一、多传感器融合系统最小代价冗余及优化算法（论文文献综述）
何佑星[1]（2021）在《多传感器融合的家庭服务机器人导航系统的设计与实现》文中研究说明机器人应用场景正在不断拓展,从最初的用于工业生产提高生产效率,到当下开始转向服务行业帮助人们创造美好生活。因为家庭服务的需要,家庭服务机器人独特优势越来越明显,但是至今还没有开始应用,是因为存在一定的实际问题。其中就包括家庭服务机器人面临未知复杂的家庭空间环境而无法实现自主导航问题,因此对其导航系统的研究显得十分重要和迫切。本文以项目小企鹅形的家庭服务机器人在家庭环境下导航问题为研究对象,针对未知复杂的家庭空间环境,尤其是在家庭空间环境中存在的障碍物不规则、随机分布且分布在不同空间层次、位置不确定的情况下,设计其自主导航系统并实现自主导航和主动避障功能。本文主要研究内容如下:1.根据家庭服务机器人的功能需求,设计多传感器融合的家庭服务机器人自主导航系统的方案,包括系统硬件部分的设计和在机器人操作系统平台软件开发。另外,设计接触式自动充电方式,以便家庭服务机器人在电量不足的时能够自动充电。2.采用激光雷达的同时定位与建图技术构建家庭环境栅格地图,通过研究粒子滤波算法提高定位精度,从而可以构建精确的地图。在路径规划中运用A*算法和动态窗口算法,能够实现在构建好的地图中搜索出从初始位置到目标位置最优可行的路径,在向目标位置行走过程中,遇到障碍物重新规划到达目标位置的局部路径。3.主要针对上述家庭空间环境中分布的障碍物,在向目标位置行走的过程中采用激光雷达、超声波传感器和深度摄像头等多传感器信息融合实时感知检测,为实现自主避障及局部路径规划奠定基础,也是本文的工作重点。4.结合研制的导航系统,按照系统运行流程进行编程实现导航系统功能。针对项目功能需求,对家庭服务机器人导航系统进行一系列的实验测试。经过不断调试与完善,最后通过实际的实验结果表明,家庭服务机器人在复杂未知的家庭空间环境可以实现无碰撞安全行走功能以及自动充电功能。
权美香[2]（2021）在《基于多传感器信息融合的单目视觉SLAM算法研究》文中研究指明单目视觉同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是指机器人在没有先验信息的未知环境中运动时,根据自身搭载的单目相机传感器提供的数据,同时实现自身定位与环境地图构建的技术。单目视觉SLAM由于计算量较低,被广泛应用于小型低功耗的移动机器人平台,但是它鲁棒性较差,而且具有尺度不确定性。因此,将单目视觉信息与其他传感器信息相融合来实现精确鲁棒的定位是近年来的研究热点。本文在充分考虑各传感器特点的基础上,对基于多传感器信息融合的单目视觉SLAM算法展开深入的研究。本文的主要研究工作包括以下几个部分:第一,提出了一种基于EKF（Extended Kalman Filter）与图优化互补框架的单目视觉与惯性融合SLAM（Visual-Inertial SLAM,VISLAM）算法,提高了自由移动机器人在三维空间中的定位精度与计算代价比,实现了低代价、高精度的定位。该算法通过对每帧图像执行基于EKF的单目视觉与惯性融合里程计（Visual-Inertial Odometry,VIO）,提供了延时少的运动估计。其次基于选出的关键帧,该算法在并行线程中构建全局地图并采用滑动窗口图优化及闭环优化方法来对其进行优化,从而构建了全局一致地图。最后,提出了一种全局地图辅助的EKF反馈机制,并对关键帧附加执行该反馈机制来完成基于EKF的单目VIO的运动估计,从而提高了定位精度。实验结果表明,与基于EKF的单目VIO算法相比,该算法以近似的定位计算代价,实现了更高的定位精度。第二,提出了一种基于IMU信息辅助视觉点特征追踪方法的单目VISLAM算法,通过提升视觉点特征的追踪长度及精度,进一步提高了自由移动机器人在三维空间中的定位精度。首先,提出了一种IMU信息辅助的视觉点特征运动补偿方法,提高了视觉点特征追踪方法对相机快速运动的鲁棒性并增加了视觉点特征的追踪长度,进而使得单目VISLAM系统更好地利用了环境几何信息。其次,提出了一种基于多参考帧及多层图像块的视觉点特征对齐方法,提高了视觉点特征的追踪精度,进而提高了单目VISLAM系统的定位精度。实验结果表明,与采用经典视觉点特征追踪方法的单目VISLAM算法相比,该单目VISLAM算法通过提供更优的视觉点特征追踪结果,实现了更高的定位精度。第三,提出了一种基于图优化框架下融合轮式里程计与陀螺仪信息的单目视觉SLAM算法,提高了轮式机器人的定位精度及鲁棒性。首先,提出了流形空间上的轮式里程计与陀螺仪联合预积分模型,有效地解决了重复的轮式里程计与陀螺仪积分计算引起的计算代价增加问题。其次基于此预积分模型,构建了一个轮式里程计与陀螺仪联合预积分残差项,并将其紧耦合到了视觉优化框架下。接着,提出了一种简单的系统初始化方法来快速触发系统后续的运动估计。最后,提出了一种完整的运动估计机制,从而通过最大限度地利用单目视觉点特征、轮式里程计与陀螺仪信息,提高了系统的精确度及鲁棒性。实验结果表明,与前沿的单目VISLAM算法以及单目视觉与轮式里程计融合SLAM算法相比,该算法为轮式机器人提供了更精确鲁棒的运动估计。第四,提出了一种基于图优化框架下融合视觉点特征、三维线特征、地面线特征与轮式里程计信息的单目视觉SLAM算法,提高了轮式机器人在低纹理场景下的定位精度,并构建了结构化的地图。首先,提出了对地面直线的两种参数化方法及相应的几何计算方法,解决了过参数化的三维直线参数化方法导致地面直线估计不确定度增加的问题。其次,构建了紧耦合单目视觉点特征、三维线特征、地面线特征与轮式里程计信息的图优化方法,对三维直线和地面直线采用了不同的参数化方法。最后,提出了在系统的所有模块中对三维直线与地面直线的不同处理方法,从而在定位与建图过程中对两类直线均实现了最优利用。实验结果表明,相较于基于点特征或者基于点线特征的相应算法,该算法在低纹理场景下实现了更精确的定位,并构建了结构信息更丰富的地图。综上所述,本文以单目视觉SLAM算法为基础,为三维空间中自由移动的机器人及轮式机器人提出了多种多传感器信息融合方案,切实解决了单目视觉SLAM尺度不确定且鲁棒性差的问题,提高了算法的定位精度,并构建了结构化的环境地图,具有十分重要的实际意义。
年鉴[3]（2021）在《多传感器融合的移动机器人室内地图构建与导航研究》文中指出目前扫地机器人的应用日益广泛,自主移动机器人逐渐成为人工智能领域的研究重点。它们不仅实现了工业自动化,也在日常生活中崭露头角。商场、酒店中的引导机器人、图书馆中的分拣机器人都可以极大程度地降低人们的工作量,改善人们的生活。本文以室内自主移动机器人为背景,主要研究了室内环境的地图构建与机器人自主导航等问题,搭建软硬件结合的机器人系统,并从传感器融合的角度提出一种鲁棒性较高的室内地图构建方案,以提升地图精度和导航效率。本文的主要工作如下:本文研究并搭建了能够运行建图与导航算法的机器人系统。考虑到室内自主移动机器人的应用场景定位,本文使用基于Linux系统的树莓派微型电脑,搭配双轮差速驱动底盘,构建小巧轻便的机器人外观。其履带式的双轮设计更附带减震、防撞击的功能。机器人还配有摄像头、激光雷达、惯性测量单元等传感器以获取外界信息。此外,本文在ROS机器人操作系统的框架下搭建了建图与导航软件系统,保证了数据的可靠传输和准确处理。本文优化了多环状复杂地形下的闭环检测算法。分别研究了激光雷达与摄像头获取环境点云地图的方法,包括占据栅格地图的生成、子图拼接、关键帧提取与位姿估计等。在针对多环状复杂地形时,本文使用了高精度的词袋模型进行闭环检测,训练并建立更适合该室内环境的词袋字典,提高了闭环检测的效率和准确度。本文使用单目摄像头获取环境图像信息进行ORB特征检测与提取,在计算图像帧相似度时采用先验相似度的方法确保模块的鲁棒性。本文提出了一种融合激光雷达与摄像头数据的建图导航方案。通过融合简单而廉价的单目摄像头提供的视觉信息和激光雷达提供的扫描帧,构建了精确的环境地图,使机器人得以应用于更广泛更复杂的场景。同时,本文改善了闭环误判的问题,采用三维点云映射法生成的二维栅格来修正网格地图。本文设计了机器人在准确地图上进行自主导航的方案,采用动态衡量启发式的A*算法,提高了查找目标点的效率,并通过拐点优化提升了实际情况中机器人的导航效率。
