本文關(guān)鍵詞：機場圍界巡邏車GIS與環(huán)境感知融合定位算法研究

  更多相關(guān)文章： 機場圍界 定位 感知優(yōu)勢度 多傳感器融合 GIS

【摘要】：隨著民航業(yè)的發(fā)展,對機場圍界安防水平的要求越來越高,開發(fā)以自主巡邏車為載體的移動監(jiān)控站是行之有效的手段。對機場圍界環(huán)境的準(zhǔn)確感知和精確定位是巡邏車自主導(dǎo)航的關(guān)鍵,而基于單一傳感器的傳統(tǒng)定位方法環(huán)境適應(yīng)能力不強,因此,研究機場圍界環(huán)境下自主巡邏車多傳感器融合定位問題意義重大。首先,對單一傳感器進行誤差分析與校正。分析每一種車載傳感器的定位原理和誤差來源,并進行誤差校正;同時,建立單一傳感器的置信度模型,方便后續(xù)步驟中的多傳感器信息融合。其次,改進了SIFT特征算子,提出了基于Harris-SIFT特征算子的視覺定位方法,解決傳感器定位中的盲區(qū)問題。該方法先確定感興趣區(qū)域,檢測Harris-SIFT特征點,進行特征匹配,最后利用三角測量定位方法計算小車相對路標(biāo)的位置信息,并求出視覺定位的置信度,方便將其融入到融合池中進行自組織定位。再次,提出了一種基于感知優(yōu)勢度的自組織定位算法。結(jié)合單一傳感器的置信度,構(gòu)建自組織感知系統(tǒng)、自組織尋優(yōu)層,計算感知優(yōu)勢度,自主選擇當(dāng)前時刻效果較好的傳感器組合方式與融合定位算法,并輸出定位結(jié)果,感知優(yōu)勢度越大,定位效果越好。該方法能夠有效減少圍界巡邏車行駛過程中的定位誤差,提高精確度。最后,將GIS信息與環(huán)境感知信息進行融合。將基于感知優(yōu)勢度的自組織定位算法得到的定位結(jié)果與電子地圖中的坐標(biāo)信息作對比,對巡邏車定位信息進行修正,減少了圍界巡邏車沿道路行駛方向的位置偏差,使巡邏車在地圖中的顯示坐標(biāo)更精確。針對論文中提到的基于感知優(yōu)勢度的自組織定位算法,在機場圍界巡邏車系統(tǒng)平臺上進行實驗,實驗結(jié)果表明該融合定位算法提高了自主巡邏車對環(huán)境的適應(yīng)能力。
【關(guān)鍵詞】：機場圍界 定位 感知優(yōu)勢度 多傳感器融合 GIS
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V351.3;TP212.9
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 課題研究背景意義9-10
• 1.2 巡邏車定位研究現(xiàn)狀10-14
• 1.2.1 國外研究現(xiàn)狀10-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-14
• 1.3 課題研究內(nèi)容14-15
• 第二章 車載傳感器誤差分析及校正15-27
• 2.1 傳感器配置15-16
• 2.2 單一傳感器誤差分析16-25
• 2.2.1 里程計誤差分析及校正16-19
• 2.2.2 電子羅盤誤差分析及校正19-21
• 2.2.3 GPS/BD誤差分析及補償21-25
• 2.3 傳感器置信度模型25-26
• 2.4 本章小結(jié)26-27
• 第三章 基于Harris-SIFT特征的視覺定位27-38
• 3.1 攝像機標(biāo)定27-28
• 3.2 基于路標(biāo)識別的視覺定位28-36
• 3.2.1 標(biāo)志物搜索29-30
• 3.2.2 基于不變特征的路標(biāo)特征提取30-33
• 3.2.3 特征匹配33-34
• 3.2.4 三角測量法定位34-36
• 3.3 視覺定位信度計算方法36-37
• 3.4 本章小結(jié)37-38
• 第四章 基于感知優(yōu)勢度的巡邏車自組織定位38-50
• 4.1 自組織感知系統(tǒng)構(gòu)建38-39
• 4.2 自組織尋優(yōu)層構(gòu)建39-46
• 4.2.1 羅盤里程計定位40-41
• 4.2.2 低精度GPS與北斗二代融合定位41-43
• 4.2.3 GPS/BD與DR融合定位43-46
• 4.3 感知優(yōu)勢度計算46-47
• 4.4 定位輸出47-48
• 4.5 本章小結(jié)48-50
• 第五章 基于GIS與環(huán)境感知的融合定位50-59
• 5.1 GIS信息獲取50-51
• 5.2 道路模型構(gòu)建51-54
• 5.3 地圖匹配技術(shù)54-55
• 5.4 基于D-S證據(jù)理論的GIS信息與環(huán)境感知信息融合算法55-58
• 5.5 本章小結(jié)58-59
• 結(jié)論59-61
• 參考文獻61-64
• 致謝64-65
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文65

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜明芳;王軍政;李靜;崔廣濤;方建軍;曹海青;;自主移動機器人自適應(yīng)室外道路檢測[J];中國圖象圖形學(xué)報;2014年07期

2 時佳斌;蘇中;宋艷敏;王超杰;季林;;優(yōu)化蟻群算法在無人車自主導(dǎo)航中的應(yīng)用[J];計算機測量與控制;2014年05期

3 玄建永;王京春;陸耿;江永亨;畢建權(quán);;縮微智能車室內(nèi)定位系統(tǒng)研究[J];計算機技術(shù)與發(fā)展;2014年01期

4 譚民;王碩;;機器人技術(shù)研究進展[J];自動化學(xué)報;2013年07期

5 王元哲;談英姿;;磁導(dǎo)航智能車路徑信息采集系統(tǒng)的設(shè)計與實現(xiàn)[J];微型機與應(yīng)用;2011年01期

6 康四林;李語強;;GPS定位中的誤差分析[J];天文研究與技術(shù);2010年03期

7 劉洞波;劉國榮;喻妙華;;基于單目視覺的機器人Monte Carlo自定位方法[J];控制與決策;2010年02期

8 盧惠民;張輝;鄭志強;;基于視覺的移動機器人自定位問題[J];中南大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

9 武二永;項志宇;劉濟林;;魯棒的機器人蒙特卡洛定位算法[J];自動化學(xué)報;2008年08期

10 高慶吉;雷亞莉;胡丹丹;于詠生;;基于自適應(yīng)感知復(fù)位算法的移動機器人定位[J];電子學(xué)報;2007年11期

，

本文編號：938739