發(fā)布時間：2025-03-20 03:33

　　隨著科學技術的飛速發(fā)展和人們生活水平的日益提高,基于室內(nèi)定位的服務應用受到了越來越多的關注。經(jīng)過大量的研究,室內(nèi)定位領域公認的發(fā)展趨勢是從多個成本低廉的傳感器獲取不同的數(shù)據(jù)信息,利用融合技術實現(xiàn)精確且魯棒的定位結果。許多科研成果已證明在視覺特征豐富的環(huán)境中基于圖像的定位效果很好,但當外界存在干擾時會產(chǎn)生較大且無法預測的誤差。近年來,慣性測量單元憑借性價比高、可實現(xiàn)自主定位而廣受歡迎。其不足之處在于長時間運行會產(chǎn)生誤差累積問題。針對室內(nèi)定位的發(fā)展趨勢,及視覺和慣性定位的各自優(yōu)缺點,從不同融合結構角度出發(fā),本論文主要提出了以下三種融合定位算法:第一,提出了一種利用改進的卡爾曼濾波器融合現(xiàn)有視覺和慣性定位結果的算法。該算法利用分布式融合結構,通過設計包括位置、速度、加速度差三狀態(tài)的卡爾曼濾波器模型及引入特征匹配閾值的概念,實現(xiàn)了視覺與慣性定位的融合。其利用了慣性定位在短時間內(nèi)準確的優(yōu)點,又可有效控制視覺定位在存在外界干擾時定位不準確的問題。實驗表明,融合定位后的精度要好于僅基于慣性數(shù)據(jù)或視覺特征的結果。第二,提出了一種基于全局特征和差分零速度校正的加權定位算法。本算法對傳統(tǒng)的視覺及慣性定位方法...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 引言
    1.2 課題的研究背景與意義
    1.3 室內(nèi)定位技術國內(nèi)外發(fā)展現(xiàn)狀
        1.3.1 基于單一信息源的定位技術
        1.3.2 基于多源信息融合的定位技術
    1.4 論文創(chuàng)新點及組織結構
        1.4.1 論文創(chuàng)新點
        1.4.2 論文組織結構
第2章 信息融合技術基礎概述
    2.1 信息融合概念簡介
    2.2 信息融合的分類
        2.2.1 基于處理層次的信息融合分類
        2.2.2 基于融合結構的信息融合分類
    2.3 信息融合的主要實現(xiàn)方法
第3章 基于改進的卡爾曼濾波器的融合定位算法
    3.1 慣性定位系統(tǒng)
        3.1.1 慣性傳感器簡介
        3.1.2 慣性導航系統(tǒng)
        3.1.3 慣性測量值預處理
        3.1.4 慣性導航基本原理
    3.2 視覺定位系統(tǒng)
        3.2.1 k近鄰算法原理
        3.2.2 基于視覺特征的定位算法
    3.3 基于改進的卡爾曼濾波器的定位算法
        3.3.1 卡爾曼濾波器基本原理
        3.3.2 基于卡爾曼濾波器的融合模型設計
    3.4 實驗設置
    3.5 實驗結果與分析
    3.6 本章小結
第4章 基于全局特征和差分零速度校正的加權定位算法
    4.1 基于圖像全局特征的視覺定位方法
        4.1.1 模糊C-均值聚類方法
        4.1.2 聚類全局特征
    4.2 差分零速度校正方法
        4.2.1 基于傳統(tǒng)零速度校正的行人航跡推算原理
        4.2.2 基于差分統(tǒng)計的零速度校正方法原理
    4.3 基于主成分分析的指標權重確定原理
    4.4 實驗結果與分析
        4.4.1 聚類全局特征有效性驗證
        4.4.2 差分零速度校正實驗結果
        4.4.3 基于PCA的加權定位算法實驗結果
    4.5 本章小結
第5章 基于極限學習器和Dempster-Shafer證據(jù)理論的定位算法
    5.1 極限學習器原理
        5.1.1 神經(jīng)網(wǎng)絡概述
        5.1.2 極限學習器基礎原理簡介
    5.2 Dempster-Shafer證據(jù)理論原理
    5.3 轉角判定及處理
    5.4 基于ELM和 D-S證據(jù)理論的定位算法
    5.5 實驗結果與分析
        5.5.1 ELM不同隱含層節(jié)點設置下的算法性能比較
        5.5.2 SURF特征數(shù)的選取
        5.5.3 與僅基于圖像的定位算法比較結果
    5.6 本章小結
第6章 總結與展望
    6.1 工作總結
    6.2 未來工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝



本文編號：4037316