李鹏飞[4]（2021）在《轮式服务机器人室内场景理解与导航系统研究》文中进行了进一步梳理随着老龄化的加剧和服务业劳动者的缺失,服务机器人得到了迅速发展。但是当前阶段服务机器人在应用时存在一些瓶颈:一方面,机器人复杂环境下的场景感知与理解能力不够,无法得到环境语义信息进而不具备完成更高级别任务的能力;另一方面,当环境中存在较多的障碍物、光照条件恶劣或对于地图精度要求较高时,激光雷达、深度相机等传感器都存在局限性,无法更好的满足复杂结构化动态环境导航的要求。为解决以上问题,本文搭建了服务机器人室内场景理解与导航系统,对视觉目标检测技术、同时定位与建图技术、路径规划技术在移动机器人上的应用进行研究,主要内容如下:（1）为了提高服务机器人对复杂结构化场景的认知能力,本文采用深度学习技术搭建机器人场景理解系统。使用YOLOv3模型,实现了对场景目标的理解检测,满足了系统理解的实时性和准确率需求。在得到图像内目标区域后,基于深度相机获取目标的距离信息,通过坐标变换得到目标在空间中的三维坐标,最后将目标检测和测距封装为不同的ROS节点在机载工控机上进行部署,实现了与机器人导航模块的集成,为实现机器人行为决策等高级任务提供了条件。（2）对激光SLAM和视觉SLAM技术进行研究,以此为基础提出基于贝叶斯估计的多传感器融合建图方案。相对于单线激光建图方案的不足,实现了对一定高度障碍物的识别,同时获得了比单独使用视觉传感器建图时更高的精度,为路径规划提供了具有三维信息、更加精确完善的环境地图。（3）在环境栅格地图的基础上,使用改进的A*算法实现了全局路径规划,使用动态窗口法进行局部路径规划,实现了机器人动态避障。在以上研究的基础上,研究了全向移动机器人运动模型,搭建了移动抓取机器人实验平台,实现了场景理解方案、融合建图方案、改进路径规划方案的实验验证。
李嘉伦[5]（2021）在《复杂战场环境下多传感器调度优化研究》文中研究说明将多传感器集群控制单元作为作战调度部署对象,是感知防御体系构建中必不可缺的一项战略方案,其调度部署模式的选择是作战任务展开的重要前提。然而,现有的作战仿真部署缺乏对实际战场环境的考虑,存在区域覆盖分布不均匀、资源能量消耗不均衡、节点分配协同性不强等问题,本文从传感器感知模型、覆盖方式、调度规划模式出发,基于调度算法理论,研究复杂战场环境下多传感器调度模式中的覆盖、休眠、分配技术,构建了完整的作战区域感知防御体系,为作战调度任务的合理展开提供了理论与技术支撑。主要研究工作如下:首先,针对调度部署过程中战场环境的复杂性,分析了战场恶劣天气对传感器感知半径与传输损耗的影响,以感知能见度为统一衡量标准对恶劣气象影响因子进行了归一化处理,建立了复杂战场天气干扰模型,获得了不同天气类型下传感器探测距离的适应因子,为复杂战场天气下传感器部署提供了重要参考。然后,针对区域覆盖中布控不均匀的问题,选取同构传感器作为调度优化的研究对象,提出了混合改进虚拟力的调度覆盖算法,实现了调度传感器高效覆盖部署。本算法在虚拟力的引力、斥力参数及分布关系优化基础上混合了粒子群算法,并耦合能量分配的约束关系,实现对传感器节点部署优化控制,解决了粒子群算法容易陷入局部最优的问题。实验结果表明,本算法能够使传感器调度布控更均匀,提高区域覆盖率的同时节约了能量。进而,针对区域节点覆盖冗余现象中能耗不均衡、节点提早瘫痪的问题,现有调度休眠算法又存在节点休眠时间冗长且固定不变,导致能量消耗过快的缺点,本文提出了基于自适应动态调度休眠节点能量策略。基于混合调度覆盖算法,构建了完整周期内的节点调度休眠序列,将当前节点分布状态下的剩余能量和冗余覆盖状态作为动态调整节点模式及休眠时段的判断依据,实现了对多传感器数量优化控制。实验结果表明,本文提出的度休眠轮询判别策略通过休眠大量冗余传感器,在保证区域内高效覆盖的前提下,降低感知能耗,有效延长作战调度空间的运行生存时间。最后,本文还针对多传感器目标分配中目标函数难以全面规划约束、协同性不高进而影响监测效果这一问题展开了研究,为有效监测布控区域内出现在感知交叉重叠域内的目标,提出了一种基于目标监测集的调度分配优化算法。本算法通过增强传感器与目标之间感知协同性,对分布目标所处的传感器感知域进行合理规划融合,构建了以探测增益与监测寿命为约束条件的最优监测效能函数,实现了传感器与监测目标之间的协同分配优化。实验结果表明,本算法有效提高了目标监测集下协同分配传感器的监测效能,且适用于多类部署用例下多传感器与目标之间的资源调配。
宋晓莉[6]（2021）在《无线传感器网络节点部署优化策略研究》文中认为无线传感器网络是通过大量分布的传感器节点作为终端来协同感知和自主地监测外部世界,以多跳、自组织或协作的方式进行通信和信息传输,具备自主决策和自控能力,并智能地完成目标任务。这些传感器节点具有体积微小、能耗较低等特点,并且计算和通信能力具有局限性。由于无线传感器网络具备实用性高、设置灵活,网络规模具备可扩展性,接入方式可变性等特征,近十多年来,无线传感器网络已经受到学术界和工业界密切的关注,并已广泛应用于智慧城市、国防军事、智能交通、工农业生产、智慧医疗、环境灾害预警等众多领域。作为一种新的计算模式,无线传感器网络已经发展成为涉及多种技术的交叉学科,成为构造智能物联系统和普适计算的关键技术,在物联网时代具有决定性作用。传感器网络通常是大规模部署在环境比较恶劣、高危、偏僻的无人区域。在海洋、浅海和湖泊等水下部署的无线传感器网络,明显具有传感器节点的位置或感知方向易发生摆动或漂移、监测信号衰减较快、噪声干扰大、节点能量损耗快、部署成本高等特性。因此,在水下复杂、多变的应用环境下,构建无线传感器网络节点部署优化策略将对提升传感器节点的监测能力和无线传感器网络的综合性能至关重要,也是无线传感器网络相关研究的基础性和关键性问题。本文针对二维有向无线传感器网络、水下三维异构无线传感器网络节点部署优化以及水下三维传感器网络异构节点部署优化问题,深入系统研究了不同目标应用所处场景下网络部署面临的环境特点和具体应用需求特征,探索具有针对性的、高效的无线传感器网络节点部署和优化方案,以有效分散节点功耗,提升感知质量,延长网络生命周期。本文主要研究内容与成果包括以下方面:1.二维有向无线传感器网络节点部署优化策略。针对在二维环境下的有向无线传感器网络监测任务中,以随机部署方式撒播在指定监测区域内部的有向感知节点通常会出现分布不均匀等问题,分析有向传感器节点、概率感知模型特征以及多个传感器节点对监测目标点的协同感知模型的特点,提出了极坐标下的感知优化策略,指导二维平面有向传感器节点的方向调整和感知优化,从而提升网络节点感知能力。实验结果证实了该算法能够提升待监测区域覆盖率和感知服务质量,而且利用分布式节点同步调度机制减少了网络总体能量消耗,在无线传感器网络有向节点使用总量有限的前提下,延长网络保持良好监测能力的生命周期。2.水下三维异构无线传感器网络节点部署优化策略。针对水下环境复杂多变而造成部署在水下的三维无线传感器网络节点的位置、感知方向和能量水平等参数很容易发生改变的情况,本文深入研究被监测目标的出现和变化特点与外部规律存在的关联性,分析待监测空间所处水下网络环境异构特点,尤其是各个分区内障碍物和被测目标的聚集区域、聚集度和分布特征。通过发现和提取各个影响因素的规律和关联信息作为先验知识来辅助证据推理,实现多传感器的协作感知和可信任的多源感知数据融合任务。对比实验结果表明本文提出的部署策略能够依据待监测区域的需求特点调整和优化无线传感器节点位置分布,满足不同区域的感知需求,提升网络和节点能量效率,确保水下感知和监测质量的可靠性。3.水下三维无线传感器网络异构节点部署优化策略。针对应用水下异构传感网络进行目标对象监测和拦截问题,对指定监测水域内部存在多种特征数据同时进行监测的应用场景,异构无线传感器网络节点部署策略需要对网络部署成本投入、网络覆盖性能以及网络监测寿命等多种因素进行综合考量,寻求一个能够均衡多种指标和性能需求的解决方案。本文研究和比较多种异构传感器在感知能力、感知模型、通信能力等方面差异性。在节点规模有限的约束条件下,提出利用多重二维垂直截面监测的动态异构节点部署和感知优化策略,同时复合感知模块实现协同感知数据融合和覆盖空洞修复。实验结果表明,在网络节点规模有限的情况下,该算法不仅能够提升网络的有效覆盖率和节点能效,而且能够均衡网络负载,从而改进水下异构无线传感器网络的综合监测性能。
