导读:本文包含了导航信息融合论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,相对导航,信息融合,超宽带
导航信息融合论文文献综述
孙瑶洁,熊智,李文龙,崔雨晨,段胜青[1]（2019）在《基于RBF神经网络的相对导航信息融合方法》一文中研究指出针对无人机编队飞行情况下,超宽带(UWB)测距辅助的相对导航中UWB信号失效导致无法提供相对导航信息的问题,提出了一种径向基神经网络(RBF)辅助的相对导航算法。当UWB信号有效时,以双机地理坐标系的位置信息作为RBF神经网络的输入,以UWB的期望输出位置及速度补偿信息作为RBF神经网络的输出实现神经网络的训练;当UWB信号缺失或非视距误差不可忽视时,使用训练好的RBF神经网络预测无人机间相对导航的相对导航信息,修正僚机的绝对导航精度。实验结果表明:相比于无辅助情况的UWB无人机相对导航系统,加入RBF神经网络辅助子系统可使速度X,Y,Z方向的相对导航精度在100 s内平均提升8.2,24.5,8.2倍;在位置X,Y,Z方向的定位精度在50 s内平均提升4.3,2.8,2.7倍。(本文来源于《航空计算技术》期刊2019年06期）
吴吉明[2]（2019）在《基于多传感器信息融合的物流机器人导航定位技术研究》一文中研究指出物流行业在如今社会中发展速度较快,应用领域广泛,如何能够利用高科技技术手段,提高工作效率,减少误差,是科技工作者一直在努力探索的课题。基于多传感器信息之间的融合,利用机器人进行快件分拣是值得研究的。但物流机器人在移动定位中也存在不稳定的因素,可以利用多传感器融合移动定位的方法,通过融合机器人的实际距离与BLE定位技术,解决物流机器人定位不准确的问题,提高物流应用的工作效率与准确性。(本文来源于《安阳师范学院学报》期刊2019年05期）
芈小龙,向敏[3]（2019）在《多惯性导航系统信息融合方法研究》一文中研究指出舰船导航领域通常采用多传感器组合的方式保证导航精度,但对于水下舰船而言,由于其传感器种类少、精度低,导航精度水平有待提升。本文结合舰船配置特点,提出一种多惯性导航系统信息融合方法,通过设计Kalman滤波器实现多套惯导设备的信息融合,模拟仿真实验和半实物仿真试验结果表明,相较于单套惯导系统而言,所提方法可以将定位精度提升30%,为水下舰船的长航时高精度导航提供了保障。(本文来源于《舰船科学技术》期刊2019年17期）
黄翔宇,徐超,胡荣海,李茂登,郭敏文[4]（2019）在《火星精确定点着陆多信息融合自主导航与控制方法研究》一文中研究指出针对火星定点采样、载人登陆和基地构建等任务的需求,提出了一种火星精确定点着陆多信息融合自主导航与控制(Guidance Navigation and Control,GNC)方案。针对大气进入前的高精度导航需求,提出了基于X射线脉冲星和火星表面陆标图像的融合自主导航方法;针对火星着陆探测进入、下降和着陆(Entry,Descent and Landing,EDL)过程的高精度绝对和相对导航需求,提出了基于陆标图像、IMU(Inertial Measurement Unit)和测距测速信息的多信息融合自主导航方法;针对精确定点着陆要求,设计了大气进入和动力下降过程的制导与控制算法。数学仿真结果表明,提出的方案能够实现高精度的定点着陆(精度100 m)和相对避障(精度为0.5 m),可满足任务需求。(本文来源于《深空探测学报》期刊2019年04期）
