您现在的位置: 首页> 研究主题> IMU

IMU

IMU的相关文献在1990年到2023年内共计940篇,主要集中在自动化技术、计算机技术、测绘学、航空 等领域,其中期刊论文195篇、会议论文6篇、专利文献739篇;相关期刊139种,包括科技资讯、弹箭与制导学报、信息通信等; 相关会议5种,包括全国测绘科技信息网中南分网第二十二次学术信息交流会、中国航空学会控制与应用第十二届学术年会、第二届中国国际数字城市建设技术研讨会等;IMU的相关文献由2368位作者贡献,包括张春熹、不公告发明人、李成军等。

IMU—发文量

期刊论文>

论文:195 占比:20.74%

会议论文>

论文:6 占比:0.64%

专利文献>

论文:739 占比:78.62%

总计:940篇

IMU—发文趋势图

IMU

-研究学者

  • 张春熹
  • 不公告发明人
  • 李成军
  • 梁炜
  • 章博
  • 费再慧
  • 张勇
  • 张吟龙
  • 朱磊
  • 许秋子
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 龙杜辉
    • 摘要: 车辆行驶在城市高楼之间,有外界磁场干扰等,仅通过卫星估计车辆的运动轨迹十分困难,会使定位与导航系统失效。针对这种问题,提出一种多传感信息融合的方法来估计车辆的运动轨迹。车辆上的编码器是主要的自主定位系统,惯性测量单元(IMU)作为辅助的定位系统。2种传感器都是非线性系统,采用扩展卡尔曼滤波(EKF)对2种传感器采集的信息进行融合。编码器和IMU同时起到了估计车辆运动轨迹的作用,提高了轨迹的准确度,也实现了自主定位。仿真表明,该算法能有效提高定位的准确性,减少了对外部信号的依赖,更能适应复杂环境。
    • 张忠超; 高同跃; 丁昭; 柏代状; 郭伟平
    • 摘要: 随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。
    • 刘慧敏; 李国丽; 董翔; 张鑫; 汪鹏
    • 摘要: 为了实现移动机器人在室内外环境下的无缝精准定位,针对实验室的巡检机器人,安装惯性测量单元(IMU)、GPS、UWB定位传感器模块,在通过容积卡尔曼滤波器实现室内和室外融合定位的基础上提出了基于阈值机制和多传感器定位精度的室内外无缝切换定位方法,并设计实验验证算法在定位精度上的优越性和室内外定位切换上的平稳性。
    • 邢静; 闫克丁; 高俊钗
    • 摘要: 针对点云非重叠区域较大时,由于场景中存在相似区域和平滑区域,ICP配准易陷入局部极小值的问题,设计了一种初始配准与精配准结合的快速准确配准算法。首先,结合点云深度图像进行网格分区,基于蒙特卡罗方法随机选取20个NARF关键点,利用IMU惯导跟踪关键点的FPFH特征,并根据跟踪矢量的一致性剔除误匹配,快速计算初始配准矩阵;然后,利用所有关键点进行最近邻跟踪匹配,并根据跟踪矢量的一致性剔除误匹配,提高了ICP配准的估计精度。通过Bunny兔和NYUv2数据集将该算法与ICP算法进行对比,验证了该算法能够有效地提高点云配准效率和精度。
    • 刘燊; 刘啸奔; 李睿; 李博; 陈朋超; 张宏
    • 摘要: 目前工业界采用人工识别的方法,对整条管线的惯性检测单元(IMU)应变检测数据进行逐段识别的做法存在耗时多、识别效率不高以及判断标准不一致等问题。鉴于此,通过建立机器学习模型,提出了弯曲变形危险管段智能识别方法,实现了对冻土区融沉变形管段的智能识别。首先统计了漠大一线冻土区管线中弯曲应变值超过0.125%的管段,包括弯头段、凹陷段和融沉导致的弯曲变形段等,使用1阶数字低通滤波法降低IMU应变检测数据中的噪声干扰,然后结合几何/漏磁检测数据截取IMU应变检测数据中不同管段类型的样本数据,从中提取了11种典型数据特征值,利用主成分分析法对11种特征值进行降维处理,最后建立决策树和随机森林模型进行识别分类。研究结果表明,不同管段类型的长度特征是影响模型分类效果的重要因素,在测试集中决策树模型出现了过拟合,识别准确率大幅下降,随机森林模型识别准确率达到了90%以上。该识别方法为管线完整性评价提供了技术基础。
    • 陈明达; 应骏
    • 摘要: 针对目前纯直接法的视觉里程计缺乏尺度信息,优化位姿时容易陷入局部最优点,且单目视觉初始化时收敛速度较慢等问题,提出了一种改进的直接法单目视觉惯性里程计方案.基于目前效果较好的直接法视觉惯性里程计VI-DSO,提出修改方案.在初始化时,针对VI-DSO方案忽略IMU的初始化,采用后端统一优化的方式估计IMU偏置,导致尺度收敛慢,累积误差较大的问题,增加了IMU偏置及尺度的MAP快速预估,加快了初始化时尺度收敛的速度,同时也为后端优化提供了一个较精确的初始数据,减少累积误差;在深度估计中,改进了深度滤波方案,参考了SVO的滤波方法,利用高斯-均匀滤波器估计误匹配的概率,剔除错误的深度估计,融合正确的深度数据,提高定位精度;在边缘化过程中,完善了VI-DSO方案的边缘化策略,增加了对当前运动状态的判断,根据运动状态选择需要边缘化的帧,确保滑窗内有足够的视差.通过在EuRoc数据集中的测试结果表明,改进后的方案,初始化速度提升了33%,平均定位精度提高了34.5%.
