基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决现有多移动机器人定位算法难以同时兼顾定位精度和实时性的问题,该文给出了一种基于相对方位的平方根无迹卡尔曼滤波( Square-root unscented Kalman filter,SR-UKF)多移动机器人协同定位算法. 该方法根据机器人运动学方程和量测方程给出多移动机器人自定位的动态模型,利用相对方位作为量测值,在滤波中直接传递协方差矩阵的平方根对系统状态整体更新,实现了多机器人系统的分布式自定位. 仿真结果表明:在同等条件下,SR-UKF 算法定位精度比已有算法精度提高了近一倍,单次平均运行时间减少了三分之二.
推荐文章
基于EKF和PF的多机器人协同定位技术
多机器人系统
协同定位
扩展卡尔曼滤波
粒子滤波
基于模糊算法的多移动机器人目标跟踪
多移动机器人
模糊算法
模糊规则
目标跟踪
多移动机器人的目标跟踪研究
多移动机器人
目标跟踪
路径规划
卡尔曼滤波器
Backstepping
基于网络反馈的多移动机器人协同控制
多移动机器人
运动学模型
网络反馈
协同控制
无线传感器网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SR-UKF的纯方位多移动机器人协同定位算法
来源期刊 南京理工大学学报(自然科学版) 学科 工学
关键词 协同定位 多机器人 纯方位 平方根无迹卡尔曼滤波 不完全量测 计算复杂度 相对方位 自定位
年,卷(期) 2015,(4) 所属期刊栏目
研究方向 页码范围 440-446
页数 7页 分类号 TP242
字数 5469字 语种 中文
DOI 10.14177/j.cnki.32-1397n.2015.39.04.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 盛安冬 南京理工大学自动化学院 103 530 13.0 15.0
2 戚国庆 南京理工大学自动化学院 65 269 8.0 12.0
3 李银伢 南京理工大学自动化学院 51 232 8.0 11.0
4 王碧霞 南京理工大学自动化学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (53)
参考文献  (6)
节点文献
引证文献  (6)
同被引文献  (14)
二级引证文献  (12)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
协同定位
多机器人
纯方位
平方根无迹卡尔曼滤波
不完全量测
计算复杂度
相对方位
自定位
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导