文章编号 2 2 2
室内自主移动机器人定位方法研究综述Ξ
李群明 熊蓉 褚健
浙江大学工业控制技术国家重点实验室 浙江杭州
摘要 定位是确定机器人在其作业环境中所处位置的过程 应用传感器感知信息实现可靠的定位是自主移动机器人最基本!也是最重要的一项功能之一 本文对室内自主移动机器人的定位技术进行了综述 提出了一种通用的控制结构 对其中与定位相关的地图结构!位姿估计方法进行了详细介绍 指出了地图构造!全局定位!数据关联!同步定位与地图构造!信息融合及协同定位所应用的方法及存在的问题
关键词 移动机器人 定位 位姿估计 地图构造
中图分类号 ×° 文献标识码
ΛΟΧΑΛΙΖΑΤΙΟΝΑΠΠΡΟΑΧΗΕΣΦΟΡ
ΙΝΔΟΟΡΑΥΤΟΝΟΜΟΥΣΜΟΒΙΛΕΡΟΒΟΤΣ:ΑΡΕ?ΙΕ?
±∏ 2 ÷ ≤
(ΝατιοναλΛαβορατορψοφΙνδυστριαλΧοντρολΤεχηνολογψ,Ζηε?ιανγΥνι?ερσιτψ,Ηανγζηου, ,Χηινα)
Αβστραχτ: ∏ ∏ ∏ × √ √ 2 ∏ ∏ ∏ 2 × ∏ ≥ ≥ ∏ ∏ ∏ ∏ √
Κεψωορδσ: ∏
1引言(Ιντροδυχτιον)
定位是确定机器人在其作业环境中所处位置的过程 更具体地说是利用先验环境地图信息!机器人位姿的当前估计以及传感器的观测值等输入信息 经过一定的处理和变换 产生更加准确的对机器人当前位姿的估计 应用传感器感知的信息实现可靠的定位是自主移动机器人最基本!最重要的一项功能 也是移动机器人研究中倍受关注!富有挑战性的一个重要研究主题 人们针对机器人的具体作业任务要求和所应用的传感器技术 对机器人的定位方法进行了长期!深入的研究 形成了丰富的研究文献 总结!分析!研究当前移动机器人的定位方法将为开发新型智能自主式服务机器人提供有力的帮助 2移动机器人的基本控制结构(Αγενεραλχοντρολαρχηιτεχτυρεοφτηεμοβιλεροβοτ)
机器人的定位方式取决于所采用的传感器 移动机器人常用的定位传感器有里程计!摄像机!激光雷达!超声波!红外线!微波雷达!陀螺仪!指南针!速度或加速度计!触觉或接近觉传感器等 与此相对应 机器人定位技术可分为绝对定位和相对定位技术两类 绝对定位主要采用导航信标!主动或被动标识!地图匹配或卫星导航技术 °≥ 进行定位 定位精度较高 这几种方法中 信标或标识牌的建设和维护成本较高 地图匹配技术处理速度慢 °≥只能用于室外 目前精度还很差 绝对定位的位置计算方法包括三视角法!三视距法!模型匹配算法等 相对定位是通过测量机器人相对于初始位置的距离和方向来确定机器人的当前位置 通常也称
第 卷第 期 年 月机器人 ×?
√
Ξ收稿日期
为航位推算法 常用的传感器包括里程计及惯导系统 速度陀螺!加速度计等 航位推算法的优点是机器人的位姿是自我推算出来的 不需要对外界环境的感知信息
缺点是漂移误差会随时间累积 不适于精确定位 很显然 绝对定位和相对定位各有优缺点 具有互补性 将两者结合能形成更加准确可靠的
定位系统
对于自主能力要求较高的室内移动服务机器人 模型匹配是主要的定位方法 机器人完全要靠自身配置的传感器和先验环境信息进行定位和导航 这类机器人的通用控制结构如图 所示
图 移动机器人的控制结构
? × ∏
整个系统可分为环境感知!地图匹配!位姿估
计!轨迹规划及运动执行五个部分 机器人在接受任务后
首先需要进行离线全局路径规划 应用线段!圆弧或样条曲线拟合运动路径 形成一系列运动曲线段 然后依据规划的路径 在每一段运动曲线上进行局部轨迹规划
实时生成参考运动轨迹 在遇到障碍或异常碰撞时需要在当前位置重新规划路径及运
动轨迹 产生参考运动状态(ξρ,ψρ,Ηρ,?ρ)Τ
及驱动控制输入信号υ (? ,? )Τ,输入机器人运动控制
器
传感器测量并识别环境特征信息 经过特征提取后与先验环境地图进行匹配
然后结合里程计测量信息进行实时数据处理及必要的信息融合 利用有效的位姿估计算法
产生更加精确的当前位姿估计 与参考输入信号进行比较 形成闭环控制 修正机器人的位姿状态
为了提高运动性能 控制系统中加入了动力学补偿控制算法
增加了系统运动的稳定性 图 所示的结构中 感知!地图匹配!位姿估计!路径规划!运动控制等均可看成是相对独立的功能模块分别进行研究 相互间有一定的联系 其中地图构造!特征提取!地图匹配!位姿估计构成了定位系统的主要内容 而位姿估计又是定位系统的核心
3 环境地图的表示方法(Ρεπρεσεντατιονσοφ
ωορλδμαπσ)
构造地图的目的是用于绝对坐标系下的位姿估
计
环境预存地图可以是≤ ?模型图!手工绘制的结构图或者由传感器数据构造的模型图
地图的表示方法有四种
拓扑图!特征图!网格图及直接表征法
拓扑图把室内环境表示为带结点和相关连接线的拓扑结构图
其中结点表示环境中的重要位置点 拐角!门!电梯!楼梯等 边表示结点间的连接关系 如走廊等 特征图用有关
的几何特征 如点!直线!面 表示环境
网格图则是把环境划分成一系列网格 其中每一网格给定一个
可能值
表示该网格被占据的几率 直接表征法省去了网格或特征表示这一中间环节 直接用传感器读取的数据来构造机器人的位姿空间 几种方法各有
自己的特点和适用范围
其中特征图和网格图应用最普遍 3 1 拓扑图
拓扑图通常是根据环境结构定义的 由位置
结点和连接线组成
环境的拓扑模型就是一张连接线图
其中的位置是节点 连接器是边 拓扑
第 卷第 期李群明等 室内自主移动机器人定位方法研究综述
图可组织为层次结构 例如在最底层 一个位置可能就是一个房间 但在更上一层时则可能是一栋建筑物或一座城市 地铁!公交路线图均是典型的图形结构实例 其中停靠站为节点 节点间的通道为边 拓扑单元的例子有走廊和房间等 而打印机!桌椅等则是功能单元 连接器用于连接对应的位置 如门!楼梯!电梯等 拓扑图把环境建模为一张线图表示 忽略了具体的几何特征信息 不必精确表示不同节点间的地理位置关系 图形抽象 表示方便 当机器人离开一个节点时 机器人只需知道它正在哪一条边上行走也就够了 在一般的办公环境中 走廊的岔道处成 β角 因而只有四个方向需要识别 这通常应用里程计就可实现机器人的定位
为了应用拓扑图进行定位 机器人必须能识别节点 因此节点要求具有明显可区分和识别的标识!信标或特征 并应用相关传感器进行识别
和≥ ≈ 及≤ ≈ 及 ≈ 等都用拓扑图进行了机器人的定位研究 拓扑图易于扩展 但难于可靠!精确地识别具体位置
3 2特征图
利用环境特征构造地图是最常用的方法之一 大多数城市交通图就是采用这种方法绘制的 指示房间位置的门牌号是最易接受的特征实例 在室内结构化环境中 最常见的特征是直线段!角!边 这些特征可用它们的颜色!长度!宽度!位置等参数表示 基于特征的地图一般用如下的特征集合表示
Μ={φ?|?= ,...,ν}
其中φ?是一个特征(边!线!角等),ν是地图中的特征总数.