孙业军,魏国,于旭东,胡绍民,周磊[5]（2019）在《基于旋转式惯性/天文组合导航系统信息融合算法研究》一文中研究指出针对惯导系统姿态长时间发散问题,提出了基于单星辅助的旋转式激光陀螺惯导系统方案设计,采用绕航向轴旋转的方式调制水平方向陀螺和加速度计零偏导致的导航误差,同时运用单星测量的姿态信息辅助惯导系统抑制姿态发散。在此方案基础上,以Kalman滤波理论为基础,以惯导系统和星敏感器输出姿态角差值作为观测量进行信息融合,基于导航坐标系推导了姿态误差角和数学平台失准角之间的转换关系,建立了相应的滤波模型,并进行试验。试验结果显示导航误差由1241m降为833 m,表明基于该组合方案下建立的模型能有效提高导航精度,证实了该方案具有实际工程应用价值。(本文来源于《战术导弹技术》期刊2019年04期）
万晓帆,吕耀文,刘伟[6]（2019）在《基于联邦滤波算法的组合导航信息融合方法设计》一文中研究指出为了满足飞行器高精度的导航需求,针对于传统的联邦滤波器中信息分配因子不能够实现动态的自适应系统的问题,设计了基于最小二乘加权的混合联邦滤波器,提出混合联邦滤波器中的主滤波器采用最小方差准则,根据最优系数加权的方法对子滤波器的最优估计进行融合,进而主滤波器实现实时、动态的信息分配因子更新,得到全局最优估计值。MATLAB仿真结果表明:相比于传统的联邦滤波器,基于最小二乘加权的混合联邦滤波器的角度误差、速度误差、位置误差均明显降低,且算法稳定、容错性强,对于实际工程具有参考意义。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年03期）
张德喜[7]（2019）在《基于信息融合的移动机器人导航系统研究》一文中研究指出在室内机器人导航中,精确的导航定位技术是实现建图、避障和路径规划的前提。由于室内环境复杂多变,所以通常使用视觉传感器作为主要输入信息来导航定位,但是视觉传感器对图像十分依赖,在特殊场景下存在误匹配,同时单纯依靠单一视觉传感器,系统的累计误差无法消除,因此本文采用视觉传感器和惯性导航传感器相结合来实现机器人导航定位。本文对移动机器人在同时定位与建图、传感器融合以及路径规划等方面进行了深入研究,主要内容如下:(1)进行同时定位与建图方法的研究。首先对摄像机的模型和坐标系之间的转换以及深度相机如何获取深度信息进行了阐述;然后采用张正友摄像机标定方法,使用matlab自带的工具箱对深度相机xtion进行标定,获得了该相机的内参;最后详细介绍了ORB-SLAM2算法,通过xtion深度相机采集到彩色图像信息和深度图像信息,使用该算法来计算移动机器人的位姿和建立稀疏点云图,并采用回环检测来减少累积误差。(2)制定了基于xtion和惯导信息融合的定位方案。首先对捷联惯导和深度相机的误差进行了分析;然后对惯导进行了标定来减少误差;最后根据捷联惯导和深度相机xtion分别建立预测方程和观测方程,并给出了基于视觉传感器和惯导信息融合的卡尔曼滤波方案。实验结果表明:相对于单一视觉传感器,该方案可以提高定位精度。(3)实现了基于视觉和惯导组合的路径规划。首先使用RGB-D信息和惯导信息基于ORB-SLAM2算法进行自主定位并构建稠密点云地图;然后使用octomap-server算法把稠密点云地图转化为栅格地图;接着把机器人自身定位和建好的栅格地图发给move-base框架;最后使用move-base框架下的A*和动态窗口法进行全局和局部路径规划。实验结果表明,该方法能够实现移动机器人在完成自身定位和地图构建的同时高效的完成路径规划。(本文来源于《沈阳工业大学》期刊2019-06-03）