李猛钢[7]（2020）在《面向井下钻孔机器人应用的精确定位与地图构建技术研究》文中研究指明随着智能机器人、无人驾驶、人工智能等相关学科的快速发展,煤矿装备的智能化和机器人化,是继机械化、电气化、自动化变革之后新的发展趋势,将改变煤矿现有生产方式,为煤矿工业的发展带来生产力和安全性的巨大变革。作为煤矿机器人研发和应用之一的井下瓦斯防治钻孔机器人是一种可以实现井下工作面巷道瓦斯自动抽放、无需人工干预的,具备自主行走、自动钻进等功能的全自主钻孔作业机器人。然而,井下复杂场景下的精确定位和高精度地图构建作为支撑钻孔机器人实现自主行走的关键技术,目前尚未有行之有效的解决方案。煤矿井下环境复杂、工况恶劣、无GPS,地面常规使用的定位和建图技术无法直接在此环境中应用。井下现有定位技术如航迹推算定位、惯性导航定位、射频标签定位、视频监控等,无法满足钻孔机器人在井下各种复杂环境中的长期大范围定位,无法为机器人自主导航和自动钻孔作业提供精确位姿估计;现有基于激光扫描仪和全站仪等测量设备的井下测绘和地图构建方法效率低,不适合场景变化环境的三维地图构建和模型快速更新,无法为钻孔机器人提供精确而高效的先验地图。因此,本文根据钻孔机器人的实际需求,围绕精确定位和地图构建这两个关键技术问题开展研究,主要内容包括:针对钻孔机器人自主行走的实际需求,分析了钻孔机器人的工况环境,探讨了钻孔机器人实现自主导航需要具备的功能需求,对移动机器人定位和地图构建问题的本质进行研究;分析构建欧式空间和流形空间的三维运动描述、基于滤波与优化的状态估计求解方法,以及传感器观测模型的数学描述,为提出适合钻孔机器人应用的定位和建图方法奠定理论基础。针对井下尚无可以为移动机器人提供可靠定位服务的定位系统和定位定姿方法,提出基于EKF-UWB的井下伪GPS定位系统构建方法,以及最优锚节点部署策略;进一步通过融合定位系统提供的位置估计与IMU观测,设计了基于ESKF-Fusion的6自由度位姿估计方法。通过仿真和真实场景试验,证明提出的基于EKF-UWB的定位系统和基于ESKF-Fusion的位姿估计方法可以实现井下机器人长期作业的鲁棒而精确的定位,可以在线估计UWB与IMU的外参和IMU的零偏。为了解决井下常规非结构环境的高效定位和点云地图构建问题,提出一种基于激光的3D NDT-graph-SLAM方法。根据井下巷道环境特点,设计了基于激光里程计约束因子、平面特征约束因子、回环约束因子的位姿图优化方法,可以实现在线定位和建图功能。在公开的数据集和井下模拟巷道进行了试验,结果表明提出的方法可以实现地面和井下非结构化场景的实时高精度地图构建,可以满足机器人在井下非结构化环境的精确定位和高效地图构建。为实现井下颠簸路面和复杂场景的可靠定位和高精度地图构建,提出一种基于激光雷达和IMU紧耦合的多传感器融合方法—LI-SLAM。为应对机器人快速旋转、剧烈运动等工况,提出了利用IMU数据辅助雷达进行点云畸变校正,设计了雷达相对位姿因子、IMU预积分因子、边缘化先验因子和回环检测因子,基于因子图优化框架实现了紧耦合融合传感器信息的功能。在野外复杂地形场景进行的大量试验结果表明,提出的方法对于复杂地形、剧烈运动等工况有很强的适应性,可以满足野外以及井下颠簸路面和复杂场景下的精确定位和高精度先验地图构建。针对井下尚无可以实现包含绝对地理信息、克服场景退化问题的定位和地图构建方法,提出一种基于雷达、IMU和UWB融合的LIU-SLAM方法。利用LI-SLAM方法提供的紧耦合局部激光惯性里程计,进一步基于全局因子图优化与UWB定位系统提供的绝对位置和距离观测进行融合。地下车库的现场试验表明,提出的方法实现了UWB信号覆盖范围内局部区域和长距离大范围场景的精确定位,可以在线实现点云地图与地理坐标系的对齐,提高了激光定位和建图的精度和鲁棒性。为了验证本文提出算法的实用性和可行性,开发了钻孔机器人定位导航软硬件系统,并在煤矿救援机器人平台上开展了在模拟煤矿巷道内的试验验证。结果表明,基于EKF-UWB方法的UWB定位系统可以实现在定位系统内的静态绝对定位精度均值10 cm以内,满足钻孔机器人在局部区域作业的精确定位需求,并且可以通过移架或部署更多UWB节点拓展应用范围;ESKF-Fusion和LIU-SLAM方法均可以实现UWB定位系统内局部区域的机器人连续运动时的精确位姿估计,LIU-SLAM鲁棒性和精度更高,局部区域绝对定位精度均值25 cm以内;LIU-SLAM方法可以实现UWB信号覆盖的大范围场景下的高精地图构建,地图一致性和局部建模效果好,大场景绝对定位精度均值25 cm以内,可靠地实现了点云地图与地理坐标系的对齐,对于井下复杂和退化场景的鲁棒性最好。通过对UWB定位系统、基于UWB和IMU融合的ESKF-Fusion位姿估计方法、基于3D NDT-graph-SLAM高效定位和地图构建方法、基于LiDAR/IMU/紧耦合的LI-SLAM以及进一步融合UWB的LIU-SLAM精确定位和地图构建方法的研究,为钻孔机器人在井下不同环境的定位和地图构建提供了可行的解决方案,为下一步在钻孔机器人上实际应用奠定了研究基础和应用经验。该论文有图116幅,表34个,参考文献197篇。
唐玉洁[8]（2020）在《复杂三维地形自主探索与环境建模技术研究》文中提出当前,移动机器人被广泛应用在各个领域,机器人自主探索与环境建模技术也获得了大量的关注。虽然在特定规则环境下,该项技术已取得一定研究成果,但是面对复杂三维地形应用场景时,仍存在一些技术瓶颈。故本文特别针对复杂三维地形条件下的自主探索与环境建模技术进行分析和研究,提出了一套安全高效的自主探索和环境建模技术路线。在实际野外环境中对该算法进行了验证,完成了预定技术目标,取得了良好的效果。本文的贡献在于,具体对自主探索和环境建模技术中的三个子问题:自主探索策略、自主定位技术及环境建模技术分别提出了新的解决方案:第一,提出了新的基于点云地图的自主探索策略,改进了传统的基于边界的探索方案,转而基于可达性地图分析和K-mans聚类算法来定义和优选候选探索目标点,在三维复杂环境下保证了探索的安全性,减轻了计算负担,提高了探索效率。第二,研究了基于卡尔曼滤波的多传感器融合定位框架,提出了模糊推理系统融合多传感器测量信息,根据传感器观测的机器人运行工况,实时估计各传感器置信度,自适应调整传感器融合参数,将传感器之间的优势互补,减轻单一传感器在复杂工况下的定位不可靠性,最终达到了1%的定位精度。这为探索过程中地图匹配与融合提供了良好的初始化信息。第三,研究了基于变分辨率简化的三维点云地图融合技术。首先,通过自主探索策略,决定最高效的环境观测位置,建立环境的局部地图;然后根据定位系统数据,融合不同视角下的局部地图于全局环境地图中;最后,采用了ICP点云匹配算法优化复杂三维地形的地图融合效果。为了获得高精度融合地图,利用了变分辨率的地图简化方法,仅保留环境的丰富特征,而过滤大量冗余点云,为ICP匹配提供特征参考,大大地提高了地图建模精度。经过这三个方面的改进之后,优化了对复杂地形的探索方案,提高了探索效率和安全性。在环境建模方面,多传感器融合定位技术为地图融合提供了准确的初值,变分辨率简化技术进一步提高了非结构化点云模型的匹配效果,改善了环境建模精度。最终组成了一个完整的复杂三维地形下的自主探索与环境建模技术路线。
