本文通过对国内外室内定位技术的分析,提出了基于多传感器与iBeacon的融合定位技术,主要采用了位置指纹库定位方法与行人航迹推算方法来进行实现。主要研究工作和创新点如下:(1)针对多径效应以及人员扰动等因素造成的iBeacon信号噪声问题,本文引入卡尔曼滤波对采集的iBeacon信号进行处理。(2)为解决加权K近邻算法(WKNN)定位结果跳变问题,采用卡尔曼滤波对WKNN定位结果进行处理,实验结果表明在办公室环境下采用卡尔曼滤波进行处理后可将定位结果误差在1米以内的比例提高到80%以上,使定位精度得到了提升。(3)对多传感器定位中的行人步数统计方法进行了改进,主要提出了基于阈值分级的方法实现行人运行步态的检测,同时依据行人步伐频率来判断有效步伐。通过实验验证本文的步数统计方法准确率在97%以上。(4)针对位置指纹库匹配过程中运算量较大以及匹配结果中存在较大偏差数据的问题,本文提出了多传感器定位与iBeacon定位的融合策略。首先通过多传感器定位来预测定位结果的范围,实现对位置指纹库的约减,最后采用基于WKNN+卡尔曼滤波的组合方法得到定位结果。按照实验设计进行测试,实验结果表明采用本文提出的融合定位方法可将定位结果误差在1米以内的比例提高到85%以上。(5)定位系统的设计和实现。根据本文室内定位系统的要求,开发了一套集成本文融合策略和算法的室内定位系统。后台服务器采用J2EE架构,数据访问层采用了Hibernate框架,数据表现层和业务逻辑层采用Java Servlet组件,主要实现了位置指纹库管理模块、定位算法模块以及Socket通信模块等。移动客户端在Android系统平台下实现,主要完成了用户界面交互模块、服务器通信模块、iBeacon信号采集和处理模块、传感器信号采集和处理模块等。经过实际测试,本系统达到了预期效果。

高精度路桩支持下的视觉惯性SLAM算法

这是一篇关于视觉惯性定位,融合定位,视觉标识,ARTag的论文, 主要内容为无人车在未知环境中的定位与导航始终是一个重要问题,感知层定位的结果会影响到无人车在规划层以及决策层的进一步规划与控制。视觉惯性里程计凭借摄像头与惯性测量单元良好的天然互补性得到了广泛的关注与研究。然而在长时间和大范围的运动下,视觉惯性里程计依然不可避免的会产生累计误差。本文提出基于视觉标识辅助定位的高精路桩与视觉惯性里程计相结合的方法,实时修正无人车轨迹,并针对无人车在无GPS信号场景下的定位问题进行研究,以消除累计误差,提高无人车定位精度。首先,本文搭建视觉惯性里程计,通过ORB特征对图像的特征点进行提取与匹配,采用RANSAC算法去除误匹配,之后通过对极约束关系估计相邻帧之间相机运动。同时基于预积分方法,对视觉惯性里程计进行联合初始化并在里程计后端通过滑动窗口完成关键帧的筛选与管理,并通过非线性优化的方法完成后端的优化。之后,对二维码定位方法与视觉标识框架进行研究,对比各框架优缺点,最终引入基于ARTag的视觉标识跟踪框架,设计了场景内视觉标识的布置方案,并针对相机运动时多标识场景,基于中值滤波算法进行了标识的置信度筛选。通过构建实验场地高精地图,得到场地中标识在世界坐标系下位姿,并根据坐标转换关系完成了相机位姿的反算。同时为了获得平滑稳定的标识定位结果,增加了一个卡尔曼滤波器去除噪声平滑标识定位结果。最后,融合视觉惯性里程计与视觉标识的定位结果,完成两者之间的数据同步对齐以及联合初始化,并基于松耦合框架完成定位结果的融合。基于多标识方案搭建室内实验场景以及实验平台,对多标识场景下的融合定位算法进行验证分析。最终实验表明,加入了标识辅助定位后的系统可以有效的消除视觉惯性定位的累计误差,提升定位精度,并且具有一定的鲁棒性。

