《車載INS/WSN/機器視覺組合導航魯棒濾波方法研究》是依託東南大學，由李慶華擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：車載INS/WSN/機器視覺組合導航魯棒濾波方法研究
- 項目類別：青年科學基金項目
- 項目負責人：李慶華
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
針對智慧型車輛在鬧市、室內、地下巷道等一些密閉的、環境複雜的場景中要求提供持續準確的導航數據而開展的多感測器組合導航魯棒濾波理論和方法研究具有重要經濟意義和科學價值。主要內容：（1）在基於地面道路標誌識別機器視覺獲取導航參數、WSN節點多分辨定位數據解算的基礎上，研究構造INS/WSN/機器視覺組合導航信息融合數學模型。（2）針對組合導航模型中存在的時滯、參數不確定、多分辨數據獲取問題，研究複雜組合導航模型下的信息融合魯棒H∞、混合H2/H∞濾波算法實現。（3）在模糊Takagi-Sugeno模型框架下，研究基於多線性化分解的複雜組合導航多分辨、非線性魯棒濾波算法實現。(4)進行半物理仿真實驗驗證。通過該項目的研究，為智慧型車輛在複雜導航環境下實現高精度實時魯棒信息融合奠定良好的科學理論基礎。
結題摘要
課題針對智慧型車輛在鬧市、室內、地下巷道等一些密閉的、環境複雜的場景中要求提供持續準確的導航數據開展無線感測網路(WSN)、慣性導航系統（INS）、視覺特徵檢測等多感測器組合導航策略以及融合濾波理論和方法研究。發表SCI收錄論文3篇，EI收錄論文9篇，獲得發明專利3項。主要研究結論如下： （1）提出一種具有實時組合及培訓、預估組合兩階段的INS/WSN組合導航策略。 （2）提出一種6維卡爾曼濾波模型的INS/WSN松組合導航方法，實驗數據表明，相對於WSN/DR組合導航，本文所提方法較高位置和速度預估精度。 （3）提出一種基於擴展卡爾曼濾波的INS/WSN無偏緊組合導航模型，仿真數據表明本文所提的方法平均位置誤差和平均速度誤差都相比於松組合方法降低了80%左右。 （4）針對分散式多感測器定位網路中，相鄰已知定位位置節點簇對未知節點定位精度不穩定問題，提出一種基於H∞濾波的分散式INS/WSN組合導航數據融合方法。實驗結果表明，與聯邦卡爾曼濾波方法相比，本節所提出的方法用於定位的平均速度誤差和位置誤差均有較明顯的降低。 （5）提出一種基於Lucas-Kanade光流和視覺SURF特徵點檢測的輔助INS/WSN組合導航的導航策略。採用擴展卡爾曼濾波及疊代擴展卡爾曼濾波實現多感測器數據融合，仿真實驗結果表明所提算法的有效性。
