巴魯夫BNS00EF融合的移動機器人傳感器

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,同時定位與地圖構建能夠出色的完成在未知環(huán)境中的地圖構建和自主導航。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地建立傳感器的后驗概率分布模型;結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信息發(fā)送給其“收信”鄰居，同時關聯(lián)和融合來自“送信”鄰居的信息，再將融合后的目標信息發(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構。運用輿情動力學理論，設計了一種離散時間融合算法，并證明當傳感器網(wǎng)絡為強連通網(wǎng)絡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對目標信息達成一致。

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)加權融合問題,提出了一種基于權值的數(shù)據(jù)加權融合方法。通過分析融合權重對融合精度的影響,確定了數(shù)據(jù)加權融合的權值分配原則;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