≤ ≈ 最早应用多边形地图来表示环境结构 并根据激光测距传感器的读入值预测机器人所在位置 ? ∏ ≈ 用线段构造全局地图 并用超声波传感器进行定位 和× ≈ 用激光雷达提取水平直线特征 用视觉系统提取垂直线段特征 使地图结构更加丰富
应用人工标识的定位方法是比较常用的特征定位方法 该方法需要事先在作业环境中设置易于辨别的标识物 当应用自然标识定位时 自然信标的几何特征 如点!线!角等 得事先给定 如≤ 2 ≈ 应用了多种不同的几何特征 包括常用的点!直线!边!角 以及半平面 ≥ 2 和可视边 ? 应用所谓的绑定矩阵进行特征匹配 ≤ ≈ 曾应用立体视觉系统建立了完整的三维环境≤ ?模型 通过特征匹配和三维特征复原进行定位和位姿跟踪
特征法定位准确 模型易于由计算机描述和表示 参数化特征也适用于路径规划和轨迹控制 但特征法需要特征提取等预处理过程 对传感器噪声比较敏感 只适于高度结构化环境
3 3网格图
特征参数法的一个缺点是对所应用的特征信息必须有精确的模型进行描述 另一种替代的方法是应用网格图 网格图把机器人的工作空间划分成网状结构 网格中的每一单元代表环境的一部分 每一个单元都分配了一个概率值 表示该单元被障碍物占据的可能性大小 网格法最早由 √ 和∞ ≈ 提出 在机器人的路径规划!导航!避障控制!位姿估计中均得到了广泛应用 并已成为一种通用的移动机器人定位方法
∏ ≈ 应用占有网格图提出了位置概率网格的位姿估计算法 ≥ 和≤ ≈ 将环境建模为二维平面网格 对从局部占有网格到全局占有网格的四种匹配技术 局部线段到全局线段!局部线段到全局网格!局部网格到全局线段及局部网格到全局网格 进行了比较 通过实验指出网格法的效果并不比特征模型差
网格法是一种近似描述 易于创建和维护 对某个网格的感知信息可直接与环境中某个区域对应 机器人对所测得的障碍物具体形状不太敏感 特别适于处理超声测量数据 但当在大型环境中或网格单元划分比较细时 网格法计算量迅速增长 需要大量内存单元 使计算机的实时处理变得很困难
3 4直接表征法
直接表征法是直接应用传感器读入的数据来描述环境 由于传感器数据本身比特征或网格这一中间表示环节包含了更丰富的环境描述信息 因此直接应用原始传感器数据的环境表示法并不是一种离奇的想法 通过记录来自不同位置及方向的环境外观感知数据 这些图像中包括了某些坐标!几何特征或符号信息 利用这些数据作为在这些位置处的环境特征描述 这与识别拓扑位置所采用的方法原理上是一样的 差别仅在于该法试图从所获取的传感器数据中创建一个函数关系以便更精确地确定机器人的位姿 由于在不同的方位所获得的外观图像不同 如果在局部地图中传感器数据到机器人位姿间具有一一对应关系 那么将当前位置获取的图像与原来的参考图像进行比较 则可以跟踪机器人的位姿 对该函数经过一定的转换 可进行全局定位
机器人 年 月
? 和√ °∏ ≈ 把环境划分成均匀分布的网格单元 当机器人进入先前没有到过的网格单元时 机器人进行一次扫描 并把扫描结果作为参考数据存贮 当返回该单元时 机器人把新扫描的数据与原来的参考扫描数据进行比较修正以更新机器人的位姿 ∏和 ≈ 提出了基于激光雷达的两种数据扫描匹配算法 第一种称为旋转搜索 最小二乘算法 是以两次扫描中相邻的采样点间的拟合直线的切向方向上的匹配为基础先确定一相对转角 然后以此转角为函数 寻找新的扫描中每一扫描点与上一次扫描数据的匹配点 并对每一匹配对定义一关于机器人平移位置的最小二乘距离模型 迭代求解该模型方程即可得到位姿估计 第二种方法与此类似 首先确定两次扫描中点到点的对应关系 然后用最小二乘解计算两次扫描的相对位姿关系 ≤ ≈ 提出了应用主要元件分析 °≤ ° ≤ 的定位方法 主元法把环境地图看成是一系列主要元件的集合 定位是通过从传感器数据中 激光或视觉图像 提取主要标识 并将它们与地图进行比较!匹配后而完成的 直接表征法数据存贮量大 环境噪声干扰严重 特征数据的提取与匹配困难 其应用受到一定限制
4位姿估计(Ποσεεστιματιον)
二维室内平面中移动的机器人的位姿通常使用三元组(τξ,τψ,Η)表示,其中(τξ,τψ)表示机器人相对于世界坐标系的位置(平移分量),Η表示机器人的运动方向(旋转分量).基于地图的机器人位姿估计过程可分成三个阶段:位姿预测!地图匹配(局部地图到全局地图的对应过程)!位姿更新.位姿预测应用里程计模型给出机器人的初始位姿,为地图匹配提供一种先验环境特征信息.地图匹配是寻找传感器测量的局部地图信息与全局地图间的对应关系,并用局部地图更新全局地图的过程.最后根据地图匹配结果,应用相关的位姿估计算法完成对机器人当前位姿的估计.位姿估计中主要涉及三种假定状态下的分析方法:
≠已知起点,已知地图.这种条件下的定位称为局部定位或位姿跟踪,它采用的是相对定位方法,其位姿估计过程如图 所示.这种情况研究得最多,所形成的大量位姿估计算法也是以此为基础的.
不知起点,已知地图.这是通常所谓的全局定位过程.当机器人需要复位或迷失方向或遭绑架时,必须应用该方法.找回机器人当前位置(即位姿初始化)过去常用的辅助方法是在环境中增设某些人工信标,如无线收发器!几何信标!卫星导航!条码技术!红外或超声接收系统进行位置标识;或采用高级传感器如视频摄像机或三维视觉系统以识别自然标识.但对于全自主机器人,应当能只靠自身携带传感器自主识别环境,自主定位.因此开发全局定位算法是自主移动机器人研究的一项重要任务.
≈不知起点,不知地图.能完成这种条件下的定位是自主移动机器人的最终要求.机器人需不断地构造环境地图并应用该地图计算机器人的当前位姿,即机器人必须同时既能完成位姿估计,又能自行构造地图,称为同步定位与地图构造≥ ≥ ∏ 2 ∏ ∏ 这是当前自主式移动机器人的一个重要研究方向
图 机器人的位姿跟踪过程
? °
由于机器人机械制造误差!里程计及外部传感器受测量噪声以及运动控制中误差的影响 机器人运动的真实位置具有一种不确定性 因而概率论是定位分析的重要工具 目前的位姿估计方法主要有 航位推算法!拓扑表示法 卡尔曼滤波估计 位置占有网格法 蒙特卡洛法 角度直方图
4 1航位推算法
航位推算法是一种经典的相对位姿估计方法 它一般是应用安装在机器人身上的里程计或惯性导航传感器 如陀螺仪或加速度计等 通过测量并计算出机器人相对于初始位置的距离和方向来确定机器人的当前位置 航位推算法结构简单!价格低廉 是由机器人自身推断位姿信息 不需外界环境信息 但误差累积大 随行驶距离的增加 累积误差会无限增大 因此只适于短时短距离运动的位姿估计 长时间运动时必须应用其它的传感器配合相关的定位算法进行校正
4 2拓扑表示法
应用拓扑图的定位并不需要精确给定机器人的(τξ,τψ,Η 位姿 而只是要求确定机器人处于哪一个
第 卷第 期李群明等 室内自主移动机器人定位方法研究综述
节点处 拓扑法不要求里程计的测量精度 只是需要应用里程计近似表示机器人的运动方向 拓扑法是对真实世界的一种近似描述 不需要精确的数学模型 克服了大量复杂的计算 应用简单的声纳系统就可确定机器人是否处于门厅中还是拐角处 也可判断房门是否开着
≥ 和
≈
应用部分可观察的马尔可夫链模型估计机器人的位置
其马尔可夫模型来自三种信息源 环境的拓扑图!办公环境的先验知识!观测信息 他们在拓扑图的结点间增加距离概念 把每条边分解成由 ? 的方格连接而成 每个方格分为四种不同的状态 每一状态代表一种可能的运动方向 如东!南!西或北方 连接拓扑结点的走廊建模为马尔可夫链
如图 所示 当机器人从结点Α运动到结点Β或从Β运动到Α处时,结果产生了两条不同方向的运动链.为了解释长度方向的不确定性,对从每一个中间状态到最终结点的运动都给定了一个状态转移概率,每一状态保存了机器人位于该处的可能性大小.应用如下的公式,发送给机器人的控制动作α被用于更新不同状态Σ的概率值.
π(σ
χκ+ )=ΚΕσ
κ
π(σχκ+ |σκ,α)π(σκ)式中π(σχκ σκ,α)是在给定动作α下从状态σκ到
σχκ 的转移概率,Κ是一归一化因子,确保所有概率之和为 .同样地,对来自外部传感器的观测矢量Ζ,应用下式更新位于下一位置的概率:
π(σκ+ )=Κπ(ζ|σχκ+ )π(σχκ+ )
式中π(ζ ξχκ )是在状态σχκ 得到观测Ζ的概
率.而结点需要应用 组方格位置来表示,每组包括
个马尔可夫状态.门口由于宽度已知,只用一个马
尔可夫模型即可表示
.
图 拓扑结点间的马尔可夫链模型
? × √
4 3 卡尔曼滤波估计
卡尔曼滤波器是基于特征的地图导航中最常用的位姿估计算法 卡尔曼滤波器是一种简单有效的
线性最优递推估计算法 只需要知道噪声的均值和方差就可进行迭代求解 但是应用卡尔曼滤波器必须假定输入噪声和观测噪声均为高斯分布的白噪声 卡尔曼滤波算法的递推特性使得系统数据处理不需要大量的数据存贮和计算 在位姿预测!多传感器信息融合!数据关联中得到了广泛应用
一般的轮式移动机器人常具有非完整约束 不
能横向移动 机器人运动学方程是一高度非线性系统 需要应用扩展卡尔曼滤波 ∞ ? ∞? ? 算法 将系统进行线性化处理 如≤∏ ≈ 集成了航位推算!超声和红外传感器数据信息 提出了基于扩展卡尔曼滤波器的定位和运动控制算法
和≤ ≈ 为了简化定位算法 应用加权霍夫变换算法提取环境特征 采用最小化环境特征模型及激光雷达数据 建立了基于∞ ?的位姿跟
踪算法 取得了较好的定位效果 由于∞ ?是对非线性系统的线性化处理后而得到的一种递推计算方法 因此 ∞ ?算法对系统运动状态的近似估计
4 4 位置概率网格法
受占有网格法和拓扑法的启发 ∏ 等≈ 提出了位置概率网格的位姿估计算法 与占有网格法类似 环境空间被划分成一系列网格 网格中的每一
单元相应于一种可能的机器人位姿或者说是一种可能的状态
网格处的概率值表示机器人位于该网格的可能性大小 与部分可观察马尔可夫模型相似 位置概率网格法的定位过程也分成两步 首先应用来自里程计的信息预测处于某一网格单元的概率值 然后根据在该位姿处所获得的观测值的概率进行更新 其中°??函数的精度取决于网格单元的粒度
单位面积上的网格数
他们的实验中 每一网格是 ? 角度分辨率为 β 对一间 ? 的屋子仅应用了 个超声波传感器 在一 的奔腾机
上每次更新需要花 对于计算时间问题 ? ?
