作者:唐骥锋,刘国栋 单位:中国电子科技集团公司第四十九研究所 出版:《传感器与微系统》2012年第03期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGQJ2012030050 DOC编号:DOCCGQJ2012030059 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器融合的车载航位推算系统》PDF+DOC2015年第01期 牟文杰,叶凌云 《基于多传感器数据融合的AGV机器人定位技术研究》PDF+DOC2017年第01期 雷宇 《卡尔曼滤波与多传感器数据融合技术》PDF+DOC2000年第03期 蔡鹤皋,金明河,金峰 《全自主智能机器人多传感器融合感知方法的研究》PDF+DOC2004年第05期 童敏明,季宏,崔霞 《移动机器人多传感器信息融合技术综述》PDF+DOC2004年第02期 司现军,王志良 《基于环境特征跟踪的移动机器人定位》PDF+DOC2003年第04期 项志宇,刘济林 《一种稳健的多传感器目标跟踪算法》PDF+DOC2011年第06期 王燊燊,冯金富,王方年,黄峰,张佳强 《分布式多传感器融合跟踪》PDF+DOC2011年第06期 黄铫,张天骐,李越雷,苗圃 《一种多机器人编队协同定位的方法》PDF+DOC2010年第01期 蒋荣欣,田翔,谢立,陈耀武 《一种主要基于多超声波传感器定位的新方法》PDF+DOC2006年第01期 章小兵,宋爱国,唐鸿儒
  • 在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题,先将激光测距仪和超声波传感器得到的观测信息利用平方根无迹卡尔曼滤波(SR-UKF)进行融合。根据更新的状态值和误差方差,构造出机器人蒙特—卡洛定位(MCL)的重要性密度函数,充分利用各种传感器采集的冗余信息,综合2种传感器各自的优点。仿真实验表明:基于多传感器融合的机器人蒙特—卡洛定位决策(SR-UKF-MCL)在定位精度和鲁棒性上都有较大的提高,证明了该种方法的可行性。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。