發(fā)布時間：2022-01-21 16:43

　　隨著無人車應用的普及,無人車的定位顯得至關重要,它是規(guī)劃和控制的基本前提。借助單一傳感器完成的定位難以滿足復雜環(huán)境中多變的任務需求,多個傳感器融合成為一種必然的選擇。本文針對無人車在復雜環(huán)境中可能出現(xiàn)的環(huán)境切換、傳感器失效以及異步、時延等情況,基于因子圖模型和增量平滑算法,構建了多源信息融合定位框架,仿真實驗測試了所提出定位算法的各項指標如精度、魯棒性、實時性。主要完成以下研究內容:首先,建立了傳感器融合定位問題的概率模型和因子圖模型。基于因子圖和聯(lián)合概率密度,給出了定位問題的因子圖描述;對先驗信息、IMU信息、GNSS信息和里程計信息的因子表示進行了分析;從數(shù)學角度推導了無人車位姿的非線性最小二乘估計,并通過平滑方法進行求解。然后,研究了基于貝葉斯樹的增量平滑算法。對因子圖進行變量消元,得到貝葉斯網(wǎng)絡,進而建立貝葉斯樹;鑒于貝葉斯樹的樹形結構便于概率推理,在其基礎上討論在線實時求解。每次新測量值到來時,只更新貝葉斯樹中被新測量值影響的部分,從而降低計算量以實現(xiàn)增量平滑。其次,建立了無人車實時定位問題的多源信息融合框架。針對不同的傳感器,采用了預積分、視覺慣性里程計、激光里程計等預處理... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

論文研究框架

哈爾濱工業(yè)大學工程碩士學位論文-11-預處理之后，將各個來源的信息以因子的形式添加到因子圖中，進行增量平滑位姿估計，如圖1-2所示。最后，提出的多傳感器融合算法需要在仿真數(shù)據(jù)集上驗證，討論傳感器失效情況的處理，以及定位精度、定位魯棒性、實時性指標是否滿足，對誤差原因加以分析并提出改進措施。圖1-2融合定位框架1.4章節(jié)安排根據(jù)以上的課題目的和研究內容，本文將分為五章進行論述：第1章，緒論。介紹研究背景以及無人車定位方法研究的目的、意義，介紹并分析無人車定位和因子圖優(yōu)化的國內外研究現(xiàn)狀，對論文的研究框架和主要研究內容做簡要概括。第2章，因子圖融合模型。介紹因子圖模型以及定位問題的概率表示，建立各個傳感器的因子和無人車定位問題的因子圖描述，將融合定位問題表示成非線性最小二乘問題并對平滑方法的求解過程進行推導。第3章，增量平滑優(yōu)化算法。在平滑方法的基礎上引入變量消元，介紹因子圖和貝葉斯網(wǎng)，以及貝葉斯網(wǎng)和貝葉斯樹之間的轉化，并基于貝葉斯樹進行增量平滑優(yōu)化，以得到魯棒實時的結果。第4章，多源信息融合算法。在傳感器融合之前，對GNSS、IMU、視覺和點云信息進行預處理，包括IMU預積分、視覺慣性里程計和激光里程計等。然后介紹面向復雜場景的多源信息融合定位方法，對傳感器失效情況的判別進行討論，給出異步融合算法框架。第5章，融合定位仿真測試。對第4章提出的多源信息融合定位算法進行數(shù)據(jù)集上的測試和驗證，針對傳感器的不同組合方式以及不同的實驗場景，分別討論定位精度和定位魯棒性、實時性，驗證融合算法的性能。

哈爾濱工業(yè)大學工程碩士學位論文-13-條件概率密度通過箭頭表示。圖2-1貝葉斯網(wǎng)絡示意圖2.2.2因子圖因子圖是一種二分圖（bipartitegraph），包括對應狀態(tài)量的變量節(jié)點和對應變量之間關系的因子節(jié)點。變量節(jié)點與因子節(jié)點兩者之間通過無向邊相連，體現(xiàn)了它們之間的函數(shù)關系。因子圖能夠把多維概率密度函數(shù)分解成多個局部函數(shù)相乘的形式，從而在計算的同時將當前局部函數(shù)無關的變量分離出來。對應式(2-1)，因子圖將同樣的聯(lián)合概率密度表示成各個因子的乘積，即11221332415261711821932()()(,)(,)()()()(,)(,)(,)pXxxxxxllxxlxlxl其中，函數(shù)()就是因子或者叫做局部函數(shù)，代表了式(2-1)中的條件概率密度，例如711211(x,l)p(z|x,l)。圖2-2因子圖示意圖式(2-2)中的聯(lián)合概率的因子圖描述可以表示為圖2-2所示。不同于貝葉斯網(wǎng)絡側重對模型的刻畫，因子圖中省略了觀測量，將觀測量和其他狀態(tài)變量之間的關系通過因子節(jié)點表現(xiàn)出來，更便于進行概率推理。

【參考文獻】：
期刊論文
[1]基于因子圖的AUV多傳感器組合導航算法[J]. 馬曉爽,劉錫祥,張同偉,劉賢俊,許廣富.  中國慣性技術學報. 2019(04)
[2]基于因子圖的車載INS/GNSS/OD組合導航算法[J]. 高軍強,湯霞清,張環(huán),武萌.  系統(tǒng)工程與電子技術. 2018(11)
[3]車端感知 云端管控——慧拓智能發(fā)布“第三代平行駕駛系統(tǒng)”[J]. 曹銀平.  自動化博覽. 2018(04)
[4]融合GPS/SINS的容積卡爾曼濾波智能車位置姿態(tài)估計方法[J]. 楊瀾,惠飛,穆柯楠,侯俊,馬峻巖,史昕.  中國科技論文. 2017(14)

博士論文
[1]多源融合定位理論與方法研究[D]. 趙萬龍.哈爾濱工業(yè)大學 2018

碩士論文
[1]視覺里程計/IMU輔助GPS融合定位算法研究[D]. 肖婷婷.華東師范大學 2019
[2]行星表面巡視器視覺—慣性增量式平滑運動估計方法研究[D]. 賀國平.哈爾濱工業(yè)大學 2018
[3]基于GPS/SINS/里程計的智能車導航定位算法研究[D]. 宋志雪.北京工業(yè)大學 2017
[4]GPS/Visual/INS多傳感器融合導航算法的研究[D]. 王加芳.浙江大學 2017
[5]聯(lián)合GPS、DR及視覺的無人車導航[D]. 付鵬成.哈爾濱工業(yè)大學 2016



本文編號：3600619