基于非差模式的精密卫星钟差近实时估计

在目前精密单点定位(PPP)中,GPS卫星钟差的实时估计已经成为影响PPP实时解算一个至关重要的因素。提出一种基于非差模式下利用卡尔曼滤波进行精密卫星钟差参数估计的方法,经验证,与IGS事后精密卫星钟差相比,其精度能够达到0.5~1 ns,高于利用Bernese软件进行解算的结果。基于估计结果和比较可靠的信息数据来源,可以实现较高精度的实时精密单点定位。     

地铁低净空隧道接触网非工作支结构优化设计

分析了深圳地铁一期工程中,在低净空隧道接触网锚段关节(绝缘及非绝缘)转换柱处,固定非工作支接触线的无螺栓单线定位线夹出现滑移及脱槽的原因,提出了解决该类问题的具体方案,并组织实施,消除了安全隐患。     

高斯混合模型的船舶传感器网络在线定位算法研究

随着无线传感网技术在舰船中的大量使用,其定位功能也正在被充分挖掘。不同于传统的卫星定位技术,无限传感器网络的设备成本非常低廉,且组网迅速,具体功能通过软件编写可以轻松实现。本文在研究船舶定位需求的基础上,提出一种高精度的基于高斯混合模型的无线传感网在线定位模型,建立RSSI三点式定位模型。并在实验室模拟出船舶在海洋中的航行环境,采用Online-LEGMM仿真系统对此算法的定位性能进行验证,实验结果取得预期效果,该算法能够对船舶节点准确定位。     

房车何时驶入寻常百姓家?

<正>全球房车市场呈现两极分化,中国房车市场却态势一片大好,销量持续增长。本届北京车展,海内外新款房车纷纷闪耀登场。我国房车市场未来潜力无限,但依然面对价格定位、政策扶持等问题,需巧妙借鉴欧美标准。由于房车的高昂售价,令许多消费者将其称为土豪的选择,但是事实上,房车并不只是富翁手边的奢     

家具企业营销策略浅析

随着中国家具产业的发展,中小家具企业原有粗犷式的发展模式已经远远不能适应现代市场的竞争,大部分中小家具企业缺乏科学市场理论的指导。基于此,本文以营销理论为基础对中小家具企业的营销行为进行指导,对促进中小家具企业持续健康发展提供借鉴。     

新建地方本科院校的办学定位与工商管理类专业人才培养模式的实践与研究

高等教育已经由精英化阶段进入了大众化阶段,很多师范类或行业专科的学校随着办学规模的扩大逐渐升格为地方性本科院校。近些年来,地方性本科院校虽然发展迅速,但也存在着一系列的问题,尤其在学科专业的合理设置等方面。本文从地方性本科院校的办学定位入手,在研究地方性本科院校如何更好的进行办学定位的基础上,侧重研究工商管理类专业人才的培养模式,以便地方性本科院校凸显办学特色,实现新建地方本科院校的可持续发展。     

ZigBee技术在煤矿井下人员定位中的研究

近年来,我国煤矿事故频发,煤矿安全让人担忧。矿井中井下人员的管理非常困难,地面工作人员不能随时了解井下人员的分布情况及作业情况,很难进行人员定位,一旦事故发生,对井下人员的抢救非常困难。针对此问题,本文研究了一款基于Zig Bee的井下人员无线定位系统。该系统以CC2430/CC2431芯片为核心,利用RSSI定位算法,实现井下工作人员的实时定位,使地面人员随时了解井下作业人员的分布状态、作业情况等,使井下人员定位管理的有效性与可靠性大大提高,具有极大的市场经济价值。     

沌口长江公路大桥主墩钢围堰施工技术

沌口长江公路大桥主桥为钢箱梁斜拉桥,两桥塔主墩均位于水中,设整体式承台,承台规模为26m×52.2m×6m。每个承台设置32根Φ3.0m钻孔灌注桩,桩基及承台采用围堰法施工。大型钢围堰在长江干流黄金航道内下沉采用了单定位船定位系统,该系统操作简便,施工水域占用少,降低了对通航的影响,最终实现了钢围堰在高速水流作用下平面定位精度在15mm以内,垂直度在1/500以内。同时考虑到浅覆盖层围堰着床受冲刷作用影响明显,通过物理模型试验,确定了冲刷防护体总体布置,保证了围堰终沉稳定性。     

一种基于地图辅助的自动驾驶视-惯融合定位方法

视觉同步定位与建图(Simultaneous Localization and Mapping, SLAM)方法广泛应用于自动驾驶领域。传统的方法利用车载摄像头表征车辆周围环境,同时估计自身位置,当车辆运动过快时,定位精度和鲁棒性会下降。针对此问题,本文提出一种地图辅助的视-惯融合定位方法。该方法在ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)的基础上拓展地图保存功能,将建图和定位拆分为两个独立模块,车辆首先以较慢的速度构建并保存具有视觉特征的地图,然后,在第2次运行时车载计算机调用预先保存的地图实现精确且稳定的定位性能。由于构建地图阶段采用了图优化算法融合惯性测量单元(Inertial Measurement Unit, IMU)的信息,地图误差得到有效校正。在KITTI数据集场景和实际场景中验证了所提方法的良好性能。实验结果表明,所提方法在4, 8, 16 m·s-1 驾驶速度下的定位精度分别为2.59,2.61,2.73 m,图像失帧率和路径丢失率分别为3.76%和1.38%,3.89%和1.69%,4.27%和1.84%。相比原始的ORB-SLAM2方法,系统定位精度和鲁棒性均得到了提高。     

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位,基于VINS-Mono算法的系统框架,在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块,提出了一种融合定位算法LVG_SLAM; RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离,对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制,并利用双边纹理滤波算法进行细节增强,在此基础上,根据多尺度Retinex算法增强图像的对比度,提高低可见度环境下角点提取的成功率,从而保证图像跟踪的稳定性,改善定位算法的鲁棒性; 基于无迹卡尔曼滤波算法,VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合,融合定位结果作为约束引入VI-SLAM后端,通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明：相较于VINS-Mono算法,改进的LVG_SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色,均方根误差分别降低了38.76%与58.39%,运动轨迹更贴近真实轨迹; 在实际夜晚道路场景下,LVG_SLAM算法将定位误差控制在一定范围内,顺利检测到闭环使得定位表现得到大幅改善,均方根误差、平均误差、最大误差、中位数误差分别降低了79.61%、82.50%、71.31%、83.77%,与VINS-Mono算法相比,在定位精度与鲁棒性方面具有明显的优势。