公共文化服务平台

搜索到36927篇“ 多传感器融合“的相关文章

多传感器融合算法的四旋翼无人机室内定位技术研究: 2025年; 针对缺乏明显位置标识的室内环境,为实现无人机的精确定位,提出了一种多传感器融合算法。该算法综合运用了中值滤波、阈值分割、投影变换、最小二乘法等手段,以实现无人机位置和位姿的精确估计。通过一系列实验,对所提出的算法与模拟算法进行了对比分析,验证了所提算法的准确性,并完成了四旋翼无人机在室内环境下的初步定位任务。; 张军; 关键词：多传感器室内环境激光雷达

基于多传感器融合的泄漏源巡检定位系统设计: 2025年; 针对现存气体泄漏检测仪效率低、无法定位泄漏源等问题,提出了基于STM32的双车联动周期巡检方案,同时利用多传感器融合的方法,成功实现了对泄漏源位置的精准定位。方案采用了模块化设计思想和电子积木的概念,综合了便携式、固定式和区域检测系统3种方案的优点。实验证明,该周期巡检方案和泄漏源定位技术切实可行,不仅定位精度高、通信响应及时,还具备出色的可维护性和可升级性,并且系统各个模块具有可替换性,使得其拥有更广泛的实用性和普及性。; 陈东熠谢旭泽温杰张敏康泽威; 关键词：气体泄漏 STM32 多传感器融合

多传感器融合的SLAM算法在林业智能化的应用与改进: 2025年; 同步定位与建图(SLAM)算法可实现机器人在未知环境下的定位,并对周围环境构建增量式地图,是机器人实现自主导航的基础。针对单一传感器(全球导航卫星系统(GNSS)、激光、相机等)的SLAM算法在林区环境存在定位精度低、构建的地图一致性较差的问题,提出了多传感器融合的SLAM算法在林业智能化的应用与改进。首先,联合使用激光雷达、单目相机、惯导对林区环境构建三维点云地图的同时对林业机器人进行实时定位;其次,提出以时间为约束的RS-T回环帧搜索法,进行候选回环帧搜索。结果表明:针对M2DGR数据集,RS-LVI-SAM算法与当前经典的SLAM算法对比,RS-LVI-SAM算法生成轨迹的均方根误差与标准差分别为0.09和0.04 m,定位精度最高;在林区场景中,RS-LVI-SAM算法建立的林区点云地图中侧柏的胸径与真实胸径的均方根误差与绝对平均误差分别为1.27、1.16 cm,建图效果最佳;生成的轨迹与真实轨迹的均方根误差与绝对平均误差分别为0.46、0.34 m,定位精度最高。因此,RS-LVI-SAM算法可以实现林区环境下的精准定位与林区点云地图构建,为机器人林区作业提供了技术支撑。; 柳运昌韩军宇冯灵霄刘远航董蕊芳; 关键词：传感器激光雷达

一种多传感器融合定位安装支架: 本实用新型涉及一种多传感器融合定位安装支架，安装于全地形车前端，安装支架包括支架板、连接架以及安装架，支架板两端均向后端弯折设置并使得支架板呈拱形结构，支架板的中部及两端均设有开用于安装超声波传感器的安装孔；支架板中部内...; 沈杰韩雨桐

一种电力机器人多传感器融合模块: 本发明涉及一种电力机器人多传感器融合模块，通过特高频传感器、音频采集器和红外传感器安装在外壳上构成电力机器人专用多传感器探测模块。并且本发明通过将特高频传感器、音频传感器和红外传感器更加合理紧凑地布置于专用外壳内，同时可...; 杨磊李松原苗树国王鑫峰贺春张黎明张玉涛郭俊龙宫博仁黄朝梁刚李博姚颖黄天诚李旭

一种多传感器融合定位方法: 本发明实施例公开了一种多传感器融合定位方法，包括：基于RTK、IMU、激光雷达和双目视觉相机等多种传感器的数据得到RTK定位结果、RTK均方根误差、IMU定位结果、IMU标定参数、视觉SLAM定位结果、视觉SLAM精度评...; 易文婷朱元彪

一种多传感器融合定位方法: 本发明实施例公开了一种多传感器融合定位方法，包括：基于RTK、IMU、激光雷达和双目视觉相机等多种传感器的数据得到RTK定位结果、RTK均方根误差、IMU定位结果、IMU标定参数、视觉SLAM定位结果、视觉SLAM精度评...; 易文婷朱元彪

车辆导航系统的多传感器融合定位方法: 本发明提供一种车辆导航系统的多传感器融合定位方法，该车辆导航系统包括捷联惯导系统和全球导航卫星定位系统，该方法包括：判断全球导航卫星定位系统的信号是否丢失；若丢失，则将捷联惯导系统的输出信息作为车辆的导航信息；且车辆的导...; 程小宣苗晓婷

一种基于多传感器融合的周界防控方法: 本发明涉及一种基于多传感器融合的周界防控方法本，把多种传感器协议抽象成一个统一的接口形式，方便报警数据的共享，通过对多种传感器信息及报警数据的采集，结合视频安防监控系统以及多维度融合研判等，对入侵事件进行精确定位，精准分...; 陈静张丹普刘惟锦

多传感器融合的火灾监测机器人设计被引量：1: 2024年; 针对目前火灾报警系统不能应用在城市中非密闭空间的问题,提出一种适用于非密闭空间的多传感器融合的火灾监测机器人。该机器人采用履带式结构适应多地形移动,根据城市内非密闭下空间火势初期主要特征参数确定采集模块的搭建;利用D-S证据理论对多传感器火灾数据进行融合检测,以降低单个传感器的误报率,来提高对非密闭空间火灾事故的精确判定,并对火灾进行现场警报与远程回传。实验表明,与单一传感器判断相比,引入D-S证据理论的火灾监测机器人的火灾检测不确定性下降,检测精度得到了提高。; 朱颖邹绮琦; 关键词：多传感器数据融合火灾监测 DEMPSTER-SHAFER证据理论

相关作者