≈
介绍了一种更有效的实施办法 先对传感器从各种状态测得的期望距离进行预处理 在计算过程中只应用那些概率高于某一阈值的单元 经过这种处理后计算负担能减少几个数量级
4 5 蒙特卡洛法
蒙特卡洛法是最近几年刚开始在机器人学研究中得到应用的新方法 ? 等≈ 最早提出了基于蒙特卡洛采样法的定位算法 该方法不需要直接求解概率分布函数 而是用随机采样得到的样本集合来表示位置的不确定性 这种方法能够表示多峰分布 降低了存贮空间 易于实现 是一种很有效的定
机 器 人 年 月
位方法
实际应用时为了提高计算效率 需要增加样本再采样这一中间环节 从前面所得到的样本集中再次采样 使所得到的新样本的概率与其权值成正比 应用新的样本集合估计机器人的位姿 这一过程称为重要性采样 再采样方法 ≥ ≥ 采样过程
4 6角度直方图
角度直方图 是 和 ≈ 首先提出的一种位姿估计算法 ? 等≈ 在他们的基础上对其进行了改进 其基本原理是首先用激光雷达对室内环境进行全方位 β扫描 记录相应的观测数据 这样得到了在一水平面上的环境轮廓信息 假设扫描中每个扫描点表示为一个矢量 则相邻的两个矢量的差是可以计算出来的 根据扫描数据顺序产生差值向量并计算其角度 这些角度相对于机器人系统对称轴的统计分布称为角度直方图 由于在不同方位的扫描只会引起直方图的相移 而平移的影响远小于圆周扫描范围 只会引起直方图在幅值上的变化 因此角度直方图的分布基本上与平移和旋转无关 计算两次扫描的互相关函数值 其中最大值处表示的角度信息称为相移角 此即表示机器人位姿的旋转分量 计算公式为
κ(?)=Εν
ι=
σ (ι)σ (ι+?)
式中σ ,σ 分别是两次圆周扫描的差值向量的角度分布函数,由于是圆周扫描,观测值是一封闭离散序列点,?的取值是有限的,因而κ(?)的最大值总是可以得到的(当σ (ι) σ (ι ?)时可以取得极值),于是通过两次扫描就可以得到机器人的姿态角.机器人的平移位置分量也可以使用类似的方法形成在Ξ轴方向上和Ψ轴方向上扫描点数的统计分布直方图,通过计算Ξ向和Ψ向直方图的互相关函数而得到.
4.7其它方法
∞ ?是最小二乘误差意义下的近似最优解 要求位姿预测及特征提取都相当满意 状态变量及噪声均假定为高斯分布 不能解决多峰分布问题 为此 和 ≈ 提出了加权最小二乘优化的位姿估计算法 估计位姿直接从非线性方程中获得 ≤ ?≈ ! ≈ 等也应用了最小二乘算法求解机器人的位姿 将位姿估计过程分为两部分 传感器到地图数据的对应和误差最小化 数据对应 特征匹配 确定传感器数据中的每一个点相应于地图中的哪一个点 误差最小化用于计算机器人的实际位姿 使每一地图数据点的实际位置与传感器读取的位置之间的距离差 即测量点到地图特征直线的距离 最小 ≤ ?采用了类似的处理方法 最小二乘法原理简单 使用直观 但需要求解逆雅可比矩阵 对特征匹配数据采取批处理方式 不象∞ ?那样是一种递推方式 因此计算比较繁琐
和 针对 ≤∏ 中型机器人足球赛的特点提出了基于霍夫变换 ∏ × 的霍夫定位方法 利用参考地图中直线和圆的几何表示 将地图匹配在霍夫域中完成 而非笛卡儿空间 和? ≈ 提出了基于计算几何中的栅格算法 的位姿估计方法 首先他们定义了可行位姿概念 将距离传感器数据与地图匹配时的机器人位姿集合称为有效位姿 否则为无效位姿 并设立误差阈值 用距离矢量的长度变化的误差边界大小来确定机器人位姿的可行区域 应用占有网格图和栅格算法求解机器人的当前位姿
5发展与展望(Προβλεμσανδτηεφυτυρετρενδσ)虽然人们对自主移动机器人的开发研究已有十余年的历史 但直到今天还没有产生一台真正意义上完全自主的移动机器人 因为现有的机器人都需要人去帮忙构造地图 需要人事先提供有关环境的先验知识 需要人去进行维护 在自主式移动机器人的设计开发中 下面几个问题还需继续深入研究 机器人的地图构造问题 大多数研究均假定环境地图是静态的 而实际工作环境是动态变化的 如室内家具经常挪位 门随意开关 人在机器人周围走动等 因此在构造地图时需要对传感器数据进行滤波 消除未建模的动态变化障碍物的影响 为此 ? ?提出了熵滤波器和距离滤波器概念 熵滤波器用于滤除所有增加位置估计不确定性的传感器读入值 距离滤波器用于滤除在传感器方向上因机器人与最近的地图障碍之间存在障碍物而引起的误读数据
传感器数据与地图的匹配问题 即数据关联 ? 地图匹配是定位技术研究中的一项重要内容 文献≈ 总结了地图匹配的三类算法 特征)特征 点)特征和点)点对应 对于这些匹配算法的计算速度和位姿估计精度需要进一步提高 地图匹配中的数据关联计算问题依然困扰着人们 解决数据关联计算问题不只是在机器人学上 而且在所有需要处理与不确定性传感器数据有关的科
第 卷第 期李群明等 室内自主移动机器人定位方法研究综述
学领域都将是最大的成就之一
机器人的全局定位问题 集成局部定位和全局定位是自主机器人的功能要求 然而大多数算法只解决了局部定位 位姿跟踪 问题 近几年兴起的全局定位算法研究可分为三类 多假设定位 ∏ 2 ≈ !马尔可夫定位 √ ≈ !混合蒙特卡洛定位 ? ∏ 2 ≤ ≈ 多假设定位把概率密度函数用多个高斯之和表示 因而使它们能做出多个确定的位置假设 每一假设由一个独立的高斯分布表示 当初始位姿完全未知时 位置分布为在整个作业环境中的均匀分布 然而该方法继承了卡尔曼滤波算法中的高斯噪声假设 为了满足这一假设 最终所有的实施中只提取来自传感器数据的低维信息 忽略了感知数据中的其它许多信息 马尔可夫定位算法把机器人位于所有可能的位姿空间的概率表示为一分段的常数函数 分段常数函数也能表示复杂的多峰函数 但大多数算法也依赖于特征 因而与多假设高斯卡尔曼滤波器一样具有类似的缺陷 也有的定位以具有非高斯噪声分布的原始传感器数据为基础 然而提供原始传感器数据需要良好的表示方法 这就造成了严重的计算负担 × ∏ 等提出的混合蒙特卡洛定位算法对解决全局定位及机器人绑架 即机器人在运动过程中被突然挪到另一个未知环境中 提供了一种新的思路 但它要求传感器具有快速的采样能力
≥ 问题 目前对≥ 的研究已取得一些可喜的成果 其中大多数研究可以追溯到≥ ≈ 提出的随机匹配模型 该模型中机器人的位姿及地图特征位置均由一大型状态矢量表示 当重新观察到相匹配的特征时 机器人的位姿和地图特征位置被更新 必要时 定位在当前地图内完成 当机器人进入新的区域时 状态矢量用新的特征进行修正 ≤ 等≈ 应用状态矢量法分析≥ 问题 采用∞ ?进行位姿估计 应用多传感器 激光雷达和视觉 融合数据及他们提出的≥° 模型构造地图特征并进行地图更新 ∏ ≈ 应用占有网格图及超声测距数据 采用霍夫变换及聚类分析方法提取环境特征数据 在机器人的行进过程中不断地采样超声数据并及时构造及更新地图 应用∞ ?进行位姿估计 实验表明 ≥ 的解是存在的 然而这种解目前只在小型环境下完成比较好 而在中!大型环境下计算很复杂 很难得到可靠的解 多传感器数据融合问题 将传感器数据融合技术集成到机器人的定位系统中 开发高效!快速!准确!可靠的定位系统是机器人位姿控制中的一个重要方向 如 的最小化模型中 线段!门的特征由激光雷达数据提取 点特征由声纳提取 ≤ 等的≥ 方法应用单目视觉提供冗余的几何实体位置信息 与激光雷达探测得到的位置信息在观察级进行融合 得到了更可靠!更鲁棒的观测信息 等≈ 应用激光测距传感器和视觉系统 提出了多传感信息融合的概率表示模型和扩展卡尔曼滤波集成机制 并通过实验表明应用多传感器融合技术显著提高了机器人定位的精度及鲁棒性 各种传感器由于各自的工作原理不同 各有自己的优缺点 有自己的适用范围 无论单独使用哪一种都难以完成地面复杂的实时定位 导航任务 难以可靠地探测和回避障碍 利用多个 种传感器感知数据的冗余性!互补性 通过信息融合可得到更全面!更可靠!更准确的定位方法
多机器人的协同定位 在一些特殊应用场合 如机器人足球赛!多机作业等 多机器人的协同工作发挥了重要作用 对于多机作业环境 使用多个机器人协同定位要比使用单个机器人效率高 因为任一机器人都只是对环境的局部观察 通过融合不同机器人的观测信息 可以提高对环境建模的准确性!全面性 如针对 ≤∏ 中型机器人足球场地 ? ?≈ 等应用基于样本的马尔可夫定位方法 提出了多机器人协同定位的一种统计算法 ≥ ∏ 等≈ 基于贝叶斯规则及卡尔曼滤波理论 应用简单的两维高斯分布表示融合多个机器人的目标位置估计信息 可更快!更准确地得到目标位姿的估计 这些算法只在文中涉及的一些特殊场地比较有效 还难以推广到其它应用场合
可以看出 当前移动机器人的研究非常强调自主能力的提高 定位系统越来越重视算法的鲁棒性!主动性和安全性 研究重点从局部!静态!被动的方式向全局!动态!主动定位方法发展 并且强调不能孤立地设计定位系统 主张将路径规划!避障控制!地图构造!对象识别等都集成到定位系统中 控制结构及位姿估计算法越来越复杂 其中一些快速!精确的定位算法均以激光雷达数据为基础
6结论(Χονχλυσιον)
本文对室内自主移动机器人的定位方法进行了综述 提出了一种通用的控制结构 对其中与定位相关的地图构造!位姿估计方法进行了详细介绍 重点
机器人 年 月