李海龙[8]（2019）在《INS/GNSS/Odometer车辆组合导航系统信息融合方法研究》一文中研究指出车辆的导航定位已成为人们日常生活中不可或缺的一部分,随着车辆导航定位对精度和可靠性要求的不断提高,单一的导航系统如惯性导航系统和全球导航卫星系统等在很多情况下已经无法满足车辆的导航需求。解决这个问题的主要方法就是使用两种以上的单一导航系统进行组合,提高导航结果的精度。目前最常用的是INS/GNSS组合导航系统,其可以有效的克服两者的缺点,实现优势互补,同时车载里程计可以十分便捷的获取车辆的速度信息,因此本文设计INS/GNSS/Odometer车辆导航系统,研究其导航信息的融合方法。首先,本文研究了惯性导航系统、全球导航卫星系统以及里程计的导航原理,分析它们的误差产生原因,分别对叁种导航系统建立误差模型,对其导航定位性能的优缺点进行分析。其次,本文使用联邦滤波的方法将INS/GNSS/Odometer组合导航系统分成两个子系统,建立以INS为主的组合导航系统方程,然后分别对两个子系统建立其量测方程,并且仿真了汽车在不同运动转态下的运动的轨迹,对其使用惯性导航解算算法获得惯性导航系统的速度、位置和姿态信息。再次,本文对应用于组合导航系统中的信息融合算法进行了研究,由于车辆导航系统是非线性系统,因此需要使用非线性滤波算法对其进行信息融合,本文研究了在卡尔曼滤波基础上改进的无迹卡尔曼滤波算法,将交互式多模型算法与UKF算法进行结合,通过仿真使用这几种方法的导航结果,分析其在不同噪声环境下的导航性能。然后再通过联邦IMM-UKF算法对子系统得到的导航数据进行处理,并且通过仿真得到INS/GNSS/Odometer组合导航系统的导航信息。最后,由于GNSS信号易受到环境遮挡和外界干扰,本文研究了一种在GNSS信号存在失锁状况时使用人工神经网络对其进行误差校正的方法。使用遗传算法对BP神经网络的初始权值和阈值进行优化,在GNSS信号有效时训练网络,GNSS信号失锁使通过训练好的网络对导航信息进行预测完成误差校正工作。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
石长兴[9]（2019）在《基于多传感器信息融合的室内移动机器人导航技术研究与实现》一文中研究指出导航技术是移动机器人研究领域的重要组成部分,也是实现移动机器人自主化和智能化的必要条件。本文围绕室内移动机器人自主导航的需求对SLAM算法、自主定位和路径规划展开研究,初步实现了机器人的自主导航。本文基于多传感器信息融合的方法解决了单一激光SLAM算法构建的地图信息不完整的问题,并提高了移动机器人自主定位和路径规划的效果。本文的主要研究内容如下:1.研究用于室内导航的自主移动机器人。根据本文研究内容的需要,完成了移动机器人硬件平台的搭建,并基于开源的机器人操作系统(ROS)进行软件开发,完成了移动机器人软件系统的设计。将设计的移动机器人作为本文相关算法的验证平台,基本实现了移动机器人在室内环境中的自主导航。2.针对单一激光SLAM算法构建的地图障碍物信息不完整的问题,改进了一种基于多传感器信息融合SLAM算法。将激光扫描数据与叁维点云数据进行信息融合,使地图中的障碍物信息更加精确和完整。利用卡尔曼滤波器将里程计数据和观测数据进行融合,实现了更加精确的定位。利用闭环检测和图优化的方法消除定位的累积误差,使构建的地图更加精确。3.针对ROS导航功能包在启动机器人后需要人为指定移动机器人初始姿态的问题,基于自适应蒙特卡罗定位算法实现了一种移动机器人的全局定位方法。使移动机器人能够在地图中任意位置进行全局定位,避免了对移动机器人的人为干涉,提高了移动机器人导航的自主性。4.针对基于动态窗口法(DWA)的局部路径规划算法需要大量采样模拟的问题,改进了一种基于动态窗口法的局部路径规划算法。使移动机器人在没有遇到动态障碍物时不需要进行采样模拟,极大地减少了算法的计算量,同时保证了移动机器人的动态避障能力。(本文来源于《重庆邮电大学》期刊2019-05-22）