周耿力[9]（2020）在《面向自主水下航行器中末端接驳的多传感器数据融合定位技术研究》文中指出水下接驳技术是一种通过接驳基站（DOCK）对自主式水下航行器（Autonomous Underwater Vehicle,AUV）进行能源补给和信息传输,提高AUV的续航能力的技术。技术的关键在于接驳过程中对AUV精确导航。本文在研究了国内外的接驳导航方案的基础上,深入展开了面向AUV中末端接驳的多传感器融合定位技术研究。现有的接驳导航主要采用超短基线（Ultra Short Baseline,USBL）和光学导引的组合导航方式,在远端回航阶段采用USBL导航,进入光学导引区域后,在末端入坞阶段采用光学导引导航。这种方案缺点是USBL定位更新频率较低,存在异常值,可能导致AUV偏离光学导引区域,尤其当海面光照较强时,末端光学导引区域缩小,增加了AUV进入光学导引区域难度。现有的通过耦合AUV动力学模型的单目视觉里程计来提高回航和接驳过渡阶段的定位精度的方案,容易受水下洋流和光线变化影响。针对这些问题,本文提出了一种将水下单目视觉里程计和USBL等传感器基于非线性优化进行融合定位的解决方案,这种方案并不依赖AUV动力学模型求解单目视觉里程计的尺度。在该方案中,本文首先提出了一种适用于水下接驳的单目视觉即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术,该技术包含基于词袋跟踪前一帧特征点的跟踪方法,额外的剔除误匹配步骤和冗余的多层跟踪框架,提高了水下单目视觉SLAM在具有洋流和光线变化的水下环境的运行能力。然后本文提出了一种基于非线性优化,利用单目视觉里程计、USBL、深度计和十轴姿态传感器（Attitude and Heading Reference System,AHRS）进行多传感器融合定位的方法,将AUV位姿和单目视觉里程计的尺度同时进行优化求解,不仅提高了中末端接驳的定位精度和定位更新频率,同时解决了单目视觉的尺度问题。最后设计并搭建了一个小型通用AUV试验平台,并进行了泳池接驳试验。泳池试验结果证明,本文提出的方案在接驳成功率和接驳末端横向偏差上表现均优于现有的方案。
刘娟花[10]（2019）在《多尺度数据融合算法及其应用研究》文中进行了进一步梳理分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测（Forward Linear Prediction,FLP）融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
二、多传感器融合系统最小代价冗余及优化算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多传感器融合系统最小代价冗余及优化算法（论文提纲范文）
（1）多传感器融合的家庭服务机器人导航系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景 |
| 1.1.3 课题研究意义 |
| 1.2 国内外移动机器人研究现状 |
| 1.2.1 国外移动机器人研究现状 |
| 1.2.2 国内移动机器人研究现状 |
| 1.2.3 现有研究存在的问题 |
| 1.3 自主导航关键技术的研究现状概况 |
| 1.3.1 机器人导航方式 |
| 1.3.2 同时定位与地图构建 |
| 1.3.3 路径规划 |
| 1.3.4 多传感器融合 |
| 1.4 本文主要研究内容及结构安排 |
| 第2章 导航系统总体方案设计 |
| 2.1 设计需求分析 |
| 2.1.1 功能需求分析 |
| 2.1.2 性能需求分析 |
| 2.2 系统总体架构设计 |
| 2.3 系统硬件部分 |
| 2.3.1 系统硬件的整体架构与组成 |
| 2.3.2 系统硬件部分搭建 |
| 2.4 系统软件开发平台 |
| 2.4.1 系统软件开发环境 |
| 2.4.2 机器人操作系统ROS |
| 2.5 本章小结 |
| 第3章 导航关键技术的研究 |
| 3.1 SLAM技术概述 |
| 3.1.1 SLAM问题描述 |
| 3.1.2 SLAM技术流程 |
| 3.2 粒子滤波 |
| 3.3 路径规划 |
| 3.3.1 全局路径规划 |
| 3.3.2 局部路径规划 |
| 3.4 本章小结 |
| 第4章 多传感器融合技术的研究 |
| 4.1 多传感器融合基础 |
| 4.2 多传感器融合决策规则 |
| 4.3 多传感器信息融合技术 |
| 4.3.1 多传感器融合分类 |
| 4.3.2 多传感器融合方法 |
| 4.4 贝叶斯估计 |
| 4.5 导航避障流程 |
| 4.5.1 多传感器识别障碍物过程 |
| 4.5.2 导航避障整体流程 |
| 4.6 本章小结 |
| 第5章 导航系统的实现与实验分析 |
| 5.1 导航系统的运行 |
| 5.1.1 导航系统运行原理 |
| 5.1.2 系统运行流程 |
| 5.1.3 系统数据通信 |
| 5.1.4 数据结构转换 |
| 5.2 导航关键技术的实现 |
| 5.2.1 SLAM构建地图实现 |
| 5.2.2 蒙特卡洛定位实现 |
| 5.2.3 路径规划实现 |
| 5.3 系统实验与分析 |
| 5.3.1 系统实验模拟搭建 |
| 5.3.2 实验过程与分析 |
| 5.3.3 导航系统性能测试与分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A |
（2）基于多传感器信息融合的单目视觉SLAM算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 单目视觉SLAM的理论基础 |
| 1.2.1 旋转表示 |
| 1.2.2 位姿表示 |
| 1.2.3 相机成像模型 |
| 1.3 国内外研究现状 |
| 1.3.1 单目视觉SLAM算法研究现状 |
| 1.3.2 融合IMU信息的单目视觉SLAM算法研究现状 |
| 1.3.3 视觉点特征追踪算法研究现状 |
| 1.3.4 融合轮式里程计信息的单目视觉SLAM算法研究现状 |
| 1.3.5 基于线特征的视觉SLAM算法研究现状 |
| 1.4 论文的主要研究内容及章节安排 |
| 第2章 基于EKF与图优化互补框架下融合IMU信息的单目视觉SLAM算法 |
| 2.1 引言 |
| 2.2 基于EKF的单目-惯性里程计算法 |
| 2.2.1 状态预测 |
| 2.2.2 状态更新 |
| 2.2.3 状态扩充 |
| 2.3 基于图优化的视觉点特征与IMU信息融合方法 |
| 2.3.1 图优化模型 |
| 2.3.2 IMU预积分残差模型 |
| 2.3.3 视觉点特征重投影残差模型 |
| 2.4 基于EKF与图优化互补框架的单目-惯性SLAM算法 |
| 2.4.1 系统初始化 |
| 2.4.2 视觉关键帧选取 |
| 2.4.3 全局地图辅助的EKF反馈机制 |
| 2.4.4 全局地图构建及优化 |
| 2.5 实验结果分析 |
| 2.5.1 EuRoC数据集上的算法评估 |
| 2.5.2 与经典单目-惯性SLAM算法的性能对比 |
| 2.5.3 真实室内环境下的算法评估 |
| 2.6 本章小结 |
| 第3章 基于IMU信息辅助视觉点特征追踪方法的单目视觉SLAM算法 |
| 3.1 引言 |
| 3.2 Lucas-Kanade图像对齐反向组合算法 |
| 3.3 IMU信息辅助的视觉点特征追踪算法 |
| 3.3.1 算法概述 |
| 3.3.2 IMU信息辅助的视觉点特征运动补偿 |