介绍了航位推算!拓扑法!卡尔曼滤波!位置概率网格法!蒙特卡洛法!角度直方图等 指出了热点研究中的地图构造!全局定位!数据关联!同步定位与地图构造!信息融合所应用的方法及存在的问题 自主移动机器人仍在发展当中 还有很多问题值得研究和探索 定位方法的有效性应以实验结果作为检验的依据 并以易于实现为基础 具体算法的应用和开发均应以实际作业机器人的任务和功能要求为基础
参考文献(Ρεφερενχεσ)
≈ 杨明 王宏 张钹 基于激光雷达的移动机器人位姿估计方法综述≈ 机器人 2
≈ 王卫华 陈卫东 席裕庚 基于不确定信息的移动机器人地图创建研究进展≈ 机器人 6
≈ 李玉榕 郭智疆 蒋静坪 何文欢 多传感器融合在移动机器人运动控制中的应用≈ 仪器仪表学报 1 ≈ ∏ ≤ ∏ ≥ ∏ ∏ ∏ √ ≈ ∞∞∞ ∏ ≥
≈ × √ ∏ ∏ ∏ √ ≈ ° ∞∏ ? √ ≈≤ ∏ ≥
≈ ∏ 2 ≈ ∞∞∞× ∏
18
≈ ? 2 ∏ ? ≈ 26
≈ ∏ ? εταλ.∞ ∏ ∏ 2 ≈ ° ≈≤ ° ≥
≈ ≤ ° ∏ ∏ ∏ ? √ ≈ ° ∞∞∞ ≥ ≤ ≥ ≈≤ 2
≈ ≤ × ? ∏ ∏ ?∏ ≈ ∏ °∏ ≈ ≤ √ ≥ ≈ ° ≥ ∏ 2 ∏√ ∏?≈≤…< ?
≈ ≤ εταλ 2 √ √ √ ≈ ∏ ∏
≈ ≤ ? ) ? ∏ √ ∏2 ∏ √ ≈ ∞∞∞× ∏ 2
7
≈ ≤ ? ? ≥ ° ∏
≈ ° ∞∞∞ ≤ ∏ ≈≤
≈ ≤∏ ∏ ≥ 2 ≈ ∏ ≥ 12
≈ ? ? ∏ ? ? ?? × ∏ ≥ ≈ ° ∞∞∞ 2 ≤ ∏ ≤ χ ≈≤ ? 2
≈ ? ∏ ∏ ≈ ∞∞∞× 2 ° ΠΑΜΙ
≈ ? ?? √ √ ≈? ? ∏ ≤ ∏ ≥ √
≈ ? ?? ∏ ? × ∏ ≥ √ √ ≈ ∏ ∏ ≥ ≈ ? ?? εταλ ≤ √ ∏ 2 ≈ ∏ ∏ ∏ ∏ 2 ≥ ∏ 8 ≈ ≥ 2 ∏ ≈ ∏ ≥ 13
≈ × ∞ √ √ ≈ ≥ ∏ ≈≤
≈ ≥ ≥ ∏ ∏ ∏ × ° × ×° ∏ ? √ ° ≤ ÷ √ √ ∏ ° √ √° ≈
≈ ° ≤ ° ∏ √ ≈ ∞∞∞× ∏ 17
≈ ° ≤ √ ∏ ∏ ≈ ∞∞∞× ∏ 17
≈ ? ? ∏ × × ∏ 2 √ ≈ ° χ ≈≤
≈ ∏? ∞ ∏ √ ≈ ∏ ≥
≈ √ ∞ ∏ ≈ ° ∞∞∞ ≤ ∏ ≤ χ ≈≤ ≈ × ? εταλ ?∏ ≈ ∞∞∞× ∏ 15
下转第 页
第 卷第 期李群明等 室内自主移动机器人定位方法研究综述
无线传感器网络定位技术分析 摘要 无线传感器网络具有成本低、监测精度高、容错性好、可远程监控、便于诊断与维护等众多优点，在环境监测、事故定位救援等领域有着广阔的应用前景，其根本任务是准确获取物理世界的有价值信息。无线传感器网络借助节点的时间与位置信息，实现传感器节点之间控制和传感数据高速率、低延迟的交换，以保证整个检测与控制系统的准确性与实时性．无线传感器网络面临计算、存储与网络资源等方面的限制，针对如何进行无线传感器网络中节点高效率、低能耗的定位以及覆盖等问题展开研究具有十分重要的意义。在目标监测与跟踪、基于位置信息的路由中，节点的位置信息也是不可缺少的。 关键词：传感器网络定位，实时性 第一章背景分析 无线传感器网络(Wireless Sensor Network，WSN)被誉为21世纪最有影响力的21项技术和改变世界的10大技术之一。传感器节点定位技术是无线传感器网络多数应用中的关键支撑技术之一。无线传感器网络技术在国民经济建设和军事领域有着非常重要的应用价值，如目标跟踪、入侵检测、灾难管理和战场侦察等。新技术在带来应用机会的同时，也带来新的研究问题。无论是在军事侦察或地理环境监测，还是交通路况监测或医疗卫生中对病人的跟踪等应用场合，很多获取的监测信息需要附带相应的位置信息，否则，这些数据就是不确切的，甚至有时候会失去采集的意义，因此网络中传感器节点自身位置信息的获取是大多数应用的基础。所谓定位是对一组未知位置坐标的网络节点，通过估计其至邻居节点的距离或邻居数目等手段，利用节点间交换的信息，确定节点位置的机制。从广义上讲，传感器网络的定位问题包括节点自身定位和对监控目标的定位。由于传感器网络的节点容量受限，包括有限的功耗、通信带宽、内存和计算能力，节点协作完成感知和通信任务，希望计算和通信量最小化，节点定位是传感器网络运行的一个基本和关键问题。 首先，传感器节点必须明确自身位置才能详细说明“在什么位置发什么了什么事件”。从而实现对外部目标的定位和跟踪；其次，了解传感器节点的位置分布状况可以对提高网络的路由效率提供帮助，从而实现网络的负载均衡以及网络拓扑的自动配置，改善整个网络的覆盖质量。因此，必须采取一定的机制或算法来实现无线传感器网络中各节点的定位。 第二章传统定位技术分析
XXXX科技大学 机械工程学院 2019-2020学年《机器人技术》课程报告 移动机器人定位技术综述(室内) 指导教师：XXX 学生姓名：XXX 班级： 学号： 专业：机械设计制造及其自动化
目录 0引言 (2) 1 定位技术 (3) 1.1航迹推算定位 (3) 1.2地图匹配定位 (4) 1.3基于信标的定位 (5) 1.4基于概率方法的定位技术 (5) 2结论以及展望 (7) 3参考文献 (8)
0引言 机器人在运动过程中会碰到并解决以下三个问题： （1）我（机器人）现在何处？ （2）我要往何处走？ （3）我如何到达该处？ 其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人定位技术的任务就是解决上面的第一个问题。 定位问题是移动机器人领域内一个最重要的内容。最开始只是基于记录机器人运动的内部传感器进行航位推算，后来利用各种外部传感器，通过对环境特征的观测计算机器人相对于整个环境的位置和方向。直到今天，形成了融合内、外部传感器的机器人定位方法。 现有的移动机器人定位传感器种类很多，主要分为两种：基于机器人内部所用的传感器，如里程计、陀螺、罗盘、摄像头、激光雷达等和基于机器人外部所用的传感器，如摄像头、激光雷达，超声波。而大多数的移动机器人安装了不只一种用于定位的传感器。不同的传感器组合，采用不同的定位手段，都可以被移动机器人用来定位。自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。GPS以其卓越的性能已经成为移动机器人室外定位导航普遍采用的定位系统，但当移动机器人被放置在室内环境时，GPS是不合适的。一方面，室内定位一般要求更高的定位精度(cm级)；另一方面，GPS定位系统对室内的覆盖效果并不好。至今为止，还没有一种通用的室内定位系统，因此，人们研究了各种各样的室内定位方法。本文将简单介绍自主移动机器人的室内定位方法，主要包括航迹推算定位、地图匹配定位、基于信标的定位和概率估算定位。 图0.1 移动机器人
随着3G无线通讯技术的推广运用,利用无线通讯技术高速传输图形图像、音频、视频等多媒体信息变成现实。同时移动终端的处理能力及显示能力的提高也为移动学习的开展提供了基本条件。 一、移动学习的定义及在我国发展现状 虽然国内外远程教育领域对于移动学习的研究已有几年的历史,但是到目前为止还没有一个准确的定义,关于移动学习的定义主要有: Alexzander Dye等人:移动学习是一种在移动计算设备帮助下能够在任何时间任何地点开展的学习,移动学习所使用的移动计算设备必须能够有效呈现学习内容并提供教师与学习者之间的双向交流。[1] Chabra和Figueiredo:移动学习就是能够使用任何设备,在任何时间、任何地点进行学习。[2] Paul Harris:移动学习是移动计算技术和E-learning的交点,它能够为学习者带来一种随时随地学习的体验。[3] 北京大学现代教育技术中心移动教育实验室:移动教育指依托目前比较成熟的无线移动网络、国际互联网和多媒体技术,学生和教师通过使用移动设备(如手机等)来更方便灵活地实现交互式教学活动。 综上所述,移动学习可概括为:使用移动设备,利用无线通讯技术、互联网技术以及多媒体技术,在任何时间、任何地点为学习者提供学习资源并为师生提供双向交流的一种学习方式。 在我国关于移动学习的研究主要分为三类。第一类是由教育机构进行的研究,主要内容包括:(1)基于短信息平台和GPRS平台向广大师生提供信息服务;(2)基于
