针对无人农业机器人在复杂作业环境中因频繁非视距(non line of sight,NLOS)通信导致超宽带(ultrawide band,UWB)定位系统量测波动大、精度低的问题,提出一种改进误差状态卡尔曼滤波(error-state Kalman filter,ESKF)的UWB与惯性导航单...针对无人农业机器人在复杂作业环境中因频繁非视距(non line of sight,NLOS)通信导致超宽带(ultrawide band,UWB)定位系统量测波动大、精度低的问题,提出一种改进误差状态卡尔曼滤波(error-state Kalman filter,ESKF)的UWB与惯性导航单元(inertial measurement unit,IMU)紧耦合定位技术。首先,采用非对称双面双向测距法结合线性拟合校准优化UWB量测数据,设计基于改进的均值滤波算法剔除离群值;其次,基于改进ESKF框架实现UWB-IMU协同定位,利用IMU状态预测信息构建自适应因子,动态调整量测噪声协方差矩阵以削弱NLOS误差影响;最后,搭建四轮无人农业机器人平台,在典型NLOS农业场景下进行静态及动态目标定位试验验证。结果表明,在动态轨迹跟踪中,相较于纯UWB和传统EKF算法,总体定位精度分别提升53.38%和25.15%。该方法在复杂遮挡环境下具有良好的鲁棒性,可为无人农业机器人实现高精度自主导航定位提供技术支撑。展开更多
传统铁路基础设施维护手段单一,依赖于作业车辆上的工程人员进行手动操作,耗费大量人力物力。作为一种多尺度、多概率及长周期的数字映射方案,数字孪生系统近年来在工程建设领域发展迅速。为了推动轨道交通领域的数字孪生建设,设计了一...传统铁路基础设施维护手段单一,依赖于作业车辆上的工程人员进行手动操作,耗费大量人力物力。作为一种多尺度、多概率及长周期的数字映射方案,数字孪生系统近年来在工程建设领域发展迅速。为了推动轨道交通领域的数字孪生建设,设计了一种基于轨道车辆的高精度同时定位与建图(simultaneous localization and mapping,SLAM)方案。不同于传统移动测量方法需要高精度三维激光扫描仪、高精度惯性测量单元(inertial measurement unit,IMU)、实时动态差分定位(real time kinematic,RTK)以及复杂的后处理手段,该方案基于因子图优化的紧耦合方案,融合多个棱镜式雷达、IMU及RTK观测,实现了实时建图可视化。经过超300 km的场景验证,发现所提方案在良好环境下可以达到厘米级定位精度,实时输出的建图结果中可清晰观测到各种轨道特征。展开更多
文摘针对无人农业机器人在复杂作业环境中因频繁非视距(non line of sight,NLOS)通信导致超宽带(ultrawide band,UWB)定位系统量测波动大、精度低的问题,提出一种改进误差状态卡尔曼滤波(error-state Kalman filter,ESKF)的UWB与惯性导航单元(inertial measurement unit,IMU)紧耦合定位技术。首先,采用非对称双面双向测距法结合线性拟合校准优化UWB量测数据,设计基于改进的均值滤波算法剔除离群值;其次,基于改进ESKF框架实现UWB-IMU协同定位,利用IMU状态预测信息构建自适应因子,动态调整量测噪声协方差矩阵以削弱NLOS误差影响;最后,搭建四轮无人农业机器人平台,在典型NLOS农业场景下进行静态及动态目标定位试验验证。结果表明,在动态轨迹跟踪中,相较于纯UWB和传统EKF算法,总体定位精度分别提升53.38%和25.15%。该方法在复杂遮挡环境下具有良好的鲁棒性,可为无人农业机器人实现高精度自主导航定位提供技术支撑。
文摘传统铁路基础设施维护手段单一,依赖于作业车辆上的工程人员进行手动操作,耗费大量人力物力。作为一种多尺度、多概率及长周期的数字映射方案,数字孪生系统近年来在工程建设领域发展迅速。为了推动轨道交通领域的数字孪生建设,设计了一种基于轨道车辆的高精度同时定位与建图(simultaneous localization and mapping,SLAM)方案。不同于传统移动测量方法需要高精度三维激光扫描仪、高精度惯性测量单元(inertial measurement unit,IMU)、实时动态差分定位(real time kinematic,RTK)以及复杂的后处理手段,该方案基于因子图优化的紧耦合方案,融合多个棱镜式雷达、IMU及RTK观测,实现了实时建图可视化。经过超300 km的场景验证,发现所提方案在良好环境下可以达到厘米级定位精度,实时输出的建图结果中可清晰观测到各种轨道特征。