| 3.3.3 基于多参考帧及多层图像块的视觉点特征对齐 |
| 3.4 基于IMU信息辅助视觉点特征追踪方法的单目SLAM算法 |
| 3.4.1 传感器信息预处理 |
| 3.4.2 系统初始化 |
| 3.5 实验结果分析 |
| 3.5.1 算法鲁棒性评估 |
| 3.5.2 EuRoC数据集上的算法评估 |
| 3.5.3 KITTI数据集上的算法评估 |
| 3.6 本章小结 |
| 第4章 基于图优化框架下融合轮式里程计信息的单目视觉SLAM算法 |
| 4.1 引言 |
| 4.2 基于图优化的视觉点特征与轮式里程计信息融合方法 |
| 4.2.1 图优化模型 |
| 4.2.2 轮式里程计与陀螺仪联合预积分残差模型 |
| 4.2.3 视觉点特征重投影残差模型 |
| 4.2.4 位姿平面残差模型 |
| 4.3 基于图优化的单目-轮式里程计SLAM算法 |
| 4.3.1 系统初始化 |
| 4.3.2 视觉信息有效时的运动估计 |
| 4.3.3 视觉信息丢失时的运动估计 |
| 4.3.4 局部地图跟踪及视觉关键帧选取 |
| 4.3.5 地图构建及优化 |
| 4.4 实验结果分析 |
| 4.4.1 序列DS1 上的算法评估 |
| 4.4.2 RAWSEEDS数据集上的算法评估 |
| 4.4.3 轮子打滑情况下的算法鲁棒性评估 |
| 4.4.4 视觉丢失情况下的算法鲁棒性评估 |
| 4.5 本章小结 |
| 第5章 基于图优化框架下融合多传感器信息的结构单目视觉SLAM算法 |
| 5.1 引言 |
| 5.2 直线的参数化及几何计算方法 |
| 5.2.1 三维直线 |
| 5.2.2 地面直线 |
| 5.3 基于图优化的视觉点线特征与轮式里程计信息融合方法 |
| 5.3.1 图优化模型 |
| 5.3.2 轮式里程计预积分残差模型 |
| 5.3.3 视觉点线特征重投影残差模型 |
| 5.3.4 地面直线的平面残差模型 |
| 5.4 基于图优化的结构单目-轮式里程计SLAM算法 |
| 5.4.1 传感器信息预处理 |
| 5.4.2 系统初始化及视觉关键帧选取 |
| 5.4.3 运动估计 |
| 5.4.4 局部地图更新 |
| 5.5 实验结果分析 |
| 5.5.1 评估度量 |
| 5.5.2 仿真数据上的算法评估 |
| 5.5.3 RAWSEEDS数据集上的算法评估 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）多传感器融合的移动机器人室内地图构建与导航研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自主移动机器人 |
| 1.2.2 同步定位与地图构建 |
| 1.2.3 多传感器融合 |
| 1.3 研究内容与创新点 |
| 1.4 论文组织结构 |
| 第二章 室内机器人系统概述 |
| 2.1 底盘与传感器模型概述 |
| 2.1.1 差速轮运动模型 |
| 2.1.2 激光雷达模型 |
| 2.1.3 视觉传感器模型 |
| 2.2 机器人软件系统概述 |
| 2.2.1 ROS机器人操作系统 |
| 2.2.2 占据栅格地图 |
| 2.2.3 SLAM框架 |
| 2.3 本章小结 |
| 第三章 复杂多环状地形中的闭环检测算法研究 |
| 3.1 基于特征提取的传统视觉建图算法 |
| 3.1.1 特征提取算法 |
| 3.1.2 ORB视觉建图算法 |
| 3.2 针对复杂室内环境的闭环检测优化算法 |
| 3.2.1 基于词袋模型的闭环帧检测 |
| 3.2.2 优化的室内环境字典训练 |
| 3.3 实验验证与分析 |
| 3.3.1 ORB特征提取与匹配实验 |
| 3.3.2 字典效果对比实验 |
| 3.4 本章小结 |
| 第四章 多传感器数据融合的建图导航算法研究 |
| 4.1 基于三维点云映射的融合地图构建算法 |
| 4.1.1 融合方案分析 |
| 4.1.2 3D点云在栅格地图中的映射 |
| 4.1.3 占据栅格地图的融合 |
| 4.2 改进ROS-Navigation栈的全局定位与导航方案 |
| 4.2.1 基于改进蒙特卡洛的定位算法 |
| 4.2.2 基于动态衡量的启发式搜索算法 |
| 4.3 实验验证与分析 |
| 4.3.1 融合建图算法分析 |
| 4.3.2 定位与路径规划优化算法分析 |
| 4.4 本章小结 |
| 第五章 室内机器人建图导航系统的测试与分析 |
| 5.1 室内机器人建图导航系统搭建 |
| 5.1.1 总体设计方案 |
| 5.1.2 软件平台 |
| 5.1.3 硬件平台 |
| 5.1.4 视觉传感器标定 |
| 5.2 融合激光与视觉信息的机器人系统测试 |
| 5.2.1 小尺度环境建图 |
| 5.2.2 大尺度环境建图 |
| 5.2.3 定位与导航测试 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（4）轮式服务机器人室内场景理解与导航系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轮式服务机器人总体发展现状 |
| 1.2.2 机器人场景语义理解技术国内外研究现状 |
| 1.2.3 机器人导航技术国内外研究现状 |
| 1.3 主要研究工作及论文组织架构 |
| 1.3.1 主要研究工作 |
| 1.3.2 论文组织结构 |
| 第2章 服务机器人场景语义理解与导航系统总体设计 |
| 2.1 需求分析 |
| 2.2 系统硬件架构 |
| 2.3 系统软件架构 |
| 2.3.1 室内场景语义理解模块设计 |
| 2.3.2 机器人导航模块设计 |
| 2.4 本章小结 |
| 第3章 基于深度学习的场景语义理解技术研究 |
| 3.1 深度学习理论基础 |
| 3.2 基于YOLOv3目标检测网络的场景语义理解系统设计 |
| 3.2.1 场景语义理解系统设计实现 |
| 3.2.2 基于YOLOv3的目标检测实现 |
| 3.2.3 基于深度相机的目标测距实现 |
| 3.3 本章小结 |
| 第4章 结合场景语义信息的地图构建与自主导航方法研究 |
| 4.1 机器人定位方法与地图类型理论基础 |
| 4.2 机器人SLAM技术研究 |
| 4.2.1 激光SLAM |
| 4.2.2 激光SLAM算法对比仿真实验 |
| 4.2.3 视觉SLAM |
| 4.2.4 基于多传感器融合的激光雷达与深度相机融合建图实现 |
| 4.2.4.1 激光雷达与深度相机单一建图效果分析 |
| 4.2.4.2 激光雷达与深度相机融合建图实现 |
| 4.2.5 融合环境语义信息与几何信息的地图 |
| 4.3 移动机器人的路径规划与导航 |
| 4.3.1 移动机器人的全局路径规划 |
| 4.3.1.1 基于图搜索的Dijkstra算法和A~*算法仿真对比 |
| 4.3.1.2 基于节点连通性判断的A~*算法优化设计 |
| 4.3.2 移动机器人的局部路径规划 |
| 4.3.2.1 基于动态窗口法的机器人局部路径规划 |
| 4.3.2.2 基于多传感器融合的动态避障方法设计 |
| 4.3.3 基于语义信息的机器人自主导航系统设计实现 |
| 4.3.3.1 基于环境语义信息的导航目标设置 |
| 4.3.3.2 基于move_base导航框架的自主导航实现 |
| 4.4 本章小结 |
| 第5章 场景语义理解与导航系统实验与分析 |
| 5.1 实验平台搭建 |
| 5.1.1 系统硬件实现 |
| 5.1.2 系统软件实现 |
| 5.2 场景语义理解系统验证实验 |
| 5.3 融合建图实验 |