GPRS技术建立移动教育平台,开发适合多种设备的教育资源,解决资源共享问题;(3)基于本体的教育资源制作、发布和浏览平台,提高教育资源和教育服务的开发规范、动态扩充和可定制性,并为教育语义Web打下基础;(4)教育语义网络平台,它主要利用语义Web技术提高教育服务平台的智能性;(5)基于无线局域网技术的多媒体移动教学系统,实现在校园中利用笔记本电脑随时随地的教学。第二类是由教育企业进行的移动教育产品的应用研究,这类产品主要是电子词典类,学习资源通过下载的方式存入到词典中以便进行移动学习。第三类是硕士论文方面的研究,主要集中在移动技术及教育理论方面的研究上,涉及实际移动学习方面的应用则比较少。 在现有的实际运用研究中,移动学习基本上有以下几种方式:(1)基于短信息、多媒体信息、移动邮箱的方式,教师通过短信息、多媒体信息服务或邮件将学习资源或作业发送给学生,学生则通过同样的方式学习、提交作业或与教师交流。校方通过短信息服务为师生提供公告、通知信息;(2)师生间通过手机移动QQ或移动MSN工具进行实时交流;(3)搭建WAP学习站点,为学生提供通知公告、学习资源等信息,并通过论坛实现师生间的异步交流。 通过上面分析可以看出,尽管通过多种方式实现了移动学习的功能,但存在以下缺点:(1)教学模式单一;(2)频繁使用短信息或多媒体信息服务,增加了教学成本;(3)尽管移动QQ或移动MSN可以实现师生间的实时互动,但容易受到其他朋友的干扰,从而影响学习效率和质量,同时也容易受到安全威胁;(4)受到通讯速率、手机性能的影响,WAP(无线应用协议)学习站点的功能较简单。可以看到还没有一个真正的移动学习平台投入到实际运用中。 目前,基于3G技术的高性能手机已经投入市场,为移动学习的开展创造了有利的条件。同时由于手机方便随身携带的特点,使得其必将成为移动学习的首选工具,
室内定位常用算法概述 一.室内定位目的和意义 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。因此，专家学者提出了许多室内定位技术解决方案，如A-GPS定位技术、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术，以及图像分析、信标定位、计算机视觉定位技术等等。这些室内定位技术从总体上可归纳为几类，即GNSS 技术(如伪卫星等)，无线定位技术(无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位技术等)，其它定位技术(计算机视觉、航位推算等)，以及GNSS和无线定位组合的定位技术(A-GPS或A-GNSS)。 由于在室内环境下对于不同的建筑物而言，室内布置，材料结构，建筑物尺度的不同导致了信号的路径损耗很大，与此同时，建筑物的内在结构会引起信号的反射，绕射，折射和散射，形成多径现象，使得接收信号的幅度，相位和到达时间发生变化，造成信号的损失，定位的难度大。虽然室内定位是定位技术的一种，和室外的无线定位技术相比有一定的共性，但是室内环境的复杂性和对定位精度和安全性的特殊要求，使得室内无线定位技术有着不同于普通定位系统的鲜明特点，而且这些特点是户外定位技术所不具备的。因此，两者区域的标识和划分标准是不同的。基于室内定位的诸多特点，室内定位技术和定位算法已成为各国科技工作者研究的热点。如何提高定位精度仍将是今后研究的重点。 二. 室内定位技术的国内外发展趋势 室内GPS定位技术 GPS是目前应用最为广泛的定位技术。当GPS接收机在室内工作时，由于信号受建筑物的影响而大大衰减，定位精度也很低，要想达到室外一样直接从卫星广播中提取导航数据和时
移动学习研究综述 叶成林1，徐福荫2，许 骏2 （1深圳大学师范学院 广东深圳 518060） （2华南师范大学教育信息技术学院 广东广州 510631） 摘要：上个世纪末，利用移动通信设备开展学习活动的研究开始兴起，短短几年时间，移动学习已经成为远程教育与数字化学习领域的一个研究热点。本文首先论述了移动学习的概念及其定义，然后介绍国际上该领域的一些研究现状，最后指出移动学习研究中几个关键性问题。 关键词：移动学习 研究现状 综述 追溯人类社会的发展，首先是一部知识和智慧经验积累的历史，也是一部人类学习的历史。学习技术和方式经历了从简单到复杂、从低级到高级的发展阶段。决定学习技术与方式的主要因素，一是媒体技术，从口头语言、文字语言、印刷材料、广播电视到计算机；第二是通信与传播技术，从口耳相传、文字记录、大众传媒、无线电广播通信到计算机网络通信。这两种因素综合起来，使学习技术与方式从单一认知、学徒、班级集中学习、远程学习、计算机辅助学习发展为基于Internet的数字化学习。随着移动通信技术与计算机技术的融合，出现了一种新型的学习技术与方式——移动学习。上个世纪末，利用移动通信设备开展学习活动的研究开始兴起，短短几年时间，移动学习已经成为远程教育与数字化学习领域中的一个研究热点。 一、移动学习及其定义 目前关于移动学习还没有统一的、明确的定义。挪威NKI远程教育公司Truls Fagerberg等人关于移动学习的概念作过分析与论述。并指出，学习是一种活动或过程，并表现为个人在感知、情感态度、认知技能或体能方面的变化。因此，学习不可能是电子的，也不可能是移动的；数字化学习或电子化学习（Ｅ-Learning）和移动学习（Ｍ-Learning）的提法是值得商榷的。如果移动学习中的移动是指学习者在学习过程中的移动，那么最早的远程函授学习也应属于移动学习。Sariola等人也对此提出质疑，并指出，移动学习更像是一个商业炒作的概念，而不是一个严肃的教育专业术语。上述分析指出人们用媒体与传播技术来对学习进行分类的随意性与不尽科学性，但却忽视了概念与定义的功能在于表述与交流，并不在于构成概念或定义的语义。学习当然不可能是电子的，但是学习资源可以是数字化的，学习工具也可以是数字化的；移动学习当然不是仅仅指在移动中学习。 那么，什么是移动学习呢？远程学习、数字化学习的概念均来自于实践，作为一个术语已经被人们普遍接受了。移动学习由于出现的时间较短，现在进行的相关研究均从各自的研究兴趣去给出关于移动学习的界定。对于移动学习，目前明显存在三种不同的认识与理解取向。第一，是将移动学习理解为远程学习的一种形式，如远程教育学家戴斯蒙德·基更（Desmond Keegan）提出远程学习、数字化学习和移动学习是远程教育的三个发展阶段的观点。第二，认为移动学习是数字化学习的扩展，学习内容与数字化学习相同，只是信息与知识获取的方式借助于移动通信网络和移动通信设备，如欧盟《数字化欧洲行动研究计划》中特别开展的一项名为“MOB Ilearn行动”的移动学习专项研究计划中对移动学习的界定。第三，从认知与学习的角度来开展研究，认为从内容与形式方面看，移动学习与数字化学习、网络学习没有本质区别，但是移动学习的移动性、情境相关的特点
室内定位技术方案综述及应用前景展望分析研究报告
现代人智能手机里的GPS导航地图愈发不可缺少，但仅仅支持室外定位，当你进到室内，由于导航信号衰减太快，卫星定位根本无法使用。就算使用了现在的AGPS 辅助全球卫星定位系统，国内最热的两款热门地图如百度地图和高德地图的定位缺点依然很明显，精度只能够达到民用的10m级别，而且在AP地址位置发生变化时也容易出错。而我们下面要说的室内定位技术对精度的要求更高，需要米级1m的定位精度，并能够判断楼层，我们用什么技术可以实现呢？ 传统GPS工作原理图
AGPS辅助定位工作原理 室内定位技术的应用前景 室内定位技术在定位搜救、公共安全、商业等方面有非常良好的应用前景，我们可以想象一些比较常见的应用场景：比如在大型商场里面借助室内导航快速找到出口、电梯；家长用来跟踪小孩的位置避免小孩在超市中走丢；房屋根据你的位置打开或关闭电灯；重要的随身物品丢了，当自己走出几米远时手机就发出提醒；商店根据用户的具体位置向用户推送更多关于商品的介绍等等。这种技术已经吸引了一波国内外创新的高潮，各种基于此技术的应用将出现在我们的面前，其规模和影响绝不会亚于GPS。这一切都标志着发展室内定位技术有着广阔的应用前景。 室内定位技术工作原理 全球行业内大咖们的解决方案 如今谷歌、微软、苹果、XX等在内的一些科技巨头，还有一些世界有名的大学都在研究室内定位技术，首先来看看科技巨头公司和各大学的室内定位技术解决方案： ①谷歌方案
谷歌手机地图6.0版的时候已经在一些地区加入了室内导航功能，此方案主要依靠GPS（室内一般也能搜索到2～3颗卫星）、WiFi信号、手机基站以及根据一些“盲点”，如室内无GPS、Wi-Fi或基站信号的地方的具体位置完成室内的定位。目前此方案的精度还不是很满意，所以谷歌后来又发布了一个叫“GoogleMapsFloorPlanMarker”的手机应用，号召用户按照一定的步骤来提高室内导航的精度。 谷歌一直在努力解决两个问题：获取更多的建筑平面图；提高室内导航的精度。建筑平面图是室内导航的基础，就如同GPS车用导航需要电子导航地图一样。谷歌目前想通过“众包”的方式解决数据源的问题，就是鼓励用户上传建筑平面图。另外，用户在使用谷歌的室内导航时，谷歌会收集一些GPS、Wi-Fi、基站等信息，通过服务器进行处理分析之后为用户提供更准确的定位服务。 谷歌6.0地图室内和室外导航对比图
