基于多传感器信息融合的室内定位算法研究

发布时间：2025-03-20 03:33

　　随着科学技术的飞速发展和人们生活水平的日益提高,基于室内定位的服务应用受到了越来越多的关注。经过大量的研究,室内定位领域公认的发展趋势是从多个成本低廉的传感器获取不同的数据信息,利用融合技术实现精确且鲁棒的定位结果。许多科研成果已证明在视觉特征丰富的环境中基于图像的定位效果很好,但当外界存在干扰时会产生较大且无法预测的误差。近年来,惯性测量单元凭借性价比高、可实现自主定位而广受欢迎。其不足之处在于长时间运行会产生误差累积问题。针对室内定位的发展趋势,及视觉和惯性定位的各自优缺点,从不同融合结构角度出发,本论文主要提出了以下三种融合定位算法:第一,提出了一种利用改进的卡尔曼滤波器融合现有视觉和惯性定位结果的算法。该算法利用分布式融合结构,通过设计包括位置、速度、加速度差三状态的卡尔曼滤波器模型及引入特征匹配阈值的概念,实现了视觉与惯性定位的融合。其利用了惯性定位在短时间内准确的优点,又可有效控制视觉定位在存在外界干扰时定位不准确的问题。实验表明,融合定位后的精度要好于仅基于惯性数据或视觉特征的结果。第二,提出了一种基于全局特征和差分零速度校正的加权定位算法。本算法对传统的视觉及惯性定位方法...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 引言
    1.2 课题的研究背景与意义
    1.3 室内定位技术国内外发展现状
        1.3.1 基于单一信息源的定位技术
        1.3.2 基于多源信息融合的定位技术
    1.4 论文创新点及组织结构
        1.4.1 论文创新点
        1.4.2 论文组织结构
第2章 信息融合技术基础概述
    2.1 信息融合概念简介
    2.2 信息融合的分类
        2.2.1 基于处理层次的信息融合分类
        2.2.2 基于融合结构的信息融合分类
    2.3 信息融合的主要实现方法
第3章 基于改进的卡尔曼滤波器的融合定位算法
    3.1 惯性定位系统
        3.1.1 惯性传感器简介
        3.1.2 惯性导航系统
        3.1.3 惯性测量值预处理
        3.1.4 惯性导航基本原理
    3.2 视觉定位系统
        3.2.1 k近邻算法原理
        3.2.2 基于视觉特征的定位算法
    3.3 基于改进的卡尔曼滤波器的定位算法
        3.3.1 卡尔曼滤波器基本原理
        3.3.2 基于卡尔曼滤波器的融合模型设计
    3.4 实验设置
    3.5 实验结果与分析
    3.6 本章小结
第4章 基于全局特征和差分零速度校正的加权定位算法
    4.1 基于图像全局特征的视觉定位方法
        4.1.1 模糊C-均值聚类方法
        4.1.2 聚类全局特征
    4.2 差分零速度校正方法
        4.2.1 基于传统零速度校正的行人航迹推算原理
        4.2.2 基于差分统计的零速度校正方法原理
    4.3 基于主成分分析的指标权重确定原理
    4.4 实验结果与分析
        4.4.1 聚类全局特征有效性验证
        4.4.2 差分零速度校正实验结果
        4.4.3 基于PCA的加权定位算法实验结果
    4.5 本章小结
第5章 基于极限学习器和Dempster-Shafer证据理论的定位算法
    5.1 极限学习器原理
        5.1.1 神经网络概述
        5.1.2 极限学习器基础原理简介
    5.2 Dempster-Shafer证据理论原理
    5.3 转角判定及处理
    5.4 基于ELM和 D-S证据理论的定位算法
    5.5 实验结果与分析
        5.5.1 ELM不同隐含层节点设置下的算法性能比较
        5.5.2 SURF特征数的选取
        5.5.3 与仅基于图像的定位算法比较结果
    5.6 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 未来工作展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：4037316