| 5.4 改进A~*路径规划算法实验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）复杂战场环境下多传感器调度优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 战场环境研究现状 |
| 1.2.2 传感器调度技术研究现状 |
| 1.2.3 传感器调度算法研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 1.4 本章小结 |
| 2 传感器调度模式相关理论 |
| 2.1 传感器调度体系结构 |
| 2.1.1 传感器感知覆盖模型 |
| 2.1.2 传感器覆盖区域类型 |
| 2.1.3 传感器调度部署规划分析 |
| 2.2 传感器覆盖布控关系 |
| 2.2.1 调度覆盖指标参数 |
| 2.2.2 传感器理论布控规划 |
| 2.3 本章小结 |
| 3 基于虚拟力算法的传感器调度覆盖研究 |
| 3.1 虚拟力算法分析 |
| 3.2 虚拟力算法参数优化 |
| 3.3 调度覆盖过程能量消耗策略研究 |
| 3.3.1 调度能量消耗模型 |
| 3.3.2 基于能量分配的移动部署方案设计 |
| 3.4 改进混合虚拟力算法研究 |
| 3.4.1 粒子群算法参数优化 |
| 3.4.2 混合改进粒子群与虚拟力算法分析 |
| 3.5 实验结果及分析 |
| 3.5.1 实验环境及调度参数设定 |
| 3.5.2 调度过程覆盖率实验分析 |
| 3.5.3 调度过程能量消耗实验分析 |
| 3.6 本章小结 |
| 4 传感器节点调度休眠策略研究 |
| 4.1 传感器调度休眠模式规划 |
| 4.2 基于覆盖算法的节点调度休眠策略研究 |
| 4.2.1 传感器调度休眠序列阶段设计 |
| 4.2.2 基于节点分布状态的调度休眠动态规划 |
| 4.2.3 基于恶劣天气干扰的作战调度环境分析 |
| 4.4 实验结果及分析 |
| 4.4.1 传感器调度作战背景设置 |
| 4.4.2 实验参数设定 |
| 4.4.3 传感器调度休眠仿真界面设计及结果 |
| 4.4.4 调度休眠实验结果分析 |
| 4.5 本章小结 |
| 5 传感器节点调度分配算法研究 |
| 5.1 调度分配传感器监测目标分析 |
| 5.1.1 调度分配传感器目标监测问题描述 |
| 5.1.2 调度分配传感器目标监测模拟规划 |
| 5.2 基于目标监测集下的传感器调度分配算法研究 |
| 5.2.1 针对传感器监测目标集合设置 |
| 5.2.2 基于目标监测集合的效能函数建立 |
| 5.2.3 基于效能函数的调度分配优化模型分析 |
| 5.2.4 基于目标优化的调度分配算法策略设计 |
| 5.3 实验结果及分析 |
| 5.3.1 实验参数设定 |
| 5.3.2 针对传感器部署实验仿真验证 |
| 5.3.3 针对多目标分配实验仿真验证 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
| 致谢 |
（6）无线传感器网络节点部署优化策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 无线传感器网络概述 |
| 1.2.1 无线传感器网络简介 |
| 1.2.1.1 网络系统架构 |
| 1.2.1.2 节点结构 |
| 1.2.1.3 协议架构和网络管理接口 |
| 1.2.2 主要特点 |
| 1.2.3 应用领域 |
| 1.2.4 关键技术 |
| 1.2.5 国内外研究现状 |
| 1.3 无线传感器网络技术发展趋势 |
| 1.4 论文研究内容和创新点 |
| 1.4.1 论文主要内容 |
| 1.4.2 论文创新点 |
| 1.5 论文组织结构 |
| 参考文献 |
| 第二章 无线传感器网络部署优化技术研究 |
| 2.1 网络部署相关理论与技术分析 |
| 2.1.1 感知模型 |
| 2.1.2 节点通讯模型 |
| 2.1.3 网络部署方式分类 |
| 2.1.3.1 基于覆盖效果分类 |
| 2.1.3.2 基于节点特性分类 |
| 2.1.4 部署技术优化目标 |
| 2.1.5 部署优化的作用 |
| 2.2 传感器网络部署控制机制 |
| 2.2.1 节点同步调度 |
| 2.2.2 数据融合 |
| 2.2.3 虚拟力算法 |
| 2.2.3.1 虚拟力作用原理 |
| 2.2.3.2 虚拟力算法特点和应用 |
| 2.3 水下无线传感器网络概述 |
| 2.3.1 水下无线传感器网络的特点 |
| 2.3.2 水下无线传感器网络体系结构 |
| 2.3.3 水下无线传感器网络的研究现状 |
| 2.3.4 水下传感网部署优化问题面临的挑战 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 二维有向无线传感器网络节点部署优化策略 |
| 3.1 有向无线传感器网络特性分析 |
| 3.1.1 有向无线传感器网络应用场景 |
| 3.1.2 有向传感器网络特性 |
| 3.2 相关理论与技术 |
| 3.2.1 有向节点感知模型分类 |
| 3.2.2 有向节点通讯模型 |
| 3.2.3 节点运动方式 |
| 3.2.4 有向无线传感器网络部署研究现状分析 |
| 3.3 数学模型及相关定义 |
| 3.3.1 有向感知模型 |
| 3.3.2 分布式节点联合感知模型 |
| 3.3.3 相关定义 |
| 3.4 节点部署优化算法 |
| 3.4.1 前提假设 |
| 3.4.2 算法思想 |
| 3.4.3 算法步骤 |
| 3.5 仿真实验与结果分析 |
| 3.5.1 仿真实验设计 |
| 3.5.2 仿真结果分析 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 水下三维异构无线传感器网络节点部署优化策略 |
| 4.1 异构无线传感器网络特性分析 |
| 4.1.1 典型的异构网络体系结构 |
| 4.1.2 无线传感器网络异构性特征 |
| 4.1.3 异构无线传感器网络的优势 |
| 4.1.4 异构无线传感器网络研究现状分析 |
| 4.1.5 水下无线传感器网络部署研究现状分析 |
| 4.2 相关理论与技术 |
| 4.2.1 引入证据理论的必要性分析 |
| 4.2.2 证据理论的引入 |
| 4.2.2.1 D-S证据理论方法 |
| 4.2.2.2 D-S相关定义 |
| 4.2.2.3 证据理论的合成规则 |
| 4.2.2.4 基于证据理论的决策融合模型 |
| 4.2.2.5 证据理论研究现状 |
| 4.3 数学模型及相关定义 |
| 4.3.1 水下三维空间模型 |
| 4.3.2 被动声呐节点感知模型 |
| 4.3.3 基于监测可信任度的感知 |
| 4.3.4 基于证据理论的数据融合模型 |
| 4.3.5 被动声呐可信感知模型 |
| 4.4 水下三维异构无线传感器网络部署优化算法 |
| 4.4.1 前提假设 |
| 4.4.2 算法思想 |
| 4.4.3 算法步骤 |
| 4.5 仿真实验与结果分析 |
| 4.5.1 仿真实验设计 |
| 4.5.2 仿真结果分析 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 水下三维传感器网络异构节点部署优化策略 |
| 5.1 无线传感器网络节点异构特性分析 |
| 5.1.1 无线传感器网络节点异构的优势 |
| 5.1.2 传感器节点异构性类型 |
| 5.1.3 异构节点部署面临的挑战分析 |
| 5.1.4 水下异构节点部署技术的研究现状分析 |
| 5.1.5 水下目标探测和拦截问题特殊性分析 |
| 5.2 数学模型及相关定义 |
| 5.2.1 相关定义 |
| 5.2.2 节点三维覆盖模型 |
