对物体检测和跟踪方法的研究,用于低速移动平台.
Gang Liu1,2, Tao Jiang1, Ming Ye1
1Automotive Parts Advanced Manufacturing Technology Education Key Laboratory, Chongqing University of Technology, Chongqing 400054, China.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
本研究引入了一种结合超宽带 (UWB) 和步态分析的新系统,用于精确的自主跟踪. 综合方法提高了在具有挑战性的室内环境中的定位准确性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 传感器融合式传感器
背景情况:
- 自主跟踪系统在动态的室内环境中面临挑战,原因是堵塞和干扰.
- 现有的定位系统在复杂的环境中难以获得准确性和稳定性.
研究的目的:
- 提高自主跟踪系统的定位稳定性和准确性.
- 开发一个强大的系统,用于在室内环境中估计和跟踪领导者轨迹.
主要方法:
- 实现了一个超宽带 (UWB) 定位网络,使用一个优化的双面双向测距 (DS-TWR) 协议.
- 基于计算机视觉的综合步行分析 (GaitPart框架) 以解决非视线 (NLOS) UWB限制.
- 使用扩展卡尔曼波器 (EKF) 融合UWB和步态数据进行轨迹估计,由模型预测控制器 (MPC) 追踪.
主要成果:
- 合并的UWB和步态分析系统实现了精确而强大的领导者轨迹估计.
- 轨道偏差在大多数轨道点保持在50mm以内.
- 转时最大偏差为115毫米,显示出强大的强度.
结论:
- 拟议的UWB和步态分析融合方法显著改善了自主跟踪系统的性能.
- 该系统表现出强大的稳定性和智能汽车应用的实用实用性.
- 这种方法为在具有挑战性的室内环境中准确定位提供了可行的解决方案.