基于RSSI的室内定位算法研究 摘要:近年来，随着无线网络的迅速发展，室内定位技术在诸多领域中得到了广泛应用，成为重要的研究对象之一。室内定位技术的核心要素是定位算法。优秀的定位算法，可以有效地降低无线信道的影响，并利用较少的网络资源获取较高的定位精度。论文在研究了基于RSSI测距的无线定位算法后，重点研究了基于泰勒级数展开的RSSI测距定位算法，针对传统算法的缺点提出了改进方案。 关键词：室内定位 RSSI 泰勒级数 1.引言 现代社会，基于信息技术的发展，导航、定位等信息在人们纷繁庞杂的信息要求中，占据了越来越大的比重。比如航海、军事、智能公交、煤矿等领域均要求室外或者室内导航定位技术。进入二十一世纪以来，由于传统局域网己经不能满足人们的需求，加上无线网络的组网成本大幅下降，无线网络呈现出蓬勃发展的趋势，而人们在使用的同时也越来越不满足于现状，开始对其有了更多更深层次的要求。 目前,世界上正在运行的卫星导航定位系统主要是美国的全球定位系统(Global Positioning System GPS) ，但GPS这种定位方法是在室外使用得较多的定位方法，它不适用于室内。针对GPS的室内定位精确度偏低、成本较高等缺点，具备低成本、较高定位精度的诸多室内定位技术便应运而生，并在诸多领域正越来越发挥着重要的作用。例如:煤矿企业要实现对井下作业人员的实时跟踪与定位、方便企业对员工的管理与调度，要用到室内定位技术，营救被困人员，室内定位技术可以提供被困人员位置信息，为营救节省大量的时间;在超市等购物中心，室内定位技术可以实现对商品定位、消费者定位、广告发布、地图导航等功能。所以若能实现低成本且高精度的室内定位系统，具有非常重要的现实意义。 未来的发展趋势是室内定位技术与卫星导航技术和通信技术有机结合，发挥各项技术自身的优点，不仅可以提供较高的定位精度和响应速度，还可以覆盖较广的范围，真正实现无缝的、精确的定位。 2 室内定位方法简介 所谓室内定位技术是指在室内环境下确定某一时刻接收终端在某种参考系中的位置。在室内环境下，大多采用无线局域网来估计接收终端的位置。一般典型的无线局域网架构中接入点（AP,Acess Point）类似于无线通信网络中的基站，大部分无线局域网都使用RF（Radio Frequency）射频信号来进行通信，因为无线电波可穿越大部分的室内墙壁或其它障碍物，已提供更大的覆盖范围。常见的室内定位方法有： (1) ZigBee定位技术ZigBee是一种新兴的短距离、低速率、低功耗、低成本及网络扩展性强的无线网络技术，它的信号传播距离介于射频识别和蓝牙之间，工作频段有三个——2.4GHz (ISM国际免费频段)和858/91 SMHz，除了可以应用于室内定位，还可以应用于智能
万方数据
万方数据
万方数据
万方数据
单目视觉定位方法研究综述 作者：李荣明， 芦利斌， 金国栋 作者单位：第二炮兵工程学院602教研室,西安,710025 刊名： 现代计算机：下半月版 英文刊名：Modem Computer 年，卷(期)：2011(11) 参考文献(29条) 1.R.Horaud;B.Conio;O.Leboullcux An Analytic Solution for the Perspective 4-Point Problem 1989(01) 2.任沁源基于视觉信息的微小型无人直升机地标识别与位姿估计研究 2008 3.徐筱龙;徐国华;陈俊水下机器人的单目视觉定位系统[期刊论文]-传感器与微系统 2010(07) 4.邹伟;喻俊志;徐德基于ARM处理器的单目视觉测距定位系统[期刊论文]-控制工程 2010(04) 5.胡占义;雷成;吴福朝关于P4P问题的一点讨论[期刊论文]-自动化学报 2001(06) 6.Abdel-Aziz Y;Karara H Direct Linear Transformation from Comparator to Object Space Coordinates in Close-Range Ph- togrammetry 1971 7.Fishier M A;Bolles R C Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analy-s~s anu Automated tartograpny 1981(06) 8.祝世平;强锡富用于摄像机定位的单目视觉方法研究[期刊论文]-光学学报 2001(03) 9.沈慧杰基于单目视觉的摄像机定位方法的研究 2009 10.任沁源;李平;韩波基于视觉信息的微型无人直升机位姿估计[期刊论文]-浙江大学学报（工学版） 2009(01) 11.刘立基于多尺度特征的图像匹配与目标定位研究[学位论文] 2008 12.张治国基于单目视觉的定位系统研究[学位论文] 2009 13.张广军;周富强基于双圆特征的无人机着陆位置姿态视觉测量方法[期刊论文]-航空学报 2005(03) 14.Zen Chen;JenBin Huang A Vision-Based Method for theCircle Pose Determination with a Direct Geometric Interpre- tation[外文期刊] 1999(06) 15.Safaee-Rad;I.Tchoukanov;K.C.Smith Three-Dimension of Circular Features for Machine Vision 1992 16.S.D.Ma;S.H.Si;Z.Y.Chen Quadric Curve Based Stereo 1992 17.D.A.Forsyth;J.L.Munday;A.Zisserman Projective In- variant Representation Using Implicit Algebraic Curves 1991(02) 18.吴朝福;胡占义PNP问题的线性求解算法[期刊论文]-软件学报 2003(03) 19.降丽娟;胡玉兰;魏英姿一种基于平面四边形的视觉定位算法[期刊论文]-沈阳理工大学学报 2009(02) 20.Sun Fengmei;Wang Weining Pose Determination from a Single Image of a Single Parallelogram[期刊论文]-Acta Automatica Sinica 2006(05) 21.吴福朝;王光辉;胡占义由矩形确定摄像机内参数与位置的线性方法[期刊论文]-软件学报 2003(03) 22.王晓剑;潘顺良;邱力为基于双平行线特征的位姿估计解析算法[期刊论文]-仪器仪表学报 2008(03) 23.刘晓杰基于视觉的微小型四旋翼飞行器位姿估计研究与实现 2009 24.刘士清;胡春华;朱纪洪一种基于灭影线的无人直升机位姿估计方法[期刊论文]-计算机工程与应用 2004(9) 25.Mukundan R;Raghu Narayanan R V;Philip N K A Vision Based Attitude and Position Estimation Algorithm for Rendezvous and Docking 1994(02)
机器人定位技术介绍 前言 随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定 能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到 哪些呢？经总结目前移动机器人主要有这5大定位技术。 移动机器人超声波导航定位技术 超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。 通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S＝Tv／2式中，T—超声波发射和接收的时间差；v—超声波在介质中传播的波速。 当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。 在移动机器人的导航定位中，因为超声波传感器自身的缺陷，如：镜面反射、有限的波束角等，给充分获得周边环境信息造成了困难，因此，通常采用多传感器组成的超声波传感系统，建立相应的环境模型，通过串行通信把传感器采集到的信息传递给移动机器人的控制系统，控制系统再根据采集的信号和建立的数学模型采取一定的算法进行对应数据处理便可以得到机器人的位置环境信息。 由于超声波传感器具有成本低廉、采集信息速率快、距离分辨率高等优点，长期以来被广泛地应用到移动机器人的导航定位中。而且它采集环境信息时不需要复杂的图像配备技术，因此测距速度快、实时性好。 同时，超声波传感器也不易受到如天气条件、环境光照及障碍物阴影、表面
粗糙度等外界环境条件的影响。超声波进行导航定位已经被广泛应用到各种移动机器人的感知系统中。 移动机器人视觉导航定位技术 在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。 视觉导航定位系统主要包括：摄像机（或CCD图像传感器）、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD图像传感器，其基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个像素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从 32×32到1024×1024像素等。 视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 GPS全球定位系统 如今，在智能机器人的导航定位技术应用中，一般采用伪距差分动态定位法，用基准接收机和动态接收机共同观测4颗GPS卫星，按照一定的算法即可求出某时某刻机器人的三维位置坐标。差分动态定位消除了星钟误差，对于在距离基准站1000km的用户，可以消除星钟误差和对流层引起的误差，因而可以显着提高动态定位精度。 但是因为在移动导航中，移动GPS接收机定位精度受到卫星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声等诸多因素的影响，因此，单纯利用GPS导航存在定位精度比较低、可靠性不高的问题，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘和GPS的数据进行导