| 5.2.3 节点协同感知概率模型 |
| 5.2.4 虚拟势场方法 |
| 5.2.4.1 虚拟势场原理 |
| 5.2.4.2 节点位移计算 |
| 5.2.4.3 算法步骤 |
| 5.2.4.4 虚拟势场算法的问题 |
| 5.2.5 基于DSmT的数据融合感知模型 |
| 5.2.5.1 DSmT数据融合模型 |
| 5.2.5.2 基本概念 |
| 5.2.6 复合感知模块的协同感知 |
| 5.2.7 异构传感器节点的感知类型 |
| 5.3 水下无线传感器网络异构节点部署优化算法 |
| 5.3.1 前提假设 |
| 5.3.2 算法思想 |
| 5.3.3 算法步骤 |
| 5.4 仿真实验与结果分析 |
| 5.4.1 仿真实验设计 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 攻读学位期间学术成果目录 |
（7）面向井下钻孔机器人应用的精确定位与地图构建技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题的背景、意义及来源 |
| 1.2 国内外研究现状及分析 |
| 1.3 主要研究内容 |
| 2 钻孔机器人定位导航需求分析与状态估计方法 |
| 2.1 引言 |
| 2.2 钻孔机器人工况环境及自主导航功能需求分析 |
| 2.3 三维空间刚体运动 |
| 2.4 机器人状态估计方法 |
| 2.5 传感器观测模型 |
| 2.6 本章小结 |
| 3 井下UWB定位系统与位姿估计方法 |
| 3.1 引言 |
| 3.2 UWB传感器特性分析 |
| 3.3 井下UWB定位系统构建 |
| 3.4 基于ESKF的 UWB/IMU融合位姿估计 |
| 3.5 仿真及现场试验分析 |
| 3.6 本章小结 |
| 4 平面辅助的NDT-graph-SLAM定位与地图构建 |
| 4.1 引言 |
| 4.2 NDT扫描配准 |
| 4.3 位姿图优化模型构建 |
| 4.4 工程应用问题 |
| 4.5 数据集及现场试验 |
| 4.6 本章小结 |
| 5 LiDAR-IMU紧耦合的LI-SLAM定位与地图构建 |
| 5.1 引言 |
| 5.2 系统架构与因子图模型构建 |
| 5.3 约束因子构建 |
| 5.4 工程应用问题 |
| 5.5 野外复杂地形现场试验 |
| 5.6 本章小结 |
| 6 LiDAR-IMU-UWB融合的LIU-SLAM定位与地图构建 |
| 6.1 引言 |
| 6.2 系统架构与全局因子图模型构建 |
| 6.3 约束因子构建 |
| 6.4 工程应用问题 |
| 6.5 地下车库封闭环境现场试验 |
| 6.6 本章小结 |
| 7 井下钻孔机器人定位导航系统研发及定位建图应用试验 |
| 7.1 引言 |
| 7.2 井下钻孔机器人定位导航系统研发 |
| 7.3 UWB定位系统绝对定位精度测试 |
| 7.4 局部区域连续定位试验 |
| 7.5 大范围巷道地图构建与定位试验 |
| 7.6 本章小结 |
| 8 全文总结 |
| 8.1 研究内容与成果 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）复杂三维地形自主探索与环境建模技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 自主探索策略研究现状 |
| 1.3.2 自主定位技术研究现状 |
| 1.3.3 三维环境建模技术研究现状 |
| 1.4 论文的主要研究内容及结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文的结构安排 |
| 第二章 自主探索策略 |
| 2.1 可达地图设计及计算 |
| 2.1.1 可通过性分析 |
| 2.1.2 可达地图定义 |
| 2.2 候选探索目标点选取 |
| 2.2.1 边界点提取 |
| 2.2.2 边界点聚类 |
| 2.3 探索目标点决策 |
| 2.3.1 探索目标点代价函数设计 |
| 2.3.2 候选目标点管理策略 |
| 2.4 实验及结果分析 |
| 2.5 本章小结 |
| 第三章 多传感器融合定位 |
| 3.1 传感器系统标定 |
| 3.1.1 传感器内参标定 |
| 3.1.2 传感器系统外参标定 |
| 3.2 基于卡尔曼滤波的多传感器融合框架 |
| 3.3 基于模糊推理系统的自适应融合增益调节 |
| 3.3.1 规则库设计 |
| 3.3.2 隶属度函数设计 |
| 3.3.3 模糊推理系统设计 |
| 3.4 实验及结果分析 |
| 3.5 本章小结 |
| 第四章 高精度三维环境建模 |
| 4.1 变分辨率简化地图 |
| 4.2 ICP地图融合校正算法 |
| 4.3 基于变分辨率地图的ICP融合 |
| 4.3.1 重合区域点云提取 |
| 4.3.2 点云匹配与地图校正 |
| 4.4 实验及结果分析 |
| 4.5 本章小结 |
| 第五章 自主探索与环境建模算法实验验证 |
| 5.1 实验平台介绍 |
| 5.1.1 实验硬件框架 |
| 5.1.2 实验软件框架 |
| 5.2 自主探索及环境建模实验 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者在攻读硕士学位期间公开发表的论文 |
| 作者在攻读硕士学位期间所作的项目 |
| 致谢 |
（9）面向自主水下航行器中末端接驳的多传感器数据融合定位技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 水下接驳导航方法研究现状 |
| 1.2.2 视觉SLAM研究现状 |
| 1.3 研究内容及技术难点 |
| 1.3.1 研究内容 |
| 1.3.2 技术难点 |
| 1.4 本章小结 |
| 第2章 视觉SLAM基础理论概述 |
| 2.1 三维刚体运动表示 |
| 2.1.1 坐标系定义 |
| 2.1.2 位姿表示 |
| 2.2 相机和图像 |
| 2.2.1 相机成像模型 |
| 2.2.2 相机畸变与校正 |
| 2.3 对极几何 |
| 2.3.1 对极约束 |
| 2.3.2 本质矩阵 |
| 2.3.3 单应矩阵 |
| 2.4 三角测量 |
| 2.5 非线性最小二乘问题求解 |
| 2.6 本章小结 |
| 第3章 水下单目视觉SLAM算法研究 |
| 3.1 特征点法SLAM基本原理 |
| 3.1.1 特征点 |
| 3.1.2 特征匹配 |
| 3.1.3 相机位姿优化 |
| 3.1.4 集束调整 |
| 3.2 ORBSLAM算法研究 |
| 3.2.1 ORBSLAM初始化 |
| 3.2.2 跟踪线程 |
| 3.2.3 局部建图线程 |
| 3.3 面向接驳的IU-ORBSLAM |
| 3.3.1 ORBSLAM存在的问题 |
| 3.3.2 基于词袋跟踪前一帧 |
| 3.3.3 误匹配剔除 |
| 3.3.4 冗余的多层跟踪框架 |
| 3.4 泳池数据集试验 |
| 3.5 本章小结 |
| 第4章 基于非线性优化的多传感器融合定位方法研究 |
| 4.1 导航中的坐标系关系 |
| 4.2 状态估计算法 |
| 4.2.1 基于滤波器的状态估计 |
| 4.2.2 基于非线性优化的状态估计 |
| 4.3 多传感器融合定位模型 |
| 4.3.1 多传感器融合定位位姿图模型 |
| 4.3.2 传感器残差模型 |
| 4.4 泳池定点航行试验 |
| 4.4.1 试验说明 |
| 4.4.2 试验结果 |
| 4.5 本章小结 |
| 第5章 面向自主水下航行器中末端接驳的多传感器融合定位试验 |
| 5.1 系统硬件设计 |
| 5.1.1 小型AUV试验平台机械结构设计 |