    • 吴达; 马超; 高经纬; 谷玉海
    • 摘要: 针对人体下肢的被动康复训练过程,文中使用某下肢康复训练机器人进行下肢被动训练,训练过程中采集下肢股直肌和腓肠肌的sEMG信号和大腿的运动姿态信号,运用机器学习方法对运动姿态信号和表面肌电(sEMG)信号进行分析,实现了下肢中4种不同被动训练状态的识别及其对下肢肌群训练康复效果的评价。结果显示:联合使用IMU和sEMG进行下肢被动训练过程监测,并通过机器学习算法进行处理,可以实现不同监测过程的自动识别以及下肢肌群训练效果量化分析判断。研究结果可为实现基于下肢被动康复训练过程的智能控制与康复情况评价奠定研究基础。
    • 刘雷; 柏艳红; 孙志毅; 赵兵洋
    • 摘要: 三维重建技术广泛应用于无人驾驶、测绘、物流等领域,其中点云配准是最关键的技术。针对多帧点云配准误差累计大,姿态估计不准确等问题。提出了一种基于惯性传感器(IMU)线性插值的点云去畸变方法,该方法采用激光点前后最近时刻的IMU预积分值进行线性插值获得当前时刻雷达位姿,将单帧不同时刻激光点校正到统一坐标系。同时将IMU雷达位姿作为多帧点云配准初值,通过曲率特征点到直线、到平面的距离观测最小约束,构建包含配准误差和IMU预积分误差的联合优化方程来求解准确的雷达位姿。实验结果表明,引入IMU提高了多帧点云配准精度,减少了点云地图的重影。
    • Yinlong Zhang; Wei Liang; Sichao Zhang; Xudong Yuan; Xiaofang Xia; Jindong Tan; Zhibo Pang
    • 摘要: Inspired by box jellyfish that has distributed and complementary perceptive system,we seek to equip manipulator with a camera and an Inertial Measurement Unit(IMU)to perceive ego motion and surrounding unstructured environment.Before robot perception,a reliable and high-precision calibration between camera,IMU and manipulator is a critical prerequisite.This paper introduces a novel calibration system.First,we seek to correlate the spatial relationship between the sensing units and manipulator in a joint framework.Second,the manipulator moving trajectory is elaborately designed in a spiral pattern that enables full excitations on yaw-pitch-roll rotations and x-y-z translations in a repeatable and consistent manner.The calibration has been evaluated on our collected visual inertial-manipulator dataset.The systematic comparisons and analysis indicate the consistency,precision and effectiveness of our proposed calibration method.
    • 魏旋旋
    • 摘要: 针对惯性传感器(IMU)采集数据庞大、不便处理的缺点,本文提出了一种全新的惯性传感器信号处理算法。该算法首先利用切比雪夫二型高通滤波器对身体相对于垂直引力场位置的变化所导致的“缓慢”变化进行消除;接着,提取惯性传感器信号功率谱密度曲线、加速度平均值、均方根等,共60个特征代替原有信号;最后,利用HAR公开数据集进行人体动作识别实验对算法的优越性进行验证。试验结果表明,该算法识别准确率为92.1%,训练时间为5.268 s。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号