随着4G网络的普及以及5G建设工作的开展,无线网络规划已经成为4G,5G网络建设中十分重要的一项工作。无线网络规划的合理性会直接影响移动网络的建设规模和用户感知。在无线网络规划工作中,可以利用无线网络规划软件作为辅助工具,从而给...随着4G网络的普及以及5G建设工作的开展,无线网络规划已经成为4G,5G网络建设中十分重要的一项工作。无线网络规划的合理性会直接影响移动网络的建设规模和用户感知。在无线网络规划工作中,可以利用无线网络规划软件作为辅助工具,从而给出更加合理的设计规划。因此,无线网络规划地理信息相关技术的研究及功能的实现对网络规划具有重要意义。移动网络规划软件从软件操作界面、覆盖类型划分、多种规划方式、数据存储等几个方面进行设计开发,通过Microsoft Visual Studio 2019作为开发工具,C#作为开发编程语言,使用免费、开源的.NET地图控件GMap.NET进行二次开发。文章结合网络规划的具体流程,介绍了开发移动网络规划软件中用到的GMap.NET的相关接口、类型及关键方法。展开更多
传感器定位是实现自动驾驶的关键技术,但单一传感器定位系统由于传感器自身缺陷在面对复杂环境下存在定位精度不高,算法失灵等问题。相对而言,多传感器定位系统融合则可以弥补单一传感器缺陷,提高定位精度。为了提高系统定位精度,本文...传感器定位是实现自动驾驶的关键技术,但单一传感器定位系统由于传感器自身缺陷在面对复杂环境下存在定位精度不高,算法失灵等问题。相对而言,多传感器定位系统融合则可以弥补单一传感器缺陷,提高定位精度。为了提高系统定位精度,本文设计了一种基于自适应噪声的无迹卡尔曼滤波多定位系统融合算法。此算法选用CTRA(Constant Turn Rate and Acceleration)模型作为运动模型,根据时间序列法融合多种传感器构建观测模型,并在滤波算法中加入自适应噪声来适应复杂环境。实验表明,无自适应噪声的融合定位系统精度比单一激光和视觉定位系统分别提高6.8%和21.1%,而在有自适应噪声的情况下,进一步提高约1.5%。对比单一传感器定位系统,该算法有效提高了系统定位精度。展开更多
同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算...同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算法策略以及估计方法。室内场景下,视觉SLAM方法因视觉传感器的视野范围有限且对光线明暗,性能受限于环境变化。多线激光雷达因价格昂贵,不适宜广泛应用。多传感器融合的方案,因部分视觉传感器采集环境特征信息丰富而存在系统运行的时延问题且融合设计复杂度高。针对以上问题,本文提出了一种基于单线激光雷达,感知算法与全局路径规划算法融合的SLAM与自主导航方案,设计软件与硬件结合的系统框架,所实现的运动系统在室内场景下高速获取环境信息,能够获取良好的建图性能并完成低时延自主导航。首先,本文系统利用IMU对单线激光雷达采集的回波数据做畸变矫正,对激光雷达数据采用Gmapping算法处理,并对各传感器的坐标系关系做精确计算和转换,而后采用Djikstra算法作为全局路径规划算法来实现运动系统的自主导航。最终通过实验,利用ROS系统,NVIDIA-Jetson-Nano,IMU、2D-Lidar等,在实际环境中实现了算法模型与系统构建,室内场景中建图效果良好,机器车在同步定位与建图过程中自主导航,验证了本文方案及系统的可靠性与有效性。展开更多
文摘随着4G网络的普及以及5G建设工作的开展,无线网络规划已经成为4G,5G网络建设中十分重要的一项工作。无线网络规划的合理性会直接影响移动网络的建设规模和用户感知。在无线网络规划工作中,可以利用无线网络规划软件作为辅助工具,从而给出更加合理的设计规划。因此,无线网络规划地理信息相关技术的研究及功能的实现对网络规划具有重要意义。移动网络规划软件从软件操作界面、覆盖类型划分、多种规划方式、数据存储等几个方面进行设计开发,通过Microsoft Visual Studio 2019作为开发工具,C#作为开发编程语言,使用免费、开源的.NET地图控件GMap.NET进行二次开发。文章结合网络规划的具体流程,介绍了开发移动网络规划软件中用到的GMap.NET的相关接口、类型及关键方法。
文摘传感器定位是实现自动驾驶的关键技术,但单一传感器定位系统由于传感器自身缺陷在面对复杂环境下存在定位精度不高,算法失灵等问题。相对而言,多传感器定位系统融合则可以弥补单一传感器缺陷,提高定位精度。为了提高系统定位精度,本文设计了一种基于自适应噪声的无迹卡尔曼滤波多定位系统融合算法。此算法选用CTRA(Constant Turn Rate and Acceleration)模型作为运动模型,根据时间序列法融合多种传感器构建观测模型,并在滤波算法中加入自适应噪声来适应复杂环境。实验表明,无自适应噪声的融合定位系统精度比单一激光和视觉定位系统分别提高6.8%和21.1%,而在有自适应噪声的情况下,进一步提高约1.5%。对比单一传感器定位系统,该算法有效提高了系统定位精度。
文摘同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算法策略以及估计方法。室内场景下,视觉SLAM方法因视觉传感器的视野范围有限且对光线明暗,性能受限于环境变化。多线激光雷达因价格昂贵,不适宜广泛应用。多传感器融合的方案,因部分视觉传感器采集环境特征信息丰富而存在系统运行的时延问题且融合设计复杂度高。针对以上问题,本文提出了一种基于单线激光雷达,感知算法与全局路径规划算法融合的SLAM与自主导航方案,设计软件与硬件结合的系统框架,所实现的运动系统在室内场景下高速获取环境信息,能够获取良好的建图性能并完成低时延自主导航。首先,本文系统利用IMU对单线激光雷达采集的回波数据做畸变矫正,对激光雷达数据采用Gmapping算法处理,并对各传感器的坐标系关系做精确计算和转换,而后采用Djikstra算法作为全局路径规划算法来实现运动系统的自主导航。最终通过实验,利用ROS系统,NVIDIA-Jetson-Nano,IMU、2D-Lidar等,在实际环境中实现了算法模型与系统构建,室内场景中建图效果良好,机器车在同步定位与建图过程中自主导航,验证了本文方案及系统的可靠性与有效性。
