巴魯夫BNS00EF融合的移動機器人傳感器BNS 819-D03-K12-100-10

BNS 819-D03-K12-100-10在沒有GPS信號情況下,同時定位與地圖構(gòu)建能夠出色的完成在未知環(huán)境中的地圖構(gòu)建和自主導(dǎo)航。目前對于未知環(huán)境的SLAM主要有基于激光雷達、相機、超聲波、無人機傾斜攝影、慣性測量單元(以及里程計等傳感器的方法,但使用單一傳感器進行未知環(huán)境的SLAM都存在針對基于熵理論的貝葉斯信息融合技術(shù)需要進行無窮區(qū)間的積分運算,容易出現(xiàn)數(shù)值不穩(wěn)定的問題,提出一種基于隨機自適應(yīng)方法的多傳感器融合算法。利用傳感器測量值之間的差值自適應(yīng)地建立傳感器的后驗概率分布模型;結(jié)合互信息的理論實時識別和剔除偽測量值,避免求熵時的積分計算;將該方法分別應(yīng)用于集中式融合方案和分布式融合方案中得到了兩種新的數(shù)據(jù)融合方法。仿真實驗結(jié)果表明,在存在偽測量值的情況下,該算法性能明顯優(yōu)于一般的貝葉斯融合方法。首先，傳感器將獲得的目標(biāo)信息發(fā)送給其“收信”鄰居，同時關(guān)聯(lián)和融合來自“送信”鄰居的信息，再將融合后的目標(biāo)信息發(fā)送給其“收信”鄰居，如此循壞，從而形成一種多地并行融合、去融合中心的分布式融合結(jié)構(gòu)。運用輿情動力學(xué)理論，設(shè)計了一種離散時間融合算法，并證明當(dāng)傳感器網(wǎng)絡(luò)為強連通網(wǎng)絡(luò)或存在一株有向生成樹時，即使存在“盲”傳感器，該算法也可以使各傳感器在短時間內(nèi)對目標(biāo)信息達成一致。

巴魯夫BNS00EF融合的移動機器人傳感器BNS 819-D03-K12-100-10

BNS 819-D03-K12-100-10針對多傳感器數(shù)據(jù)加權(quán)融合問題,提出了一種基于權(quán)值的數(shù)據(jù)加權(quán)融合方法。通過分析融合權(quán)重對融合精度的影響,確定了數(shù)據(jù)加權(quán)融合的權(quán)值分配原則;通過對能夠反映傳感器實際測量精度的實測數(shù)據(jù)進行統(tǒng)計分析,構(gòu)建了傳感器實際工作狀態(tài)下的近似測量精度計算模型。

BNS01J5    BNS 819-D03-K12-62-10
BNS00EK    BNS 819-D03-K16-100-10
BNS00EL    BNS 819-D03-K16-100-10-FD
BNS01J8    BNS 819-D03-K16-62-10
BNS00EM    BNS 819-D03-L12-100-10
BNS00EN    BNS 819-D03-L12-100-10-FD
BNS01JA    BNS 819-D03-L12-62-10
BNS00ET    BNS 819-D03-L16-100-10-FD
BNS00EU    BNS 819-D03-L16-100-10-FD-S80S
BNS01JE    BNS 819-D03-L16-62-10
BNS00EW    BNS 819-D03-R12-100-10
BNS00EY    BNS 819-D03-R12-100-10-FD
BNS00EZ    BNS 819-D03-R12-100-10-FD-S115R
BNS00F0    BNS 819-D03-R12-100-10-FD-S80S
BNS00F1    BNS 819-D03-R12-100-10-FD-S90R