| 注冊(cè)| 產(chǎn)品展廳| 收藏該商鋪

行業(yè)產(chǎn)品

當(dāng)前位置:
上海秉銘工控設(shè)備有限公司>>巴魯夫>>傳感器>> BTL7-P511-M0150-B-S32秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合

秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合

返回列表頁
  • 秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合
  • 秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合
  • 秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合
  • 秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合
  • 秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合
收藏
舉報(bào)
參考價(jià) 3580 3530 3480
訂貨量 1 5 10
具體成交價(jià)以合同協(xié)議為準(zhǔn)
  • 型號(hào) BTL7-P511-M0150-B-S32
  • 品牌 Balluff/德國巴魯夫
  • 廠商性質(zhì) 經(jīng)銷商
  • 所在地 上海市
在線詢價(jià) 收藏產(chǎn)品

更新時(shí)間:2020-04-29 15:16:10瀏覽次數(shù):313

聯(lián)系我們時(shí)請(qǐng)說明是化工儀器網(wǎng)上看到的信息,謝謝!

同類優(yōu)質(zhì)產(chǎn)品

更多產(chǎn)品

產(chǎn)品簡(jiǎn)介

應(yīng)用領(lǐng)域 食品/農(nóng)產(chǎn)品,化工,能源,電子/電池,道路/軌道/船舶
秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合BTL7-P511-M0150-B-S32基于激光RBPF-SLAM算法實(shí)現(xiàn)機(jī)器人同時(shí)定位與路標(biāo)地圖構(gòu)建,運(yùn)用圖優(yōu)化理論約束優(yōu)化蒙特卡洛定位的位姿估計(jì)結(jié)果;通過雙目視覺重建環(huán)境的三維點(diǎn)特征,針對(duì)視覺信息處理計(jì)算量大、跟蹤精度不高的問題,研究改進(jìn)基于ORB的特征點(diǎn)提取與四邊形閉環(huán)匹配算法;利用因子圖模型對(duì)激光RBPF-SLAM定位和雙目視覺定位進(jìn)行大后驗(yàn)概率。

詳細(xì)介紹

秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合BTL7-P511-M0150-B-S32

BTL7-P511-M0150-B-S32多傳感器數(shù)據(jù)加權(quán)融合問題,提出了一種基于權(quán)值的數(shù)據(jù)加權(quán)融合方法。通過分析融合權(quán)重對(duì)融合精度的影響,確定了數(shù)據(jù)加權(quán)融合的權(quán)值分配原則;通過對(duì)能夠反映傳感器實(shí)際測(cè)量精度的實(shí)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,構(gòu)建了傳感器實(shí)際工作狀態(tài)下的近似測(cè)量精度計(jì)算模型?;诘湫退憷?對(duì)所提算法進(jìn)行驗(yàn)證,結(jié)果表明:所提算法能夠較好地解決多傳感器數(shù)據(jù)加權(quán)融合問題,具有一定的理論意義和較好的應(yīng)用價(jià)值。輔助系統(tǒng)中使用攝像頭和毫米波雷達(dá)融合的方案可以進(jìn)一步提升感知結(jié)果的魯棒性,擴(kuò)展系統(tǒng)的使用場(chǎng)景。本文以滿足在微控制器中使用的1R1V(1 Radar 1 Vision)融合算法為設(shè)計(jì)目標(biāo),先后完成了卡爾曼濾波模塊、Munkres匹配算法模塊及其它融合輔助模塊的開發(fā)。之后在仿真環(huán)境中搭建了測(cè)試場(chǎng)景,對(duì)1R1V融合算法的效果進(jìn)行了測(cè)試。結(jié)果表明,本文開發(fā)的融合算法能夠?qū)δ繕?biāo)進(jìn)行穩(wěn)定的跟蹤,大的速度跟蹤誤差小于0.02 m/s,大的位置跟蹤誤差小于0.11 m。 基于柔性可穿戴傳感器及多模態(tài)信息融合,研究人類的抓握特征學(xué)習(xí)及抓取物體識(shí)別,探索人類在抓取行為中所依賴的感知信息的使用.利用10個(gè)可拉伸傳感器、14個(gè)溫度傳感器及78個(gè)壓力傳感器構(gòu)建了數(shù)據(jù)手套并穿戴于人手,分別測(cè)量人類在抓取行為中手指關(guān)節(jié)的彎曲角度、抓取物體的溫度及壓力分布信息,并在時(shí)間及空間序列上建立了跨模態(tài)信息表征,同時(shí)使用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)此多模態(tài)信息進(jìn)行融合,構(gòu)建人類抓握特征學(xué)習(xí)模型,實(shí)現(xiàn)抓取物體的精準(zhǔn)識(shí)別.分別針對(duì)關(guān)節(jié)角度特征、溫度特征及壓力信息特征進(jìn)行了融合實(shí)驗(yàn)及有效性分析,結(jié)果表明了基于多傳感器的多模態(tài)信息融合能夠?qū)崿F(xiàn)18種物品的精準(zhǔn)識(shí)別. 

秉銘B(tài)TL15A3傳感器數(shù)據(jù)加權(quán)融合BTL7-P511-M0150-B-S32

BTL7-P511-M0150-B-S32多傳感器水質(zhì)數(shù)據(jù)融合領(lǐng)域,證據(jù)理論是有效的數(shù)據(jù)融合方法之一,但基本概率分配一般不易確定,從而使數(shù)據(jù)融合能力難以有效發(fā)揮。支持向量機(jī)是統(tǒng)計(jì)學(xué)習(xí)理論之上的高級(jí)分類算法,具有普適性和全局優(yōu)化等特點(diǎn),但輸出的基本概率分配有待進(jìn)一步提高。提出了一種基于證據(jù)理論和新型模糊支持向量機(jī)相結(jié)合的數(shù)據(jù)融合方法,通過建立基于分類超平面距離的模糊隸屬度,訓(xùn)練模糊支持向量機(jī)提高傳統(tǒng)支持向量機(jī)的基本概率分配,并結(jié)合證據(jù)理論進(jìn)行海河水質(zhì)數(shù)據(jù)融合。通過證據(jù)理論分別結(jié)合支持向量機(jī)和模糊綜合評(píng)價(jià)法與上述方法進(jìn)行對(duì)比實(shí)驗(yàn),經(jīng)精度、平均百分誤差、均方根誤差等指標(biāo)驗(yàn)證,精度提高10. 5%,表明所提方法是一種可靠的多傳感器的水質(zhì)融合方法,較其他方法具有更高的融合精度。 

 BTL7-E501-M0650-P-S32
BTL7-S563-M0300-B-S32
BTL7-S575-M0325-B-KA05
BTL2-GS10-0118-A
BTL7-E500-M0500-K-K02
BTL7-E570-M0500-K-K02
BTL5-A11-M0330-J-DEXB-K05
BTL5-H122-M0850-P-S94
BTL2-GS10-0178-A
BTL7-E570-M0330-K-SR32
BTL7-P511-M0150-B-KA02
BTL7-P511-M0150-B-S32

 

收藏該商鋪

請(qǐng) 登錄 后再收藏

提示

您的留言已提交成功!我們將在第一時(shí)間回復(fù)您~
二維碼