多传感器组合的室内定位方法研究
发布时间：2023-11-09 19:20
随着科学技术的不断革新,国家经济和社会建设得到了蓬勃的发展。“数字地球”、“智慧城市”等理念不断的普及,使人们对室内高精度定位、导航、授时服务的速度及质量的需求多样化。目前单一、传统的导航定位方法已无法满足多样化的位置服务需求,融合多传感器技术的组合导航定位系统用于实时获取空间信息,实现室内复杂环境的高精度、高效和稳定定位成为了一种新趋势。本文以实现室内高精度导航定位为研究目标,在无线传感器网络、惯性、激光雷达、视觉导航定位技术的基础上,以ZigBee室内定位方法、高精度视觉惯性导航定位方法以及INS/激光雷达/视觉技术组合导航定位的方法为主要研究内容,围绕基于无线信号的路径损耗模型、高精度时空信息配准、多传感器信息高效融合算法和导航定位精度等问题展开研究。主要内容如下:1、阐述了 ZigBee无线传感器网络技术的协议,研究了基于RSSI的对数常态分布的路径损耗模型的定位方法,针对该模型中参数无法确定的问题,提出了一种基于粒子群优化算法确定模型参数的方法,在此基础上设计了一种基于粒子群优化算法和KNN算法的二维定位方法,并在室内环境组建了 ZigBee无线传感器网络进行定位实验,验证了...
【文章页数】：121 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 室内无线定位技术
1.2.2 惯性导航系统及定位技术
1.2.3 基于机器视觉的定位技术
1.2.4 基于激光雷达的定位技术
1.3 研究内容和结构安排
1.4 本章小结
第2章 室内定位技术的模型建立与分析
2.1 坐标系统
2.1.1 相关坐标系统
2.1.2 坐标系统的转换
2.2 无线传感器网络定位系统
2.2.1 无线定位基本概念
2.2.2 无线传感器网络定位算法
2.3 惯性导航定位系统
2.3.1 捷联惯导工作原理
2.3.2 捷联惯导力学编排
2.4 基于视觉的导航定位模型
2.4.1 单目视觉定位模型
2.4.2 双目视觉定位模型
2.5 基于三维激光雷达里程计定位模型
2.5.1 三维激光点云
2.5.2 激光雷达模型
2.6 本章小结
第3章 基于粒子群算法的ZigBee室内定位
3.1 ZigBee无线传感器网络技术
3.1.1 IEEE 802.15.4标准与ZigBee协议
3.1.2 ZigBee拓扑结构
3.2 基于RSSI路径损耗模型的二维定位方法
3.2.1 对数常态路径损耗特性模型
3.2.2 定位算法
3.3 基于粒子群优化算法的参数估计方法
3.4 定位系统与实验结果
3.4.1 系统介绍
3.4.2 测试结果
3.5 实验结果对比与分析
3.6 本章小结
第4章 基于视觉和惯性组合室内定位
4.1 视觉和惯性系统的位姿输出
4.1.1 视觉系统自主定位
4.1.2 惯性系统位姿输出
4.2 视觉惯性组合定位设计
4.2.1 卡尔曼滤波器
4.2.2 移动机器人导航系统方程
4.2.3 传感器时间同步
4.3 视觉惯性系统定位导航实验
4.4 实验结果对比与分析
4.5 本章小结
第5章 基于INS/激光雷达/视觉组合的室内定位
5.1 3D激光点云的特征提取
5.1.1 ISS特征提取算法
5.1.2 Voxel-SIFT特征提取算法
5.1.3 特征提取算法的实验对比
5.2 基于Voexl-SIFT特征提取的ICP点云配准
5.2.1 3D点云配准算法
5.2.2 3D点云配准实验
5.3 视觉里程计算法
5.3.1 基于特征的视觉导航方法
5.3.2 基于直接法的视觉导航方法
5.3.3 基于特征的方法与直接法的比较
5.4 联邦滤波器模型
5.4.1 INS和3D激光雷达组合导航系统
5.4.2 INS和单目视觉组合导航系统
5.4.3 全局滤波器最佳估计
5.5 基于联邦滤波的INS/激光雷达/视觉组合导航定位实验
5.5.1 ROS操作系统
5.5.2 移动机器人室内环境定位实验
5.6 实验结果对比与分析
5.7 本章小结
第6章 总结与展望
6.1 全文总结
6.2 工作展望
致谢
参考文献
攻读学位期间的研究成果
本文编号：3861861
【文章页数】：121 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 室内无线定位技术
1.2.2 惯性导航系统及定位技术
1.2.3 基于机器视觉的定位技术
1.2.4 基于激光雷达的定位技术
1.3 研究内容和结构安排
1.4 本章小结
第2章 室内定位技术的模型建立与分析
2.1 坐标系统
2.1.1 相关坐标系统
2.1.2 坐标系统的转换
2.2 无线传感器网络定位系统
2.2.1 无线定位基本概念
2.2.2 无线传感器网络定位算法
2.3 惯性导航定位系统
2.3.1 捷联惯导工作原理
2.3.2 捷联惯导力学编排
2.4 基于视觉的导航定位模型
2.4.1 单目视觉定位模型
2.4.2 双目视觉定位模型
2.5 基于三维激光雷达里程计定位模型
2.5.1 三维激光点云
2.5.2 激光雷达模型
2.6 本章小结
第3章 基于粒子群算法的ZigBee室内定位
3.1 ZigBee无线传感器网络技术
3.1.1 IEEE 802.15.4标准与ZigBee协议
3.1.2 ZigBee拓扑结构
3.2 基于RSSI路径损耗模型的二维定位方法
3.2.1 对数常态路径损耗特性模型
3.2.2 定位算法
3.3 基于粒子群优化算法的参数估计方法
3.4 定位系统与实验结果
3.4.1 系统介绍
3.4.2 测试结果
3.5 实验结果对比与分析
3.6 本章小结
第4章 基于视觉和惯性组合室内定位
4.1 视觉和惯性系统的位姿输出
4.1.1 视觉系统自主定位
4.1.2 惯性系统位姿输出
4.2 视觉惯性组合定位设计
4.2.1 卡尔曼滤波器
4.2.2 移动机器人导航系统方程
4.2.3 传感器时间同步
4.3 视觉惯性系统定位导航实验
4.4 实验结果对比与分析
4.5 本章小结
第5章 基于INS/激光雷达/视觉组合的室内定位
5.1 3D激光点云的特征提取
5.1.1 ISS特征提取算法
5.1.2 Voxel-SIFT特征提取算法
5.1.3 特征提取算法的实验对比
5.2 基于Voexl-SIFT特征提取的ICP点云配准
5.2.1 3D点云配准算法
5.2.2 3D点云配准实验
5.3 视觉里程计算法
5.3.1 基于特征的视觉导航方法
5.3.2 基于直接法的视觉导航方法
5.3.3 基于特征的方法与直接法的比较
5.4 联邦滤波器模型
5.4.1 INS和3D激光雷达组合导航系统
5.4.2 INS和单目视觉组合导航系统
5.4.3 全局滤波器最佳估计
5.5 基于联邦滤波的INS/激光雷达/视觉组合导航定位实验
5.5.1 ROS操作系统
5.5.2 移动机器人室内环境定位实验
5.6 实验结果对比与分析
5.7 本章小结
第6章 总结与展望
6.1 全文总结
6.2 工作展望
致谢
参考文献
攻读学位期间的研究成果
本文编号：3861861
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3861861.html
