-
公开(公告)号:CN118329014A
公开(公告)日:2024-07-12
申请号:CN202410488155.8
申请日:2024-04-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/08 , G06F18/243 , G06N3/045 , G01C21/20 , G01C21/34
Abstract: 本发明提供一种粗精匹配结合的地磁道路定位方法、系统及存储介质,涉及智能驾驶领域,为解决现有方法计算量大,地磁数据特征维度少,导致算法易受测量噪声影响的问题。包括:步骤一、获取沿路径的地磁标量、三轴地磁矢量、车辆三轴姿态角信息,建立空间序列地磁基准库;步骤二、对基准库进行采样,获取训练集一对预构建的随机森林分类器进行训练,得到粗匹配模型;步骤三、获取训练集二对预构建的多尺度孪生神经网络进行训练,得到精匹配模型;步骤四、获取车辆行驶时地磁强度与姿态角的空间序列;步骤五、使用粗匹配模型确定当前车辆所在道路,使用精匹配模型确定当前车辆所在道路中的位置;步骤六、重复执行步骤四至步骤五,至定位结束。
-
公开(公告)号:CN115077530B
公开(公告)日:2024-04-23
申请号:CN202210678112.7
申请日:2022-06-16
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出一种基于强跟踪扩维ECKF算法的多AUV协同导航方法及系统,涉及多自主水下航行器协同导航技术领域,用以解决主从式多AUV协同导航系统先验信息不准确或系统状态发生突变时定位失效的问题。本发明的技术要点包括:根据强跟踪滤波器(StrongTracking Filter,STF)的原理,用STF对基于扩维ECKF的多AUV协同导航方法进行改进,提高多AUV协同导航系统的定位导航性能。本发明可应用于主从式多AUV协同导航之中。
-
公开(公告)号:CN117232541A
公开(公告)日:2023-12-15
申请号:CN202310661492.8
申请日:2023-06-02
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/34
Abstract: 改善搜索自由度的A‑star算法机器人路径规划方法及系统,涉及机器人路径规划技术领域。本发明为了解决现有的机器人路径规划没有考虑移动机器人完成任务所需的时间和电源电量,也没有综合考虑路径长度和速度等因素,采用传统的A‑star算法由于搜索策略带有许多路径拐点和大转弯角度的缺点导致产生的可行路径不是理论上的最佳路径等问题。技术要点:在传统的A‑star算法引入了描述当前点向周围扩展的方向数,并通过连接起点和终点得到一条直线段来寻找交接点。在与障碍物相交时,会得到一个交点,然后将该点设为圆心以R为半径绘制一个圆,求出障碍物边界点。接下来,将第一个交界点作为局部起点,最后一个障碍物边界点作为局部终点,带入改进的A‑star算法中得到局部路径,由直线连接的为其他局部路径。最后,将这些局部路径组合成全局路径。
-
公开(公告)号:CN116907499A
公开(公告)日:2023-10-20
申请号:CN202310794112.8
申请日:2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 基于缩放因子的分布式无人机群EKF协同定位方法及系统,涉及无人机定位技术领域,为解决现有的卡尔曼滤波算法难以直接构建过程噪声与卡尔曼滤波估计的误差之间的线性关系,使滤波器的性能下降的问题。包括:S1、构建状态方程;S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程,并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di;S3、构建缩放因子α;S4、利用缩放因子更新系统误差协方差矩阵#imgabs0#S5、计算绝对量测值的系统增益矩阵#imgabs1#和相对量测的系统增益矩阵#imgabs2#S6、计算相对量测值,对状态估计值及系统误差协方差矩阵进行更新。本发明引入缩放因子的分布式扩展卡尔曼滤波器,提高了无人机群的定位精度。
-
公开(公告)号:CN116736859A
公开(公告)日:2023-09-12
申请号:CN202310794754.8
申请日:2023-06-30
Applicant: 哈尔滨工业大学(威海)
IPC: G05D1/02
Abstract: 本发明提供了一种应用于仓储机器人静态路径规划方法及系统,属于静态环境下机器人路径规划技术领域。为了解决传统的A‑Star算法,存在路径长度较长,拐点和访问节点数过多,会使机器人的工作效率降低的问题。本发明在传统A‑Star算法的基础上,引入了聚焦搜索方向和路径再处理的方法,编写了基于搜索方向与路径再处理的改进A‑Star算法,去除了两类非必要节点,以此为仓储机器人规划出一条最优路径,有效减少了转弯次数,进而缩短了路径长度,可满足实时性,有效提高机器人的工作效率。