近十年移动学习研究现状评述 一、引言 近几年，随着网络通信技术的飞速发展以及移动设备（如智能手机、Pad等）的普及，移动学习受到研究者的极大关注。对于移动学习，目前研究者有三种不同的认知取向：第一种，认为移动学习是远程学习的一种新形式；第二种，将移动学习看成是数字化学习的扩展；第三种，基于移动学习的移动性、情境性等特点将移动学习看作是一种全新的学习技术与学习方式（叶成林等，2004）。本研究认为，移动学习是指学习者在网络和终端设备（智能手机、Pad、电子阅读器等）的支持下，学习者根据自身需求能够在任何地点、任何时间获得信息、资源或服务，它是远程学习的一种新形式，为学习者的终身学习提供了可能。 随着教育信息化的推进，学习者学习需求的变化，成人教育、企业培训、农民工培训、学校教育等开始关注和研究移动学习，学校和移动设备生产商纷纷开始探索移动学习的实践形式（王佑镁等，2013），移动学习已渐渐成为学术研究的热点。如何理解移动学习？移动学习包含哪些关键要素、现状如何？它的研究热点和趋势是什么？为深入研究这些问题，本研究对近十年来发表在国内学术期刊上的论文进行了定量统计和定性分析，对移动学习的研究现状进行有效梳理，并提出未来几年移动学习在国内发
展的趋势和建议，希望能够为移动学习在我国可持续发展提供有益参考。 二、数据来源、研究方法与研究工具 （一）文献数据来源 我国各类期刊上刊登的关于移动学习的论文很多，近几年来移动学习大有被基于智能手机或基于微信的学习所代替的趋势，为了使研究的数据完整、准确并具有较高的可信度，本研究以国内最大的学术期刊数据库——中国知网（CNKI）为数据来源，对“篇名为‘移动学习’”或者“篇名中含‘智能手机’并含‘学习’”或者“篇名中含‘微信’并含‘学习’”，时间跨度从2006年1月1日至2015年12月5日的文献进行检索，共检索出1，669篇论文。为保证数据的准确可靠，通过人工方法删除重复发表的论文、通知、采访稿、相关度不大的论文等58篇，得到有效论文1，611篇。 （二）研究方法和工具 本研究主要采用文献计量法对近十年移动学习相关论文从发文数量、发文期刊、作者及作者单位、高被引、研究主题、研究热点（关键词）六个维度进行分析和梳理。文献计量法是学科领域文献研究常用的一种分析方法，以文献计量学的相关理论为前提，借助文献体系及数量特征，采用统计学和数学等计量方法来描述、分析、评价和预测某学科领域的发展现状和发展趋势（黄维等，2010）。
机器人定位技术 摘要：定位是确定机器人在其工作环境中所处位置的过程。本文根据定位方式和传感器的不同，把定位技术分为四大类，即航迹推算、信号灯定位、基于地图的定位、基于视觉的定位，并给出了各类定位技术的主体思想及其中的关键技术。并详细分析了了基于视觉的定位和航迹推演的定位方法。具有较高的参高价值。 关键词：移动机器人；传感器；定位技术；视觉； Abstract: positioning is to identify the robot in the process of the location in the work environment.In this paper, depending on the positioning method and the sensor, the positioning technology is divided into four categories, namely dead reckoning, the orientation of light, based on the map, based on visual positioning, and provides all kinds of the main idea of positioning technology, and the key technology.And detailed analysis of positioning method based on visual orientation and track is deduced.With higher and higher value. Key words: mobile robot，The sensor，location technology，Visual 引言 机器人在运动过程中会碰到并解决以下三个问题[1]：（1）我（机器人）现在何处？（2）我要往何处走？（3）我如何到达该处？其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人定位技术的任务就是解决上面的第一个问题。
国内移动学习应用文献综述 个人日记2010-02-23 17:04:53 阅读7 评论0 字号：大中小订阅 王小根移动教育在课程教学中的实践和思考教学与管理２００５.１１ 移动教育的主要特点：探索性，即探索不同德教育方式，教育系统以及不同的教育内容在提高教学灵活性提高教学效果方面的作用和存在的问题。技术相关性，与技术密切相关。教学灵活性，任务驱动性。 多媒体技术基础课程的实践：通过提供学习网站，开通学生宿舍、图书馆等场所的网络链接，使用手机短信，移动邮件以及QQ群进行沟通和交流，开展了移动学习的教学实践，效果良好。 黄德群移动学习研究对远程教育的影响中国远程教育2005.12 国外移动学习的研究方向有：移动学习系统的体系结构，最新的无线移动通信技术，普适计算技术和学习环境，无线移动技术在学习中的创新使用，移动学习代理。 王伟等大学生移动学习实证研究开放教育研究2009.4 采用移动学习系统“大学英语精读掌中宝”通过受访者亲身体验移动学习，填写体验问卷以及接受深度访谈，深入了解受访者对移动学习的需求和认可程度，期望的移动学习实施方式，应用移动学习的主要情境，移动学习的课程需求以及限制大学生实施移动学习的因素等并据此取得切实可信的数据。 在东北师范大学软件学院进行，受访者是软件工程专业在校学生（1，2年级） 沈娅芳丁革建移动学习在现代远程教育中的应用研究远程教育杂志 提出了一个基于移动学习的远程自主学习模型 周济等引入移动学习技术满足学生随时之需中国远程教育 2007.8 深圳电大移动学习网的构建于应用，通过实现教务信息查询服务，搭建课程平台两期工程的建设，采用WAP PUSH技术，实现手机SMS短信与WAP方式的结合，加强与银行合作开通手机支付功能探索了移动学习。 国内移动学习资源建设研究文献综述 个人日记2010-02-23 17:36:45 阅读1 评论0 字号：大中小订阅 鲁萍移动教育及其资源的构建研究中小学电教 2006.10 从人才资源，技术资源，知识资源和评价资源四个方面建设移动学习资源库。 李瑞等移动学习资源建设策略探讨现代教育科学 2007.6 从制定移动学习资源建设的统一标准和规范，以及移动学习的特点（学习的移动性，时间的片段性，环境的复杂性，呈现终端的特性等）建设移动学习资源两个方面出发提出了移动学习资源建设策略。 张合斌等移动学习资源的建设模式教育信息化 2006.8 提出了校校联合，校企联合以及校企政联合开发移动学习资源的思路。
无线定位算法综述 一无线传感网络与节点定位 1. 无线传感网络中的关键技术 无线传感器网络作为当今信息领域新的究热点，涉及多学科交叉的研究领域，涉及到非常多的关键技，主要包括：拓扑控制；网络协议；网络安全；时间同步；定位技术；数据融合；嵌入式操作系统；无线通信技术；跨层设计和应用层设计。2. 无线传感器网络节点定位机制 无线传感器网络节点定位问题可表述为：依靠有限的位置己知节点即信标节点(锚节点)，确定布设区中其它未知节点的位置，在传感器节点间建立起一定的空间关系的过程。无线定位机制一般由以下三个步骤组成： 第一步，对无线电信号的一个或几个电参量(振幅、频率、相位、传播时间) 进行测量，根据电波的传播特性把测量的电参量转换为距离、距离差及到达角度等，用来表示位置关系； 第二步，运用各种算法或技术来实现位置估计； 第三步，对估计值进行优化。 3. 节点间距离或角度的测量 在无线传感器网络中，节点间距离或角度的测量技术常用的有RSSI、TOA、TDOA和AOA等。 4. 计算节点位置的基本方法 (1) 三边测量法
(2) 三角测量法； (3) 极大似然估计法。 5. 无线传感器网络定位算法的性能评价