四旋翼飞行器协同编队控制平台的研究与实现

这是一篇关于四旋翼飞行器编队,领航跟随法,融合定位,协同编队控制平台的论文, 主要内容为随着四旋翼飞行器自主化与智能化水平的不断提高,已经被广泛应用于军事和民用领域。但是单体四旋翼飞行器的工作能力有限,难以完成某些特定场景的复杂任务,而多四旋翼飞行器编队协同工作能够有效的提升执行效率、弥补单四旋翼飞行器的局限,因此面向四旋翼飞行器协同编队控制的研究具有重要的意义。由于四旋翼飞行器编队协同控制实验系统价格昂贵,目前针对四旋翼飞行器协同编队控制算法的研究大部分都利用仿真的方式进行验证,缺乏真实物理系统实验平台的验证支撑。本文面向四旋翼飞行器协同编队控制算法的物理实验验证,开发了四旋翼飞行器协同编队控制实验平台的硬件及软件系统,设计出低成本、稳定可靠、扩展性强的四旋翼飞行器协同编队控制平台,并进行了实际编队协同控制的实验验证。本文的主要工作内容如下:(1)根据四旋翼飞行器的结构和飞行原理,基于动力学和运动学理论建立了四旋翼飞行器的数学模型,在此基础上采用领航跟随法对四旋翼飞行器协同编队控制系统进行设计,同时对四旋翼飞行器协同编队的定位方法与原理进行了分析。(2)根据四旋翼飞行器协同编队控制平台的需求,分别对控制平台的定位子系统、通信子系统和地面站子系统进行了设计。利用IMU惯性测量单元,设计了基于卡尔曼滤波算法的UWB/IMU融合定位子系统,提高定位精确度;利用稳定、低时延的P900数传模块设计了协同编队通信子系统,采用自定义Mavlink协议实现信息交互;利用C#语言对地面站子系统进行设计,提高了四旋翼飞行器协同编队控制人机交互的便捷性。(3)根据四旋翼飞行器协同编队控制系统性能要求,分别对四旋翼硬件系统和软件系统进行了设计与实现。考虑四旋翼飞行器机械系统、动力系统及电子系统的功能对其各部件模块进行选择并自主设计了飞控。考虑系统实时性需求,引入RT-Thread实时操作系统;考虑传感器数据误差,设计基于最小二乘法的椭球拟合校准方法;考虑飞行器主控芯片的性能限制,引入基于动态步长的梯度下降法进行姿态解算得到姿态角;设计了四旋翼飞行器串级PID飞行控制系统,实现了四旋翼飞行器的稳定飞行控制。(4)设计相关实验对四旋翼飞行器协同编队控制平台的性能进行测试。首先,通过四旋翼飞行器的定位实验,验证了本文设计的基于卡尔曼滤波UWB/IMU融合定位算法能够提升四旋翼飞行器定位精度。然后,通过四旋翼飞行器的姿态、位置控制实验,验证了本文设计的四旋翼飞行器飞行控制系统性能的稳定性。最后,通过基于领航跟随法的四旋翼飞行器编队实验,验证了本文设计的编队控制平台的可行性与稳定性。

基于多传感器与iBeacon室内定位的研究与实现

山地林区无人机辅助应急定位增强方法研究

这是一篇关于无人机定位,多智能体强化学习,融合定位的论文, 主要内容为为山地林区中的受困人员和救援人员提供及时准确和鲁棒的定位服务对于增强生命保障和提升应急救援的效率是不可或缺的。然而,由于灾区定位的设施可能损毁以及所装载的全球定位系统设备易受干扰、损坏等缺点,无法满足应急救援过程中的定位服务需求。无人机辅助应急定位是一种常用的有效手段,然而,也存在单无人机能耗受限和单一定位方式精度和鲁棒性差的问题。因此,需要通过多无人机的协作以及合理规划多无人机的飞行路径,尽快地最小化待定位人员的定位误差,并结合无人机摄像头得到的视觉信息以提升信号定位的精度和稳定性。本文面向山地林区中的无人机辅助应急定位的场景,针对多无人机辅助定位场景下的轨迹规划和融合视觉信息的信号定位算法展开研究,并基于研究成果,设计和实现了山地林区中的无人机定位任务管理平台。首先,针对山地林区中为受困人员提供及时准确定位服务的场景,本文采用多无人机作为空中锚点,为受困人员提供定位服务。具体地,在考虑多无人机协作定位的情况下,本文提出了一种基于多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MA-DRL)的两阶段多无人机轨迹规划算法,通过考虑林区信道、无人机能耗和定位等模型和优化多无人机的飞行轨迹,实现更快地最小化受困人员的定位误差。在预飞行阶段,多无人机通过粗粒度的扫描飞行获得受困人员的数量和粗略位置,在正式飞行阶段,基于预飞行阶段获得的前验知识和数据,采用多智能体深度强化学习算法智能规划无人机的飞行轨迹。仿真结果表明,本文提出的多无人机轨迹规划算法能够提供及时和精准的定位服务。其次,针对山地林区应急场景下,单一的信号定位服务缺乏精确性和鲁棒性的问题,本文对林区融合视觉信息的信号定位展开了研究。具体地,针对无人机收到受困人员发出的信号中的非视距信号,本文提出一种基于前馈神经网络的视距信号分类器,对非视距信号进行剔除以提高定位精度;同时,为进一步提高信号定位的准确性和鲁棒性,本文提出了一种基于注意力机制的深度神经网络模型的融合定位算法,对视觉信号和信号定位数据进行融合,利用视觉信息提升信号定位精度。验证结果表明,本文提出的算法能够显著提高定位算法的准确性和鲁棒性。最后,本文基于上述无人机辅助定位的研究内容,针对山地林区的应急定位任务搭建了一个无人机定位任务管理平台。具体地,通过需求分析、详细设计和编码,实现山地林区应急定位事件中多无人机定位服务的配置、管理和可视化。测试结果显示,该平台有效验证了研究内容的有效性,并且平台自身具有良好的鲁棒性,具有较高的实用价值。