-
公开(公告)号:CN110146076B
公开(公告)日:2023-04-18
申请号:CN201910488838.2
申请日:2019-06-06
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种无逆矩阵自适应滤波的SINS/DVL组合定位方法,涉及高精度SINS/DVL组合定位。本发明是为了解决由于传统SINS/DVL组合导航滤波算法计算过程复杂,导致计算效率低和稳定性差的问题。本发明所述的一种无逆矩阵自适应滤波的SINS/DVL组合定位方法,首先基于捷联惯导系统和多普勒计程仪传感器信息,获取相应状态初值和观测值;然后建立基于组合导航误差模型对应的系统方程和观测方程,用无逆矩阵改进自适应滤波算法对误差进行校正,获取校正后目标的速度和位置误差信息;最后将获得的误差信息和捷联惯导与多普勒计程仪的观测信息进行融合,得出高精度的定位结果。本发明可在减小计算量,优化计算过程的基础上,保证定位系统可靠稳定,提高水下自主航行的定位精度。
-
公开(公告)号:CN115077529A
公开(公告)日:2022-09-20
申请号:CN202210677851.4
申请日:2022-06-16
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出一种基于最优加权改进粒子滤波的多机器人协同定位方法及系统,涉及多机器人协同定位技术领域,用以解决现有的基于粒子滤波的多机器人协同定位精度较低的问题。本发明的技术要点包括:根据多机器人协同定位系统中不同机器人性能不同造成的观测信息可靠性不同,使用最优加权融合理论改进粒子滤波算法,求出使总体测距方差最小的多个观测值的权值,使得定位机器人对融合了系统中其他机器人观测信息计算出的定位结果有最优权值,从而计算出协同定位结果,进一步提高多机器人定位系统的定位精度和鲁棒性。本发明可应用于多机器人协同定位之中。
-
公开(公告)号:CN110146075A
公开(公告)日:2019-08-20
申请号:CN201910488837.8
申请日:2019-06-06
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种增益补偿自适应滤波的SINS/DVL组合定位方法,涉及高精度SINS/DVL组合定位。本发明是为了有效解决由于传统SINS/DVL组合导航的滤波算法灵活性不足的影响,导致定位精度较低的问题。本发明所述的一种增益补偿自适应滤波的SINS/DVL组合定位方法,首先基于捷联惯导系统和多普勒计程仪传感器的信息,获取相应状态初值和观测值;然后建立基于组合导航误差模型对应的系统方程和观测方程,用增益补偿改进自适应滤波算法对误差进行校正,并获取校正后目标的速度和位置误差信息;最后将获得的误差信息和捷联惯导与多普勒计程仪的观测信息进行融合,得出高精度的定位结果。
-
公开(公告)号:CN107229045A
公开(公告)日:2017-10-03
申请号:CN201710365981.3
申请日:2017-05-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01S11/02
CPC classification number: G01S11/02
Abstract: 一种基于TOA通信距离估计的不确定性分析方法,涉及基于TOA无线通信距离估计过程中的不确定性分析。本发明是为了有效解决基于TOA通信距离估计过程中的不确定性敏感性分析和传播问题。本发明所述的一种基于TOA通信距离估计的不确定性分析方法,首先测量基于TOA通信距离估计中传输时间测量的不确定性;然后采用偏微分的方法获得不确定性因素的敏感因子,从而评估传输时间测量不确定度对距离估计结果的影响程度,为改善通信距离估计精度方法提供支持;最后计算传输时间测量的不确定度传播到距离估计结果的影响,并以此来评估通信距离估计的质量,也为后续处理方法提供质量评估参考。
-
公开(公告)号:CN119879908A
公开(公告)日:2025-04-25
申请号:CN202510075513.7
申请日:2025-01-17
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种旋翼无人机矢量磁干扰在线补偿方法及系统,属于地磁矢量测量技术领域。为了解决磁矢量测量值同时受到磁力计噪声和姿态测量噪声的影响,导致地磁矢量计算的精度受到限制,磁补偿效果受限;以及旋翼无人机机动姿态受限,测量数据多重共线性严重,导致模型参数求解困难的问题。本发明在递推过程中通过自适应指数加权移动平均噪声协方差估计器对噪声进行快速地估计,实时调节递推总体最小二乘法的噪声协方差矩阵,减少噪声的影响,提高地磁矢量误差影响下的补偿精度,同时在递推总体最小二乘法递推过程中对协方差矩阵进行自适应正则化,提高多重共线性影响下的补偿参数估计精度。
-
-
-
-
-
-
-
-
-