| 5.1.2 小型AUV试验平台电路设计 |
| 5.2 系统软件设计 |
| 5.2.1 上位机软件框架 |
| 5.2.2 下位机软件框架 |
| 5.3 系统实验及分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介 |
| 教育经历 |
| 硕士期间获得的科研成果 |
| 参与的主要科研项目 |
| 硕士期间获得的荣誉 |
（10）多尺度数据融合算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 多传感器信息融合概述 |
| 1.2.1 信息融合的概念和优点 |
| 1.2.2 信息融合的模型 |
| 1.2.3 信息融合的方法 |
| 1.2.4 信息融合技术的研究现状 |
| 1.3 多尺度数据融合有关技术及进展 |
| 1.3.1 多尺度系统估计理论研究概况 |
| 1.3.2 多尺度数据融合的应用及研究现状 |
| 1.3.3 多尺度数据融合概念的演变 |
| 1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
| 1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
| 1.6 本文的主要研究内容及结构安排 |
| 2 多尺度数据融合算法及其有效性的证明 |
| 2.1 引言 |
| 2.2 小波分解原子时算法 |
| 2.2.1 常见时间尺度 |
| 2.2.2 原子时算法 |
| 2.2.3 小波分解原子时算法的提出 |
| 2.2.4 小波分解原子时算法有待解决的问题 |
| 2.2.5 小波分解原子时算法的基本原理 |
| 2.3 预备知识 |
| 2.3.1 原子钟的噪声特性 |
| 2.3.2 相关说明 |
| 2.4 随机信号数据融合的理论体系 |
| 2.4.1 平稳单尺度数据融合 |
| 2.4.2 平稳多尺度数据融合 |
| 2.4.3 非平稳单尺度数据融合 |
| 2.4.4 非平稳多尺度数据融合 |
| 2.5 非平稳多尺度数据融合定理的证明 |
| 2.6 分析与讨论 |
| 2.7 本章小结 |
| 3 多尺度数据融合算法的小波包实现 |
| 3.1 引言 |
| 3.2 小波变换和小波包变换 |
| 3.3 小波包的基本理论 |
| 3.3.1 正交小波包的定义与性质 |
| 3.3.2 小波包的子空间分解 |
| 3.3.3 小波库及小波包基的定义 |
| 3.3.4 小波包的分解与重构算法 |
| 3.3.5 最优小波包基的概念 |
| 3.3.6 最优基的快速搜索 |
| 3.4 基于小波包的多尺度数据融合方案 |
| 3.4.1 基于小波变换的多尺度数据融合算法 |
| 3.4.2 基于小波包的多尺度数据融合方案 |
| 3.5 基于小波包的多尺度陀螺融合实验研究 |
| 3.5.1 MEMS陀螺概述 |
| 3.5.2 MEMS陀螺随机误差分析 |
| 3.5.3 MEMS陀螺随机误差的Allan方差分析 |
| 3.5.4 MEMS陀螺漂移的数学模型 |
| 3.5.5 MEMS陀螺信号实时小波处理方法 |
| 3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
| 3.6 本章小结 |
| 4 小波多尺度数据融合中关键技术 |
| 4.1 MEMS陀螺噪声特性与小波熵 |
| 4.1.1 MEMS陀螺误差及噪声特性 |
| 4.1.2 小波熵 |
| 4.2 常见的小波簇 |
| 4.2.1 小波基的性质 |
| 4.2.2 常用小波基 |
| 4.3 基于小波变换的数据融合中小波基的选取 |
| 4.3.1 小波基选取原则 |
| 4.3.2 小波基的比较 |
| 4.3.3 小波簇的选取 |
| 4.3.4 陀螺数据融合效果评价 |
| 4.3.5 最佳小波基选取实验 |
| 4.4 小波分解层数的设定 |
| 4.5 数据融合加权因子的选择 |
| 4.6 本章小结 |
| 5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
| 5.1 MEMS陀螺仪噪声抑制方法研究概述 |
| 5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
| 5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
| 5.1.3 多尺度数据融合算法的优点 |
| 5.2 MEMS陀螺数据处理中的多传感器数据融合 |
| 5.2.1 多尺度融合 |
| 5.2.2 卡尔曼滤波融合 |
| 5.2.3 小波阈值融合 |
| 5.3 基于仿真信号对三种融合方法的比较 |
| 5.3.1 仿真信号的产生 |
| 5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
| 5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
| 5.4 基于实测信号对三种融合方法的比较 |
| 5.5 三种融合方法比较的结论 |
| 5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
| 5.6.1 FLP算法 |
| 5.6.2 基于FLP滤波的多传感器融合方法 |
| 5.6.3 FLP滤波融合结果和分析 |
| 5.7 本章小结 |
| 6 多尺度数据融合系统设计与验证 |
| 6.1 系统的总体设计方案 |
| 6.1.1 系统需求分析 |
| 6.1.2 系统整体框图 |
| 6.1.3 系统中的主要器件选型 |
| 6.2 硬件电路设计 |
| 6.2.1 陀螺仪模块 |
| 6.2.2 协处理器模块 |
| 6.2.3 主处理器模块 |
| 6.2.4 系统实物图 |
| 6.3 系统软件设计 |
| 6.3.1 接口部分 |
| 6.3.2 融合处理部分 |
| 6.4 实验研究 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 本文的主要研究成果 |
| 7.2 创新研究 |
| 7.3 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表和收录的论文 |
| 攻读博士学位期间获奖 |
| 攻读博士学位期间参加的科研项目 |
四、多传感器融合系统最小代价冗余及优化算法（论文参考文献）
- [1]多传感器融合的家庭服务机器人导航系统的设计与实现[D]. 何佑星. 兰州理工大学, 2021(01)
- [2]基于多传感器信息融合的单目视觉SLAM算法研究[D]. 权美香. 哈尔滨工业大学, 2021(02)
- [3]多传感器融合的移动机器人室内地图构建与导航研究[D]. 年鉴. 北京邮电大学, 2021(01)
- [4]轮式服务机器人室内场景理解与导航系统研究[D]. 李鹏飞. 山东大学, 2021(11)
- [5]复杂战场环境下多传感器调度优化研究[D]. 李嘉伦. 西安工业大学, 2021(02)
- [6]无线传感器网络节点部署优化策略研究[D]. 宋晓莉. 北京邮电大学, 2021
- [7]面向井下钻孔机器人应用的精确定位与地图构建技术研究[D]. 李猛钢. 中国矿业大学, 2020(07)
- [8]复杂三维地形自主探索与环境建模技术研究[D]. 唐玉洁. 上海大学, 2020(02)
- [9]面向自主水下航行器中末端接驳的多传感器数据融合定位技术研究[D]. 周耿力. 浙江大学, 2020(06)
- [10]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019