几个常用的评价标准：定位精度；规模；锚节点密度；节点密度；覆盖率；容错性和自适应性；功耗；代价。 6. 无线传感器网络定位技术分类 （1）物理定位与符号定位； （2）绝对定位与相对定位； （3）紧密耦合与松散耦合； （4）集中式计算与分布式计算； （5）基于测距技术的定位和无须测距技术的定位； （6）粗粒度与细粒度； （7）三角测量、场景分析和接近度定位。 二典型的自身定位系统与算法 到目前为止，WSN 自身定位系统和算法的研究大致经过了两个阶段。第1 阶段主要偏重于紧密耦合型和基于基础设施的定位系统。对于松散耦合型和无须基础设施的定位技术的关注和研究可以认为是自身定位系统和算法研究的第2 阶段。 1. Cricket定位系统 未知节点使用TDOA技术测量其与锚节点的距离，使用三边测量法提供物理定位。 2. RADAR系统 建立信号强度数据库，通过无线网络查询数据库，选择可能性最大的位置定位自身。 在三边测量定位方式下，未知节点根据RSSI计算与多个基站的距离，然后使用三边测量法定位， 3. AHLos系统 AHLos算法中定义了3 种定位方式——原子式、协作式和重复式最大似然估计定位(atom,collaborative和iterative multilateration)。
室内定位几种算法概述 一.室内定位目的和意义 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。因此，专家学者提出了许多室内定位技术解决方案，如A-GPS定位技术、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术，以及图像分析、信标定位、计算机视觉定位技术等等。这些室内定位技术从总体上可归纳为几类，即GNSS技术(如伪卫星等)，无线定位技术(无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位技术等)，其它定位技术(计算机视觉、航位推算等)，以及GNSS 和无线定位组合的定位技术(A-GPS或A-GNSS)。 由于在室内环境下对于不同的建筑物而言，室内布置，材料结构，建筑物尺度的不同导致了信号的路径损耗很大，与此同时，建筑物的内在结构会引起信号的反射，绕射，折射和散射，形成多径现象，使得接收信号的幅度，相位和到达时间发生变化，造成信号的损失，定位的难度大。虽然室内定位是定位技术的一种，和室外的无线定位技术相比有一定的共性，但是室内环境的复杂性和对定位精度和安全性的特殊要求，使得室内无线定位技术有着不同于普通定位系统的鲜明特点，而且这些特点是户外定位技术所不具备的。因此，两者区域的标识和划分标准是不同的。基于室内定位的诸多特点，室内定位技术和定位算法已成为各国科技工作者研究的热点。如何提高定位精度仍将是今后研究的重点。 二.室内定位技术的国内外发展趋势 室内GPS定位技术 GPS是目前应用最为广泛的定位技术。当GPS接收机在室内工作时，由于信号受建筑物的影响而大大衰减，定位精度也很低，要想达到室外一样直接从卫星广播中提取导航数据和时间信息是不可能的。为了得到较高的信号灵敏度，就需要延长在每个码延迟上的停留时间，A-GPS技术为这个问题的解决提供了可能性[7]。室内GPS技术采用大量的相关器并行地搜索可能的延迟码，同时也有助于实现快速定位。 利用GPS进行定位的优势是卫星有效覆盖范围大，且定位导航信号免费。缺点是定位信号到达地面时较弱，不能穿透建筑物，而且定位器终端的成本较高。 室内无线定位技术 随着无线通信技术的发展，新兴的无线网络技术，例如WiFi、ZigBee、蓝牙和超宽带等，在办公室、家庭、工厂等得到了广泛应用。 ——红外线室内定位技术。红外线室内定位技术定位的原理是，红外线IR标识发射调制的红外射线，通过安装在室内的光学传感器接收进行定位。虽然红外线具有相对较高的室内定位精度，但是由于光线不能穿过障碍物，使得红外射线仅能视距传播。直线视距和传输距离较短这两大主要缺点使其室内定位的效果很差。当标识放在口袋里或者有墙壁及其他遮挡时就不能正常工作，需要在每个房间、走廊安装接收天线，造价较高。因此，红外线只适合短距离传播，而且容易被荧光灯或者房间内的灯光干扰，在精确定位上有局限性。 ——超声波定位技术。超声波测距主要采用反射式测距法，通过三角定位等算法确定物体的位置，即发射超声波并接收由被测物产生的回波，根据回波与发射波的时间差计算出待测距离，有的则采用单向测距法。超声波定位系统可由若干个应答器和一个主测距器组成，主测距器放置在被测物体上，在微机指令信号的作用下向位置固定的应答器发射同频率的无线电信号，应答器在收到无线电信号后同时向主测距器发射超声波信号，得到主测距器与各个应答器之间的距离。当同时有3个或3个以上不在同一直线上的应答器做出回应时，可以根据相关计算确定出被测物体所在的二维坐标系下的位置。超声波定位整体定位精度较高，结构简单，但超声波受多径效应和非视距传播影响很大，同时需要大量的底层硬件设施投资，成本太高。 ——蓝牙技术。蓝牙技术通过测量信号强度进行定位。这是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接入点，把网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微微网
随着科学技术的快速发展，服务机器人的使用越来越广泛，但目前机器人还是基于磁轨导航。这样严重制约了机器人的使用环境，难以满足机器人根据需要去调整行走路径的需求。如何从技术层面去解决这一难点是我们需要去思考的问题一、背景 定位技术的引用是机器人完成诸如路径规划、自主导航等复杂任务的前提，是机器人领域的研究热点。现在越来越多的机器人采用激光和视觉定位，无论是激光还是视觉，都有自己的局限性，比如，运算量大，环境适应性差，机器人劫持等问题。而在激光或视觉定位的基础上，配合上UWB，就可以比较完美地解决机器人定位的问题。下面由沃旭通讯科技有限公司解读。 二、UWB技术介绍 UWB是一种无载波通信技术，利用纳秒至微微秒极的非正弦波窄脉冲传输数据，通过在较宽的频谱上传送极低功率的信号。优点在于传输功率高，功耗小，抗干扰能力和穿透能力强，高精度和高准确性的定位 三、UWB系统架构 UWB定位技术首先在环境中布置一些锚点，之后基于无线测量物体与锚点的距离或时间，计算得出物体的位置。UWB定位不论收还是发，都需要相应的RF 射频模组，模组可分别设置为标签和锚点，锚点固定不动，标签放在运动的机器人上，两种模组都在5cm*6cm差不多大小。UWB基站只需要供电，不需要接入网络，从显示终端上对标签完成配置之后，标签会根据自己所处的位置，选择适当的基站进行定位。将计算结果直接输出到机器人的控制主办，并且同时通过板载的wifi模块，将实时位置输出到显示终端上。 没有什么比图片更直接：
四、UWB特点 UWB定位的主要特点，是在兼顾精度和成本的条件下，整合容易，方便实施。精度方面，用于机器人的UWB结合惯导的方案精度达到5cm;由于采用测距定位，UWB的运算量比激光和视觉定位要小很多;体积也比较小，模组接口简单，整合容易，方便实施。此外，UWB还具有工作距离远，能穿透一般遮挡，不受光滑表面影响等优点。 沃旭基于UWB技术的机器人定位方案目前除了用于机器人，还可以用在无人机上，例如跟拍时基于UWB测量出距离，并进行追踪对焦，或者通过UWB进行定位，用于无人机编队飞行。另外沃旭科技的UWB定位技术主要应用领域还包括像智慧工厂对人和物的定位，化工厂智能安全定位，智慧仓储定位，煤矿隧道人员定位，医院/养老院/法院/展馆/监狱/消防定位等。
基于微信的移动学习文献综述 2016.11.19
基于微信的移动学习探究 摘要：随着移动通讯技术的发展以及全民学习、终身学习理念的不断深入，移动学习正成为一种重要的学习方式。而微信作为新兴的受大众欢迎的网络通讯软件，为移动学习提供了一个新的交流平台。本文梳理了近几年基于微信公众平台的移动学习空间建构研究，微信支持下的移动学习资源设计研究以及展望未来移动学习的发展趋势等等。关键词：移动学习；移动技术；微信；学习资源；资源设计
一．移动学习与微信的兴起 移动学习是一种在移动计算设备帮助下的能够在任何时间、任何地点发生的学习，移动学习所使用的移动计算设备必须能够有效地呈现学习内容并且提供教师与学习者之间的双向交流。 随着智能终端与移动互联网的发展，移动学习软件和平台的研究不断推动着移动学习应用的创新和进步。微信（Wechat）是一款具有通信、社交和平台化功能的移动软件，已经成为一种重要的移动互联网入口。微信的通信功能和社交功能的实现提升了用户间的互动交流，平台化功能则提供了一种新型的移动应用开发方式。作为一种专注移动端功能的软件，微信为移动学习提供了新的平台和应用创新空间。微信的实时通信和良好的使用体验使学生群体具有较高的使用率和黏着度，多种互动模式使信息交互灵活多样，新型的平台支持使移动学习应用开发更加便捷高效。 移动学习是移动技术与数字化学习技术（e-Learning）发展相结合产生的一种新型数字化学习形式。欧洲和美国一般以m-Learning 或m-Education来指称，而我国一般表述为移动学习或移动教育。[1]移动学习的基本内涵： 第一，学习形式是移动便捷的。移动学习是借助于一些便捷式移动设备，在没有时间、地点的制约下任意开展的学习活动。 第二，学习内容和活动是互动有效的。移动学习设备必须能够有效地呈现学习内容，而且通过移动技术提供学习者与教授者之间、学习者之间、学习者/教授者和资源之间的有效交互。