工厂化轨道式水产养殖精准投饲机器人研究

这是一篇关于水产养殖,精准投饲,机器人,融合定位的论文, 主要内容为工厂化循环水养殖具有养殖效率高、生产可不受地域空间和季节限制、均衡上市等优点,是国际上公认的现代水产养殖产业的主要发展方向。我国工厂化循环水养殖规模发展迅速,养殖水体近1亿立方米,但配套智能化精准作业设备缺乏,特别在投饲环节仍以人工投喂为主,劳动强度大、效率低,粗放型投饲管理不仅造成饲料浪费,而且增加水处理负荷,会进一步的增加养殖成本,降低养殖效率。目前国内研究人员针对此问题进行了相关投饲关键技术的研究,研发了一系列自动投饲设备,但其大多存在着储料量较低、投饲距离不可控、设备功能固定且适用对象单一等问题。本研究针对上述问题,设计了一种自动精准投饲机器人,其机械结构基于模块化设计思想,控制方法采用了“端-边-云”架构,结合编码器、超宽带定位(UWB)以及惯性传感器(IMU)多信息融合进行高精度定位,利用Solidworks、QT、SQLite等软件进行三维建模和软件开发设计,最终完成机器人样机试制及性能测试。主要研究成果如下:(1)机器人模块化机械结构设计及优化根据工厂化循环水养殖的特点及养殖条件,确定了机器人的功能需求,并提出机器人的参数要求。基于以上条件,设计了机器人的行走、挂载、储料以及投料机构,单个机构可独立成为模块单元,模块之间采用标准的螺栓连接方式,保证强度的同时,使得安装和拆卸简易快速;根据工况要求和行走机构尺寸,分析得到两种约束条件,确定了机器人运动轨道的半径参数;分析机器人的受力情况,对关键承力部件进行了仿真分析,对变形量较大处改变结构提高强度,对应力集中较小地方镂空减轻质量。最后机器人行走速度可达20m/min,储料量为60kg,轨道半径为2.5m。(2)机器人软硬件设计及交互界面开发本研究采用中心软件系统和嵌入式系统协同管理模式,采用STM32开发板作为机器人执行端功能控制器,利用NVIDIA开发的Jetson Nano开工控机作为边缘计算的核心,对执行端数据进行收集和本地AI计算,基于阿里云服务平台进行上层云端管理,并与终端用户进行数据交互。利用GUI界面开发软件和数据库软件设计交互界面和数据库建立。(3)机器人融合定位策略研究本课题融合编码器的位移数据、IMU的角位移数据以及UWB的坐标数据,基于EKF扩展卡尔曼滤波和机器人的割线运动模型研究了机器人的定位策略,经过测试定位精度可在1～5cm之间。试验结果和验证情况表明,投饲精度误差低于3.3%,饲料有效抛撒半径在0～8m,破损率低于5%,最大投饲能力为260kg/h。整个系统运行稳定,能够实现智能化、无人化精准投饲作业,并且能够实时进行自主状态监测、完成定位、充电、补料等作业任务,具有较高的实用价值,为后面关于工厂化水产养殖开发智能化投饲设备提供应用和参考价值。