彭锐[10]（2019）在《基于单目视觉-惯性信息融合的移动机器人室内定位与导航研究》一文中研究指出视觉传感器因其能获取丰富环境的信息,具有直观性强和稳定性高等优势,在现代社会的各个方面都有着广泛的应用,单目相机又以其体积小、价格低廉、不受距离范围限制的优点,成为了科学研究中的热门。由于单目视觉定位导航存在局限性,惯性信息可以与之互补,本文提出了一种新的、轻量级的以机器人为参考系的单目视觉-惯性信息融合的室内定位导航方法,通过将单目视觉与惯性信息有效结合,实现移动机器人在室内简单准确的定位导航,具体研究过程如下:首先,阐述智能机器人的概念以及机器人室内定位导航的重要性,概述当前广泛使用的室内定位导航方法,引入视觉定位导航技术并分析了相关方法的国内外研究现状。其次,引入惯性信息自定位导航技术,并分析了其原理与优劣。介绍单目视觉自定位原理,以单目视觉数学模型为基础,结合特征描述及对极几何原理,估计出相机的运动。设计基于单目视觉的移动机器人室内自定位导航系统,以ROS系统为基础,详细阐述如何设计和搭建满足自己实验需求的移动机器人。然后,提出以机器人为参考系的单目视觉-惯性信息融合的室内定位导航方法。考虑惯性信息和单目视觉数据输出的速率不同以及计算复杂度的问题,提出双异步卡尔曼滤波方法对二者位置和姿态数据分别进行融合并通过近似的思想给出一个简洁的关于机器人位姿信息的非线性表达式。最后,设计并搭建我们实验所需的移动机器人平台,在此基础上进行移动机器人室内定位导航实验,结果验证了该系统的有效性及准确性。(本文来源于《武汉科技大学》期刊2019-05-01）
导航信息融合论文开题报告
（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：
物流行业在如今社会中发展速度较快,应用领域广泛,如何能够利用高科技技术手段,提高工作效率,减少误差,是科技工作者一直在努力探索的课题。基于多传感器信息之间的融合,利用机器人进行快件分拣是值得研究的。但物流机器人在移动定位中也存在不稳定的因素,可以利用多传感器融合移动定位的方法,通过融合机器人的实际距离与BLE定位技术,解决物流机器人定位不准确的问题,提高物流应用的工作效率与准确性。
（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。
导航信息融合论文参考文献
[1].孙瑶洁,熊智,李文龙,崔雨晨,段胜青.基于RBF神经网络的相对导航信息融合方法[J].航空计算技术.2019
[2].吴吉明.基于多传感器信息融合的物流机器人导航定位技术研究[J].安阳师范学院学报.2019
[3].芈小龙,向敏.多惯性导航系统信息融合方法研究[J].舰船科学技术.2019
[4].黄翔宇,徐超,胡荣海,李茂登,郭敏文.火星精确定点着陆多信息融合自主导航与控制方法研究[J].深空探测学报.2019
[5].孙业军,魏国,于旭东,胡绍民,周磊.基于旋转式惯性/天文组合导航系统信息融合算法研究[J].战术导弹技术.2019
[6].万晓帆,吕耀文,刘伟.基于联邦滤波算法的组合导航信息融合方法设计[J].长春理工大学学报(自然科学版).2019
[7].张德喜.基于信息融合的移动机器人导航系统研究[D].沈阳工业大学.2019
[8].李海龙.INS/GNSS/Odometer车辆组合导航系统信息融合方法研究[D].哈尔滨工业大学.2019
[9].石长兴.基于多传感器信息融合的室内移动机器人导航技术研究与实现[D].重庆邮电大学.2019
[10].彭锐.基于单目视觉-惯性信息融合的移动机器人室内定位与导航研究[D].武汉科技大学.2019